Mejora de la toma de decisiones en ciclo de ventas del subsistema comercial de servicios en una empresa de IT

  1. Vanegas, Diego Armando 1
  2. Tarazona Bermudez, Giovanny Mauricio 1
  3. Rodriguez Rojas, Luz Andrea
  1. 1 Universidad Distrital Francisco José de Caldas
    info

    Universidad Distrital Francisco José de Caldas

    Bogotá, Colombia

    ROR https://ror.org/02jsxd428

Revista:
Revista Científica

ISSN: 0124-2253,  2344-8350

Año de publicación: 2020

Título del ejemplar: mayo-agosto

Volumen: 38

Número: 2

Páginas: 174-183

Tipo: Artículo

DOI: 10.14483/23448350.15241 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: Revista Científica

Resumen

El alto volumen de datos, el tiempo de procesamiento y la visualización de información, son problemas que hoy en día debe enfrentar las organizaciones en el sector de tecnología, en particular el subsistema comercial. En esta investigación se desarrolló un modelo para la toma de decisiones basado en la interacción de los criterios y las etapas del ciclo de ventas. Se usó una herramienta especializada en inteligencia de negocios que facilitó el manejo de grandes volúmenes de datos, su procesamiento y la visualización de la información. Dentro de los resultados obtenidos se encontró una significativa reducción en el tiempo de obtención de la información, pasando de horas a minutos.

Referencias bibliográficas

  • Agnihotri, R., Trainor, K. J., Itani, O. S., y Rodriguez, M. (2017). Examining the role of sales-based CRM technology and social media use on post-sale service behaviors in India. Journal of Business Research, 81, 144–154. https://doi.org/10.1016/j.jbusres.2017.08.021
  • Ahmad, M. S. (2012). Impact of Organizational Culture on Performance Management Practices in Pakistan. Business Intelligence Journal, 5(1), 50–55.
  • Ahumada Tello, V. E., y Perusquia, J. M. A. (2016). Inteligencia de negocios: estrategia para el desarrollo de competitividad en empresas de base tecnológica. Contaduría y Administración, 61(1), 127–158. https://doi.org/https://doi.org/10.1016/j.cya.2015.09.006
  • Dalla, I., Goetz, O., y Michel, J. (2018). Implementation e ff ects in the relationship between CRM and its. 89, 391–403. https://doi.org/10.1016/j.jbusres.2018.02.004
  • Del, M., Giannone, D., Giannoni, M. P., y Tambalotti, A. (2019). Global trends in interest rates. Journal of International Economics, 118, 248–262. https://doi.org/10.1016/j.jinteco.2019.01.010
  • Djatna, T., y Munichputranto, F. (2015). An analysis and design of mobile business intelligence system for productivity measurement and evaluation in tire curing production line. Procedia Manufacturing, 4, 438–444. https://doi.org/10.1016/j.promfg.2015.11.060
  • Gartner Inc. (2019). The 2019 Analytics and BI Magic Quadrant Highlights.
  • Hou, C.-K. (2012). Examining the effect of user satisfaction on system usage and individual performance with business intelligence systems: An empirical study of Taiwan’s electronics industry. International Journal of Information Management, 32(6), 560–573. https://doi.org/10.1016/j.ijinfomgt.2012.03.001
  • Kim, A., Khon, N., y Aidosova, Z. (2016). Emotional intelligence of a coach as a factor of coach-student interaction. Procedia - Social and Behavioral Sciences, 236, 265–270. https://doi.org/10.1016/j.sbspro.2016.12.026
  • Microsoft. (2019). Power BI | Herramientas de BI para la visualización de datos interactivos.
  • Piontkewicz, R., Freitas, M. D. C. D., Kemczinski, A., y Martin, C. D. S. (2016). Management of intellectual capital in a system of management accounting information. 6th International Conference on Computers Communications and Control, ICCCC 2016, 180–187. https://doi.org/10.1109/ICCCC.2016.7496758
  • Pozzaab, I., Goetzc, O., y Sahutd, J. M. (2018). Implementation effects in the relationship between CRM and its performance. Journal of Business Research, 89, 391–403. https://doi.org/10.1016/j.jbusres.2018.02.004
  • Qlik. (2019). QlikView – Visual Intelligence.
  • Safadi, M., Ma, J., Wickramasuriya, R., Daly, D., Perez, P., y Kokogiannakisb, G. (2017). Mapping for the future : Business intelligence tool to map regional housing stock. Procedia Engineering, 180, 1684–1694. https://doi.org/10.1016/j.proeng.2017.04.331
  • Sharma, M., Singh, G., y Singh, R. (2016). Design and analysis of stochastic DSS query optimizers in a distributed database system. Egyptian Informatics Journal, 17(2), 161–173. https://doi.org/10.1016/j.eij.2015.10.003
  • Tableau. (2019). Información | Tableau Software.
  • Vera-Baquero, A., Colomo-Palacios, R., y Molloy, O. (2014). Towards a Process to Guide Big Data Based Decision Support Systems for Business Processes. Procedia Technology, 16(2212), 11–21. https://doi.org/10.1016/j.protcy.2014.10.063
  • Yao, Z., Eklund, T., y Back, B. (2010). Using SOM-Ward Clustering and predictive analytics for conducting customer segmentation. Proceedings - IEEE International Conference on Data Mining, ICDM, 639–646. https://doi.org/10.1109/ICDMW.2010.121
Fuente de los datos: Dialnet