CMO 1 TRIMESTRE

Algunos de los ejemplos típicos básicos de Scala podrían ser Float que tendrá un valor de: Secuencia de caracteres. 32-bit de punto flotante de precisión simple IEEE754. 64-bit de punto flotante de precisión simple IEEE754.

Dentro de la clasificación de datos con WEKA y R, podemos distinguir dos tipos: Generales y específicos. Pasados y futuros. A posteriori y a priori.

Dentro de la era de la digitalización, se prevé que el futuro del Big Data: Estará ligado a otros conceptos como la Inteligencia Artificial y el Machine Learning. Sea un concepto y tecnología que está a punto de desaparecer. Es una tecnología que parece que ha tocado techo y es difícil que tenga más recorrido en las empresas.

El modelado predictivo como una técnica más del Data Mining consiste en: La aplicación del clustering, que es un tipo de aprendizaje no supervisado y que produce una segmentación en grupos dadas unas características o relaciones comunes. El establecimiento de relaciones entre registros individuales o grupos de estos. Poner el foco en predecir la salida de un evento y está basado en un comportamiento similar al aprendizaje humano mediante la observación de las características más importantes de una tarea.

Dentro de la implementación de la clasificación en WEKA mediante árboles de decisión tenemos la matriz de confusión que consiste en: Dentro de la implementación de la clasificación en WEKA mediante árboles de decisión tenemos la matriz de confusión que consiste en:. Determinar dónde se equivocó nuestro modelo, es decir, cuáles clasificó correctamente y cuáles no. Determinar dónde se equivocó nuestro modelo, es decir, identificando solo cuáles clasificó incorrectamente, para entender los resultados.

Los parámetros estadísticos son una herramienta de síntesis. Pueden ser: De determinación, centralización y dispersión. De posición, de localización y de determinación. De centralización o de tendencia central, de posición y de dispersión.

Los rangos es la diferencia entre. La mediana mayor y menor que toman los datos. La media mayor y menor que toman los datos. El mayor y el menor valor que toman los datos.

WEKA es una herramienta de estudio estadístico: Es una de las herramientas más utilizadas únicamente para el Machine Learning - ML. Es una de las herramientas más utilizadas únicamente para el Machine Learning - ML. En modalidad de software de alto coste.

El Customer Analytics como técnica estadística se basa en el estudio de los siguientes parámetros de estudio: Vínculos, parámetros y valores, e indicadores. Relaciones contractuales, sistemas y dependencias jerárquicas. Áreas de la empresa, parámetros y valores, probabilidad e inferencia.

Alguna de las herramientas más utilizadas para el cálculo de valores estadísticos en una empresa y en los mercados en los que esta se desarrolla, actualmente son: Minitab, OGG y SAP. OGG, Siebel y Microsoft Excel. IBM SPSS, SPLUS y Microsoft Excel.

Los cuartiles son tres valores (Q1, Q2 y Q3), que dividen a los datos en: Dos partes iguales que representarán el 50 % y el 100 %, respectivamente. Cuatro partes iguales que representarán el 25 %, el 50 % y el 75 %. Las partes que consideremos siempre y cuando estén en orden decreciente.

Los diferentes algoritmos en los que se puede dividir la ML –Machine Learning– serían: Supervisados, sin supervisión y reforzados. Las 3S: Soporte, Sistemático y Supervisados. Desarrollados, testeados e implantados.

El análisis de tendencias es la dirección hacia la que se mueven unos valores en un espacio finito de tiempo, pudiendo ser alcista o bajista, lo que le permitirá a algunas empresas ver la evolución de los valores de mercado, para orientar su estrategia competitiva. Las medias más utilizadas para este análisis de tendencias pueden ser: Centro de gravedad, y covarianza. Segmentación y gobernabilidad. Centro de gravedad y gestión de los desvíos.

Se puede aplicar el análisis de los datos y la estadística, a distintas áreas de una empresa como pueda ser la de Marketing, por ejemplo para conocer los hábitos de compra del cliente final. Para ello, se basa en dos tipos de estadísticas: Relaciones (relación entre segmentos parecidos), y segmentación (conclusiones en base a un segmento de nicho). Descriptiva (estudio de todos los elementos y no un subconjunto), e inferencial (sacar conclusiones para toda la población en base a un segmento). Buyer (tipología de un consumidor) y Customer Journey (recorrido del consumidor).

Algunas de las ventajas del uso del BI podrían ser: Retener clientes que consideran irse a la competencia, conocimiento mejor del cliente y su comportamiento, y obtener mayores beneficios de las ventas actuales. La fuga de clientes innecesarios, definición de los BSC o Balance Scorecard, y consecución de un modelo empresarial avanzado. La creación de un departamento de sistemas y tecnologías de la información, elaboración de la estrategia del negocio, implementa solución integrada, y transformación de datos.

