LA INTELIGENCIA DE NEGOCIOS COMO APOYO A LA TOMA DE DECISIONES EN EL ÁREA DE COMERCIALIZACIÓN DE LA EMPRESA AZUAYNET
Bibliographic record
Abstract
La globalización de los mercados y la incorporación de las Tecnologías de la Información y la Comunicación, requiere de las organizaciones una serie de estrategias que refuercen sus operaciones en respuesta al entorno complejo y competitivo en el que ejercen. En este contexto los sistemas de inteligencia de negocios (BI) desempeñan un papel fundamental, puesto que comprenden aplicaciones y herramientas que facilitan la carga, análisis, extracción y reporte de información valiosa para orientar la correcta toma de decisiones, que en el caso de la empresa Azuaynet es limitada, imprecisa y de bajo alcance en su proceso de comercialización, por lo que el objetivo de este artículo es diseñar una arquitectura tecnológica de inteligencia de negocios que faculte la adecuada toma de decisiones. Los resultados reflejan información relevante para que los directivos puedan gestionar con eficacia y eficiencia la operación comercial. La investigación proporciona una herramienta que garantiza la obtención de un punto de vista global de la actividad comercial para la mejora de su competitividad.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.011 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".