Pontificia universidad javeriana facultad de ingenieria carrera de ingenieria de sistemas



Descargar 287.56 Kb.
Página8/8
Fecha de conversión10.01.2017
Tamaño287.56 Kb.
1   2   3   4   5   6   7   8

Fase 5 Evaluación


En esta sección se realiza la evaluación del modelo construido para posteriormente realizar el análisis de los datos de la mejor manera. Es importante hacer esta evaluación antes de pasar a las conclusiones de los resultados obtenidos a partir del presente modelo. Al finalizar esta etapa se debe tener la certeza que los objetivos de negocio fueron alcanzados. [29] La Ilustración 21 refleja las actividades que componen la fase de Evaluación.

Ilustración : Fase 5 Evaluación


Evaluación de los resultados


Según la evaluación realizada en la sección anterior se puede evidenciar que se encontraron patrones de comportamiento que son evidentes para la organización, es normal que el volumen de impresión aumento a finalizar el mes laboral debido a las actividades de cierre y con mayor razón en el área financiera. El resultado esperado era encontrar patrones desconocidos, debido al problema de Habeas Data que se presentó en el desarrollo del estudio de minería de datos no fue posible cumplir este objetivo, eso no significa que no se cumpliera con el objetivo del trabajo de grado, ya que como se explicó en el planteamiento, el objetivo consistía en realizar un estudio para identificar si existía o no un patrón de comportamiento, para un estudio de minería de datos es posible el no hallar un resultado especifico. La principal recomendación para el caso planteado es continuar con la investigación, cambiando la empresa de casos de estudio. Una empresa que permita el manejo de la información correspondiente a los usuarios, aumentaría la posibilidad de encontrar resultados significativos.

Revisión del proceso


Esta sección consiste en calificar el proceso que se realizó en el estudio de minera de datos, el objetivo es identificar que elementos podrían mejorarse.

En general el proceso ejecutado durante el presente estudio fue satisfactorio, se presentaron inconvenientes en la recolección de datos por el caso mencionado en las secciones anteriores (ley de protección de datos), esto generó un retraso y un replanteamiento del estudio de minera de datos.

Para la elección del modelo y las técnicas utilizadas, fue necesario un estudio riguroso y la realización de varios ejercicios de práctica. La elección de la herramienta por cual se realizó el estudio también se considera como una buena decisión ya que la utilización de la misma fue muy sencilla y práctica.

Determinar los próximos pasos


Para los objetivos establecidos en un principio los resultados no fueron exitosos o satisfactorios ya que no se encontraron asociaciones que indicaran algún tipo de patrón de conducta entre los datos analizados. La razón de no encontrar la información esperada se considera que no radica en las técnicas seleccionadas si no en los datos recolectados, por lo que no se recomienda la realización de una nueva iteración.

Como se mencionó anteriormente, para próximos estudios similares a este es importante contar con toda la información relevante para la problemática, por lo que se sugiere implementar este modelo en una empresa donde se permitido la captura y manipulación de datos. Existes ejercicios como el cambio de identidad de usuarios para resolver los inconvenientes y restricciones establecidas por la ley de protección de datos, sin tener que poner en riesgo la seguridad de la información de los empleados de la organización estudiada.


Fase 6 Transferencia


Esta etapa final consiste en la organización y presentación de los resultados obtenidos a partir del estudio de minería de datos realizado de forma que el cliente pueda utilizarlos de la mejor manera posible. Es importante interpretar y analizar los datos que arroja la investigación para determinar si la hipótesis planteada en un inicio se cumple o si por lo contrario después del estudio no se llega a una conclusión exitosa. [29] La Ilustración 22 refleja las actividades que componen la fase de Transferencia.

Ilustración : Fase 6 Transferencia


Plan de transferencia


Debido al cambio en el planteamiento de la investigación, en esta sección de plan de transferencia se expone como quedaron resueltos o pendientes los cuestionamientos realizados para la elaboración del modelo.

Después de finalizar el estudio se puede afirmar que es posible reducir el consumo de impresión mejorando la utilización del servicio, para dar un ejemplo relacionado con los hallazgos encontrados tenemos lo siguiente: En la investigación se encontró que existe un incremento del volumen de impresión a finales del mes y se supone que es debido a las actividades de cierre mensuales, si tenemos este conocimiento podemos atacar al problema directamente, estableciendo campañas y capacitaciones a usuarios de como imprimir en estos días del mes de tal forma que su trabajo no se vea afectado. Lo anterior quiere decir que si conocemos la causa del problema, es más sencillo solucionarlo.

