J. David Parra Coba, R. Patricio Medina Chicaiza y Santiago A. Acurio Maldonado
ESTRATEGIA PARA LA RECEPCIÓN DE PEDIDOS APOYADA EN PREDICCIONES DE NEGOCIO CON BUSINESS
INTELLIGENCE
46
3C Empresa (Edición núm. 30) Vol.6 Nº 2
Mayo agosto ‘17, 46 – 58
Área de Innovación y Desarrollo, S.L.
ISSN: 2254 3376
DOI: http://dx.doi.org/10.17993/3cemp.2017.060230.46-58
ESTRATEGIA PARA LA RECEPCIÓN
DE PEDIDOS APOYADA EN
PREDICCIONES DE NEGOCIO CON
BUSINESS INTELLIGENCE
RECEPTION ORDEN STRATEGY SUPPORTED IN BUSINESS
PREDICTIONS WITH BUSINESS INTELLIGENCE
José David Parra Coba
1
Ricardo Patricio Medina Chicaiza
2
Santiago Alejandro Acurio Maldonado
3
1. Ingeniero de sistemas y computación. Magister en gerencia informática. Escuela de
Ingeniería en Sistemas. Pontificia Universidad Católica del Ecuador Sede Ambato,
(Ecuador). E-mail: dave87pc@gmail.com
2. Ingeniero de sistemas y computación. Magister en tecnologías de la información.
Pontificia Universidad Católica del Ecuador, Docente de la Escuela de Ingeniería en
Sistemas. Universidad Técnica de Ambato, Docente de la Facultad de Ciencias
Administrativas, Ambato (Ecuador). E-mail: pmedina@pucesa.edu.ec;
ricardopmedina@uta.edu.ec
3. Ingeniero de sistemas. Magister en docencia y currículo para la educación superior.
Pontificia Universidad Católica del Ecuador, Docente de la Escuela de Ingeniería en
Sistemas, Ambato (Ecuador). E-mail: sacurio@pucesa.edu.ec
Citación sugerida:
Parra Coba, J.D., Medina Chicaiza, R.P. y Acurio Maldonado, S.A. (2017). Estrategia para la recepción
de pedidos apoyada en predicciones de negocio con business intelligence. 3C Empresa, investigación
y pensamiento crítico, 6(2), 46-58. DOI: <http://dx.doi.org/10.17993/3cemp.2017.060230.46-58/>.
Recepción: 08/03/2017
Aceptación: 16/05/2017
Publicación: 24/05/2017
J. David Parra Coba, R. Patricio Medina Chicaiza y Santiago A. Acurio Maldonado
ESTRATEGIA PARA LA RECEPCIÓN DE PEDIDOS APOYADA EN PREDICCIONES DE NEGOCIO CON BUSINESS
INTELLIGENCE
47
3C Empresa (Edición núm. 30) Vol.6 Nº 2
Mayo agosto ‘17, 46 – 58
Área de Innovación y Desarrollo, S.L.
ISSN: 2254 3376
DOI: http://dx.doi.org/10.17993/3cemp.2017.060230.46-58
RESUMEN
La investigación evidencia insuficientes aplicaciones móviles para la recepción de pedidos
apoyadas en predicciones de negocio. El trabajo aplica dos metodologías: Kimball para la
minería de datos y Mobile-D en el desarrollo de la aplicación Android. El resultado obtenido
propone predicciones de negocios para el sistema financiero Slego. Se estudia el grado de
similitud entre los pedidos sugeridos versus los reales, encontrándose valores de similitud
aceptables, además se evidenció la reducción de tiempos en la toma del pedido.
ABSTRACT
The research show insufficient mobile applications for receiving orders supported by
business predictions. The project involves two methodologies: Kimball, for data mining;
and, Mobile-D for Android application's development. The result proposes business
predictions for the Slego financial system. The similarity degree between the suggested
orders versus the actual orders is studied, finding acceptable similarity values, in addition, it
was evidenced the reduction of times in the taking of the order.
PALABRAS CLAVE
Android, Aplicativo móvil, Inteligencia de Negocios, Predicciones de negocios, Ventas.
