63649052005

Vista previa del material en texto

REDVET. Revista Electrónica de
Veterinaria
E-ISSN: 1695-7504
redvet@veterinaria.org
Veterinaria Organización
España
Intriago, E.; Castro, Yudi
Sistemas de Inteligencia de Negocio para apoyar la toma de decisiones en Medicina
Veterinaria
REDVET. Revista Electrónica de Veterinaria, vol. 17, núm. 12, diciembre, 2016, pp. 1-11
Veterinaria Organización
Málaga, España
Disponible en: http://www.redalyc.org/articulo.oa?id=63649052005
 Cómo citar el artículo
 Número completo
 Más información del artículo
 Página de la revista en redalyc.org
Sistema de Información Científica
Red de Revistas Científicas de América Latina, el Caribe, España y Portugal
Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
http://www.redalyc.org/revista.oa?id=636
http://www.redalyc.org/revista.oa?id=636
http://www.redalyc.org/revista.oa?id=636
http://www.redalyc.org/articulo.oa?id=63649052005
http://www.redalyc.org/comocitar.oa?id=63649052005
http://www.redalyc.org/fasciculo.oa?id=636&numero=49052
http://www.redalyc.org/articulo.oa?id=63649052005
http://www.redalyc.org/revista.oa?id=636
http://www.redalyc.org
REDVET Rev. Electrón. vet. http://www.veterinaria.org/revistas/redvet 
2016 Volumen 17 Nº 12 - http://www.veterinaria.org/revistas/redvet/n121216.html 
Sistemas de Inteligencia de Negocio para apoyar la toma de decisiones en Medicina Veterinaria 
http://www.veterinaria.org/revistas/redvet/n121216/121622.pdf 
 
 
1 
REDVET - Revista electrónica de Veterinaria - ISSN 1695-7504 
 
 
Sistemas de Inteligencia de Negocio para apoyar la toma de 
decisiones en Medicina Veterinaria - Business Intelligence 
systems to support decision-making in Veterinary Medicine 
 
Intriago, E. (1); Castro, Yudi (2) 
 
(1) Facultad de Ciencias Empresariales. Universidad Técnica 
Estatal de Quevedo. Ecuador. 
(2) Departamento de Informática. Facultad de Ciencias 
Informáticas Naturales y Exactas. Universidad de Granma (UDG), 
Cuba. 
 
Contacto: ycastrob@udg.co.cu 
 
 
Resumen 
En la Medicina Veterinaria existe una necesidad creciente de analizar los datos 
generados en la práctica profesional, que van desde la prevención y 
diagnóstico hasta el tratamiento de las enfermedades, trastornos y lesiones, 
lo que se complejiza con el aumento exponencial de la información que se 
recopila, procesa y analiza. En este trabajo se utilizó las herramientas de 
Infotecnología para la recopilación de información, lo que permitió dar 
cumplimiento al objetivo de mostrar las potencialidades que representa para 
esta ciencia emplear sistemas de inteligencia de negocio como alternativas 
tecnológicas para generar escenarios, pronósticos y reportes analíticos que 
apoyan la toma de decisiones. Se concluyó que como resultado del estudio se 
percibió que estos tipos de sistemas facilitan y perfeccionan la labor de los 
especialistas. 
Palabras clave: conocimiento, gestión de la información, inteligencia de 
negocio, medicina veterinaria, toma decisiones. 
 
 
Abstract 
In Veterinary Medicine exists an increasing need to examine the data 
generated in practice professional, that they go from prevention and diagnosis 
to the treatment of the diseases, upsets and injuries, making more difficult 
with the exponential increase of the information that is compiled, processes 
and examines. In this work were utilized Infotecnology tools for the 
compilation of information that allowed giving fulfillment to the objective to 
show the potentialities that represent for this science to use business 
intelligence like technological alternatives to generate scenes, prognosises and 
analytical reports that back up the decision making. Concluded that it was 
REDVET Rev. Electrón. vet. http://www.veterinaria.org/revistas/redvet 
2016 Volumen 17 Nº 12 - http://www.veterinaria.org/revistas/redvet/n121216.html 
Sistemas de Inteligencia de Negocio para apoyar la toma de decisiones en Medicina Veterinaria 
http://www.veterinaria.org/revistas/redvet/n121216/121622.pdf 
 
 
2 
perceived that as a result of the study these types of systems make easy and 
improve the work of specialists. 
 
