Presentación correspondiente a Gerencia del Conocimiento. GRUPO 5 / 2009 INTEGRANTES: Portillo Daniela Romero Ernesto Rovira Indiana

1. Gerencia del Conocimiento: CRM y Data Mining Grupo N° 6: Portillo Daniela Romero Ernesto Rovira Indiana

2. GERENCIA DEL CONOCIMIENTO EL INICIO DE TODO…. “La gestión del conocimiento es una “ALEGORIA”, puede realmente manejar un activo que resida en las cabezas de los empleados, y que se comparte, sobre todo, con la conversación” (COLLISON Y PARCELL) Década de los 80´s Teoría de Recursos y Capacidades Analiza los recursos y las capacidades de las organizaciones como base para la formulación de su estrategia. Aprendizaje Organizativo Aprendizaje Individual + Procesos de Captación + Estructuración + Transmisión de conocimiento corporativo= Aprendizaje compartido empleado para la resolución efectiva de un determinado problema Gerencia del Conocimiento “El conjunto de procesos y sistemas que permiten que los activos intangibles de una organización aumente de forma significativa, mediante la gestión de sus capacidades de resolución de problemas de forma eficiente (en el menor espacio de tiempo posible), con el objetivo final de generar ventajas competitivas sostenibles en el tiempo”.

3. GERENCIA DEL CONOCIMIENTO COMPRENSIÓN DEL CONCEPTO... “Generar valor a la Organización desde el aprovechamiento de sus ACTIVOS INTANGIBLES” (SVEIBY) DIFERENCIAS DATO INFORMACIÓN CONOCIMIENTO ELEMENTO BÁSICO AISLADO LOCALIZADO EN EL CONTEXTO REAL ELEMENTO MEDIADOR ENTRE DATO-CONOCIMIENTO INFORMACIÓN UBICADA EN UN CONTEXTO ASOCIADA A UNA EXPERIENCIA CAPITAL INTELECTUAL “El conjunto de procesos y sistemas que permiten que el Capital Intelectual de una organización aumente de forma significativa, mediante la gestión de sus capacidades de resolución de problemas de forma eficiente (en el menor espacio de tiempo posible), con el objetivo final de generar ventajas competitivas sostenibles en el tiempo”.

4. GERENCIA DEL CONOCIMIENTO Y CAPITAL INTELECTUAL ESTRUCTURA…

6. Cultivar el conocimiento dentro de cada organización.

7. Formular e implementar estrategias para adquirir, desarrollar y aplicar el conocimiento.

8. Incrementar la comunicación entre los integrantes de la organización.

9. Orientar al personal de la organización para gestionar sus datos de manera eficaz, consiguiendo una reducción de tiempo y esfuerzo.

10. Ayudar a las organizaciones a innovar y adaptarse al cambiante ambiente empresarial.

11. Monitorear y evaluar los logros obtenidos a través de la aplicación del conocimiento.

12. Elevar el rendimiento y reducir los costos.

13. GERENCIA DEL CONOCIMIENTO Modelo de Gestión de Arthur Andersen ¿Qué hay de nuevo en este modelo?. Desde la perspectiva individual, la responsabilidad personal de compartir y hacer explícito el conocimiento para la organización. Desde la perspectiva organizacional, la responsabilidad de crear la infraestructura de soporte para que la perspectiva individual sea efectiva, creando los procesos, la cultura, la tecnología y los sistemas que permitan capturar, analizar, sintetizar, aplicar, valorar y distribuir el conocimiento.

14. GERENCIA DEL CONOCIMIENTO Modelo de Gestión del Conocimiento de KPMG El modelo parte de la siguiente pregunta: ¿Qué factores condicionan el aprendizaje de una organización y qué resultados produce dicho aprendizaje?.

15. GERENCIA DEL CONOCIMIENTO Modelo de Knowledge Management AssementTool (KAMT) El modelo propone cuatro facilitadores (liderazgo, cultura, tecnología y medición) que favorecen el proceso de administrar el conocimiento organizacional.

16. GERENCIA DEL CONOCIMIENTO KNOWLEDGE MANAGEMENT ASSESSMENT TOOL (KMAT)

17. GERENCIA DEL CONOCIMIENTO Proceso de conversión del conocimiento en la organización

18. GERENCIA DEL CONOCIMIENTO Proceso de conversión del conocimiento en la organización

19. CRM (Customer Relationship Management) Tecnología

21. Sector: Prensa.

22. Desafío Tecnológico: Servicio Expreso de Suscripciones el Nacional.

23. Solución: Pivotal. (Proporcionado por Grupo Lanka)Acerca de Pivotal: es un conjunto modular de aplicaciones de gestión para automatizar e integrar los procesos empresariales de marketing, ventas y atención al cliente. -Se diseño especialmente para cubrir las necesidades de la mediana y gran empresa. -Gracias al CRM de Pivotal, las organizaciones pueden tratar a los clientes como el elemento principal de sus actividades y beneficiarse de una interacción más eficaz y dinámica.

