Sistemas de soporte a la Decisión
Integrar los conceptos y los procesos de toma de decisiones, técnicas de modelado de negocios, gestión de datos y tecnologías de la información a fin de facilitar el desarrollo concreto de DSS para uso de los tomadores de decisiones en el mundo real de las organizaciones.
Comprender las distintas características de los contextos de decisión, tipos de decisiones y los procesos de decisión. Presentar las heurísticas utilizadas regularmente por los seres humanos y los tipos de errores generados por el uso de las mismas.
Modelar los componentes de negocio a través del uso de una variedad de técnicas como el análisis de decisiones, simulación y algoritmos genéticos en el modelado de la toma de decisiones.
En este curso se enseñará a juzgar los DSS analizando los aspectos internos a la ciencia de datos. Con ese objetivo se discutirán los principales algoritmos disponibles, sus ventajas y desventajas.
- OBJETIVOS DE LA MATERIA:
Los participantes serán capaces de:
- Comprender los contextos de decisión, tipos de decisiones y sus correspondientes procesos.
- Modelar componentes de un negocio
- Utilizar diferentes técnicas de optimización siendo conscientes de sus ventajas y desventajas
DIEGO ARIAS CARBALLO
Docente de la Especialización en Gestión de Sistemas de Información FCEyE Usal
Emprendedores del mundo digital, personal jerárquico de empresas relacionadas con los negocios en el mundo digital. Usuarios de las Tecnologías de la Información y las Comunicaciones.
MODULOS TEMATICOS y BIBLIOGRAFIA
|
Unidad Nº 1: |
Introducción a los DSS, tipos de DSS |
|
|
Sistemas de información gerencial (MIS), Sistemas de información ejecutiva (EIS), Sistemas expertos basados en inteligencia artificial (SSEE), Sistemas de apoyo a decisiones de grupo (GDSS) |
Bibliografía
Dedić N., Stanier C. (2017) Towards Differentiating Business Intelligence, Big Data, Data Analytics and Knowledge Discovery. In: Piazolo F., Geist V., Brehm L., Schmidt R. (eds) Innovations in Enterprise Information Systems Management and Engineering. ERP Future 2016. Lecture Notes in Business Information Processing, vol 285. Springer, Cham.
Gachet, A. (2004). Building Model-Driven Decision Support Systems with Dicodess. Zurich, VDF.
Marakas, G. M. (1999). Decision support systems in the twenty-first century. Upper Saddle River, N.J., Prentice Hall
Turban & Aronson. Decision Support Systems and Intelligent Systems (2001). Upper Saddle River, NJ: Prentice-Hall.
Jimenez-Barrera, Y. (2018). Aproximación crítica a las principales teorías sobre el cambio tecnológico. Problemas del desarrollo, 49(193), 171-192.
Mullany, M. (7 de diciembre 2016). 8 Lessons from 20 Years of Hype Cycles. https://www.perchingtree.com/8-lessons-from-20-years-hype-cycles/ Icon Ventures.
|
Unidad Nº 2: |
Arquitectura de DSS |
|
|
Sistema de Lenguaje, Sistema de presentación, Sistema de conocimiento, Sistema de procesamiento de problemas. La ambigüedad lingüística. Conceptos básicos de la Lógica Difusa. Ventajas y limitaciones de la Lógica Difusa |
Bibliografía
Caggiano A. (2019) Fuzzy Logic. In: Chatti S., Laperrière L., Reinhart G., Tolio T. (eds) CIRP Encyclopedia of Production Engineering. Springer, Berlin, Heidelberg
Haag, Cummings, McCubbrey, Pinsonneault, Donovan (2000). Management Information Systems: For The Information Age. McGraw-Hill Ryerson Limited: 136-140. ISBN 0-072-81947-2
|
Unidad Nº 3: |
Diseño y Construcción de DSS Estrategias básicas de desarrollo de un DSS. El análisis y el Proceso de Diseño de un DSS. Proceso de Desarrollo de DSS-DDP. Prototipos. Ventajas y limitaciones de los prototipos |
Bibliografía
Antonino P.O. et al. (2018) Enabling Continuous Software Engineering for Embedded Systems Architectures with Virtual Prototypes. In: Cuesta C., Garlan D., Pérez J. (eds) Software Architecture. ECSA 2018. Lecture Notes in Computer Science, vol 11048. Springer, Cham
Dobrigkeit F., Meyer S., Uflacker M. (2016) Case Studies on End-User Engagement and Prototyping during Software Development. In: Plattner H., Meinel C., Leifer L. (eds) Design Thinking Research. Understanding Innovation. Springer, Cham
|
Unidad Nº 4: |
Data Mining y Visualización de Datos |
|
||
|
|
|
¿Qué es la minería de datos?. Multidimensionales OLAP-MOLAP. Clasificación, Asociación, Secuencia. Cluster. Tecnologías de la minería de datos. El proceso de descubrimiento del conocimiento. Percepción visual humana y visualización de datos |
||
Bibliografía:
Guminska E., Zawadzka T. (2018) EvOLAP Graph – Evolution and OLAP-Aware Graph Data Model. In: Kozielski S., Mrozek D., Kasprowski P., Małysiak-Mrozek B., Kostrzewa D. (eds) Beyond Databases, Architectures and Structures. Facing the Challenges of Data Proliferation and Growing Variety. BDAS 2018. Communications in Computer and Information Science, vol 928. Springer, Cham.
|
Unidad Nº 5 |
Implementación de DSS |
|
|
Conjunto de habilidades necesarias para la implementación de un DSS. Desarrollo de un DSS para el usuario final. Ventajas y desventajas del desarrollo de un DSS para el usuario final. Riesgos en los proyectos de DSS. Introduciendo cambios en la organización. Midiendo el éxito de un DSS |
Bibliografía:
Mendoza, O. G. (2018). El cisne negro: el impacto de lo altamente improbable. Revista Escuela de Administración de Negocios, (83), 193-199.
Dedić N., Stanier C. (2017) Towards Differentiating Business Intelligence, Big Data, Data Analytics and Knowledge Discovery. In: Piazolo F., Geist V., Brehm L., Schmidt R. (eds) Innovations in Enterprise Information Systems Management and Engineering. ERP Future 2016. Lecture Notes in Business Information Processing, vol 285. Springer, Cham.
De Alba, U. N. (2009). El cisne negro en economía: la ruta fractal de la crisis económica. Pensar como un economista, 205.
Miramontes, P. (1998). Predecir el clima es una cosa, predecirlo correctamente es otra. Ciencias, (051).
Todos los materiales propuestos estarán disponibles en plataformas de acceso a contenido que dispone la universidad - Biblioteca de USAL (RedBus) - o, si son textos de acceso libre, estarán compartidos desde el EVEA (entorno virtual/campus)
Fechas de inicio: 17 de abril de 2024
Fecha de finalización: 05 de junio de 2024
Dia y Horario de cursada: los días miércoles a las 19hs
El curso es de 40 horas virtuales.
- campus virtual usal
-
bs@usal.edu.ar
- http://fceye.usal.edu.ar
Actividad Arancelada.
Certificado analítico con nota
Para informes e inscripción: bs@usal.edu.ar