Keywords: Knowledge, information management, business intelligence, 
veterinary medicine, decisions making. 
 
 
1. Introducción 
La capacidad de tomar buenas decisiones en el campo de la Medicina 
Veterinaria, es vital para el correcto desempeño de esta profesión, la cual 
requiere conocer y disponer de información exacta, precisa, real y completa. 
También es importante la rapidez con la que se toman, por ejemplo en la 
atención epidemiológica ante la propagación de alguna enfermedad infecciosa. 
El filósofo Albin Tofel dijo “El dueño de la información es el dueño del poder”. 
Para tomar una buena decisión, es fundamental que sea adecuada en 
cantidad y calidad para realizar un buen diagnóstico. Además, es necesario 
tener un profundo conocimiento para poder plantear variantes de acciones 
realistas y optar por la mejor opción. Se coincide con este planteamiento, 
pero se considera que para lograr una mayor efectividad es necesario 
apoyarla con tecnologías capaces de procesar y entender los datos (Ahumada 
y Alberto, 2016). 
Desde el punto de vista del conocimiento, la capacidad de crearlo y utilizarlo, 
debe ser considerada como un elemento indispensable en el desempeño de 
los sectores de veterinaria. A principios de los años noventa, este se entendía 
como un inventario estático, disponible mediante un sistema de gestión de 
información o de gestión documental. En la actualidad, se concibe a la 
empresa como una “organización que aprende”, que lo crea apoyándose en 
sistemas que permiten construirlo (Ospina, Montoya, Montoya et al., 2014). 
Existen sistemas para la gestión de información en Medicina Veterinaria como 
la propuesta de Terrero y Morejón (2014), el cual contribuye a mejorar el 
control de las principales actividades y la inseminación artificial del ganado 
vacuno. Herramienta como esta son de gran ayuda, pero contar con 
alternativas tecnológicas que permitan por ejemplo la predicción del 
diagnóstico clínico, la dinámica de las patemas, el período de mayor índice de 
probabilidad que estas ocurran, los factores que están asociado a esto, entre 
otras cosas; contribuirían enormemente a la correcta toma de decisiones para 
el control de enfermedades y reducción de la mortalidad. Tendría todavía 
mayor pertinencia si brindara la posibilidad de un enfoque preventivo para 
trazar estrategias epidemiológicas que permitiera reducir su frecuencia. 
En la actualidad, se cuenta con una alternativa tecnológica que permite el 
desarrollo de soluciones informática integrales con estas facilidades, llamada 
inteligencia de negocio. Vanegas y Guerra (2013) consideraron que es el 
conjunto de productos y servicios que permite generar escenarios, pronósticos 
y reportes para que los usuarios finales puedan acceder y analizar de manera 
rápida y sencilla la información, para apoyar la toma de decisiones de carácter 
REDVET Rev. Electrón. vet. http://www.veterinaria.org/revistas/redvet 
2016 Volumen 17 Nº 12 - http://www.veterinaria.org/revistas/redvet/n121216.html 
Sistemas de Inteligencia de Negocio para apoyar la toma de decisiones en Medicina Veterinaria 
http://www.veterinaria.org/revistas/redvet/n121216/121622.pdf 
 
 
3 
operativo, táctico y estratégico basado en información precisa, comprensible y 
oportuna. 
La inteligencia de negocio persigue como lo describieron Dario y García (2011) 
lidiar con la incertidumbre y con el miedo a no poder controlar los procesos de 
la organización mediante el conocimiento seguro y claro de algo, sin temor a 
errar. Así, Balaceanu (2007) la definió como un concepto que integra por un 
lado el almacenamiento y por el otro el procesamiento de grandes cantidades 
de datos, con el principal objetivo de transformarlos en conocimiento y en 
decisiones en tiempo real, a través de un sencillo análisis y exploración. Se 
pudiera representar a través de la fórmula siguiente:Datos + Análisis = 
Conocimiento. Dario (2009) no se quedó tan solo en el conocimiento, va un 
poco más allá al decir que es el proceso de convertirlo en acción para la toma 
de decisiones. 
Muchos sectores de la rama veterinaria (empresas pecuarias, industria 
ganadera, laboratorios de investigación, parques y jardines zoológicos, 
aeropuertos) seguro cuentan con un sistema informático que soporta gran 
parte de sus actividades diarias como diagnóstico clínico, reproducción, 
gestión epidemiológica, entre otros aspectos. Este puede que facilite el control 
y procesamiento estadístico de los datos y una serie de informes que si bien 
aporta conocimiento sobre el tema en cuestión, son predefinidos y presentan 
la información de manera estática, pero no permite profundizar en los datos, 
navegar entre ellos, manejarlos desde distintas perspectivas, predecir 
determinadas situaciones, entre otras cosas. 
Con el transcurso del tiempo, estos sistemas informáticos llegan a tener 
multitud de información histórica de las actividades registradas. La 
inteligencia de negocio aprovecha precisamente estos datos almacenados, los 
reúne, depura, transforma y aplicar en ellos técnicas analíticas de extracción 
de conocimiento. Es por ello, que en el presente artículo se tuvo como 
propósito mostrar las potencialidades que representa para la Medicina 
Veterinaria emplear sistemas de inteligencia de negocio como alternativas 
tecnológicas para generar escenarios, pronósticos y reportes analíticos que 
apoyen la toma de decisiones. 
 
