Metodología m3s para proyectos de inteligencia de negocios: M3s methodology for business intelligence projects

Santiago Morales Cardoso; Glenda Toala Sánchez

Autores/as

Santiago Morales Cardoso Universidad Central del Ecuador https://orcid.org/0000-0002-4596-3770
Glenda Toala Sánchez Universidad Central del Ecuador https://orcid.org/0000-0002-3833-9654

Palabras clave:

Entropía, Clasificación, Limpieza de Datos, IN, Árboles de decisión

Resumen

En la actualidad es importante orientar a las organizaciones en una oportuna toma de decisiones, apoyadas por todas las ventajas que proporciona la Inteligencia de Negocios (IN), la Metodología M3S es una alternativa innovadora, con grandes aportes en los procesos de la transformación de los datos con la finalidad de mejorar la toma de decisiones, esta propuesta metodológica incluye un algoritmo de decisión, aportando con mejoras en la búsqueda de sus nodos por medio de atributos ubicados en diferentes fuentes de datos estructurados o no, los mismos que pasan por procesos de limpieza especial y a los cuales se les da en este estudio una denominación de “puros”. Así, obtenidos los nodos, estos pasan a ser clasificados en base a los cálculos recursivos de entropía y ganancia de información para lograr una estructura robusta que tome decisiones para cualquier dato que ingrese en un determinado caso de estudio.

Palabras Clave
Entropía, Clasificación, Limpieza de Datos, IN, Árboles de decisión.

ABSTRACT

Nowadays it is important to guide organizations in an opportune decision making, supported by all the advantages that Business Intelligence (BI) provides. The M3S Methodology is an innovative alternative, with great contributions in the processes of data transformation with the purpose of improving decision making, This methodological proposal includes a decision algorithm, contributing with improvements in the search of its nodes by means of attributes located in different sources of structured or unstructured data, the same ones that go through special cleaning processes and which are given in this study a denomination of "pure". Thus, once the nodes are obtained, they are classified based on the recursive calculations of entropy and information gain to achieve a robust structure that makes decisions for any data entered in a given case study.

Keywords
Entropy, Classification, Data Cleaning, BI, Decision Trees