Implementación de un sistema de detección de señales débiles de futuro mediante técnicas de minería de textos

• Griol-Barres, Israel ^[1] ; Milla, Sergio ^[1] ; Millet, José ^[1]
  1. [1] Universidad Politécnica de Valencia

     Universidad Politécnica de Valencia

     Valencia, España

     
• Localización: Revista española de documentación científica, ISSN-e 1988-4621, ISSN 0210-0614, Vol. 42, Nº. 2 (abril-junio), 2019
• Idioma: español
• DOI: 10.3989/redc.2019.2.1599
• Títulos paralelos:
  • System implementation for detection of future weak signals using text mining
• Enlaces
  • Texto completo
• Resumen
  • español

    Actualmente, una de las mayores amenazas para las empresas es no ser capaces de hacer frente a los cambios constantes que se dan en el mercado, por no predecirlos con la suficiente antelación. Por ello, el desarrollo de nuevos procesos que faciliten la detección de fenómenos y cambios futuros significativos es una componente clave para una correcta toma de decisiones que marque un rumbo correcto para la empresa. Por esta razón, se propone un sistema basado en una arquitectura de inteligencia de negocio que permite detectar cambios discretos o señales débiles (weak signals) en el presente, pero que son indicativos de fenómenos más significativos y cambios trascendentales en el futuro. Frente a los trabajos actuales que se centran en fuentes de información estructuradas, o como mucho, con un único tipo de fuente de datos, en este trabajo la detección de estas señales se realiza de forma cuantitativa a partir de documentos heterogéneos y no estructurados de diversa índole (artículos científicos, periodísticos y redes sociales) sobre los que se aplican técnicas de minería de textos. El sistema ha sido testeado para estudiar el futuro del sector de los paneles solares, habiéndose obtenido resultados prometedores para ayudar a expertos en el reconocimiento de nuevos factores de peso en sus mercados y en el desarrollo de nuevas oportunidades.

  • English

    Nowadays, one of the biggest threats for companies is not being able to cope with the constant changes occurring in the market by not predicting them well in advance. For this reason, the development of new processes that facilitate the detection of future phenomena and significant changes is a key component for correct decision making that can mark a correct course in the company. A business intelligence based architecture system is proposed to allow discrete changes or weak signals detection in the present that are indicative of more significant phenomena and transcendental changes in the future. In contrast with current available works, which are focused on structured information sources or, at most, with only a single type of data source, in this paper the detection of these signals is done quantitatively from various kinds of heterogeneous and unstructured documents (scientific articles, journalistic articles and social networks) on which text mining techniques are applied. The system has been tested in the study of the future of solar panels sector, obtaining promising results that can help business experts in the recognition of new driving factors of their markets and the development of new opportunities.