2. Desarrollo 
A fin de comprender cómo es que un sistema de inteligencia de negocio puede 
crear inteligencia de sus datos, para proveer a los usuarios finales oportuna y 
acertadamente conocimiento de esta información, en la Fig. 1 se brindan las 
cinco fases de las que consta el proceso de inteligencia de negocio según se 
define (Dario (2009). 
REDVET Rev. Electrón. vet. http://www.veterinaria.org/revistas/redvet 
2016 Volumen 17 Nº 12 - http://www.veterinaria.org/revistas/redvet/n121216.html 
Sistemas de Inteligencia de Negocio para apoyar la toma de decisiones en Medicina Veterinaria 
http://www.veterinaria.org/revistas/redvet/n121216/121622.pdf 
 
 
4 
 
Figura 1. Fases del proceso de inteligencia de negocio. 
Fuente: (Dario, 2009) 
 Fase 1 – Dirigir y planear. En esta fase inicial, es donde se deberán 
definir y especificar lo que se requiere en términos de información de los 
diferentes usuarios, así como entender sus diversas necesidades, para que 
luego en conjunto con ellos se generen las preguntas que les ayudarán a 
alcanzar sus objetivos, por ejemplo: el diagnóstico médico. 
 Fase 2 –Recolección de información. Es donde se realiza el proceso 
de extraer desde las diferentes fuentes de información de la empresa, tanto 
internas como externas, los datos que serán necesarios para encontrar las 
respuestas a las preguntas planteadas en la fase anterior. 
 Fase 3 – Procesamiento de datos. En esta fase se integran y cargan 
los datos en crudo en un formato utilizable para el análisis. Esta actividad 
puede realizarse mediante la creación de una nueva base de datos, 
agregando datos a una ya existente o bien consolidando la información. Se 
puede emplear para esto un Almacén de Datos. 
 Fase 4 –Análisis y producción. Se procede a trabajar sobre los datos 
extraídos e integrados, utilizando herramientas y técnicas propias de la 
tecnología de inteligencia de negocio, para crear conocimiento. Como 
resultado final de esta fase, se obtendrán las respuestas a las preguntas, 
mediante la creación de reportes, Informes de procesamiento analítico en 
línea, cuadros de mando, minería de datos, sistemas expertos, entre otros. 
 Fase 5 – Difusión. Finalmente, se les entrega a los usuarios que lo 
requieran las herramientas necesarias, que les permitirán explorar los datos 
de manera sencilla e intuitiva. 
Los estudios realizados por varios autores (Calzada y Abreu, 2009; Bures, 
Otcenaskovs y Jasikova, 2012) caracterizaron los sistemas de inteligencia de 
negocio como: 
 Informes dinámicos, flexibles e interactivos: el usuario no tiene que 
ceñirse a los listados predefinidos que se configuran en el momento de la 
implantación y que no siempre responden a sus dudas reales. 
 No requiere conocimientos técnicos: un usuario sin importar sus 
habilidades informáticas puede crear nuevos gráficos e informes y 
navegar entre ellos. 
 