Para los cuestionamientos sobre si debe asignarse o no el servicio de impresión a los empleados, y si debe existir una restricción o limitante en el volumen de impresión, estas decisiones son únicamente tomadas por la organización, ya que son las que proveen el servicio y lo administran a su parecer. Lo que es posible es realizar un acompañamiento y una asesoría con argumentos para que se tomen las mejores decisiones.

En conclusión para dar respuesta a la pregunta ¿Qué queremos? Podemos definir que aunque el resultado no fue del todo el esperado, se definió un claro punto de partida para dar solución a la problemática planteada. Quedan cuestionamientos pendientes para próximas investigaciones tal como ¿En realidad es posible identificar un patrón de comportamiento desconocido o relevante utilizando todos los datos necesarios?


Producción del reporte final


La producción del reporte final se realizara por medio de una presentación frente a los jurados establecidos por la Pontificia Universidad Javeriana y el director de trabajo de grado. Para ver la presentación diríjase al anexo Presentación Trabajo de Grado. Los resultados entregados en dicha exposición estarán resalados por el documento de memoria de trabajo de grado y los correspondientes anexos. Todos estos documentos podrán ser consultados en el siguiente enlace:

http://pegasus.javeriana.edu.co/~CIS1310IS02/


Revisión del Proyecto


La revisión del proyecto se realizó mediante las correcciones sugeridas por los jurados y el director de trabajo de grado en el momento de la sustentación.

IV - RESULTADOS Y REFLEXIÓN SOBRE LOS HALLAZGOS


Después de realizar el análisis de los resultados con los datos obtenidos en el modelo construido se puede evidenciar que no se identificaron patrones ocultos de conducta relacionados a prácticas de impresión. Se realizaron varias iteraciones en las dos técnicas definidas en la fase de modelado realizando varios ejercicios donde se removían y adicionaban atributos del modelo para intentar encontrar alguna asociación entre ellos que pudiera definir alguna conducta significativa para la investigación. Lo que se puede determinar después de la revisión de los datos es que en la gran mayoría de estos, sus valores se repetían constantemente lo que no permitía un correcto desarrollo para el estudio.

La limitación en la recolección y manipulación de los datos relacionados con la información personal de los usuarios obstruyó el desarrollo del estudio de minería de datos ya que la mayor cantidad de información que podría ser relevante para el estudio provenía de esos datos. Debido a este inconveniente fue necesario acotar los datos de estudio a los suministrados por el software de control de impresión llamado MegaTrack.

Según la información recolectada se puede deducir que existe un incremento en las prácticas de impresión en los últimos días del mes, y con un gran porcentaje de actividad en las horas de la mañana, los picos más altos de impresión son por parte del departamento de finanzas según la información extraída en las diferentes iteraciones del clúster. Es evidente que este incremento se debe a los cierre del mes y corresponde a todas las actividades empleadas para esta labor.

El 97% de los registros de impresión se realizan en modo full color, en los estándares de papel establecidas por la compañía; lo que podemos deducir de esta información es que no existe un cultura por el ahorro y reciclaje. Probablemente los usuarios no son conscientes del gasto incensario cuando se realizan impresión de documentos sin utilizar las opciones acordes a la necesidad de cada trabajo, la otra hipótesis que surge a partir de este análisis es que los usuarios desconocen la forma de manipular los dispositivos de impresión en el momento de seleccionar el tipo económico o full color, se podría implementar una campaña de capacitación a los usuarios para corregir y mejorar las prácticas de impresión en la compañía.



El concepto final por parte del autor de este trabajo de grado es que los resultados extraídos y posteriormente analizados son evidentes y predecibles, es muy común que en las organizaciones existan picos de impresión al final del mes por asuntos relacionados a cierre de mes, el objetivo de este estudio consistía en identificar situaciones desconocidas que no fuera posible percibir a simple vista, lastimosamente para la investigación el inconveniente con los datos no permitió cumplir el objetivo, seguramente mejorar la calidad en la recolección de datos mejoraría el hallazgo de los resultados esperados.