Cada año la prestigiosa consultora Gartner anuncia cuáles son las diez tecnologías estratégicas. En 2020 destacó: BlockChain, Edge Computing y Ciberseguridad. ERP, y experiencia sensorial y modal. Proyectos de transformación digital, los CRM, tecnologías emergentes y las operaciones en materia de Ciberseguridad han dejado de ser claves en una empresa.

Algunas de las características y atributos que debe tener el Datawarehouse son: Estable, coherente, fiable e información histórica. Volátil, fija en el tiempo, integrado y coherente. Volátil, fija en el tiempo, integrado y orientado a temas generales.

Dentro de la regulación en materia de protección de datos en España tenemos la Ley Orgánica 15/1999, que dispone el: Facilitar la competencia, la riqueza cultural, la pertenencia a la UE, fomentar un buen nivel de formación de la población joven, la inversión en infraestructura, servicios de telecomunicaciones, e integración en el comercio global. Garantizar y proteger, en lo que concierne al tratamiento de los datos personales, las libertades públicas y los derechos fundamentales de las personas físicas, y especialmente de su honor e intimidad personal y familiar. Profundizar en los desequilibrios de exclusión social y de todo tipo, en amplios estratos de la población, la colonización cultural, la deslocalización del empleo, y la pérdida de valor añadido propiamente nacional en un nuevo entorno competitivo.

Después de haber realizado un estudio de la sociedad de la información a nivel mundial, ahora nos centraremos en España, donde un estudio a finales de 2020, identifica las siguientes debilidades: Desequilibrios territoriales, ausencia de cultura telemática en gran parte de la población activa, bajo consumo per cápita de información, escaso parque informático instalado, alto nivel de desempleo juvenil y debilidad de muchos sectores a la hora de competir en los mercados de las autopistas de la información. Profundización de desequilibrios de exclusión social y de todo tipo en amplios estratos de la población, colonización cultural, deslocalización del empleo, y pérdida de valor añadido propiamente nacional en el nuevo entorno competitivo. Facilidades competitivas que ofrece el idioma español (400 millones de hablantes, de las cuales casi 50 millones viven en Estados Unidos), riqueza cultural, pertenencia a la UE, buen nivel de formación de la población joven, de infraestructura y servicios de telecomunicaciones, e integración en el comercio global.

El proceso analítico OLAP consiste en: Segmentación de BB DD, donde en base a observaciones previas, se construye un modelo sobre un cierto concepto que utilizamos después para predecir el futuro comportamiento de nuevos elementos. La observación multidimensional de los hechos (compras, ventas, costes, gastos, ingresos,) que sean relevantes para una determinada área de negocio, departamento o ámbito de actividad. La observación multidimensional de los hechos (compras, ventas, costes, gastos, ingresos,) que sean relevantes para una determinada área de negocio, departamento o ámbito de actividad, que no podrán ser almacenadas y gestionadas por gestores de bases de datos relacionales o multidimensionales.

Los tipos de DSS, según el detalle de la información que almacenan y su forma de clasificarlos, pueden ser: Sistemas para el control y la gestión y los Sistemas para la implementación. Sistemas para el control y la gestión y los Sistemas para la producción. Sistemas para el control y la gestión y los Sistemas para la investigación.

Una de las diferencias principales entre el método de Clustering K y el jerárquico serían: La agrupación jerárquica no puede manejar bien los grandes datos, pero la agrupación K sí. La agrupación K no requiere conocimiento previo de K, es decir, del número de grupos en los que se desea dividir el conjunto de elementos. En la agrupación K, dado que comenzamos con la elección aleatoria de agrupaciones, los resultados producidos al ejecutar el algoritmo varias veces nunca difieren, mientras que los resultados no son reproducibles en la agrupación jerárquica.

Zapier funciona en base a Zaps, que sería por lo tanto una tarea específica que deseamos realizar, donde cada ZAP: Debe poseer más de una acción, pero Zapier también brinda la posibilidad de crear Zaps de múltiples pasos, es decir, que a partir de un disparador ocurran múltiples acciones de automatización. Utilizando la lógica de disparadores y acciones podemos lograr automatizar las tareas que realizamos de forma cotidiana y de ese modo ahorrar tiempo y recursos. Debe poseer, al menos, una acción, pero Zapier también brinda la posibilidad de crear Zaps de múltiples pasos, es decir, que a partir de un disparador ocurran múltiples acciones de automatización. Utilizando la lógica de disparadores y acciones podemos lograr automatizar las tareas que realizamos de forma cotidiana y de ese modo ahorrar tiempo y recursos. Debe poseer, al menos, una acción, aunque Zapier no brinda la posibilidad de crear Zaps de múltiples pasos. Utilizando la lógica de disparadores y acciones podemos lograr automatizar las tareas que realizamos de forma cotidiana, aunque de este modo incrementaremos los tiempos y los recursos.