REDVET Rev. Electrón. vet. http://www.veterinaria.org/revistas/redvet 
2016 Volumen 17 Nº 12 - http://www.veterinaria.org/revistas/redvet/n121216.html 
Sistemas de Inteligencia de Negocio para apoyar la toma de decisiones en Medicina Veterinaria 
http://www.veterinaria.org/revistas/redvet/n121216/121622.pdf 
 
 
5 
 Rapidez en el tiempo de respuesta: esto se debe a que la base de 
datos subyacente suele ser un Almacén de Datos que está optimizado 
para el análisis de grandes volúmenes de información. 
 Integración entre todos los sistemas o departamentos: el proceso 
de Extracción, Transformación y Carga previo a la implantación del 
sistema garantiza la calidad y la integración de los datos. 
 Cada usuario dispone de información adecuada a su perfil: no se 
trata de que todo el mundo tenga acceso a toda la información, sino a la 
que necesita para que su trabajo sea lo más eficiente posible. 
 Disponibilidad de información histórica: estos sistemas están a la 
orden del día para comparar los datos actuales con la información de 
otros períodos históricos de la entidad, con el fin de analizar tendencias, 
entre otros aspectos. 
 
Como se describe en la fase cuatro del proceso de una solución de inteligencia 
de negocio, se pueden obtener alternativas tecnológicas de diferentes tipos 
donde cada una tiene características particulares; se describen a 
continuación: 
 
2.1 Almacén de Datos 
Una de las definiciones más aceptadas sobre almacén de datos es la del 
reconocido mundialmente como su padre, el cual lo definiera como “Una 
colección de datos orientada al negocio, integrada, variante en el tiempo y no 
volátil para el soporte del proceso de toma de decisiones en una organización” 
(Inmon, 2005). Por otro lado Kimball, Revees, Ross et al. (2011) lo definieron 
como “Una copia de los datos transaccionales específicamente estructurada 
para la consulta y el análisis”. En el marco de estas definiciones se ha 
considerado que se caracteriza por integrar y depurar información de una o 
más fuentes distintas, para luego procesarla permitiendo su análisis desde 
infinidad de perspectivas y con grandes velocidades de respuesta. 
Los almacén de datos están ganando cada vez mayor popularidad en las 
organizaciones, al considerar las ventajas que involucra el análisis de los 
datos históricos de forma multidimensional para apoyar el proceso de toma de 
decisiones. Su creación representa en la mayoría de las ocasiones el primer 
paso, desde el punto de vista técnico, para implantar una solución completa y 
fiable de inteligencia de negocio. 
Se coincidió con Singh y Malhotra (2011) en que la ventaja principal de este 
tipo de bases de datos radica en las estructuras en las que se almacena la 
información (modelos de tablas en estrella, en copo de nieve, cubos 
relacionales... etc.). Este tipo de persistencia de la información es homogénea 
y fiable, permite la consulta de su tratamiento jerarquizado (siempre en un 
entorno diferente a los sistemas operacionales). 
REDVET Rev. Electrón. vet. http://www.veterinaria.org/revistas/redvet 
2016 Volumen 17 Nº 12 - http://www.veterinaria.org/revistas/redvet/n121216.html 
Sistemas de Inteligencia de Negocio para apoyar la toma de decisiones en Medicina Veterinaria 
http://www.veterinaria.org/revistas/redvet/n121216/121622.pdf 
 
 
6 
Para los sectores de la Medicina Veterinaria, este tipo de herramienta sería de 
gran utilidad, pudiendo emplearse para integrar y consolidar diferentes 
fuentes de datos (internas o externas), por ejemplo en el control (disminución 
de lamorbilidad y mortalidad) de las enfermedades infecciosa, en la 
producción animal en empresas agropecuarias, en la administración ganadera 
para los servicios de salud animal con vista al incremento de la producción y 
la productividad, entre otras cosas. Se podría realizar un análisis inmediato de 
la situación al explorarse diferentes indicadores y compararse con información 
histórica para trazar estrategias de dirección. 
Como ejemplos de almacenes de datos desarrollados para algún sector de la 
Medicina Veterinaria, pueden mencionarse a los autores (Bruno, 2008; Tech, 
Arce, Silva et al., 2010) y Nielsen (2011). El primero, es para el seguimiento y 
la recopilación de datos de un sistema pecuario, el segundo para el control la 
productividad animal y la calidad permitiendo manejar elementos tales como 
temperatura, tiempo y potencia entre otras cosas; y el tercero para la 
evaluación de la salud, el bienestar, la gestión de riesgos y comunicación. 
 
