Análisis de la competitividad empresarial aplicando árboles de decisión
DOI:
https://doi.org/10.18779/ingenio.v3i1.30Palabras clave:
competitividad empresarial, árboles de decisión, minería de datosResumen
Tomando en cuenta que las las empresas buscan incesantemente alcanzar una mejor posición competitiva que conlleve a un desempeño superior al de otras, se puede recurrir a técnicas de minería de datos para predecir los niveles de competitividad. Esto ha motivado a realizar un estudio utilizando una de esas técnicas, los árboles de decisión. Esta técnica ha sido aplicada al conjunto de datos previamente preparado para analizar cinco indicadores de competitividad empresarial: productividad, recursos financieros, mercadotecnia, recursos humanos y tecnología. La técnica de árboles de decisiones, en su tipo de árbol de regresión, fue aplicada satisfactoriamente al conjunto de datos para analizar la competitividad empresarial; es decir, permite conocer la manera en que han incrementado o decrecido los indicadores de competitividad en el tiempo, para así conocer la competitividad de la empresa. Estos resultados permites inferir que la técnica seleccionada puede ser una herramienta útil para tomar decisiones probabilísticas orientadas a optar por las opciones más convenientes para la empresa.
Descargas
Citas
Berry, M. J., & Linoff, G. S. (2011). Data mining techniques: for marketing, sales, and customer relationship management. Estados Unidos: Wiley.
Jiawei Han, M. K. (2012). Data Mining: Concepts and Techniques. Estados Unidos: Elsevier.
Ledolter, J. (2013). Data Mining and Business Analytics with R. United States: Wiley.
Lee, W., Stolfo, S., & Mok, K. (2009). A data mining framework for building intrusion detection models. Xplore Digital Library.
Marcano Aular , Y. J., & Talavera Pereira, R. (2007). Minería de Datos como soporte a la toma de decisiones empresariales. 23(52), 104-118. Obtenido de http://www.scielo.org.ve/scielo.php?pid=S1012-15872007000100008&script=sci_arttext
Márquez Vera, C., Romero Morales, C., & Ventura Soto, S. (2012). Predicción del Fracaso Escolar mediante Técnicas de Mineria de Datos. IEEE-RITA, 7(3).
Martínez, A. M., López, P. A., & Méndez, C. R. (2011). Administración de Empresas. Bogotá.
OCDE. (1997). Organization for economic co-operation and development. OCDE/GD, (97), 55.
Padilla, R. (2006). Instrumento de medición de la competitividad. México: Cepal.
Palma, C., Palma, W., & Pérez, R. (2009). Data Mining. El arte de anticipar. 10 casos reales. Santiago de Chile: RIL. Obtenido de https://books.google.com.ec/books?id=VFZeAf0mYBcC&printsec=frontcover&dq=data+mining&hl=es&sa=X&ved=0ahUKEwiY6Pu9nOrXAhWGQ98KHYJEAcAQ6AEIODAC#v=onepage&q=data%20mining&f=false
Robbins, S. P., & Coulter, M. (2014). Administración. México: PEARSON.
Rubio, A., & Aragón, A. (2006). Competitividad y recursos estratégicos en las PYMEs. Revista de Empresa(17), 32-47.
Saavedra, G. M. (2012). Una propuesta para la determinación de la competitividad en la pyme latinoamericana. Recuperado el 28 de 01 de 2018, de http://www.redalyc.org/comocitar.oa?id=64624867005
Solleiro, J. L., & Castañón, R. (2005). Competitiveness and innovation systems: the challenges for Mexico's insertion in the global context. Technovation, 25(9), 1059-1070.
Torgo, L. (2017). Data Mining with R Learning with Case Studies. Oporto: CRC Press.
Vicuña, A., Cortez, B., & Basurto, Y. (2019). Determinación de modelos predictivos para los indicadores de competitividad empresarial aplicando regresión lineal. Revista Ibérica de Sistemas e Tecnologias de Informação, E18, 94-107.
Vieira, P., Ortíz, L. I., & Ramírez, S. S. (2009). Introducción a la minería de datos. Rio de Janeiro: E-Paper.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2020 Jéssica Ponce, Edison Vicente, Randy Rodríguez, Sandra Muñoz
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Licensing Agreement
This journal provides free access to its content through its website following the principle that making research available free of charge to the public supports a larger exchange of global knowledge.
Web content of the journal is distributed under a Attribution-NonCommercial-ShareAlike 4.0 International.
Authors may adopt other non-exclusive license agreements for the distribution of the version of the published work, provided that the initial publication in this journal is indicated. Authors are allowed and recommended to disseminate their work through the internet before and during the submission process, which can produce interesting exchanges and increase citations of the published work.