ENTERPRISE RESOURCE PLANING (ERP) Y DATA MINING
TuWeb
ENTERPRISE RESOURCE PLANING (ERP) Y DATA MINING
 
ENTERPRISE RESOURCE PLANING (ERP) Y DATA MINING

ENTERPRISE RESOURCE PLANING (ERP) Y DATA MINING

Introduccion

Los sistemas ERP son llamados ocasionalmente back office (trastienda) ya que indican que el cliente y el público general no están directamente involucrados. Este sistema es, en contraste con el sistema de apertura de datos (front office), que crea una relación administrativa del consumidor o servicio al consumidor (CRM), un sistema que trata directamente con los clientes, o con los sistemas de negocios electrónicos tales como comercio electrónico, administración electrónica, telecomunicaciones electrónicas y finanzas electrónicas; asimismo, es un sistema que trata directamente con los proveedores, no estableciendo únicamente una relación administrativa con ellos (SRM).

Los ERP están funcionando ampliamente en todo tipo de empresas modernas. Todos los departamentos funcionales que están involucrados en la operación o producción están integrados en un solo sistema. Además de la manufactura o producción, almacenamiento, logística e información tecnológica, incluyen además la contabilidad, y suelen incluir un Sistema de Administración de Recursos Humanos, y herramientas de mercadotecnia y administración estratégica.

El datamining (minería de datos), es el conjunto de técnicas y tecnologías que permiten explorar grandes bases de datos, de manera automática o semiautomática, con el objetivo de encontrar patrones repetitivos, tendencias o reglas que expliquen el comportamiento de los datos en un determinado contexto.

Las técnicas de Data Mining son el resultado de un largo proceso de investigación y desarrollo de productos. Esta evolución comenzó cuando los datos de negocios fueron almacenados por primera vez en computadoras, y continuó con mejoras en el acceso a los datos, y más recientemente con tecnologías generadas para permitir a los usuarios navegar a través de los datos en tiempo real. Data Mining toma este proceso de evolución más allá del acceso y navegación retrospectiva de los datos, hacia la entrega de información prospectiva y proactiva

Resumen

Los sistemas ERP son sistemas integrales de gestión para la empresa. Se caracterizan por estar compuestos por diferentes partes integradas en una única aplicación. Estas partes son de diferente uso, por ejemplo: producción, ventas, compras, logística, contabilidad (de varios tipos), gestión de proyectos, GIS (sistema de información geográfica), inventarios y control de almacenes, pedidos, nóminas, etc. Sólo podemos definir un ERP como la integración de todas estas partes.

El ERP integra todo lo necesario para el funcionamiento de los procesos de negocio de la empresa. No podemos hablar de ERP en el momento que tan sólo se integra uno o una pequeña parte de los procesos de negocio. La propia definición de ERP indica la necesidad de "Disponibilidad de toda la información para todo el mundo todo el tiempo".

Desarrollo

Historia del surgimiento de los sistemas ERP

Los sistemas de Control y Planeación de Manufactura (MPC, Manufacturing Planning and Control) existieron desde los primeros días de la revolución industrial, para automatizar varias tareas y mejorar la exactitud, confiabilidad y predictibilidad de la manufactura. Después se le dio importancia al punto de reorden (ROP), estos sistemas se automatizaron con la introducción de los mainframes a finales de 1950 e inicios de 1960.

A mediados de los 60, los sistemas computarizados de Planeación de Requerimiento de Materiales (MRP, Material Requirement Planning), empezaron lentamente a reemplazar los sistemas ROP como sistema de control de manufactura. Los sistemas MRP presentaron una clara ventaja ya que ofrecían una búsqueda hacia delante, un enfoque basado en la demanda para la planeación y orden de la manufactura de productos y del inventario.