24. El problema

25. EL PROYECTO El ambicioso proyecto se dividió en dos fases: Fase I Duración: 8 semanas

26. Fase II Duración: 20 semanas

27. Fase II Duración: 20 semanas

28. Definición Datamining o Minería de Datos es un mecanismo de explotación consistente en la búsqueda de información valiosa en grandes volúmenes de datos. Está ligada a las bases de datos que proporcionan la información histórica de las instituciones mediante los algoritmos de minería de datos donde se obtiene la información necesaria para ayudar a la toma de decisiones. Proceso de extraer conocimiento útil y comprensible, previamente desconocido, de grandes cantidades de datos almacenados en distintos formatos. CONVERTIR DATOS EN CONOCIMIENTO

29. Objetivo Descubrirpatrones, perfiles, ytendencias a través del análisis de datos contecnologíasde reconocimiento de patrones, redes neuronales, lógica difusa, algoritmos genéticos y otras técnicas estadísticas avanzadas del análisis multivariante de datos.

30. La información adecuada En el plazo adecuado Para la persona adecuada DataMining LAINTUICIÓN INFORMADA ESINSUPERABLE MEJORES DECISIONES

31. Método Científico Datamining Formulación de Hipótesis Colección de datos Hipótesis Experimento Recolección de datos Validación de Hipótesis Numérica

32. Modelado Es el acto de construir un modelo en una situación donde se conoce la respuesta y luego se aplica en otra situación de la cual se desconoce la respuesta. Buscar donde según el modelo existe mayor probabilidad de darse una situación similar Armar modelo con las características comunes Investigar situaciones similares ocurridas en el pasado Datamining distingue características comunes El modelo es aplicado en una situación que se presuma similar Carga de data en la computadora

33. Tipos de Modelos MODELO PREDICTIVO MODELO DESCRIPTIVO Responde preguntas sobre datos futuros Proporciona información sobre las relaciones entre los datos Los clientes que compran shampoo suelen comprar acondicionador. El tabaco y el alcohol son los factores más importantes en la enfermedad Los clientes sin televisión y con bicicleta tienen características muy distintas del resto. ¿Cuáles serán las ventas el año próximo? ¿Es esta transacción fraudulenta? ¿Qué tipo de seguro es más probable que contrate el cliente X?

34. Fases de un Proyecto de Datamining DATOS CONOCIMIENTO BASE DE DATOS MODELO CLASIFICADOR CONOCIMIENTO SELECCION PREPROCESADO SELECCIÓN DE CARACTERISTICAS EXTRACCION DE CONOCIMIENTO EVALUACION

35. Fases de un Proyecto de Minería de Datos 1.- Filtrado de datos Eliminar valores incorrectos y no válidos. Reducir número de valores posibles 2.- Selección de Variables Elegir las variables más influyentes en el problema, sin sacrificar la calidad del modelo de conocimiento obtenido del proceso de minería. 3.- Extracción de Conocimiento Patrones de comportamiento observados en los valores de las variables del problema o relaciones de asociación entre dichas variables. 4.- Interpretación y Evaluación Se procede a su validación, comprobando que las conclusiones son válidas y satisfactorias.

36. Datamining y Mercadeo Información vital para la toma de decisiones Datos Almacenados en grandes cantidades Agregar valor Descubrir información valiosa Datamining es la técnica que permite analizar las bases de datos de los clientes o prospectos para descubrir patrones de conductas o tendencias del mercado, también permite localizar problemas de atención al cliente, lo cual permite aumentar sustancialmente la satisfacción y fidelidad de los mismos.

38. Tendencias de deserción de clientes

39. Descubrimiento de transacciones fraudulentas

40. Mercadeo directo

41. Análisis de Canasta

42. Análisis de Tendencias

43. Perfiles de clientes

45. Bibliografía http://datamining.iespana.es/ http://www.marketingplus.com.sv/Articulos/articulo1.htm http://www.microsoft.com/spain/empresas/tecnología/data_mining.mspx http://geeks.ms/blogs/marco/archive/2006/07/04/464.aspx http://www.grupolanka.com/