Knowledge management within organizations allows to support a global business strategy and represents a systemic and organized attempt to use knowledge within an organization to improve its performance. The objective of this research is to study and analyze knowledge management through Bayesian networks with machine learning techniques, for which a model is made to identify and quantify the various factors that affect the correct management of knowledge in an organization, allowing you to generate value. As a case study, a technology-based services company in Mexico City is analyzed. The evidence found shows the optimal and non-optimal management of knowledge management, and its various factors, through the causality of the variables, allowing us to more adequately capture the interrelationship to manage it. The results show that the most relevant factors for having adequate knowledge management are information management, relational capital, intellectual capital, quality and risk management, and technology assimilation.

Gestión de la tecnología e innovación: un Modelo de Redes Bayesianas

Digital consumer behavior and medical tourism: A regional analysis in Mexico

ResumenEl objetivo del presente trabajo es plantear la metodología basada en el uso de redes bayesianas (RB) para identificar y cuantificar los factores de riesgo operacional (RO) asociados al proceso de transacciones financieras a través de medios electrónicos en una empresa financiera. El modelo de RB desarrollado se ejemplifica con datos de eventos simulados en un periodo equivalente a 6años a partir de información proporcionada por expertos en este tipo de procesos. Lo anterior representa una de las principales ventajas del uso de RB, pues permite modelar las relaciones causa-efecto entre los diferentes factores de RO. Finalmente se realiza el cálculo del valor en riesgo operacional (OpVaR) para el ejemplo, en el que se incorporan factores de interacción que no son considerados en el modelo tradicional, proporcionando mejores condiciones de credibilidad a este valor.AbstractThe aim of this paper is to outline the methodology based on the use of Bayesian networks (BN) to identify and quantify operational risk (OR) factors associated with processing financial transactions through electronic means in a financial company. BN model developed is exemplified with data from simulated events equivalent to six years period, from information provided by experts in this type of process. This represents one of the main advantages of using BR, they allow modeling the cause-effect relationships between different OR factors. Finally operational value at risk (OpVaR) for the example is calculated, where interacting factors that are not considered in the traditional model are incorporated, providing better conditions of credibility to this value

A lo largo del tiempo, la marca ha tomado un papel significativo en el ámbito empresarial, la percepción de la imagen comercial y el valor agregado. Este estudio está enfocado en explorar los componentes del concepto del valor de marca a partir de un diagnóstico y técnicas de aprendizaje máquina, para desarrollar una serie de modelos asociados a las dimensiones del valor de marca percibido desde un concepto más actual de la popularidad. La metodología de aprendizaje máquina, prioriza la predicción frente a la inferencia. No impone una especificación ni una teoría, a diferencia de la estadística clásica, donde se requiere especificar un modelo; esto representa una forma dinámica alternativa para entender cómo uno de los recursos más importantes de las empresas en el mercado está presente, lo que sin duda repercute en la gestión financiera y de riesgos de la empresa. Los resultados obtenidos mediante tres técnicas diferentes de aprendizaje máquina, muestran que las once variables propuestas en el estudio influyen positivamente con diferente intensidad en la popularidad de la marca.