• Referencias bibliográficas
  • Ansoff, H.I. (1975). Managing Strategic Surprise by Response to Weak Signals. California Management Review, 18 (2), 21-33.
  • Ansoff, ?. I.; McDonnell, E. J. (1990). Implanting strategic management. Cambridge: Prentice Hall.
  • Beautiful Soup (2018). Beautiful Soup Documentation. Disponible en: https://www.crummy.com/software/BeautifulSoup/bs4/doc/ [Fecha de consulta:...
  • Cembrero, I. (2011). El gigantesco proyecto solar del Sáhara abastecerá a España en 2015. El País. Disponible en: http://elpais.com/diario/2011/11/09/sociedad/1320793203_850215.html...
  • Conesa-Caralt, J; Curto-Diaz, J. (2010). Introducción al Business Intelligence. Barcelona: Editorial UOC.
  • Connolly, T.; Begg, C. (2005). Database Systems: A Practical Approach to Design, Implementation, and Management (4th ed.). London: Addison-Wesley.
  • Cooke, R. (2015). África podría convertirse en la nueva esperanza para la producción de energía solar. Vice News. Disponible en: https://news-old-origin....
  • Cooper, A.; Voigt, C.; Unterfrauner, E.; Kravcik, M.; Pawlowski, J.; Pirkkalainen, H. (2011). TELMAP. Report on Weak Signals Collection. Bolton:...
  • Dator, J. (2005). Universities without quality and quality without universities. On the Horizon, 13 (4), 199-215.
  • Dedi?, N.; Stanier C. (2017). Measuring the Success of Changes to Existing Business Intelligence Solutions to Improve Business Intelligence...
  • Eisenhardt K.M.; Brown S.L. (1999). Patching: restitching business portfolios in dynamic markets. Harvard Business Review, 77 (3), 72–82.
  • Elcacho, J. (2014). Megaproyecto para llevar energía solar desde el Sáhara hasta Europa. La Vanguardia. Disponible en: http://www.lavanguardia.com/natural/20141022/54417391167/megaproyecto-tunur-energia-solar-electricidad-sahara-europa.html...
  • Elmasri, R.; Navathe, S.B. (2011). Fundamentals of Database Systems (6th ed.). Atlanta: Addison-Wesley.
  • Finger, L.; Dutta, S. (2014). Ask, Measure, Learn: Using Social Media Analytics to Understand and Influence Customer Behavior. Sebastopol:...
  • Fischler, M. A.; Firschein, O. (1987). Intelligence: The Eye, The Brain and The Computer. Menlo Park: Addison-Wesley.
  • Giovinazzo, W. (2000). Object-Oriented Data Warehouse Design: Building a Star Schema. Santa Ana: Prentice- Hall.
  • Godet, M. (1994). From Anticipation to Action, A Handbook of Strategic Prospective. Paris: UNESCO Publishing.
  • Griol, D.; Patricio, M.A.; Molina, J.M. (2016). CALIMACO: desarrollo de un servicio de bibliotecario virtual para la interacción multimodal...
  • Han, J.; Kamber M; Pei, J. (2001). Data Mining: Concepts and Techniques. Waltham: Morgan Kaufmann Publishers.
  • Helsingin Sanomat. (2010). Hennes & Mauritz comenzará a comercializar ropa usada bajo la etiqueta de Vintage. Helsingin Sanomat.
  • Hernández, J.; Ramírez, M.J.; Ferri, C. (2004). Introducción a la minería de datos. Valencia: Pearson.
  • Hiltunen, E. (2008). The future sign and its three dimensions. Futures, 40 (3), 247–260.
  • Ilmola, L.; Kuusi, O. (2006). Filters of weak signals hinder foresight: Monitoring weak signals efficiently in corporate decision-making....
  • Inmon, W.H. (2005). Building the Data Warehouse (4th ed.). Indianapolis: John Wiley.
  • Jung, K. (2010). A study of foresight method based on text mining and complexity network analysis. Seoul: KISTEP.
  • Khan, R.A. (2012). KDD for Business Intelligence. Journal of Knowledge Management Practice, 13 (2).
  • Kimball, R.; Ross, M. (2002). The Data Warehouse Toolkit: the complete guide to dimensional modelling. Indianapolis: John Wiley.
  • Koivisto, R.; Kulmala, I.; Gotcheva, N. (2016). Weak signals and damage scenarios. Systematics to identify weak signals and their sources...
  • Kuusi, O.; Hiltunen, E. (2007). The Signification Process of the Future Sign. Turku: Finland Futures Research Centre ebook 4/2007.
  • Mannermaa M. (1999). Tulevaisuuden hallinta skenaariot strategiatyoskentelyssa. (Managing the future, Scenarios in strategy work). Provoo:...
  • MohamadiBaghmolaei, R.; Mozafari, N.; Hamzeh, A. (2017). Continuous states latency aware influence maximization in social networks. AI Communications,...
  • Molitor, G.T. (2003). Molitor Forecasting Model: Key Dimensions for Plotting the Patterns of Change. Journal of Future Studies, 8 (1), 61-72.
  • MongoDB (2018). Documentación de MongoDB. Disponible en: https://www.mongodb.com/es [Fecha de consulta: 1/09/2018].
  • Natural Language Toolkit (2018). NLTK 3.3 Documentation. Disponible en: https://www.nltk.org/ [Fecha de consulta: 1/09/2018].
  • New York Times (2018). New York Times. Disponible en: http://www.nytimes.com [Fecha de consulta: 1/09/2018].
  • Nikander, I.O. (2002). Early Warnings, A Phenomenon in Project Management, Dissertation for the degree of Doctor of Science in Technology....
  • Peirce, C.S. (1868). Some Consequences of Four Incapacities. Journal of Speculative Philosophy, 2 (3), 140- 157. https://www.jstor.org/stable/i25665647
  • Salton, G.; Buckley, C. (1988). Term-weighting approaches in automatic text retrieval. Information Processing & Management, 24(5), 513–523.
  • ScienceDirect (2018). Science Direct. Disponible en: http://www.sciencedirect.com/ [Fecha de consulta: 1/09/2018].
  • Siegel, E. (2013). Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die. New Jersey: John Wiley.
  • Twitter (2018a). Twitter. Disponible en: http://www. twitter.com [Fecha de consulta: 1/09/2018].
  • Twitter (2018b). Twitter API Documentation. Disponible en: https://dev.twitter.com/rest/public [Fecha de consulta: 1/09/2018].
  • UNESCO World Heritage Centre (2008). List of factors affecting the properties. Disponible en: http:// whc.unesco.org/en/factors/ [Fecha de...
  • Witten, I.H.; Frank E. (2005). Data Mining: Practical Machine Learning Tools and Techniques (2nd ed.). San Francisco: The Morgan Kaufmann...
  • Yoo, S.H.; Park, H.W.; Kim, K.H. (2009). A study on exploring weak signals of technology innovation using informetrics. Journal of Technology...
  • Yoon, J. (2012). Detecting weak signals for long-term business opportunities using text mining of Web news. Expert Systems with Applications,...