2.2 Cuadros de Mando Integral 
Una de las herramientas de gestión estratégica más usadas en la actualidad 
por los directivos, es el Cuadros de Mando Integral, puesto que ayuda a 
coordinar y monitorear las acciones estratégicas de una forma más integral y 
simple, a partir de la definición de indicadores orientados a cuatro 
perspectivas claves: la financiera, de clientes, de los procesos internos y la del 
aprendizaje y crecimiento. Esto la convierte en la herramienta adecuada para 
planificar, operar y controlar los objetivos estratégicos de la empresa y 
trasladarlos a la acción (Gutiérrez, Mauriz y Culebras, 2015). 
Cárdenas (2009) expuso un modelo de información que permite que la 
organización se encuentre informada cada día y en tiempo real, acerca del 
avance en el logro de las metas prefijadas. El Cuadros de Mando Integral 
muestra gráficamente todos los indicadores clave para la gestión de una 
empresa, es de fácil manejo y se puede implantar en cualquier sistema de 
gestión, analizando todos los datos introducidos de manera inmediata. 
Entre las herramientas de este tipo desarrolladas para algún sector 
veterinario, se encuentra la propuesta de Rodríguez y Pereda (2013) la cual 
tiene como objetivo realizar la planificación y estrategias sobre la producción y 
comercialización de huevos incubables y de consumo en la empresa Avícola 
Santa Fe en Perú. En la Fig.2, se puede observar una vista de este Cuadros de 
Mando Integral relacionada con la producción de huevo. 
REDVET Rev. Electrón. vet. http://www.veterinaria.org/revistas/redvet 
2016 Volumen 17 Nº 12 - http://www.veterinaria.org/revistas/redvet/n121216.html 
Sistemas de Inteligencia de Negocio para apoyar la toma de decisiones en Medicina Veterinaria 
http://www.veterinaria.org/revistas/redvet/n121216/121622.pdf 
 
 
7 
 
Figura 2. Producción de Huevo 
Fuente:(Rodríguez y Pereda, 2013) 
Ponssa, Rodríguez, y Abrego (2009) desarrollaron otro Cuadros de Mando 
Integral para una empresa ganadera de cría bovina. Esta herramienta permite 
monitorear los avances del proceso productivo sin necesidad de esperar la 
finalización del ciclo. Es de gran utilidad pues incluye indicadores de causa o 
inductores de actuación en los diferentes objetivos estratégicos, que resultan 
especialmente esclarecedores en la perspectiva de los procesos internos. 
 
2.3 Minería de datos 
Los procesos de minería de datos como herramientas para la generación de 
conocimiento, han sido aplicados exitosamente en diferentes áreas 
productivas y del saber humano por las ventajas potenciales que proporciona 
su empleo. Estos permiten identificar, procesar y extraer información 
importante descubriendo conocimiento o información predictiva desde el 
almacén de datos sin requerir pedidos o preguntas específicas. Usan algunas 
de las técnicas de computación más avanzadas como: redes neuronales 
artificiales, detección de desviación, modelamiento predictivo o programación 
genética (Marcano y Talavera, 2007; Medina y Gómez, 2014). 
La minería de datos es la convergencia del aprendizaje automático, la 
estadística, el reconocimiento de patrones, la inteligencia artificial, el 
aprendizaje automático, la visualización de datos, la búsqueda y recuperación 
de la información y de la computación de alta ejecución, para elaborar 
procesos esenciales donde se aplican una serie de métodos inteligentes para 
poder extraer y descubrir patrones de los datos, mediante el uso de 
algoritmos que permiten obtener un conocimiento histórico y prospectivo para 
una toma de decisiones en el área de estudio o de conocimiento (Gorbea, 
2013). 
REDVET Rev. Electrón. vet. http://www.veterinaria.org/revistas/redvet 
2016 Volumen 17 Nº 12 - http://www.veterinaria.org/revistas/redvet/n121216.html 
Sistemas de Inteligencia de Negocio para apoyar la toma de decisiones en Medicina Veterinaria 
http://www.veterinaria.org/revistas/redvet/n121216/121622.pdf 
 
 
8 
En el ámbito de la Medicina Veterinaria la aplicación de la minería de datos 
tiene interés en varios campos: 
1. En el ámbito clínico resulta de ayuda para la identificación y diagnóstico 
de patologías. Asimismo, tiene importancia para el descubrimiento de 
posibles interrelaciones entre diversas enfermedades. 
2. En la medicina preventiva, para la detección de animales con factores de 
riesgo que pudieran sufrir una patología. 
3. Se puede usar para obtener predicciones temporales que permitan 
optimizar los recursos disponibles y priorizar el uso de los diversos 
tratamientos para una misma patología. 
 