Los sistemas MRP introdujeron herramientas de reportes de producción básicos computarizados, que se podían usar para evaluar la viabilidad de la agenda maestra contra la demanda de los materiales proyectada. A mediados de los 70, los sistemas de Manufacturing Resource Planning (MRP II), gradualmente empezaron a reemplazar los sistemas MRP como principal sistema de control de manufactura. Estos sistemas desarrollados con las capacidades de administración basados en la demanda de los MRP, agregando la capacidad de la planeación de los requerimientos, (CRP), capacidades para crear una integración. Por primera vez los sistemas MRP II hicieron lo posible para integrar ambos requerimientos de materiales y capacidad de producción y las limitantes en el cálculo de todas las capacidades de producción.

La Tecnología de Información que caracterizaba los ambientes de manufactura en los 60,70 y 80 estaba enfocada principalmente en automatizar el poder de la tecnología que pudiera ser usada para hacer las grandes operaciones de manufactura más eficientes. Los sistemas ROP, MRP y MRP II que eventualmente evolucionaron se caracterizaban por usar computadoras mainframe, bases de datos jerárquicas y sistemas de procesamiento de transacciones complejas, ajustándose principalmente hacia la administración de un ambiente de producción de pocos productos, con altos volúmenes, bajo condiciones de demanda constante. Aunque la eficiencia era alta, estos sistemas eran a menudo inflexibles cuando venía la producción de cantidades variables de más productos del cliente en órdenes cortas. A finales de los 80 el crecimiento de la inestabilidad de la manufactura que enfrentaba Estados Unidos, las empresas podían directamente ligarse al natural cambio de tecnología de información y el advenimiento de la competencia basada en el tiempo.

La Tecnología crea y transforma ambas opciones, la cual en turno transforma el mercado a través de cambios revolucionarios hacia las capacidades de los clientes y proveedores. Los avances rápidos de las tecnologías de información dejaron las viejas reglas de competencia y el duradero entendimiento de la relación cliente-proveedor obsoleto. Esta "nueva realidad" se traduce a la necesidad de un entorno de producción dinámico en el cual los productos y procesos pueden cambiar semanalmente y las agendas de la producción pueden cambiar diariamente. Los sistemas MRP-II requieren un alto grado de intervención del humano, en hacer los ajustes apropiados a las agendas y en la determinación de la secuencia óptima de las órdenes de manufactura que se adapten mejor al entorno dinámico y a menudo volátil. La solución a este problema vino durante los principios de los 90, en la forma de ejecutar los sistemas de manufactura.

La salida de los MES (Manufacturing Execution Systems), representan el desarrollo de una interfase crítica entre los sistemas MRP-II de las empresas y los sistemas de control. La contribución más importante de los sistemas MES es que unifica los procesos de manufactura centrales con un sistema de valor de entrega enfocado a los requerimientos y demanda de los clientes. Provee para la flexibilidad, la ejecución de tiempo real, la retroalimentación y control de un extenso rango de procesos relacionados con la manufactura, un mejor encuentro con los requerimientos futuros del mercado.

El éxito de la implementación de un sistema ERP permite la identificación e implementación de un conjunto de las mejores prácticas, procedimientos y herramientas diseñadas para lograr la excelencia organizacional a través de la integración funcional.

Los sistemas ERP prometen entregar un incremento en las ventas sobre sus predecesores MPR-II en la forma de una suite de productos integrados corriendo bajo una arquitectura común de Tecnologías de Información que pueda ser altamente acoplada e integrada con cualquier otra aplicación de los sistemas heredados.


Planificación de recursos empresariales (ERP)

Un sistema computadorizado integrado utilizado para administrar los recursos internos y externos incluyendo los activos tangibles, los recursos financieros, materiales y recursos humanos.
Los sistemas de planificación de recursos empresariales, o ERP (por sus siglas en inglés, Enterprise resource planning) son sistemas de información gerenciales que integran y manejan muchos de los negocios asociados con las operaciones de producción y de los aspectos de distribución de una compañía comprometida en la producción de bienes o servicios.

La Planificación de Recursos Empresariales es un término derivado de la Planificación de Recursos de Manufactura (MRPII) y seguido de la Planificación de Requerimientos de Material (MRP). Los sistemas ERP típicamente manejan la producción, logística, distribución, inventario, envíos, facturas y contabilidad de la compañía. Sin embargo, la Planificación de Recursos Empresariales o el software ERP puede intervenir en el control de muchas actividades de negocios como ventas, entregas, pagos, producción, administración de inventarios, calidad de administración y la administración de recursos humanos.


