Gerencia Del Conocimiento Ss

2,723 views
2,507 views

Published on

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

Published in: Education
0 Comments
2 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
2,723
On SlideShare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
121
Comments
0
Likes
2
Embeds 0
No embeds

No notes for slide

Gerencia Del Conocimiento Ss

  1. 1. Gerencia del Conocimiento: CRM y Data Mining<br />Grupo N° 6: Portillo Daniela <br /> Romero Ernesto<br /> Rovira Indiana<br />
  2. 2. GERENCIA DEL CONOCIMIENTO<br />EL INICIO DE TODO….<br />“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) <br />Década de los 80´s<br />Teoría de Recursos y Capacidades<br />Analiza los recursos y las capacidades de las organizaciones como base para la formulación de su estrategia.<br />Aprendizaje Organizativo<br />Aprendizaje Individual + Procesos de Captación + Estructuración + Transmisión de conocimiento corporativo= Aprendizaje compartido empleado para la resolución efectiva de un determinado problema<br />Gerencia del Conocimiento<br />“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”. <br />
  3. 3. GERENCIA DEL CONOCIMIENTO<br />COMPRENSIÓN DEL CONCEPTO...<br />“Generar valor a la Organización desde el aprovechamiento de sus ACTIVOS INTANGIBLES” (SVEIBY) <br />DIFERENCIAS<br />DATO<br />INFORMACIÓN<br />CONOCIMIENTO<br />ELEMENTO BÁSICO AISLADO LOCALIZADO EN EL CONTEXTO REAL<br /> ELEMENTO MEDIADOR ENTRE DATO-CONOCIMIENTO<br />INFORMACIÓN UBICADA EN UN CONTEXTO ASOCIADA A UNA EXPERIENCIA<br />CAPITAL INTELECTUAL<br />“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”. <br />
  4. 4. GERENCIA DEL CONOCIMIENTO Y CAPITAL<br /> INTELECTUAL<br />ESTRUCTURA…<br />
  5. 5. GERENCIA DEL CONOCIMIENTO<br />OBJETIVOS….<br /><ul><li>Explotar eficientemente los recursos basados en el capital intelectual de la organización.
  6. 6. Cultivar el conocimiento dentro de cada organización.
  7. 7. Formular e implementar estrategias para adquirir, desarrollar y aplicar el conocimiento.
  8. 8. Incrementar la comunicación entre los integrantes de la organización.
  9. 9. Orientar al personal de la organización para gestionar sus datos de manera eficaz, consiguiendo una reducción de tiempo y esfuerzo.
  10. 10. Ayudar a las organizaciones a innovar y adaptarse al cambiante ambiente empresarial.
  11. 11. Monitorear y evaluar los logros obtenidos a través de la aplicación del conocimiento.
  12. 12. Elevar el rendimiento y reducir los costos. </li></ul> <br />
  13. 13. GERENCIA DEL CONOCIMIENTO<br />Modelo de Gestión de Arthur Andersen<br />¿Qué hay de nuevo en este modelo?. <br />Desde la perspectiva individual, la responsabilidad personal de compartir y hacer explícito el conocimiento para la organización. <br />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.<br />
  14. 14. GERENCIA DEL CONOCIMIENTO<br />Modelo de Gestión del Conocimiento de KPMG<br />El modelo parte de la siguiente pregunta: <br />¿Qué factores condicionan el aprendizaje de una organización y qué resultados <br />produce dicho aprendizaje?. <br />
  15. 15. GERENCIA DEL CONOCIMIENTO<br />Modelo de Knowledge Management AssementTool (KAMT)<br />El modelo propone cuatro facilitadores (liderazgo, cultura, tecnología y medición) que <br />favorecen el proceso de administrar el conocimiento organizacional. <br />
  16. 16. GERENCIA DEL CONOCIMIENTO<br />KNOWLEDGE MANAGEMENT ASSESSMENT TOOL (KMAT)<br />
  17. 17. GERENCIA DEL CONOCIMIENTO<br />Proceso de conversión del conocimiento en <br />la organización<br />
  18. 18. GERENCIA DEL CONOCIMIENTO<br />Proceso de conversión del conocimiento en <br />la organización<br />
  19. 19. CRM (Customer Relationship Management)<br />Tecnología<br />
  20. 20. CRM (Customer Relationship Management) <br />Un caso exitoso …<br /><ul><li>Empresa: Periódico El Nacional.
  21. 21. Sector: Prensa.
  22. 22. Desafío Tecnológico: Servicio Expreso de Suscripciones el Nacional.
  23. 23. Solución: Pivotal. (Proporcionado por Grupo Lanka)</li></ul>Acerca de Pivotal: es un conjunto modular de aplicaciones de gestión para automatizar e <br />integrar los procesos empresariales de marketing, ventas y atención al cliente. -Se diseño especialmente para cubrir las necesidades de la mediana y gran empresa.<br />-Gracias al CRM de Pivotal, las organizaciones pueden tratar a los clientes como el elemento<br /> principal de sus actividades y beneficiarse de una interacción más eficaz y dinámica.<br />
