Advance Search

Monitoreo de indicadores de valor a través de minería de datos, gestión de procesos de negocio y mejoramiento continuo con gestión del riesgo

Darío Enrique Soto Durán | Biografía
Tecnológico de Antioquia Institución Universitaria
Juan Camilo Giraldo Mejía | Biografía
Tecnológico de Antioquia
Fabio Alberto Vargas Agudelo | Biografía
Tecnológico de Antioquia Institución Universitaria
Jovani Jiménez Builes | Biografía
Universidad Nacional de Colombia
Antonio Valderrama | Biografía
Tecnológico de Antioquia Institución Universitaria
Palabras clave:
Copyright and Licensing:

Derechos de autor 2023 Revista Ingenierías Universidad de Medellín

Creative Commons License
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-SinObrasDerivadas 4.0.

Resumen

Para las organizaciones es importante conocer el comportamiento de los procesos a través de la gestión del riesgo y la evaluación de los indicadores clave de desempeño (Key Performance Indicators, KPI). Un propósito del ciclo de mejoramiento continuo “planear - hacer - verificar - actuar” (PHVA) es determinar el estado de los indicadores y realizar reingeniería de procesos para lograr el cumplimiento ideal. La gestión del riesgo previene la desviación de los indicadores frente a las metas propuestas. Para determinar las variables relevantes de un proceso es necesario establecer mecanismos de monitoreo y control como forma eficiente de obtención de conocimiento basado en el uso de técnicas como las de minería de datos (MD). Estos conceptos se han articulado aquí en un modelo desarrollado para lograr el estado ideal de los KPI en una organización, y se evidencian a través de un caso de estudio aplicado en un proceso misional de una institución de educación superior, por medio del cual se describe el éxito de la teoría y el análisis planteados. Este modelo establece unos componentes a partir de la articulación de características de MD, la gestión de procesos de negocio o Business Process Management (BPM) y el ciclo PHVA con gestión del riesgo, de tal suerte que se hace posible un diseño ajustado a las necesidades particulares que sirve como modelo para investigaciones futuras. 