Castaño, Céspedes, Isaza et al. (2014) han desarrollado un sistema 
bioinformático ganadero para la toma de decisiones en transferencia de 
embriones el cual utiliza técnicas de minería de datos. Permite la captura, 
análisis y gestión de la información a través de dispositivos móviles mediante 
un modelo matemático predictivo y fiable para la obtención de mayores 
índices de preñez en bovinos. Este sistema permite la sincronización en un 
repositorio único para luego obtenerse datos validos acorde a los procesos de 
negocio. 
 
2.4 Sistemas expertos 
Es una aplicación informática capaz de solucionar un conjunto de problemas 
que exigen un gran dominio sobre un determinado tema. Los sistemas 
expertos son llamados así porque emulan el razonamiento de un especialista 
en un dominio concreto. Está conformado entre otros elementos por: una 
base de conocimientos y de hechos, motor de inferencia, módulos de 
justificación, interfaz de usuario. Principalmente existen tres tipos: basados en 
reglas previamente establecidas, en casos y en redes bayesianas (Mariño, 
2014). 
En Medicina Veterinaria, los sistemas expertos pueden emplearse entre otras 
cosas para el diagnóstico, dinámica y predicción de la transmisión de 
enfermedades; un ejemplo de ello lo constituye el sistema para la detección 
de afecciones infecciosas del ganado vacuno desarrollado en Perú (Mejía, 
Vidarte, y Vives (2013). Este sistema utiliza las redes neuronales artificiales, 
estas son capaces de aprender de la experiencia a partir de las señales o 
datos provenientes del exterior, dentro de un marco de computación paralela 
y distribuida. Permite clasificar los síntomas, signos, lesiones y antecedentes 
de cada ganado vacuno dentro de los patrones de cuadros clínicos de la 
infección y la topología de red que permite realizar clasificación. En la Fig.3 
puede apreciarse una de sus interfaces, la cual muestra el resultado del 
dictamen, el cual se emite con porcentajes de aproximación luego de 
introducir la información necesaria. 
REDVET Rev. Electrón. vet. http://www.veterinaria.org/revistas/redvet 
2016 Volumen 17 Nº 12 - http://www.veterinaria.org/revistas/redvet/n121216.html 
Sistemas de Inteligencia de Negocio para apoyar la toma de decisiones en Medicina Veterinaria 
http://www.veterinaria.org/revistas/redvet/n121216/121622.pdf 
 
 
9 
 
Figura 3. Resultado del diagnóstico 
Fuente:(Mejía, Vidarte y Vives, 2013) 
 
Plantearon Mejía, Vidarte, y Vives (2013) que aeste sistema inteligente se le 
aplicaron casos de prueba y el resultado generado fue igual al emitido por el 
médico en un 100 %, con lo que se avaló la efectividad del diagnóstico 
mediante su empleo. 
3. Conclusiones 
Los sistemas de inteligencia de negocio tienen grandes potencialidades en el 
apoyo a la toma de decisiones efectivas y rápidas en la rama veterinaria, 
gracias a la capacidad de procesar y entender datos; así como generar 
pronósticos y reportes analíticos en cualquier ámbito del conocimiento, 
brindando información precisa y detallada en tiempo real y permitiendo 
predecir el comportamiento futuro con un alto porcentaje de certeza, basado 
en el entendimiento del pasado; apoyando la predicción del diagnóstico 
clínico, el control de enfermedades, la reducción de la mortalidad, entre otras 
y orientando al profesional veterinario hacia el cumplimiento de sus objetivos 
y metas. 
4. Bibliografía 
 
 Ahumada E. y J. M. Alberto. 2016. Inteligencia de negocios: estrategia para el 
desarrollo de competitividad en empresas de base tecnológica. Contaduría y 
Administración, 61(1), 127-158. Disponible en http://www.elsevier.es/es-revista-
contadura-administracin-87-articulo-inteligencia-negocios-estrategia-el-desarrollo-
90444108?referer=buscador [Consultado: 13/09/2016]. 
REDVET Rev. Electrón. vet. http://www.veterinaria.org/revistas/redvet 
2016 Volumen 17 Nº 12 - http://www.veterinaria.org/revistas/redvet/n121216.html 
Sistemas de Inteligencia de Negocio para apoyar la toma de decisiones en Medicina Veterinaria 
http://www.veterinaria.org/revistas/redvet/n121216/121622.pdf 
 