Los objetivos principales de los sistemas ERP son:
• Optimización de los procesos empresariales.
• Acceso a toda la información de forma confiable, precisa y oportuna (integridad de datos).
• La posibilidad de compartir información entre todos los componentes de la organización.
• Eliminación de datos y operaciones innecesarias de reingeniería.
Las características que distinguen a un ERP de cualquier otro software empresarial, es que deben de ser sistemas integrales, con modularidad y adaptables:

Integrales. Permiten controlar los diferentes procesos de la compañía entendiendo que todos los departamentos de una empresa se relacionan entre sí, es decir, que el resultado de un proceso es punto de inicio del siguiente. Por ejemplo, en una compañía, el que un cliente haga un pedido representa que se cree una orden de venta que desencadena el proceso de producción, de control de inventarios, de planificación de distribución del producto, cobranza, y por supuesto sus respectivos movimientos contables. Si la empresa no usa un ERP, necesitará tener varios programas que controlen todos los procesos mencionados, con la desventaja de que al no estar integrados, la información se duplica, crece el margen de contaminación en la información (sobre todo por errores de captura) y se crea un escenario favorable para malversaciones. Con un ERP, el operador simplemente captura el pedido y el sistema se encarga de todo lo demás, por lo que la información no se manipula y se encuentra protegida.

Modulares. Los ERP entienden que una empresa es un conjunto de departamentos que se encuentran interrelacionados por la información que comparten y que se genera a partir de sus procesos. Una ventaja de los ERP, tanto económica como técnica es que la funcionalidad se encuentra dividida en módulos, los cuales pueden instalarse de acuerdo con los requerimientos del cliente. Ejemplo: ventas, materiales, finanzas, control de almacén, recursos humanos, etc.

Adaptables. Los ERP están creados para adaptarse a la idiosincrasia de cada empresa. Esto se logra por medio de la configuración o parametrización de los procesos de acuerdo con las salidas que se necesiten de cada uno. Por ejemplo, para controlar inventarios, es posible que una empresa necesite manejar la partición de lotes pero otra empresa no. Los ERP más avanzados suelen incorporar herramientas de programación de 4ª Generación para el desarrollo rápido de nuevos procesos. La parametrización es el valor añadido fundamental que debe contar cualquier ERP para adaptarlo a las necesidades concretas de cada empresa.

Otras características destacables de los sistemas ERP son:
o Base de datos centralizada.
o Los componentes del ERP interactúan entre sí consolidando todas las operaciones.
o En un sistema ERP los datos se ingresan sólo una vez y deben ser consistentes, completos y comunes.
o Las empresas que lo implanten suelen tener que modificar alguno de sus procesos para alinearlos con los del sistema ERP. Este proceso se conoce como Reingeniería de Procesos, aunque no siempre es necesario.
o Aunque el ERP pueda tener menús modulares configurables según los roles de cada usuario, es un todo. Esto significa: es un único programa (con multiplicidad de bibliotecas, eso sí) con acceso a una base de datos centralizada. No debemos confundir en este punto la definición de un ERP con la de una suite de gestión.

o La tendencia actual es a ofrecer aplicaciones especializadas para determinadas empresas. Es lo que se denomina versiones sectoriales o aplicaciones sectoriales especialmente indicadas o preparadas para determinados procesos de negocio de un sector (los más utilizados).

Las soluciones ERP en ocasiones son complejas y difíciles de implantar debido a que necesitan un desarrollo personalizado para cada empresa partiendo de la parametrización inicial de la aplicación que es común. Las personalizaciones y desarrollos particulares para cada empresa requieren de un gran esfuerzo en tiempo, y por consiguiente en dinero, para modelar todos los procesos de negocio de la vida real en la aplicación.