V – CONCLUSIONES, RECOMENDACIONES Y TRABAJOS FUTUROS

1. Conclusiones


El siguiente listado corresponde a las conclusiones obtenidas una vez finalizado el estudio de minería de datos por parte del estudiante:

  • El objetivo del presente trabajo de grado consistió en realizar un estudio de minería de datos que permitirá identificar si existe o no un patrón de comportamiento relacionado a prácticas de impresión. Después de realizar el estudio se puede concluir que si existe un patrón de comportamiento, aunque por el inconveniente en la recolección de los datos este patrón es demasiado evidente como se reportó en la fase de evaluación del proyecto. Es preciso mencionar que el hallazgo podría haber tenido una mayor significancia en caso de haber contado con toda la información.

  • Existe una gran oportunidad de negocio en el campo planteado por la problemática, cada vez crece más el interés de las organizaciones en implementar estrategias que mejoren el consumo de recursos y disminuyan los gastos operativos. También es muy importante el hecho que las empresas buscan contribuir con la conservación del medio ambiente por medio de estas estrategias.



  • Se cumplió con el objetivo de aportar a la solución de la problemática, aunque no se cumplió en su totalidad, se creó un punto de partida para futuros trabajos de investigación relacionados con el tema.

  • La herramienta de minería de datos (Weka) fue una excelente elección; por una parte es una herramienta de software libre lo que facilita su adquisición, y por otra parte la instalación, configuración y administración de la misma facilita al estudiante para realizar el desarrollo de la investigación. Para futuros estudios se debe tener en cuenta la posibilidad de utilizar más de una herramienta para poder realizar comparaciones entre ellas.

  • Fue de gran utilidad la realización de reuniones de seguimiento con el cliente y con el director del trabajo de grado durante el desarrollo del proyecto, esta estrategia garantizó la buena interpretación en el análisis de la situación, el planteamiento para su desarrollo y finalmente su resultado.

2. Recomendaciones


A continuación se muestran las recomendaciones, a partir de la experiencia conseguida en el desarrollo del presente trabajo de grado:

  • La primera recomendación hace referencia al problema de Habeas Data que se presentó en la recolección de datos para las primeras fases del estudio. Para realizar un estudio de este tipo es necesario contar con todos los datos posibles, por lo que se recomienda utilizar una empresa donde los datos personales no sean tan críticos y sea posible gestionar la adquisición y manipulación de los mismos. Al escoger una multinacional como caso de estudio disminuyo la posibilidad de utilización de los datos necesarios para la investigación.

  • Realizar una mejor gestión en las primeras fases de un estudio de minería de datos, lo más importante en un trabajo como este, es la información que se puede recolectar. No existirá el caso en que demasiada información es contraproducente.

  • Definir claramente las metas, alcances y objetivos del trabajo de grado, así como las limitaciones y fronteras del mismo.

3. Trabajos Futuros


A continuación se presentan algunas ideas para trabajos futuros que el estudiante recomienda basándose en la experiencia después de realizar el presente proyecto:

  • Inicialmente la recomendación es continuar con este estudio de minería de datos pero solucionado el inconveniente de la limitación de los datos correspondientes a los usuarios, el problema de Habeas Data se puede solventar utilizando nombres ficticios y no publicando la información personal de cada empleado. Seguramente se podrán identificar muchas situaciones y casos que no podemos imaginarnos.

  • Existe una gran oportunidad para realizar una propuesta de negocio, creando un módulo adicional al software de control de impresión como MegaTrack con una aplicación de minería de datos.

  • Plantear una propuesta de trabajo de grado que no solo incluya el estudio y la identificación de conductas, si no que vaya más allá, que pueda llegar hasta el planteamiento de soluciones por medio de un estudio como el realizado.

VI - REFERENCIAS Y BIBLIOGRAFÍA


Esta sección presenta las referencias y la bibliografía utilizada para el desarrollo del trabajo de grado.

1. Referencias


[1] Enrique Valenzuela Toro, Marcelo Lemunao Gutiérrez. Una Herramienta Estratégica para el Mundo de los Negocios. 29 de Junio 2010. Páginas [3-6].

[2] WebMining Consultores. KDD: Proceso de Extracción de conocimiento [Web Mining]; 2011 [Citado 2013 Septiembre 14] Disponible en: http://www.webmining.cl/2011/01/proceso-de-extraccion-de-conocimiento/

[3] Maneiro, Mariela Yanina. Minería de Datos; 2008 [Citado 2013 Septiembre 14] Disponible en: http://exa.unne.edu.ar/depar/areas/informatica/SistemasOperativos/MineriaDatosYany2008.pdf

[4] Neftalí de Jesús Calderón Méndez. Minería de datos una herramienta para la toma de decisiones; 2006 [Citado 2013 Septiembre 17] Disponible en: http://biblioteca.usac.edu.gt/tesis/08/08_0307_CS.pdf

[5] Luis M. Molinero. Análisis de series Temporales; 2004 [Citado 2013 Septiembre 28] Disponible en: http://www.seh-lelha.org/tseries.htm

[6] Peter Rob, Carlos Coronel. Sistemas de Bases de datos. 5ta Ed.

