Toma de decisiones en la usabilidad de la Banca por Internet Empresas mediante una Solución de Business Intelligence
Resumen
La toma de decisiones en las unidades de negocio de la Banca por Internet Empresas del sector financiero es de gran importancia, ya que permiten aportar a la transformación digital y a la innovación de sus clientes. Sin embargo, para obtener la información para la toma de decisiones se utilizan extensos procesos que originan el mal uso del tiempo y los recursos. El estado del arte muestra soluciones de Business Intelligence en distintas áreas financieras, sin embargo, no se ha encontrado optimizaciones para la banca por internet empresas o el ciclo de desarrollo de software de Business Intelligence. Este trabajo propone el desarrollo de una solución de Business Intelligence aplicando una nueva metodología basada en buenas prácticas metodológicas y ágiles con el objetivo de optimizar la toma de decisiones disminuyendo el tiempo, el número de personas y el costo generado en la obtención de la información para la toma de decisiones
Referencias bibliográficas
Abdullaev, S., & Ko, I. (June de 2007). A Study on Successful Business Intelligence Systems in Practice. Journal of Convergence Information Technology, 2(2), 89-97. Recuperado el 28 de March de 2021, de http://citeseerx.ist.psu.edu/viewdoc/download?rep=rep1&type=pdf&doi=10.1.1.217.2073
Batra, D. (December de 2017). Adapting Agile Practices for Data Warehousing, Business Intelligence , and Analytics. Journal of Database Management, 28(4), 1-23. doi:10.4018/JDM.2017100101
Batra, D. (December de 2018). Agile Values or Plan-Driven Aspects: Which Factor Contributes More toward the Success of Data Warehousing, Business Intelligence, and Analytics Project Development. Journal of Systems and Software, 146(12), 249-262. doi:10.1016/j.jss.2018.09.081
Becerra-godínez, J., Serralde-coloapa, J., Ulloa-márquez, M., Gordillo-mejía, A., & Acosta-gonzaga, E. (Febrero de 2020). Identifying the main factors involved in business intelligence implementation in SMEs. Bulletin of Electrical Engineering and Informatics, 9(1), 304-310. doi:10.11591/eei.v9i1.1459
Bernabeu, R. D. (2009). Data Warehousing: Investigación y Sistematización de Conceptos - HEFESTO: Metodología propia para la Construcción de un Data Warehouse. Córdova, Argentina: Free Software Foundation. Recuperado el 28 de Febrero de 2021, de https://sites.google.com/site/magm33332/hefesto
Ćurko, K. B. (2007). Business Intelligence” and business process management in banking operations. IEEE 2007 29th International Conference on Information Technology Interfaces, (págs. 51-62). Cavtat, Croatia. doi:10.1109/ITI.2007.4283744
David, M., David, F., & David, F. (7 de June de 2017). The quantitative strategic planning matrix: a new marketing tool. Journal of Strategic Marketing, 25(4), 342-352. doi:10.1080/0965254X.2016.1148763
Eryadi, R. A., & Hidayanto, A. N. (2020). Critical Success Factors for Business Intelligence Implementation in an Enterprise Resource Planning System Environment Using DEMATEL: A Case Study at a Cement Manufacture Company in Indonesia. Journal of Information Techonology Management, 12(1), 67-85. doi:10.22059/jitm.2020.296055.2460
Gonzáles-Carrasco, I., Jiménez-Márquez, J., López-Cuadrado, J., & Ruiz-Mezcua, B. (June de 2019). Automatic detection of relationships between banking operations using machine learning. Information Sciences, 485(6), 319-346. doi:10.1016/j.ins.2019.02.030
González Millán, J., & Rodríguez Díaz, M. (2019). Manual práctico de planeación estratégica. Madrid, España: Diaz de Santos. Recuperado el 01 de Marzo de 2021, de Gestiopolis: https://www.editdiazdesantos.com/wwwdat/pdf/9788490522424.pdf
Inmon, W. (2005). Building the Data Warehouse, Fourth Edition. Indianapolis, Indiana, United States: Wiley Publishing, Inc. Obtenido de https://www.pdfdrive.com/building-the-data-warehouse-2005-fourth-edition-inmon-wileypdf-d34418242.html
Kimball, R., & Ross, M. (2013). The Data Warehouse Toolkit, Third Edition, The Definitive Guide to Dimensional Modeling. Indianapolis, Indiana, United States of América: John Wiley & Sons, Inc. Recuperado el 28 de Febrero de 2021, de https://www.pdfdrive.com/the-data-warehouse-toolkit-the-definitive-guide-to-dimensional-modeling-d157742453.html
Ko, I., & Abdullaev, S. (2007). A Study on the Aspects of Successful Business Intelligence System Development. (Y. S. al., Ed.) LNCS, 729-732. doi:10.1007/978-3-540-72590-9_108
Lim, Y., & Teoh, A. (2 de Mar. de 2020). Realizing the strategic impact of business intelligence utilization. Strateg. Dir., 36(4), 7-9. doi:10.1108/SD-09-2019-0184
Lin, W., Wang, Y., & Hung, Y. (Feb. de 2020). Analyzing the factors influencing adoption intention of internet banking: Applying DEMATEL-ANP-SEM approach. PLoS One, 15(2), 1-25. doi:10.1371/journal.pone.0227852