ERP de software libre
• Adempiere
Es un proyecto guiado por la comunidad que desarrolla y soporta una solución de código abierto para negocios del mismo nombre. Ofrece las funcionalidades de planificación de recursos empresariales (ERP), administración de la relación con los clientes (CRM) y administración de la cadena de suministro SCM. Basado originalmente en Compiere, es totalmente libre de tecnologías propietarias, integrando iText para la generación de ficheros PDF y soportando la base de datos PostgreSQL. Se encuentra en fase plenamente funcional. Adempiere está licenciado bajo GPLv2 y cuenta con soporte comunitario y comercial.

• AbanQ
Es un ERP modular disponible para Linux, MAC OS X y Windows 2000/NT. Incluye su propia plataforma de desarrollo rápido para adaptar la aplicación. Actualmente existen en continuo desarrollo módulos integrados para facturación, almacén, gestión de tesorería, contabilidad financiera, talleres de automoción, formación, tpv, control de producción (MRP) y además soporte completo para códigos de barras. AbanQ (ex FacturaLUX[1] ) es software libre, aunque no gratuita, dado que se vende con licencia GPL. Existe una versión lite, la cual no incluye algunos módulos.

• CK-ERP
Es un ERP que incluye administración de la relación con los clientes (CRM). De código abierto, consta de veinte módulos o aplicaciones que incluyen facilidades para la gestión de la contabilidad de la empresa, pagos, ingresos, pedidos u órdenes de compra, gestión de ventas, cotizaciones recibidas, gestión del punto de venta, gestión de recursos humanos o personal, gestión de nóminas, gestión de contactos, entre otros. Su interfaz online, es bastante simple pero es fácilmente adaptable a las necesidades de cualquier empresa. El sistema debe estar instalado en algún sistema operativo que no sea Microsoft Windows, como Linux, Solaris, FreeBSD, OpenBSD, PC-BSD,NetBSD, etc. Pero los clientes pueden estar en cualquier sistema operativo.

• Compiere
Es un ERP de software libre realizado para el mercado anglosajón, por lo que encaja en muchas de las necesidades legislativas europeas e hispanoamericanas. Necesita tecnología propietaria para funcionar, concretamente ciertas librerías de generación de ficheros PDF usadas internamente; y la máquina virtual y bibliotecas de Sun Microsystems. Se encuentra en fase plenamente funcional. Compiere está desarrollado bajo la licencia pública Compiere (CPL), que permite el paso a privativo de dicho software transcurridos dos años desde su fecha de lanzamiento. Es una solución 100% Java sobre base de datos Oracle, con servidor de aplicaciones JBoss.

• GNUe.
Es un conjunto de aplicaciones al estilo de FacturaLux, también con licencia GPL, que intentan suplir las necesidades de un ERP. Por estructura y diseño puede ser considerada un ERP al uso, ya que persigue la integración, modularidad y adaptabilidad. Cada proyecto se desarrolla completamente por separado y se enlaza posteriormente al resto, manteniendo una estructura común central.

• OasisERP
Es un software de gestión para pymes basado íntegramente en herramientas de software libre bajo la licencia pública GPL y de libre distribución. Está desarrollado íntegramente en España. Oasis ERP dispone de versiones para Windows (incluida Window7) y Linux . Está desarrollado en PHP-GTK y sobre Base de datos PostgreSQL, incluye generador de informes Agata Report integrado en el paquete. Oasis ERP ha obtenido la certificación OPSOA (Open Source Assessment) por parte del CESLCAM (Centro de Excelencia del Software Libre de Castilla la Mancha). Oasis-infodauto. Es una versión ampliada de OasisERP que incluye módulos para el Sector de Automoción.

• Openbravo
Es un ERP desarrollado como software libre y basado íntegramente en web. Está basado en una versión antigua de Compiere con quien no mantiene compatibilidad actualmente. Dispone de soporte para bases de datos PostgreSQL y Oracle. Se encuentra disponible en español y actualmente se preparan localizaciones en varios otros idiomas. No dispone de clientes de utilización que no sean a través de navegador web.