KEY WORDS
Android, mobile application, Business intelligence, Business predictions, Sales.
J. David Parra Coba, R. Patricio Medina Chicaiza y Santiago A. Acurio Maldonado
ESTRATEGIA PARA LA RECEPCIÓN DE PEDIDOS APOYADA EN PREDICCIONES DE NEGOCIO CON BUSINESS
INTELLIGENCE
48
3C Empresa (Edición núm. 30) Vol.6 Nº 2
Mayo agosto ‘17, 46 – 58
Área de Innovación y Desarrollo, S.L.
ISSN: 2254 3376
DOI: http://dx.doi.org/10.17993/3cemp.2017.060230.46-58
1. INTRODUCCIÓN
En lo que se refiere a inteligencia de negocios, existen varias aplicaciones; es en el
marketing, donde (Matute, 2013) señala que existen innumerables campos donde se lo
pueda implementar para dar soluciones a una problemática de datos existentes. Matute
menciona además que Google es una de las corporaciones mundiales que utiliza la
inteligencia de negocios, para mantener una mejor relación con los clientes conociendo lo
que el cliente necesita o desea. En el portal web de la empresa (Sonda, 2006) , René Marty,
Customer Business Manager de Nestlé Chile expone uno de los de casos de éxito sobre
soluciones móviles para la fuerza de ventas, afirma que existen varios beneficios, uno de
ellos es el tema de velocidad con respecto al aprovechamiento del tiempo, mediante el
aplicativo realizan el pedido y es transferido directo al sistema integrado, lográndose
organizar mejor el proceso, donde anteriormente todo esta actividad se lo hacía
manualmente y no se podía conocer la gestión del vendedor.
Se puede también revisar que existen variedades de aplicaciones para pedidos de comida
rápida tal es el caso de Pizza Hut que según el artículo en (Brandsgym, 2011), menciona que
la aplicación para el iPhone tuvo bastante éxito lo cual motivó a que sus usuarios soliciten
un app para las demás plataformas, aumentando así la participación de sus consumidores
mediante la observación de estilos de vida digitales, realizaron alimentos que estuvieran
fácilmente disponibles para ellos en sus plataformas preferidas. Dentro de la inteligencia de
negocios, el poder predecir lo que el cliente necesita mediante patrones de
comportamiento es una gran ventaja, por cual una de las grandes empresas como Amazon
ha patentado una herramienta que predice pedidos para adelantar envíos como indica el
artículo de (López, 2014), en el cual se señala variables que se toma de los clientes, por
ejemplo las compras que ha realizado, artículos que busca, e incluso el tiempo que pasa en
las páginas de determinados artículos.
El desarrollo de aplicaciones móviles en el Ecuador ha tenido un auge en los últimos años
debido a que el acceso de los smartphone, pasaron de más de 500 mil usuarios en el 2011 a
más de un millón en la actualidad, de acuerdo a la revista (Metroecuador, 2015). Es así que
tanto las empresas públicas y privadas ya cuentan con aplicativos móviles, tal es el caso de
la Cruz Roja con su app SocialBlood con el fin de aumentar las donaciones de sangre; por lo
tanto, se puede afirmar que en la actualidad las empresas y los aplicativos móviles son
aliados en la productividad de las compañías.
J. David Parra Coba, R. Patricio Medina Chicaiza y Santiago A. Acurio Maldonado
ESTRATEGIA PARA
LA RECEPCIÓN DE PEDIDOS APOYADA EN PREDICCIONES DE NEGOCIO CON BUSINESS
INTELLIGENCE
49
3C Empresa (Edición núm. 30) Vol.6 Nº 2
Mayo agosto ‘17, 46 – 58
Área de Innovación y Desarrollo, S.L.
