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