 
10 
 Balaceanu D. 2007. Components of a Business Intelligence software solution. 
Informática Económica, 2(42), 67-73. Disponible en 
http://www.revistaie.ase.ro/content/42/balaceanu.pdf [Consultado: 5/09/2016]. 
 Bruno A. R. 2008. Desenvolvimiento de uma ferramenta computacional para 
monitoramento e coleta de dados, baseado em conceitos de e-Science e Data 
Warehouse para aplicação na Pecuátia. [Tesis Doutor em Zootecnia] Facultade de 
Zootecnia e Engenharia de Alimentos. Universidade de Sāo Paulo, 129. 
 Bures V.; T. Otcenaskovs y V. Jasikova. 2012. The evaluation of external data 
resource for business intelligence applications: the example of the Czech Republic. 
Journal of Systems Integration, 3(1), 32-44. Disponible en http://www.si-
journal.org/index.php/JSI/article/viewFile/110/80 [Consultado: 03/03/2016]. 
 Calzada L. y J. L. Abreu. 2009. El impacto de las herramientas de inteligencia de 
negocios en la toma de decisiones de los ejecutivos. International Journal of Good 
Conscience, 4(2), 16-52. Disponible en 
http://datateca.unad.edu.co/contenidos/206045/Unidad%201%20Inteligencia%20de%
20Negocios/Impactodelaherramientas%20delNenlosejecutivos.pdf [Consultado: 
03/03/2016]. 
 Cárdenas T. I. 2009. Diseño de un Cuadro de Mando Integral. Perspectivas, 23, 101-
114. Disponible en http://www.redalyc.org/articulo.oa?id=425942159007 [Consultado: 
08/01/16]. 
 Castaño N. J.; F. A. Céspedes; O. Isaza, et al. 2014. Sistema bioinformático ganadero 
para la toma de decisiones en procesos de transferencia de embriones. Ventana 
Informática, 30, 217-231. Disponible en 
http://revistasum.umanizales.edu.co/ojs/index.php/ventanainformatica/article/downloa
d/279/417 [Consultado: 07/03/2016]. 
 Dario B. R. 2009. Datawarehousing: Investigación y Sistematización de Conceptos. 
Business Intelligence. Parte I. En: Proceso de BI. Córdoba, Argentina. Tercera 
edición, 5-8. 
 Dario B. R. y M. A. García. 2011. BI Usability: evolución y tendencia. Novatica. 
Revista de la Asociación de Técnicos de Informática, 211, 16-19. Disponible en 
http://www.ati.es/novatica/2011/211/nv211sum.html [Consultado: 13/3/2016]. 
 Gorbea P. S. 2013. Tendencias transdisciplinarias en los estudios métricos de la 
información y su relación con la gestión de la información y del conocimiento. 
Perspectivas em Gestao & Conhecimento, 3(1), 13-27. Disponible en 
http://periodicos.ufpb.br/index.php/pgc/article/viewFile/14175/9321 [Consultado: 
08/04/2016]. 
 Gutiérrez C.; J. L. Mauriz y J. Culebras. 2015. El cuadro de mando integral como 
instrumento de gestión en la nutrición clínica. Nutrición Hospitalaria, 32(1), 403-410. 
Disponible en http://www.redalyc.org/articulo.oa?id=309239661059 [Consultado: 
11/03/2016]. 
 Inmon W. H. 2005. Building the Data Warehouse. The Data Warehouse Environment . 
In: The Structure of the Data Warehouse. Wiley Publishing, Inc. Fourth Edition, 29-59. 
 Kimball R.; L. Revees; M. Ross, et al. 2011. The Data Warehouse Lifecycle Toolkit. 
Expert Methods for Designing, Developing and Deploying Data Warehouses. In: 
Project Management and Requirements. Wiley Publishing, Inc. First Edition, 1-9. 
 Marcano Y. J. y R. Talavera. 2007. Minería de Datos como soporte a la toma de 
decisiones empresariales. Opción, 23(52), 104-118. Disponible en 
http://www.redalyc.org/articulo.oa?id=31005208 [Consultado: 18/04/2016]. 
REDVET Rev. Electrón. vet. http://www.veterinaria.org/revistas/redvet 
2016 Volumen 17 Nº 12 - http://www.veterinaria.org/revistas/redvet/n121216.html 
Sistemas de Inteligencia de Negocio para apoyar la toma de decisiones en Medicina Veterinaria 
http://www.veterinaria.org/revistas/redvet/n121216/121622.pdf 
 