ISSN: 2254 3376
DOI: http://dx.doi.org/10.17993/3cemp.2017.060230.46-58
2. FUNDAMENTOS TEÓRICOS
2.1. INTELIGENCIA DE NEGOCIOS
En las investigaciones de (Calzada, 2009); (Zarate Gallardo, 2013); (Duro Novoa & Pérez
Cuevas, 2016) se aprecia que en el mundo de los negocios existe una demora en cuanto se
refiere a la toma de decisiones y planificaciones, las mismas se encuentran orientadas y
proyectadas a base de opiniones e intuición de jefes , personas que se encuentran en altos
mandos o en un orden jerárquico superior; es por esto que uno de los ámbitos donde la
utilización de la inteligencia de negocios es la indicada, que representa una herramienta
clave que apoya en una toma de decisiones oportuna. Debido a que cada día la
competencia dentro del mercado comercial es un factor externo que influye directamente
en el entorno económico de las organizaciones, donde se deben tomar medidas para lograr
estar siempre un paso adelante.
Se establecen varias definiciones de inteligencia de negocios de diferentes autores como
(Vitt E., 2003); (Gartner, 2012); (Sinnexus, 2012), a partir del análisis de las mismas, se
puede señalar que es un proceso de transformación de los datos mediante herramientas y
tecnología para generar información y conocimiento, tomar decisiones en los negocios y
obtener una ventaja competitiva. La inteligencia de negocios ha logrado obtener éxito
dentro de las organizaciones pues permite contar con una ventaja sobre sus competitiva
debido a la unión de personas y tecnología para la solución de problemas (Sánchez
Montoya, 2003).
2.2. PREDICCIÓN DE NEGOCIO
A partir del análisis de las definiciones aportadas por varios autores (Aisemberg, 2013);
(Alcorrienteconge, 2015); (Leo-Revilla, 2016) se puede mencionar que es un área de
minería de datos que se ocupa de extracción de información, la misma es utilizada para
predecir tendencias, patrones de comportamiento, es por ello que en el mundo de los
negocios estos modelos predictivos sirven para poder identificar riesgos u oportunidades,
siendo una ventaja competitiva poder anticiparse al mercado y conocer más a los propios
clientes. En definitiva hoy en día el análisis predictivo es una vía efectiva que tiene
beneficios como la reducción de costes, incrementar el conocimiento que se tiene sobre el
propio negocio, además consolidarse manteniendo la integridad del negocio y va más allá
para ganar en eficiencia y calidad.
2.3. APLICACIÓN MÓVIL
Llamadas también app, de acuerdo al trabajo de (Lancetalent, 2014), hoy en día muchas de
las empresas ven como una oportunidad el unirse al mundo de las aplicaciones móviles
para que respuesta a sus necesidades, no obstante, existen diversos tipos de
aplicaciones y desconocen cuál es la mejor para ellos. En la actualidad se puede encontrar
aplicaciones con diferentes funciones de todo tipo, pero cuando apareció el teléfono móvil
J. David Parra Coba, R. Patricio Medina Chicaiza y Santiago A. Acurio Maldonado
ESTRATEGIA PARA LA RECEPCIÓN DE PEDIDOS APOYADA EN PREDICCIONES DE NEGOCIO CON BUSINESS
INTELLIGENCE
50
3C Empresa (Edición núm. 30) Vol.6 Nº 2
Mayo agosto ‘17, 46 – 58
Área de Innovación y Desarrollo, S.L.
ISSN: 2254 3376
DOI: http://dx.doi.org/10.17993/3cemp.2017.060230.46-58
se enfocaron más en la productividad personal como por ejemplo calendarios, alarmas,
correo y calculadoras. Las apps en los dispositivos móviles, de acuerdo al análisis de los
autores (Vittone, 2013); (Mercado, 2014); (Alegsa, 2014), es software que permite facilitar
al usuario en una tarea específica por lo que se puede hacer una comparación con un
programa para un computador de escritorio. Uno de los sistemas operativos existentes es
Android, para los autores (Gonzalez, 2011); (Luján, 2014), es un sistema móvil de código
abierto el cual está basado en Linux por ello es gratuito, además, contiene módulos nativos
que responden a la pantalla táctil. El lenguaje de programación para aplicaciones Android
es Java.
