• Mi UCrea
    Ver ítem 
    •   UCrea
    • UCrea Investigación
    • Departamento de Matemática Aplicada y Ciencias de la Computación
    • D20 Congresos
    • Ver ítem
    •   UCrea
    • UCrea Investigación
    • Departamento de Matemática Aplicada y Ciencias de la Computación
    • D20 Congresos
    • Ver ítem
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Measuring technological maturity levels with data mining

    Ver/Abrir
    MeasuringTechnologic ... (550.7Kb)
    Identificadores
    URI: http://hdl.handle.net/10902/10257
    ISSN: 2448-1041
    Compartir
    RefworksMendeleyBibtexBase
    Estadísticas
    Ver Estadísticas
    Google Scholar
    Registro completo
    Mostrar el registro completo DC
    Autoría
    Campos, Rafael Herden; Rocha Blanco, Eliana RocíoAutoridad Unican; Cobo Ortega, ÁngelAutoridad Unican; Vanti, Adolfo Alberto
    Fecha
    2014
    Derechos
    © CONTECSI
    Publicado en
    11º CONTECSI: International Conference on Information Systems and Technology Management, São Paulo, Brazil, 2014, 2362-2380
    Editorial
    Universidade de São Paulo, Faculdade de Economia, Administração e Contabilidade
    Palabras clave
    Cobit
    Data Mining
    Weka
    EM Clustering
    Resumen/Abstract
    ABSTRACT: This paper analyzes maturity levels in sectorial technological processes using Data Mining (DM). As a methodological tool for data collection it was used COBIT 4.1 model with its 34 processes in 4 different domains. This model was used in the analysis of a sample of Brazilian companies located in southern Brazil. Clustering techniques, feature selection strategies and association rules were used. In particular, a good performance was obtained using the EM clustering algorithm and the Apriori association rule generator, both implemented in Weka software. The data mining approach provides an improvement in the risk analysis, security and governance in the companies.
     
    RESUMO: Este trabalho avalia diferentes níveis maturidade em processos tecnológicos setoriais usando técnica de Data Mining (DM). Como instrumento metodológico para a coleta de dados utilizou-se o modelo Cobit 4.1 a partir da análise de 34 processos em 4 diferentes domínios junto à empresas brasileiras situadas no sul do Brasil. Como análise de dados foram utilizadas técnicas de clustering, seleção de atributos e regras de associação. Os resultados encontrados correspondem a uma melhor performance dos algoritmos EM e Apriori o que proporciona uma melhoria na análise de riscos da empresa, de segurança e de governança entre outros aspectos.
    Colecciones a las que pertenece
    • D20 Congresos [56]
    • D25 Congresos [22]

    UNIVERSIDAD DE CANTABRIA

    Repositorio realizado por la Biblioteca Universitaria utilizando DSpace software
    Contacto | Sugerencias
    Metadatos sujetos a:licencia de Creative Commons Reconocimiento 4.0 España
     

     

    Listar

    Todo UCreaComunidades y coleccionesFecha de publicaciónAutoresTítulosTemasEsta colecciónFecha de publicaciónAutoresTítulosTemas

    Mi cuenta

    AccederRegistrar

    Estadísticas

    Ver Estadísticas
    Sobre UCrea
    Qué es UcreaGuía de autoarchivoArchivar tesisAcceso abiertoGuía de derechos de autorPolítica institucional
    Piensa en abierto
    Piensa en abierto
    Compartir

    UNIVERSIDAD DE CANTABRIA

    Repositorio realizado por la Biblioteca Universitaria utilizando DSpace software
    Contacto | Sugerencias
    Metadatos sujetos a:licencia de Creative Commons Reconocimiento 4.0 España