• OpenERP.
Es un ERP, basado íntegramente en la licencia pública GPL y libremente descargable. Aunque desarrollado inicialmente en Bélgica, existe traducción al español. OpenERP está orientado al uso en las PYME, aunque dispone de módulos como gestión de proyectos o estadísticas, más habituales de empresas de mayor tamaño. OpenERP se encuentra en estado funcional sobre Linux y Windows, con más de 350 módulos en desarrollo. OpenERP internamente usa un modelo de flujos de trabajo (workflow), con arquitectura en tres capas. Está desarrollado en Python, PyGTK y sobre PostgreSQL, y también tiene clientes en librería qt y un frontend web basado en TurboGears. GestiCAM es una versión localizada en español de este ERP, promocionada bajo Molinux, una distribución regional de Linux española .

• openXpertya
Es un ERP de código abierto en español, bajo el patrocinio del Principado de Asturias y por tanto, especialmente adaptado para la legislación y el mercado español e hispanoamericano. Incluye solución de CRM y comercio electrónico a tres niveles (B2B, B2C, EDI) así como de todos los módulos necesarios para su consideración como un ERP, incluyendo gestión de proyectos, gestión de campañas, marketing, puntos de venta remotos y descentralizados, utilización por todos los niveles de una franquicia, etc. openXpertya se encuentra en fase plenamente funcional. Todo el código de openXpertya está desarrollado en J2EE por lo que es multiplataforma (independiente del sistema operativo a nivel de servidor y de cliente) y está desarrollado en tres capas.

La capa de la base de datos es independiente desde la versión 2.0, anteriormente estaba limitada a trabajar sobre Oracle. Todo el código de openXpertya es libremente descargable y está basado en la licencia propia LPO, traducción legal de la CDDL (original de SUN) al español, y con posibilidades de relicenciamiento bajo virtualmente cualquier otra licencia de software libre y expresamente bajo LGPL.

• Xendra
Es un ERP de código abierto, licenciado bajo GPL y adaptado a la legislación y el mercado peruanos. Ofrece funcionalidades de planificación de recursos empresariales (ERP), administración de la relación con los clientes (CRM) y administración de la cadena de suministro (SCM). Basado originalmente en Adempiere, pero enfocandose a JBoss como servidor de aplicaciones y PostgreSQL como base de datos. Tiene soporte comunitario y comercial.

DATA MINING

Los Fundamentos del Data Mining
• Recolección masiva de datos
• Potentes computadoras con multiprocesadores
• Algoritmos de Data Mining
Las bases de datos comerciales están creciendo a un ritmo sin precedentes. Un reciente estudio del META GROUP sobre los proyectos de Data Warehouse encontró que el 19% de los que contestaron están por encima del nivel de los 50 Gigabytes, mientras que el 59% espera alcanzarlo en el segundo trimestre de 1997. En algunas industrias, tales como ventas al por menor (retail), estos números pueden ser aún mayores. MCI Telecommunications Corp. cuenta con una base de datos de 3 terabytes + 1 terabyte de índices y overhead corriendo en MVS sobre IBM SP2. La necesidad paralela de motores computacionales mejorados puede ahora alcanzarse de forma más costo - efectiva con tecnología de computadoras con multiprocesamiento paralelo. Los algoritmos de Data Mining utilizan técnicas que han existido por lo menos desde hace 10 años, pero que sólo han sido implementadas recientemente como herramientas maduras, confiables, entendibles que consistentemente son más performantes que métodos estadísticos clásicos.

En la evolución desde los datos de negocios a información de negocios, cada nuevo paso se basa en el previo. Por ejemplo, el acceso a datos dinámicos es crítico para las aplicaciones de navegación de datos (drill through applications), y la habilidad para almacenar grandes bases de datos es crítica para Data Mining.

Los componentes esenciales de la tecnología de Data Mining han estado bajo desarrollo por décadas, en áreas de investigación como estadísticas, inteligencia artificial y aprendizaje de máquinas. Hoy, la madurez de estas técnicas, junto con los motores de bases de datos relacionales de alta performance, hicieron que estas tecnologías fueran prácticas para los entornos de data warehouse actuales.