3. RESULTADOS
En el desarrollo de este trabajo, se utilizó la metodología Kimball y Mobile-D, donde se
cumplió con las actividades propuestas en cada fase, las cuales se detalla a continuación:
3.1. METODOLOGÍA KIMBALL
Según el autor (Rivadera, 2014) esta metodología se enfoca principalmente en la creación
de los hechos, que son las tablas que contienen la información a analizar. Kimball se la
utiliza para la creación de una datamart (permitirá generar información del histórico de
pedidos de los clientes), se desarrolló las siguientes fases:
3.1.1. Planificación del proyecto
En esta fase se pudo verificar mediante observación directa la información necesaria para
poder obtener las reglas de negocio. En la definición de estas reglas se estableció:
Se creó una tabla desnormalizada (elimina todo proceso de la normalización con el
fin de reducir costos y tiempo necesario en cuanto a bases de datos), dentro de la misma
base de datos del ERP (planificación de recursos empresariales) Slego propio de la empresa;
la misma que fue poblada mediante un procedimiento con los datos requeridos como: mes,
año, código del vendedor, clase del cliente, categoría del cliente, id del cliente, nombre del
cliente, bodega del artículo, grupo del artículo, línea de competencia del artículo,
descripción del artículo, recurrencia y cantidad.
Los artículos sugeridos se generan de acuerdo a la mayor recurrencia y monto de
compra del cliente en un periodo de tiempo que el vendedor elija.
La recurrencia de compra se define cuando por lo menos el cliente ha comprado
más de una vez dentro del periodo de tiempo establecido por el vendedor.
Para el periodo de tiempo el vendedor solo puede elegir mes y año dentro de un
periodo fiscal.
El listado máximo de artículos sugerido será de 19 debido a que al momento de
extraer el pedido en el área de facturación el sistema financiero permite hasta 19 ítems.
J. David Parra Coba, R. Patricio Medina Chicaiza y Santiago A. Acurio Maldonado
ESTRATEGIA PARA LA RECEPCIÓN DE PEDIDOS APOYADA EN P
REDICCIONES DE NEGOCIO CON BUSINESS
INTELLIGENCE
51
3C Empresa (Edición núm. 30) Vol.6 Nº 2
Mayo agosto ‘17, 46 – 58
Área de Innovación y Desarrollo, S.L.
ISSN: 2254 3376
DOI: http://dx.doi.org/10.17993/3cemp.2017.060230.46-58
3.1.2. Análisis fuente de datos
La empresa Megakons S.A. donde se inicia el proyecto, se dedica a la distribución de
materiales de construcción, está radicada en la ciudad de Ambato-Ecuador, la misma que a
finales del año 2009 adquirió a la empresa el sistema Slego para gestionar la información de
los departamentos comerciales, brinda atención al cliente, y agilita los procesos de la
empresa; el sistema implementado trabaja con una base de datos Oracle 11g y servidor de
aplicaciones Weblogic 11g. El sistema tiene varios módulos, para el desarrollo del
datamart(datos) de pedidos sugeridos el eje principal será el módulo de ventas, puesto que
mantiene la información necesaria para la realización del mismo.
3.1.3. Diseño y desarrollo
Previo al diseño del datamart se consideró lo siguiente:
Creación de la tabla desnormalizada FACT_PEDSUG dentro de la base de datos del
sistema Slego ERP.
Para el proceso de creación del datamart, se realizó una consulta plsql a la base de
datos de Slego ERP, para obtener la información de las tablas.
La consulta ejecutada se inserta en un procedimiento, la misma que se ejecuta
diariamente para poblar la tabla FACT_PEDSUG, de este modo mantener actualizada la
información del modelo.
Como la información debe mostrarse en una interfaz del aplicativo móvil la consulta a la
tabla FACT_PEDSUG, se toma los requerimientos iniciales y se la realizo en un archivo PHP
tomando en cuenta los requerimientos iniciales (imagen 1).
Figura 1. Tabla Fact_Pedsug.
Fuente: resultado a partir de la herramienta PL/SQL.
J. David Parra Coba, R. Patricio Medina Chicaiza y Santiago A. Acurio Maldonado
ESTRATEGIA PARA LA RECEPCIÓN DE PEDIDOS APOYADA EN PREDICCIONES DE NEGOCIO CON BUSINESS
INTELLIGENCE
52
3C Empresa (Edición núm. 30) Vol.6 Nº 2
Mayo agosto ‘17, 46 – 58
Área de Innovación y Desarrollo, S.L.