[7] Definición Tamaño Empresarial Micro, Pequeña, Mediana o Grande; 2012 [Citado 2013 Octubre 2] Disponible en: http://www.mipymes.gov.co/publicaciones.php?id=2761

[8] Clasificación de empresas en Colombia [Bancoldex]; 2013 [Citado 2013 Octubre 2] Disponible en: http://www.bancoldex.com/contenido/contenido.aspx?catID=112&conID=315

[9] Ley 1581 de 2012 Nivel Nacional [ Régimen Legal de Bogotá D.C.]; 2012 [Citado 2013 Octubre 3] Disponible en: http://www.alcaldiabogota.gov.co/sisjur/normas/Norma1.jsp?i=49981

[10] María N. Moreno García∗, Luis A. Miguel Quintales, Francisco J. García Peñalvo y M. José Polo Martín. APLICACIÓN DE TÉCNICAS DE MINERÍA DE DATOS EN LA CONSTRUCCIÓN Y VALIDACIÓN DE MODELOS PREDICTIVOS Y ASOCIATIVOS A PARTIR DE ESPECIFICACIONES DE REQUISITOS DE SOFTWARE; [Citado 2013 Octubre 3] Disponible en: http://ceur-ws.org/Vol-84/paper4.pdf

[11] M.V. Guzmán, H. Carrillo, E. Villaseñor, E. Valencia, R. Calero, L. E. Morán y A. Acosta. Minería de Datos con Redes Neuronales Artificiales: Aplicación en Vacunas – Tuberculosis; [Citado 2013 Octubre 3] Disponible en: http://www.dynamics.unam.edu/DinamicaNoLineal/Articulos/MineriaRedesNVacunas.pdf

[12]J. Bigus, McGrawHill .Data Mining with neural networks; 1996.

[13] Mario Castillo Hernández. Toma de Decisiones en las empresas. 1ra Ed; 2008. Páginas [149-151].

[14] Michael J. A. Berry, Gordon S. Linoff. Mastering data mining the art and science of customer relationship management; 2da Ed; 2004.Capituo [5].

[15] Pronostico correlación y regresión; [Citado 2013 Octubre 5] Disponible en: http://metodoscuantitativo2.galeon.com/enlaces2217022.html

[16] Regresión; [Citado 2013 Octubre 5] Disponible en: http://www.bioestadistica.uma.es/libro/node40.htm

[17] Ian H. Witten, Eibe Frank, Mark A. Hall. Data Mining Practical Machine Learning Tools and Techniques.3ra Ed; 2011. Páginas [2-38].

[18] Verónica S. Bogado y Mariana C. Arruzabla. Sistemas Operativos; 2003 [Citado 2013 Octubre 5] Disponible en: http://exa.unne.edu.ar/depar/areas/informatica/SistemasOperativos/MonografiaMD.PDF

[19] Michael J. A. Berry, Gordon S. Linoff. Mastering data mining the art and science of customer relationship management; 2da Ed; 2004. Capítulo [14].

[20] Ian H. Witten, Eibe Frank, Mark A. Hall. Data Mining Practical Machine Learning Tools and Techniques. 3ra Ed; 2011. Páginas [403-406].

[21] Wilfredy Santamaría Ruíz. MODELO DE DETECCION DE FRAUDE BASADO EN EL DESCUBRIMIENTO SIMBOLICO DE REGLAS DE CLASIFICACION EXTRIDAS DE UNA RED NEURONAL; 2010 [Citado 2013 Octubre 6] Disponible en: http://www.bdigital.unal.edu.co/3086/1/299742.2010.pdf

[22] Juan Carlos Gonzales Cardona. SISTEMA DE APOYO PARA LA ACREDITACIÓN DE LA CALIDAD DE PROGRAMAS ACADEMICOS DE LA UNIVERSIDAD DE CALDAS, APLICANDO TÉCNICAS EN MINERÍA DE DATOS; 2011 [Citado 2013Octubre 18] Disponible en:http://repositorio.autonoma.edu.co/jspui/bitstream/11182/350/1/Msc.GyDlloSoft_InformeFinal_JuanCarlosGonzalez.pdf

[23] Datametrics. Minería de datos con R. Su mejor amigo para los Grandes datos; 2013 [Citado 2013 Octubre 18] Disponible en: http://www.idata.com.co/index.php/blog-page/37-mineria-de-datos-con-r-su-mejor-amigo-para-los-grandes-datos

[24] Orange; [Citado 2013 Octubre 18] Disponible en: http://orange.biolab.si/features/

[25] Álvaro Alejandro Alcántara Mori. Formulación de Minería de Datos para la Empresa Distribuidora de Productos Espinoza Aguilar S.A.2012; Páginas [12-15].