El Alcance de Data Mining

El nombre de Data Mining deriva de las similitudes entre buscar valiosa información de negocios en grandes bases de datos - por ej.: encontrar información de la venta de un producto entre grandes montos de Gigabytes almacenados - y minar una montaña para encontrar una veta de metales valiosos. Ambos procesos requieren examinar una inmensa cantidad de material, o investigar inteligentemente hasta encontrar exactamente donde residen los valores. Dadas bases de datos de suficiente tamaño y calidad, la tecnología de Data Mining puede generar nuevas oportunidades de negocios al proveer estas capacidades:
• Predicción automatizada de tendencias y comportamientos.
Data Mining automatiza el proceso de encontrar información predecible en grandes bases de datos. Preguntas que tradicionalmente requerían un intenso análisis manual, ahora pueden ser contestadas directa y rápidamente desde los datos. Un típico ejemplo de problema predecible es el marketing apuntado a objetivos (targeted marketing). Data Mining usa datos en mailing promocionales anteriores para identificar posibles objetivos para maximizar los resultados de la inversión en futuros mailing. Otros problemas predecibles incluyen pronósticos de problemas financieros futuros y otras formas de incumplimiento, e identificar segmentos de población que probablemente respondan similarmente a eventos dados.

• Descubrimiento automatizado de modelos previamente desconocidos.

Las herramientas de Data Mining barren las bases de datos e identifican modelos previamente escondidos en un sólo paso. Otros problemas de descubrimiento de modelos incluye detectar transacciones fraudulentas de tarjetas de créditos e identificar datos anormales que pueden representar errores de tipeado en la carga de datos.
Las técnicas de Data Mining pueden redituar los beneficios de automatización en las plataformas de hardware y software existentes y puede ser implementada en sistemas nuevos a medida que las plataformas existentes se actualicen y nuevos productos sean desarrollados. Cuando las herramientas de Data Mining son implementadas en sistemas de procesamiento paralelo de alta performance, pueden analizar bases de datos masivas en minutos. Procesamiento más rápido significa que los usuarios pueden automáticamente experimentar con más modelos para entender datos complejos. Alta velocidad hace que sea práctico para los usuarios analizar inmensas cantidades de datos. Grandes bases de datos, a su vez, producen mejores predicciones.
Las bases de datos pueden ser grandes tanto en profundidad como en ancho.

Los analistas muchas veces deben limitar el número de variables a examinar cuando realizan análisis manuales debido a limitaciones de tiempo. Sin embargo, variables que son descartadas porque parecen sin importancia pueden proveer información acerca de modelos desconocidos. Un Data Mining de alto rendimiento permite a los usuarios explorar toda la base de datos, sin preseleccionar un subconjunto de variables.

Muestras mayores producen menos errores de estimación y desvíos, y permite a los usuarios hacer inferencias acerca de pequeños pero importantes segmentos de población.

Las técnicas más comúnmente usadas en Data Mining son:

Redes neuronales artificiales:
Modelos predecible no-lineales que aprenden a través del entrenamiento y semejan la estructura de una red neuronal biológica.
Arboles de decisión:
Es de forma de árbol que representan conjuntos de decisiones. Estas decisiones generan reglas para la clasificación de un conjunto de datos. Métodos específicos de árboles de decisión incluyen Arboles de Clasificación y Regresión (CART: Classification And Regression Tree) y Detección de Interacción Automática de Chi Cuadrado (CHAI: Chi Square Automatic Interaction Detection)

Algoritmos genéticos:
Técnicas de optimización que usan procesos tales como combinaciones genéticas, mutaciones y selección natural en un diseño basado en los conceptos de evolución.
Método del vecino más cercano: una técnica que clasifica cada registro en un conjunto de datos basado en una combinación de las clases del/de los k registro (s) más similar/es a él en un conjunto de datos históricos (donde k 1). Algunas veces se llama la técnica del vecino más cercano.

Regla de inducción:

La extracción de reglas if-then de datos basados en significado estadístico.
Muchas de estas tecnologías han estado en uso por más de una década en herramientas de análisis especializadas que trabajan con volúmenes de datos relativamente pequeños. Estas capacidades están ahora evolucionando para integrarse directamente con herramientas OLAP y de Data Warehousing.