ISSN: 2254 3376
DOI: http://dx.doi.org/10.17993/3cemp.2017.060230.46-58
3.2. METODOLOGIA MOBILE-D
De acuerdo con los autores (Rodriguez, 2011); (Vique, 2012); (Paco Blanco, 2009); (Amaya
Balaguera, 2013) esta metodología fue creada en un proyecto finlandés en 2004, la misma
que está basada en otras metodologías como extreme programming, crystal methodologies
y rational unified process; con la finalidad de conseguir ciclos de desarrollo rápidos en
equipos pequeños. Consta de 5 fases: exploración, inicialización, desarrollo, estabilización y
pruebas. A continuación el detalle.
3.2.1. Fase de exploración: existen dos partes interesadas en este proyecto
El supervisor de ventas de Megakons S.A., al ser quien se encarga de controlar a los
vendedores de la empresa facilita los requerimientos de la aplicación que se detallan más
adelante, de acuerdo a las necesidades de todos los vendedores.
Los vendedores; por cuanto la aplicación va dirigida para ellos sirve para que
puedan realizar de manera ágil su trabajo con respecto a la venta mediante la toma de
pedidos sugeridos.
Requerimientos iniciales:
Ingreso por usuario y contraseña.
Listado de clientes del vendedor que ingresa al aplicativo.
Realizar un pedido nuevo o sugerido del cliente que selecciona.
Generar el pedido sugerido con los ítems de acuerdo al análisis de datos
mencionados anteriormente.
Agregar artículos mediante búsqueda de descripción del artículo.
Ingresar, actualizar y eliminar un artículo del listado en el pedido.
Guardar el pedido.
Enviar un correo al vendedor y al cliente con el detalle del pedido realizado
En base a los requerimientos iniciales se ha podido identificar las siguientes pantallas
listadas a continuación:
Ingresos de usuarios.
Listado de clientes.
Nuevo pedido (ingreso, actualización, eliminación de productos).
Pedido sugerido (ingreso, actualización, eliminación de productos).
Finalización de pedido.
De acuerdo a la entrevista realizada al supervisor de ventas y por medio de observación
directa una vez realizado el análisis de requerimientos iniciales se puede definir el alcance
de la aplicación, se cuenta con las siguientes características que puede realizar el producto:
J. David Parra Coba, R. Patricio Medina Chicaiza y Santiago A. Acurio Maldonado
ESTRATEGIA PARA LA RECEPCIÓN DE PEDIDOS APOYADA EN PREDICCIONES DE NEGOCIO CON BUSINESS
INTELLIGENCE
53
3C Empresa (Edición núm. 30) Vol.6 Nº 2
Mayo agosto ‘17, 46 – 58
Área de Innovación y Desarrollo, S.L.
ISSN: 2254 3376
DOI: http://dx.doi.org/10.17993/3cemp.2017.060230.46-58
Funcionará en dispositivos móviles con sistema operativo Android debido que la
empresa cuenta con los mismos.
La aplicación trabajará en línea con la base de datos Oracle del sistema Slego; por
cuanto el aplicativo no contará con una base de datos propia; por lo que se necesita
que el dispositivo móvil cuente con conexión a internet para conectarse mediante
web service a la base de datos.
El ingreso a la aplicación es controlado por medio de usuarios con su respectiva
contraseña.
Una vez que se verifica los datos del usuario se carga el listado de clientes del
usuario/vendedor para que pueda realizar un nuevo pedido o generar el pedido
sugerido.
La aplicación solo podrá ser instalada mediante un archivo ejecutable que será
descargado en la memoria del dispositivo móvil.
Por otro parte existen restricciones del aplicativo móvil que son los siguientes:
No existe control de inventarios debido a que el pedido no genera una descarga al
inventario del sistema, se lo hace cuando se factura el mismo; pero se pueden
revisar los inventarios en línea como referencia para la toma de pedido.
No se puede actualizar información del cliente, esto se encarga el área de crédito y
cobranza.