Luján-Mora, S., & Trujillo, J. (2004). A Data Warehouse Engineering Process. En T. Yakhno (Ed.), Advances in Information Systems, Third International Conference, ADVIS 2004 (págs. 14-23). Izmir, Turkey: Springer-Verlag. doi:10.1007/978-3-540-30198-1_3
Morales Cardoso, S. (2019). Metodología para procesos de inteligencia de negocios con mejoras en la extracción y transformación de fuentes de datos, orientado a la Toma de Decisiones. España: Universidad de Alicante. Obtenido de https://dialnet.unirioja.es/servlet/tesis?codigo=221922
Morisaki, A. (13 de Jun. de 2019). Digital channels rapidly gaining ground in bank user preferences. Recuperado el 28 de Mar de 2021, de ASBANC Weekly: https://www.asbanc.com.pe/Publicaciones/ASBANC-SEMANAL-322.pdf
Moss, L. (4 de Febrero de 2012). Factores críticos de éxito (FCE), 10 errores más frecuentes en la gestión de proyectos de BI y de Data Warehouse. Recuperado el 2 de Marzo de 2021, de Dataprix: https://www.dataprix.com/es/factores-criticos-exito-un-proyecto-business-intelligence/factores-criticos-exito-fce
Ramalingam, H., & Venkatesan, V. (2019). Conceptual analysis of Internet of Things use cases in Banking domain. IEEE Region 10 Conference: Technology, Knowledge, and Society, TENCON 2019, Hotel Grand HyattKerala. 2019, págs. 2034-2039. Puducherry: Institute of Electrical and Electronics Engineers Inc. doi:10.1109/TENCON.2019.8929473
Roo Huerta, A. B. (2012). Inteligencia de negocios en la banca nacional: Un enfoque basado en herramientas analíticas. Revista Venezolana de Gerencia (RVG), 17(59), 548-563. Obtenido de https://biblat.unam.mx/hevila/Revistavenezolanadegerencia/2012/vol17/no59/9.pdf
Sammon, D., & Finnegan, P. (1 de September de 2000). The Ten Commandments of Data Warehousing. Data Base Advances in Information Systems, 31(4), 82-91. doi:10.1145/506760.506767
Shirazi, F., & Mohammadi, M. (October de 2019). A big data analytics model for customer churn prediction in the retiree segment. International Journal of Information Management, 48(10), 238–253. doi:10.1016/j.ijinfomgt.2018.10.005
Silva Peñafiel, G., Zapata Yánez, V., Morales Guamán, K., & Toaquiza Padilla, L. (10 de Septiembre de 2019). Análisis de metodologías para desarrollar Data Warehouse aplicado a la toma de decisiones. Ciencia Digital, 3(3.4), 397-418. Recuperado el 01 de Marzo de 2021, de https://doi.org/10.33262/cienciadigital.v3i3.4..922
stratebi. (2023). Arquitectura de Power BI. Recuperado el 3 de Marzo de 2021, de Sitio web de stratebi: https://www.stratebi.com/power-bi
Sundjaja, A. (2013). Implementation of Business Intelligence on Banking, Retail, and Educational Industry. International Journal of Communication & Information Technology (CommIT), 7(2), 65-70. doi:10.21512/commit.v7i2.586
Ubiparipovic, B. D. (2011). Aplication of Business Intelligence in the Banking Industry. Management Information Systems, 6(4), 26-30. Retrieved from http://www.ef.uns.ac.rs/mis/archive-pdf/2011 - No4/MIS2011_4_4.pdf
Urday, S. C. (2020). En mayo canales virtuales superan por primera vez a los presenciales. Obtenido de Sitio web de la Asociación de Bancos del Perú: https://www.asbanc.com.pe/Publicaciones/Asbanc_InfBancario_352.pdf
Wan, X., Hu, Q., Lu, Z., & Yu, M. (2017). Application of Asset Securitization and Block Chain of Internet Financial Firms. En X. Cai, J. Tang, & J. Chen (Ed.), 14th International Conference on Services Systems and Services Management, ICSSSM 2017. Dalian, China: Institute of Electrical and Electronics Engineers Inc. doi:10.1109/ICSSSM.2017.7996275
Weir, R., Peng, T., & Kerridge, J. (2003). Best Practice for Implementing a Data Warehouse : A Review for Strategic Alignment. En P. V. H. J. Lenz (Ed.), 5th International Workshop Design and Management of Data Warehouses 2003. 77, págs. 5-14. Berlin, Germany: CEUR-WS. Recuperado el 28 de March de 2021, de https://www.researchgate.net/publication/220841973_Best_Practice_for_Implementing_a_Data_Warehouse_A_Review_for_Strategic_Alignment/link/0912f50f6bb6ac05ca000000/download
Yeoh, W., Gao, J., & Koronios, A. (2008). Towards a Critical Success Factor Framework for Implementing Business Intelligence Systems: A Delphi Study in Engineering Asset Management Organizations. En Xu, A. Min Tjoa, & Chaudhry (Ed.), IFIP International Federation for Information Processing, 255, págs. 1353-1367. doi:10.1007/978-0-387-76312-5_64
Yiu, L., Yeung, A., & Jong, A. (4 de May. de 2020). Business intelligence systems and operational capability : an empirical analysis of high-tech sectors. Ind. Manag. Data Syst., 120(6), 1195-1215. doi:10.1108/IMDS-12-2019-0659
Yusupova, L., Kodolova, I., Nikonova, T., Agliullina, M., & Agliullina, Z. (Oct. de 2020). Artificial Intelligence and Its Use in Financial Markets. Int. J. Financ. Res., 11(5), 353–358. doi:10.5430/ijfr.v11n5p353
Descargas
Derechos de autor 2023 Revista Colombiana de Computación
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
