Modelo basado en la toma decisiones con criterios múltiples para la elección de metodologías de Data Science

• Autores: Eckert, Karina Beatriz
• Año de publicación: 2019
• Idioma: español castellano
• Tipo de recurso: tesis de maestría
• Colaborador/a o director/a de tesis: Britos, Paola Verónica
• Materia: Ciencia de datos; Metodologías; Toma de decisiones; Criterios múltiples; Proceso analítico jerárquico; Proceso analítico jerárquico difuso; Teoría de la construcción personal; Data Science; Methodology; Multiple Criteria Decision Making; Analytic Hierarchy Process; Fuzzy Analytic Hierarchy Process; Personal Construction Theory
• Institución: Universidad Nacional de Misiones

Fil: Eckert, Karina Beatriz. Universidad Nacional de Misiones. Facultad de Ciencias Exactas Químicas y Naturales. Maestría en Tecnologías de la Información; Argentina.
La toma de decisiones estratégica dentro de las organizaciones, se encuentra regida por el correcto procesamiento de los datos generados en sus actividades diarias; esto ha llevado a que áreas como la Ciencia de Datos o Data Science estén en su pleno apogeo. Consecuencia de ello, en los últimos años se ha acrecentado significativamente la cantidad profesionales vinculados a dicha área, los cuales, entre otras aptitudes, deben ser capaces de determinar cuál de las metodologías disponibles se adapta mejor a un proyecto en particular. El objetivo de este trabajo final de maestría es establecer un modelo comparativo de metodologías de Data Science, mediante dos métodos pertenecientes a la Toma de Decisiones con Criterios Múltiples, el Proceso Analítico Jerárquico y el Proceso Analítico Jerárquico Difuso; combinados e integrados con la técnica de la Teoría de la Construcción Personal. El modelo consta de una serie pasos que permiten obtener las ponderaciones finales para cada metodología. Para los dos casos de validación estudiados, la metodología MoProPEI fue la seleccionada. Gracias al desarrollo de esta tesis se pudo comprobar la utilidad y validez del modelo propuesto, así como la integración efectiva de los métodos y la técnica mencionados.
Strategic decision making within organizations is mainly governed by the correct processing of data generated in their daily activities; this has led to areas such as Data Science in full swing. As a result, in recent years the number of professionals linked to this area has been increased significantly, which, among other skills, should be determine which of available current methodologies adapts better to a particular project. Final master's degree work objective is to establish a comparative model of Data Science methodologies, using two methods belonging to Multiple Criteria Decision Making, Analytic Hierarchy Process and Fuzzy Analytic Hierarchy Process; combined and integrated with the technique of Personal Construction Theory. The model consists a steps series that allow obtaining the final weights each methodology. For the two validation cases studied, the MoProPEI methodology was selected. Thanks to thesis development, utility and validity of the proposed model could be verified, as well as effective integration of methods and techniques used.