Tampoco se puede actualizar información de la ficha de los artículos como por
ejemplo la descripción o el precio, debido a que le compete al área de compras y
bodega, se lo realiza directamente en el sistema Slego.
3.2.2. Fase de inicialización
Se cumplió con las siguientes tareas:
a) Preparación del Ambiente: Se refiere a tener listas las herramientas de trabajo para
el desarrollo, se instaló en este proyecto lo siguiente:
Motor de Base de Datos Oracle 11g. R2
Android Studio 2.1
(http://developer.android.com/sdk/index.html#downloads)
Java jdk 7 Update 79 (www.java.com)
Apache 2.2, PHP 5.4 Oci8)
b) Entrenamiento: Es necesario que el personal conozca en un nivel intermedio las
herramientas que se van a utilizar para el desarrollo del aplicativo por lo que para
este proyecto han servido video tutoriales en línea los cuales ayudaron a conocer
mejor dichas herramientas en especial Android Studio que es un software que su
versión estable salió en el año 2015.
J. David Parra Coba, R. Patricio Medina Chicaiza y Santiago A. Acurio Maldonado
ESTRATEGIA PARA LA RECEPCIÓN DE PEDIDOS APOYADA EN PREDICCIONES DE NEGOCIO CON BUSINESS
INTELLIGENCE
54
3C Empresa (Edición núm. 30) Vol.6 Nº 2
Mayo agosto ‘17, 46 – 58
Área de Innovación y Desarrollo, S.L.
ISSN: 2254 3376
DOI: http://dx.doi.org/10.17993/3cemp.2017.060230.46-58
c) Establecer la comunicación con el cliente: En este caso la comunicación es
directamente con el supervisor de ventas con quien se lleva una entrevista por cada
iteración de entrega del aplicativo, con el objetivo de revisar errores y mejorar, así
se podrá cumplir con los requerimientos del cliente.
3.2.3. Fase de desarrollo
En esta fase se repite la programación de tres días (planificación, trabajo, liberación)
mediante la aplicación de ciclos de desarrollo iterativos. Se desarrolló el app con todos los
requerimientos iniciales, cumpliéndose con las fases y se llegó al día de la entrega donde se
verifica la construcción del aplicativo móvil, la misma que le permite al vendedor receptar
el pedido (imagen 2) del cliente, ya sea desde cero o en base a un lista de artículos sugerida
por el software, de acuerdo al análisis histórico de compras; se termina el proceso con él
envió de los correos electrónicos a las partes interesadas (imagen 3) y la inserción del
pedido en el sistema financiero de la empresa(imagen 4).
Figura 2. Pantalla final de nuevo pedido.
Fuente: elaboración propia.
Figura 3. Correo electrónico de pedido.
Fuente: elaboración propia.
J. David Parra Coba, R. Patricio Medina Chicaiza y Santiago A. Acurio Maldonado
ESTR
ATEGIA PARA LA RECEPCIÓN DE PEDIDOS APOYADA EN PREDICCIONES DE NEGOCIO CON BUSINESS
INTELLIGENCE
55
3C Empresa (Edición núm. 30) Vol.6 Nº 2
Mayo agosto ‘17, 46 – 58
Área de Innovación y Desarrollo, S.L.
ISSN: 2254 3376
DOI: http://dx.doi.org/10.17993/3cemp.2017.060230.46-58
Figura 4. Nota de pedido Slego ERP.
Fuente: resultado a partir del sistema Slego ERP.
3.2.4. Fase de estabilización
De acuerdo a la lista de resumen de deficiencias en la primera versión del aplicativo
realizado, en esta fase cuenta con los mismos pasos a seguir que la de desarrollo como lo
son día de planificación, día de desarrollo y día de entrega; por lo que es necesario realizar
el taller post iteración. En el mismo se pudo identificar que no existe el logo de la empresa
en el aplicativo; además para un mayor control al momento de tomar el pedido es
necesario que el vendedor conozca el cupo de crédito disponible del cliente (imagen 5), por
ultimo las pantallas se encuentran sin encabezados y falta reubicar algunos campos que
permitan interactuar mejor con el usuario.
Figura 5. Pantalla final de cuadro de mensaje clientes.
Fuente: elaboración propia.