PDF
PDF

Referencias

  1. [1] “ISOTools,” [En línea]. Available: https://www.isotools.org/soluciones/procesos/kpis-indicadores/.
  2. [2] ”JLV Enterprises,” 2018. [En línea]. Available: https://jlvbusiness.com/2017/06/19/que-es-un-kpi-y-cuales-son-sus-caracteristicas/.
  3. [3] T. P. y. C. Felden, “On the restriction to numeric indicators in Performance Measurement Systems,” 15th IEEE International Enterprise Distributed Object Computing Conference Workshops, 2011.
  4. [4] M. A. y. J. J. Jeng, “A Tool Framework for KPI Application Development,” IEEE International Conference on e-Business Engineering, 2007.
  5. [5] Z. Wang, Y. Qing y Y. S., “The Research of Process Mining Assesment used in Business Intelligence,” IEEE, 11th International Conference on Computer and Information Science, 2012.
  6. [6] E. Souza, “Challenges in Performance Analysis in Enterprise Architectures,” IEEE Computer Society, 2013.
  7. [7] G. Xiang, “Towards the Next Generation Intelligent BPM – In the Era of Big Data,” Springer, 2013
  8. [8] A. Orellana, C. Sanchez y L. Gonzalez, “Aplicación del Modelo L* de minería de proceso al módulo Almacén del Sistema de Información Hospitalaria alas HIS,” 13th Laccei International Conference, 2015.
  9. [9] R. X. J. Y. H. L. W. Z. Wencong Lu, “Data mining-aided materials discovery and optimization.,”2017.
  10. [10] A. K. M. Nidhi Tomar, “A Survey on Data Mining Optimization Techniques.,” International Journal of Science Technology & Engineering | Volume 2 | Issue 06, December 2015.
  11. [11] F. N. a. B. M. Christoph Gröger, “Data Mining-driven Manufacturing Process Optimization.,”Proceedings of the World Congress on Engineering 2012 Vol III., p. Vol III., 2012.
  12. [12] J. I. Gaiña Yungán, “http://dspace.uniandes.edu.ec/handle/123456789/1815,” 12 2015. [En línea]. Available: http://dspace.uniandes.edu.ec/handle/123456789/1815.
  13. [13] J. J. P. R. A. E. A. Surelys Pérez Jiménez, “Modelo clustering para el análisis en la ejecución de procesos de negocio,” Investigación Operacional, pp. Vol 33, No. 3, 210-221, 2012.
  14. [14] R. Alcover et al., “Análisis del rendimiento académico en los estudios de informática de la Universidad Politécnica de Valencia aplicando técnicas de minería de datos”, 2007 [internet]. Disponible en: http://bioinfo.uib.es/~joemiro/aenui/procJenui/Jen2007/alanal.pdf.
  15. [15] “Significados”. [internet]. Disponible en: https://www.significados.com/amenaza/.
  16. [16] R. &. T. J. Arun, “Analysis and Enhancement Of Process Models Using Scoring For Customer Relationship Management.,” International Journal of Computer Science Engineering and Information Technology Research., pp. 6(5), 75–84. Retrieved from http://www.tjprc.org/publishpapers/2-14-1476361205-9. IJCSEITR-Analysis and Enhancement of process model using scoring for Customer Relationship Management.pdf, 2016.
  17. [17] U. &. Q. H. Shafique, “A Comparative Study of Data Mining Process Models ( KDD ,CRISP-DM and SEMMA).,” International Journal of Innovation and Scientific Research, pp. 12(1), 217–222. Retrieved from http://www.ijisr.issr-journals.org/abstract.php?, 2014.
  18. [18] G. Quiceno, L. Uribe y P. Noreña Cardona, “Visualizaciones analíticas para la toma de decisiones en pequeñas y medianas empresas utilizando Data Mining”, Cuaderno Activa, vol. 8, n.° 8, pp. 31–39, 2016.
  19. [19] A. Rembert y C. Ellis, “An Initial Approach to Mining Multiple Perspectives of a Business Process,” in TAPIA ‘09: The Fifth Richard Tapia Celebration of Diversity in Computing Conference: Intellect, Initiatives, Insight, and Innovations, pp. 35-40, 2010.
  20. [20] “ISOTools”. [inter net]. Disponible en: https://www.isotools.org/2015/02/20/en-que-consiste-el-ciclo-phva-de-mejora-continua/
  21. [21] E. Cardoso, “Towards a Methodology for Goal-Oriented Enterprise Management,” en 17th IEEE International Enterprise Distributed Object Computing Conference Workshops, 2013.
  22. [22] X. Gao, “Towards the Next Generation Intelligent BPM”, Business Process Management. Lecture Notes in Computer Science, vol. 8094, pp. 4-10, 2013.
  23. [23] M. A. Cetina, “Gestión de procesos con BPM,” Tecnología, Investigación y Academia. Universidad Distrital Francisco José de Caldas, vol. 4, n.° 2, pp.45-56, 2016.
  24. [24] “Sinnexus Business Intelligence Informática estratégica”. [internet]. Disponible en https://www.sinnexus.com/business_intelligence/datamining.aspx.
  25. [25] E. Blanco-Hermida, Algoritmos de clustering y aprendizaje automático aplicados a Twitter, Barcelona: Universidad Politécnica de Valencia, 2016.
  26. [26] K. R. Saylam y S. Ozgur, “Process mining in business process management:concepts and challenges,” en 2013 International Conference on Electronics, Computer and Computation (ICECCO), pp. 131-134, 2013.
  27. [27] E. Leonard Brizuela y Y. Castro Blanco, “Metodologías para desarrollar Almacén de Datos” Revista de Arquitectura e Ingeniería, Revista de Arquitectura e Ingeniería, vol. 7, n.° 3, pp. 1–12.
  28. [28] U. Shafique y H. Qaiser, “A Comparative Study of Data Mining Process Models ( KDD , CRISP-DM and SEMMA )”, International Journal of Innovation and Scientific Research., vol. 12, n.° 1, 217–222.
  29. [29] ICONTEC, Norma Técnica Colombiana NTC-31000. Gestión del Riesgo. Principios y Directrices, Bogotá: Icontec, 2011.
  30. [30] T. Pidun y C. Felden, “On the Restriction to Numeric Indicators in Performance Measurement Systems”, 2011 IEEE 15th International Enterprise Distributed Object Computing Conference Workshops, Helsinki, 2011, pp. 96-102. DOI: 10.1109/EDOCW.2011.16.
  31. [31] D. Wegener y S. Rüping, “On Reusing Data Mining in Business Process – A Pattern- Based Approach”, en International Conference on Business Process Management, Berlín, 2011, pp. 264-276.
Cómo citar
Soto Durán, D. E., Giraldo Mejía, J. C., Vargas Agudelo, F. A., Jiménez Builes, J., & Valderrama, A. (2019). Monitoreo de indicadores de valor a través de minería de datos, gestión de procesos de negocio y mejoramiento continuo con gestión del riesgo. Revista Ingenierías Universidad De Medellín, 19(37), 93-118. https://doi.org/10.22395/rium.v19n37a5

Descargas

La descarga de datos todavía no está disponible.
Crossref
Scopus
Google Scholar
Europe PMC

Send mail to Author

Send Cancel

Estamos indexados en