 
11 
 Mariño S. I. 2014. Los sistemas expertos para apoyar la gestión inteligente del 
conocimiento. Vínculos, 11(1), 101-108. Disponible en 
http://revistas.udistrital.edu.co/ojs/index.php/vinculos/article/download/8018/9627 
[Consultado: 07/03/2016]. 
 Medina F. y C. Gómez. 2014. Funcionalidades de la minería de datos. Ingeniería y 
Región, 12(2), 31-40. Disponible en 
http://www.journalusco.edu.co/index.php/IngenieriayRegion/article/viewFile/437/501 
[Consultado: 07/03/2016]. 
 Mejía H. I.; D. M. Vidarte y L. Vives (2013). Sistema experto para el diagnóstico de 
enfermedades infecciosas del ganado vacuno. Trabajo presentado en II Congreso 
Binacional de investigación, Ciencia y Tecnología de las Universidades, Universidad 
Señor de Sipán, Escuela de Ingeniería de Sistemas-Perú. 
 Nielsen A. C. 2011. Data warehouse for assessing animal health, welfare, risk 
management and –communication. Acta Veterinaria Scandinavica, 53(Suppl 
1)Disponible en http://doi.org/10.1186/1751-0147-53-S1-S3 [Consultado: 07/03/2016]. 
 Ospina O.; A. Montoya; I. Montoya, et al. 2014. Reflexiones sobre la gestión de 
conocimiento y los sistemas de producción ovina y caprina en Colombia. Veterinaria y 
Zootecnía, 8(2), 1-14. Disponible en 
http://vetzootec.ucaldas.edu.co/downloads/v8n2a01.pdf [Consultado: 07/03/2016]. 
 Ponssa E.; G. Rodríguez y D. Abrego (2009). El Cuadro de Mando Integral y su 
factibilidad de aplicación a empresa ganaderas de cría bovina. Trabajo presentado en 
XIII Jornadas Nacionales de la Empresa Agropecuaria, Tandil, Argentina. 
 Rodríguez E. M. y P. A. Pereda. 2013. Implementación de un Dashboard para la toma 
de decisiones estratégicas en la unidad de negocio de producción de huevo incubable 
de la Empresa Avícola Santa Fe S.A.C. . [Tesis Ingeniero en Computación y 
Sistemas] Universidad Privada Antenor Orrego 
 Singh S. y S. Malhotra. 2011. Data Warehouse and Its Methods. Journal of Global 
Research in Computer Science, 2(5), 113-115. Disponible en 
http://www.doaj.org/doaj?func=abstract&id=762240&q1=data%20warehouse&f1=all&b
1=or&q2=data%20mart&f2=all&recNo=27&uiLanguage=en [Consultado: 25/11/2011]. 
 Tech A. R. B.; A. I. C. Arce; A. C. S. Silva, et al. 2010. Um modelo de gestão baseado 
em e-science e data warehouse para aplicação no agronegócio. Archivos de 
Zootecnia, 59(226), 161-168. Disponible en 
http://www.redalyc.org/pdf/495/49520197001.pdf [Consultado: 07/03/2016]. 
 Terrero R. y R. Morejón. 2014. GAVIAC, Sistema para la gestión y control del ganado 
vacuno y la inseminación artificial. Revista Avanzada Científica 17(3), 1-11. 
Disponible en https://dialnet.unirioja.es/descarga/articulo/5156800.pdf [Consultado: 
21/06/2016]. 
 VanegasE. y L. M. Guerra. 2013. Sistema de inteligencia de negocios para el apoyo 
al proceso de toma de decisiones. Ingeniería UC, 20(3), 25-34. Disponible en 
http://www.redalyc.org/pdf/707/70732641004.pdf [Consultado: 11/03/2016]. 
 
 
REDVET: 2016, Vol. 17 Nº 12 
Este artículo Ref. 121622 (Recibido 29/04/2016 – Revisado 29/05/2016 – Aceptado 03/11/2016 – Publicado 15/12-2016) 
está disponible en http://www.veterinaria.org/revistas/redvet/n121216.tml concretamente en 
http://www.veterinaria.org/revistas/redvet/n121216/121622.pdf 
REDVET® Revista Electrónica de Veterinaria está editada por Veterinaria Organización®. 
Se autoriza la difusión y reenvío siempre que enlace con Veterinaria.org® http://www.veterinaria.org y con 
REDVET®- http://www.veterinaria.org/revistas/redvet