3.2.5. Fase de pruebas y correcciones del sistema
Al no encontrar nuevas correcciones en la fase de estabilización se procede a entregar la
aplicación que se encuentra terminada con cero errores, cumpliéndose los objetivos
planteados en el proyecto. Mediante una entrevista con el supervisor de ventas, supo
manifestar la gran ayuda de este aplicativo para la realización ágil de sus tareas en especial
en la toma de pedido del cliente; además, de la información útil del pedido sugerido que se
brinda al cliente al momento de generar la misma como se puede ver en el cuadro 1 donde
se realizó un comparativo del pedido sugerido versus el pedido real, el cual dio un resultado
J. David Parra Coba, R. Patricio Medina Chicaiza y Santiago A. Acurio Maldonado
ESTRATEGIA PARA LA RECEPCIÓN DE PEDIDOS APOYADA EN PREDI
CCIONES DE NEGOCIO CON BUSINESS
INTELLIGENCE
56
3C Empresa (Edición núm. 30) Vol.6 Nº 2
Mayo agosto ‘17, 46 – 58
Área de Innovación y Desarrollo, S.L.
ISSN: 2254 3376
DOI: http://dx.doi.org/10.17993/3cemp.2017.060230.46-58
de un 42.08% de similitud en un pedido de ventas, lo que se evidencia un porcentaje
confiable de aceptabilidad por parte del cliente.
Tabla 1. Comparativo pedido sugerido vs pedidos real cliente.
Fuente: elaboración propia En el desarrollo de este trabajo, se utilizó la metodología.
4. CONCLUSIONES
En base al estudio de la fundamentación teórica se pudo verificar la aplicación de la
predicción de negocios como un beneficio para el vendedor, debido a que el app brinda
información sugerida de pedido en base a datos históricos de compras del cliente.
Se verifica que el aplicativo móvil permite al vendedor tomar decisiones al momento de
realizar el pedido en base a las predicciones de negocios en el área de ventas.
La aplicación desarrollada cumple con los requisitos recolectados por parte del supervisor
de ventas y de los vendedores, con el cual se obtiene buenos resultados en tiempos de la
realización de toma de pedido como también la aceptación del pedido sugerido por parte
del cliente.
J. David Parra Coba, R. Patricio Medina Chicaiza y Santiago A. Acurio Maldonado
ESTRATEGIA PARA LA RECEPCIÓN DE PEDIDOS APOYADA EN PREDICCIONES DE NEGOCIO CON BUSINESS
INTELLIGENCE
57
3C Empresa (Edición núm. 30) Vol.6 Nº 2
Mayo agosto ‘17, 46 – 58
Área de Innovación y Desarrollo, S.L.
ISSN: 2254 3376
DOI: http://dx.doi.org/10.17993/3cemp.2017.060230.46-58
5. REFERENCIAS BIBLIOGRÁFICAS
Aisemberg, L. (2013). http://www.evaluandosoftware.com/. Recuperado de:
<http://www.evaluandosoftware.com/que-es-el-analisis-predictivo-2/>.
Alcorrienteconge. (2015). www.alcorrienteconge.com. Recuperado de:
<http://www.alcorrienteconge.com/big-data-analisis-predictivo/>.
Alegsa, L. (2014). www.alegsa.com.ar. Recuperado de:
<http://www.alegsa.com.ar/Dic/aplicacion%20movil.php/>.
Amaya Balaguera, Y. D. (2013). Metodologias agiles. Recuperado de:
www.uelbosque.edu.co/sites/default/files/publicaciones/revistas/revista_tecnologia
/volumen12_numero2/12Articulo_Rev-Tec-Num-2.pdf/>.
Brandsgym. (2011). Brandsgym. Recuperado de: <http://www.brandsgym.com/noticias/3-
branding/529-ahora-ordena-tu-pizza-hut-desde-tu-movil/>.
Calzada, L. y. (2009). El impacto de las herramientas de inteligencia de negocios en la toma
de decisiones de los ejecutivos. Recuperado de: <www.spentamexico.org/v4-
n2/4(2)%2016-52.pdf/>.