Algunas de las características de los indicadores y políticas de la información serían: El número de indicadores básicos no debe ser excesivo, incluir indicadores precisos y su definición, fáciles de interpretar y que tengan una metodología transparente. El coste de los elementos materiales para su obtención. La gestión de cambios, el coste de los elementos materiales para su obtención y las desigualdades de sus parámetros.

Algunas de las características y atributos que debe tener el Datawarehouse son: Volátil, fija en el tiempo, integrado y orientado a temas generales. Volátil, fija en el tiempo, integrado y coherente. Estable, coherente, fiable e información histórica.

Penteo, consultora y analista de mercados tecnológicos, en un informe afirma que: Los proyectos de transformación digital ya no se apoyan tanto en tecnologías tradicionales que se han renovado, como los CRM, junto con tecnologías emergentes y las operaciones en materia de Ciberseguridad han dejado de ser críticas. El ERP ha dejado de ser un software importante en cuanto a compras por los departamentos de informática. La migración a la nube se ha ralentizado, tal vez por la incertidumbre ante la explosión del Edge computing.

Como contraposición al Libro Blanco de Delors, en EE. UU. durante la administración Clinton se diseñó una política de información federal basada en: El coste de los elementos materiales, planes de formación y la difusión de las TIC americanas. La Industria de las TIC, la gestión de cambios, el coste de los elementos materiales, y las desigualdades de sus parámetros. La tecnología, la revolución de la información y la innovación a partir de la tecnología.

Decimos que una característica de la inteligencia es instrumental cuando. El resultado final de un sistema de inteligencia debe guiar, de manera precisa, los procesos de toma de decisiones en una organización. No aporta nada por sí sola. Hay múltiples poseedores de conocimientos de alto nivel sobre una materia más allá de los sistemas de inteligencia.

Algunos de los elementos principales dentro del ecosistema Hadoop serían: Testeo automático de pruebas de integración, validación y métricas de código. Herramientas para el despliegue de aplicaciones multientorno, alta de recursos y creación de tablas. Almacenamiento de datos distribuido, herramientas de BI y distribución del tiempo de ejecución.

Hadoop se divide en varias capas, donde por ejemplo la capa de aplicación o capa de acceso del usuario final sería aquella que: Proporciona un marco de programación para desarrollar software aplicando técnicas informáticas distribuidas para extraer y explotar grandes volúmenes de datos. Se denomina JobTracker que proporciona un motor de ejecución de trabajos en tiempo de ejecución de código abierto. Coordina todos los aspectos del entorno Hadoop, como programar y lanzar trabajos, equilibrando la carga entre diferentes recursos.

Algunos repositorios Open Data de fácil acceso podrían ser: Todos aquellos que emitan empresas que supongan un coste. Semrush. Portal de Datos Abiertos de la UE, APORTA y Google Dataset Search.

La programación funcional permite: No permite que una función pueda ser definida dentro de otra función. Permite que una función se pase como entrada a otra funció. No permite que una función se devuelva como valor de retorno de otra función.

Dentro de la fase de planificación, When sería: El consumidor al que se destinará el producto del análisis resultante. Límite temporal del análisis realizado. El modo de presentar el análisis.

Las fuentes de información según su tipo de formato pueden ser: Sociales, legales y económicas. Libros, revistas científicas y generalistas, periódicos, vídeo y audio, documentos gubernamentales, literatura gris y por último también los web sites. Digital o industrial.

Las empresas recolectan alrededor de: Un 80 % de datos no estructurados. Un 90 % de datos estructurados. Un 20 % de datos no estructurados.

Decimos que una característica de la inteligencia es oportuna cuando: El resultado final de un sistema de inteligencia debe guiar, de manera precisa, los procesos de toma de decisiones en una organización. Llega cuando es necesaria, si lo hace demasiado tarde, no sirve para nada y puede provocar graves consecuencias para la organización. Hay múltiples poseedores de conocimientos de alto nivel sobre una materia más allá de los sistemas de inteligencia.

El ciclo de inteligencia comienza: En el proceso de planificación estratégica. En el proceso de testeo estratégica. En el proceso de implantación estratégica.

Las tecnologías de apoyo dentro de la fase de análisis serían: Herramientas para la presentación ordenada de la información. Groupware para potenciar el trabajo individual. Groupware, como por ejemplo Slack, y sistemas de apoyo a la toma de decisiones.

Según la prestigiosa consultora, Gartner Group, el BI consiste en: Generar un departamento de reporting dentro de la organización. Almacenar información para un futuro indeterminado. La habilidad de los usuarios finales para acceder y analizar variedades cuantitativas de información y tomar las decisiones adecuadas.

Actualmente muchas organizaciones están capturando, y generando volúmenes de información para fines regulatorios con una periodicidad de: De 1 o 2 años. Les es indiferente y no lo necesitan para su operativa diaria. 3 o más años.