[26] Sistemas y herramientas de minería de datos. Ejemplos; [Citado 2013 Octubre 18] Disponible en: http://www.oocities.org/es/mineria.datos/sistemas_herramientas_mineria_datos.pdf

[27] Data Mining [StatSoft Making the World More Productive]; [Citado 2013 Octubre 18] Disponible en: http://www.statsoft.com/Solutions/Cross-Industry/Data-Mining

[28] Ramón García-Martínez. Metodología CRISP-DM; 2000 [Citado 2013 Octubre 20] Disponible en: http://www.iidia.com.ar/rgm/CD-TIpEI/TEI-2-CRISP-DM-GdP-material.pdf

[29] Metodología para proyectos de Minería de Datos; 2008 [Citado 2013 Octubre 20] Disponible en: http://jpgarcia.cl/2008/07/25/metodologia-para-proyectos-de-mineria-de-datos/

[30] Diccionario de la lengua española. Impresión; 2005 [Citado 2013 Octubre 21] Disponible en: http://www.wordreference.com/definicion/impresi%C3%B3n

[31] Machine Learning Group at the University of Waikato. Weka; [Citado 2013 Octubre 21] Disponible en: http://www.cs.waikato.ac.nz/ml/weka/downloading.html

2. Bibliografía


  • Ian H. Witten, Eibe Frank, Mark A. Hall. Data Mining Practical Machine Learning Tools and Techniques. 3ra Ed; 2011.

  • Mario Castillo Hernández. Toma de Decisiones en las empresas. 1ra Ed; 2008.

  • Peter Rob, Carlos Coronel. Sistemas de Bases de datos; 5ta Ed.

  • Michael J. A. Berry, Gordon S. Linoff. Mastering data mining the art and science of customer relationship management; 2da Ed; 2004.

J. Bigus, McGrawHill .Data Mining with neural networks; 1996.

VII - ANEXOS


El siguiente listado contiene los anexos correspondientes al presente trabajo de grado.

Anexo1. Glosario

Anexo2. Post-Mortem


  1. Metodología propuesta vs. Metodología realmente utiliza-da.

  2. Actividades propuestas vs. Actividades realizadas.

  3. Efectividad en la estimación de tiempos del proyecto

  4. Costo estimado vs. Costo real del proyecto

Actas de Reunión


  • Acta de Reunión - Agosto 08

  • Acta de Reunión - Agosto 21

  • Acta de Reunión - Septiembre 05

  • Acta de Reunión - Septiembre 18

  • Acta de Reunión - Octubre 04

  • Acta de Reunión - Octubre 09

  • Acta de Reunión - Octubre 19

  • Acta de Reunión - Octubre 21

  • Acta de Reunión - Octubre 23

  • Acta de Reunión - Octubre 28

  • Acta de Reunión Cliente - Octubre 31

  • Acta Categorización impresión - Noviembre 05

  • Acta de Reunión - Noviembre 06

  • Acta de Reunión - Noviembre 08

  • Acta de Reunión - Noviembre 13

  • Acta de Reunión - Noviembre 15

Reportes MegaTrack

  • Registros-MegaTrack

  • Registros-MegaTrack-BuenasMalas

  • Análisis impresión Buenas-Malas

Arquitectura de la solución

Descripción Diagramas Tabla de Hechos

Manuales

Archivos herramienta Weka

  • Registros-Dirigido

  • Registros-NoDirigido

Cronograma – Plan de trabajo Proyecto

Carta cliente – Printer On Line Integral Document SAS

Presentación Trabajo de Grado





Preparado por elGrupo Investigación Istar- Versión 1.01 – 12/03/2008
Daniel Augusto Solano Oviedo Página

1   2   3   4   5   6   7   8


La base de datos está protegida por derechos de autor ©bazica.org 2016
enviar mensaje

    Página principal