Duro Novoa, V., & Pérez Cuevas, C. (2016). Inteligencia de Negocios y Sistema de Soporte a
las Decisiones de la Gestión Económica en La Universidad De La Habana. 3C TIC, 17.
Gartner. (2012). www.gartner.com. Recuperado de: <http://www.gartner.com/it-
glossary/>.
Gonzalez, A.N. (2011). Recuperado de: <http://www.xatakandroid.com/sistema-
operativo/que-es-android/>.
Lancetalent. (2014). www.lancetalent.com. Recuperado de:
<https://www.lancetalent.com/blog/tipos-de-aplicaciones-moviles-ventajas-
inconvenientes/>.
Leo-Revilla, Á. (2016). http://momentotic.com. Recuperado de:
<http://momentotic.com/2016/02/10/que-es-el-analisis-predictivo/>.
López, D. (2014). Gadgetos. Recuperado de: <http://www.gadgetos.com/noticias/amazon-
patenta-sistema-predice-pedidos-adelantar-envios/>.
Luján, J.D. (2014). Recuperado de: <http://www.desarrolloweb.com/articulos/introduccion-
android.html/>.
Matute, G. (2013). Universidad ESAN. Recuperado de:
<http://www.esan.edu.pe/conexion/actualidad/2013/04/12/inteligencia-negocios-
empresa/>.
Mercado, I. (2014). Recuperado de: <http://communitymanagerslatam.com/que-es-una-
aplicacion-movil-y-para-que-sirve/>.
Metroecuador. (2015). Recuperado de: <http://www.metroecuador.com.ec/temporal/las-
apps-se-vuelven-aliadas-de-empresas/AzUobr---82bQdX4qNV3I/>.
Paco Blanco, J.C. (2009). Metodología de desarrollo ágil para sistemas móviles. Recuperado
de: <www.adamwesterski.com/wp-
content/files/docsCursos/Agile_doc_TemasAnv.pdf/>.
Rivadera, G. (2014). La metodología de Kimball para el diseño de almacenes de datos (Data
warehouses). Universidad Catolica de Salta, 56-71.
J. David Parra Coba, R. Patricio Medina Chicaiza y Santiago A. Acurio Maldonado
ESTRATEGIA PARA LA RECEPCIÓN DE PEDIDOS APOYADA EN PREDICC
IONES DE NEGOCIO CON BUSINESS
INTELLIGENCE
58
3C Empresa (Edición núm. 30) Vol.6 Nº 2
Mayo agosto ‘17, 46 – 58
Área de Innovación y Desarrollo, S.L.
ISSN: 2254 3376
DOI: http://dx.doi.org/10.17993/3cemp.2017.060230.46-58
Rodriguez, T. (2011). Recuperado de: <http://www.genbetadev.com/desarrollo-
aplicaciones-moviles/metodos-aplicables-para-el-desarrollo-de-aplicaciones-
moviles/>.
Sánchez Montoya, R. (2003). Inteligencia de Negocios o Business Intelligence BI.
Recuperado de: <http://www.gestiopolis.com/inteligencia-de-negocios-o-business-
intelligence-bi//>.
Sinnexus. (2012). www.sinnexus.com. Recuperado de:
<http://www.sinnexus.com/business_intelligence/>.
Sonda. (2006). Sonda. Obtenido de http://www.sonda.com/caso/1/
Vique, R.R. (2012). Métodos para el desarrollo de aplicaciones móviles. Recuperado de:
<https://www.exabyteinformatica.com/uoc/Informatica/Tecnologia_y_desarrollo_en
_dispositivos_moviles/Tecnologia_y_desarrollo_en_dispositivos_moviles_(Modulo_4
).pdf/>.
Vitt E., L.M. (2003). Business intelligence: técnicas de análisis para la toma de decisiones
estratégicas. McGraw-Hill.
Vittone, J. C. (2013). Aprende a diseñar apps nativas. Recuperado de:
<http://appdesignbook.com/es/contenidos/las-aplicaciones/>.
Zarate Gallardo, E. d. (7 de Noviembre de 2013). Inteligencia de Negocios. Recuperado de:
<http://www.gestiopolis.com/inteligencia-de-negocios/ >.