Conclusiones

El propósito fundamental de un ERP es otorgar apoyo a los clientes del negocio, tiempos rápidos de respuesta a sus problemas, así como un eficiente manejo de información que permita la toma oportuna de decisiones y disminución de los costos totales de operación.

Las metodologías de implantación de los ERP en la empresa no siempre son todo lo simples que se desearía, dado que entran en juego múltiples facetas.

Existen varios ERP en el mercado, sin embargo no todos se adaptan a las necesidades de la empresa, por lo cual será necesario tener un conocimiento amplio de la misma para determinar cuál es el ERP que le conviene.

Básicamente, el datamining surge para intentar ayudar a comprender el contenido de un repositorio de datos. Con este fin, hace uso de prácticas estadísticas y, en algunos casos, de algoritmos de búsqueda próximos a la Inteligencia Artificial y a las redes neuronales.

De forma general, los datos son la materia prima bruta. En el momento que el usuario les atribuye algún significado especial pasan a convertirse en información. Cuando los especialistas elaboran o encuentran un modelo, haciendo que la interpretación que surge entre la información y ese modelo represente un valor agregado, entonces nos referimos al conocimiento.

Experiencia de aprendizaje

Si bien un ERP puede ofrecer muchas ventajas, también exige grandes cumplir retos y más dinero antes de poder obtenerlos. Y esto se vuelve especialmente importante cuando hablamos de la pequeña y mediana empresa donde los recursos económicos y humanos son mucho más limitados comparados con las grandes empresas. Sin embargo, poco a poco la pequeña y mediana empresa está empezando a "arriesgar" parte de sus escasos recursos para invertir en sistemas como los ERP porque les permiten mantener una lucha más equilibrada e incluso crecer frente a este esquema de competencia.

Al menos en teoría, la compra de un sistema ERP no es realmente un gasto sino una inversión que se pagará a sí misma al cabo de algunos meses y posteriormente permitirá generar utilidades.

Nuestra capacidad para almacenar datos ha crecido en los últimos años a velocidades exponenciales. En contrapartida, nuestra capacidad para procesarlos y utilizarlos no ha ido a la par. Por este motivo, la data mining se presenta como una tecnología de apoyo para explorar, analizar, comprender y aplicar el conocimiento obtenido usando grandes volúmenes de datos. Descubrir nuevos caminos que nos ayuden en la identificación de interesantes estructuras en los datos es una de las tareas fundamentales en el data mining.

En el ámbito comercial, resulta interesante encontrar patrones ocultos de consumo de los clientes para poder explorar nuevos horizontes. Asimismo, predecir el comportamiento de un futuro cliente, basándose en los datos históricos de clientes que presentaron el mismo perfil, ayuda a poder retenerlo durante el mayor tiempo posible.

Bibliografía

http://es.wikipedia.org/wiki/Planificaci%C3%B3n_de_recursos_empresariales

http://translate.google.com.do/translate?hl=es&sl=en&u=http://en.wikipedia.org/wiki/Enterprise_resource_planning&ei=FW3AS5GTBcSblgetka3bBA&sa=X&oi=translate&ct=result&resnum=2&ved=0CBYQ7gEwAQ&prev=/search%3Fq%3DENTERPRISE%2BRESOURCE%2BPLANNING(ERP%26hl%3Des

http://www.wikilearning.com/monografia/planeacion_de_recursos_empresariales/11812


http://www.monografias.com/trabajos/datamining/datamining.shtml


http://www.sinnexus.com/business_intelligence/datamining.aspx


http://www.monografias.com/trabajos29/beneficios-erp/beneficios-erp.shtml

http://es.wikipedia.org/wiki/Planificaci%C3%B3n_de_recursos_empresariales
http://www.monografias.com/trabajos14/impactosistema/impactosistema.shtml
http://www.wikilearning.com/monografia/planeacion_de_recursos_empresariales/11812
http://www.epicor.com/lac/Solutions/Pages/ERP.aspx

http://searchsap.techtarget.com/sDefinition/0,,sid21_gci213946,00.html


Foto
Foto
Foto

.

.

ESCRÍBEME:
Me interesa tu opinión