  24. 24. El problema<br />
  25. 25. EL PROYECTO <br />El ambicioso proyecto se dividió en dos fases: <br />Fase I<br />Duración:<br />8 semanas<br />
  26. 26. Fase II<br />Duración:<br />20 semanas<br />
  27. 27. Fase II<br />Duración:<br />20 semanas<br />
  28. 28. Definición<br />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. <br />Proceso de extraer conocimiento útil y comprensible, previamente desconocido, de grandes cantidades de datos almacenados en distintos formatos.<br />CONVERTIR DATOS EN CONOCIMIENTO<br />
  29. 29. Objetivo<br />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.<br />
  30. 30. La información adecuada<br />En el plazo adecuado<br />Para la persona adecuada<br />DataMining<br />LAINTUICIÓN INFORMADA ESINSUPERABLE<br />MEJORES DECISIONES<br />
  31. 31. Método Científico<br />Datamining<br />Formulación de Hipótesis<br />Colección de datos<br />Hipótesis<br />Experimento<br />Recolección de datos<br />Validación de Hipótesis<br />Numérica<br />
  32. 32. Modelado<br />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. <br />Buscar donde según el modelo existe mayor probabilidad de darse una situación similar<br />Armar modelo con las características comunes<br />Investigar situaciones similares ocurridas en el pasado<br />Datamining distingue características comunes<br />El modelo es aplicado en una situación que se presuma similar<br />Carga de data en la computadora<br />
  33. 33. Tipos de Modelos<br />MODELO PREDICTIVO<br />MODELO DESCRIPTIVO<br />Responde preguntas sobre datos futuros<br />Proporciona información sobre las relaciones entre los datos<br />Los clientes que compran shampoo suelen comprar acondicionador.<br />El tabaco y el alcohol son los factores más importantes en la enfermedad <br />Los clientes sin televisión y con bicicleta tienen características muy distintas del<br />resto.<br />¿Cuáles serán las ventas el año próximo?<br />¿Es esta transacción fraudulenta?<br />¿Qué tipo de seguro es más probable que contrate el cliente X?<br />
  34. 34. Fases de un Proyecto de Datamining<br />DATOS<br />CONOCIMIENTO<br />BASE DE DATOS<br />MODELO<br />CLASIFICADOR<br />CONOCIMIENTO<br />SELECCION<br />PREPROCESADO<br />SELECCIÓN DE CARACTERISTICAS<br />EXTRACCION DE CONOCIMIENTO<br />EVALUACION<br />
  35. 35. Fases de un Proyecto de Minería de Datos<br />1.- Filtrado de datos <br />Eliminar valores incorrectos y no válidos. Reducir número de valores posibles <br />2.- Selección de Variables<br />Elegir las variables más influyentes en el problema, sin sacrificar la calidad del modelo de conocimiento obtenido del proceso de minería. <br />3.- Extracción de Conocimiento<br />Patrones de comportamiento observados en los valores de las variables del problema o relaciones de asociación entre dichas variables.<br />4.- Interpretación y Evaluación<br />Se procede a su validación, comprobando que las conclusiones son válidas y satisfactorias. <br />
  36. 36. Datamining y Mercadeo<br />Información vital para la toma de decisiones<br />Datos<br />Almacenados en grandes cantidades<br />Agregar valor <br />Descubrir información valiosa<br />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.<br />
  37. 37. Aplicaciones en Mercadeo<br /><ul><li>Segmentación del mercado
  38. 38. Tendencias de deserción de clientes
  39. 39. Descubrimiento de transacciones fraudulentas
  40. 40. Mercadeo directo
  41. 41. Análisis de Canasta
  42. 42. Análisis de Tendencias
  43. 43. Perfiles de clientes
  44. 44. Focalización de clientes y campañas promocionales</li></li></ul><li>Webmining o Minería de Web<br />Analisis y procesamiento de Logs<br />Huellas digitales<br />Bitácoras de accesos (Logs)<br />Accesos totales por dominio<br />Horarios de accesos mas frecuentes<br />Visitas por día<br />
  45. 45. Bibliografía<br />http://datamining.iespana.es/<br />http://www.marketingplus.com.sv/Articulos/articulo1.htm<br />http://www.microsoft.com/spain/empresas/tecnología/data_mining.mspx<br />http://geeks.ms/blogs/marco/archive/2006/07/04/464.aspx<br />http://www.grupolanka.com/<br />

×