INTRODUCCIÓN

El papel de los macrodatos es significativo en la toma eficaz de las decisiones y en la mejora de muchas funciones comerciales desde el marketing hasta la cadena de suministro [1]. Como tal, el Big Data fue reconocida por Schoenherr y Speier Pero [2] como la próxima gran novedad del siglo XXI. Como prueba de esto, una encuesta de Businessweek [3] sobre el estado de la analítica empresarial encontró que el 97% de las empresas con ingresos superiores a 100 millones de dólares utilizaría alguna forma de análisis de negocio. Sin embargo, según IBM, hasta el 80% de los datos disponibles para una organización no está estructurada Xiang, Schwartz, Gerdes & Uysal [4], por lo que existe una oportunidad significativa para apalancamiento en el análisis de datos no estructurados. Liberar este potencial representa el próximo gran desafío de datos para las empresas, sobre cómo utilizar Big Data para extraer información útil para tomar decisiones más informadas y desarrollar una ventaja competitiva [5].

MATERIALES Y MÉTODOS

El presente estudio utiliza análisis de texto para revisar 207 artículos publicado en dos de las revistas líderes en gestión del conocimiento: Journal of Knowledge Management Research y el Journal of Knowledge Management en 2014 y 2015. El enfoque de análisis de texto se utiliza para procesar, extraer y analizar los 207 artículos para identificar tendencias en términos de palabras clave, temas y grupos de palabras clave y para mostrar la utilidad del análisis de texto en Big data.

Resultados

Primero, demostramos la utilidad del análisis de texto de Big data al capturar y visualizar la mayoría palabras frecuentes. La Figura 1 y la Tabla 1 indican que el enfoque de la investigación en KM/GC (Knowledge Management /Gestión de conocimiento) se ha centrado en comprenderla a nivel organizacional, cuestiones relacionadas con la KM, tales como creación, intercambio, transferencia e innovación de conocimiento organizacional. Sin embargo, menos atención se ha dado a cuestiones de nivel micro que afectan la gestión del conocimiento, como el papel de individuos en la creación y transferencia y gestión de conocimientos, rutinas, procesos, así como acciones gerenciales particulares, comunicaciones dentro de una organización. Como tal, el análisis de texto de Big data juega un papel importante para la transferencia, el intercambio y gestión de una gran cantidad de datos como ha demostrado este estudio. Las generaciones de palabras clave a través del análisis de texto usando Big Data pueden ayudar en la internalización, el intercambio y la eficacia gestión de activos que son claves en el conocimiento [6]; [7], que de otro modo llevaría mucho tiempo a través del uso de métodos tradicionales de GC. Por ejemplo, Forno [8] señaló que era un error por parte de los sistemas tradicionales de GC aplicar la codificación y estrategias de personalización al mismo tiempo, e indicó que las empresas solo deben enfocarse en uno de ellos. Como indican los hallazgos del estudio, el análisis de texto de Big data podría superar tales problemas y facilitan tanto la codificación como la personalización de la gestión de las estrategias de conocimiento. Dicho de otra manera, la conversión de formas de datos estructuradas y no estructuradas podría generar conocimiento explícito que puede conducir a una absorción más fácil [9], que se ejemplifica en las dos revistas revisadas. Los sistemas tradicionales de GC se han enfrentado a problemas de sobrecarga de información y enfatizado en flujos de trabajo predeterminados y rígidos enfoques de análisis de información [10]. El análisis de texto de Big data puede superar sobrecarga de información con las llamadas estrategias de empuje de información que hacen que el conocimiento sea importante, accesible y disponible.

Figura 1.
Palabras más frecuentes en 207 artículos publicados en el the Journal of Knowledge Management Research y el Journal of Knowledge Management durante 2014-15.
Elaboración propia

Los 207 artículos publicados durante 2014 y 2015 se analizaron mediante análisis de texto de Big data. Los hallazgos sugieren que el análisis de texto de Big data puede ser un facilitador de gestión del conocimiento efectivo, ya que genera calidad de conocimiento. La Figura 1 es una nube de palabras de las palabras más frecuentes en los 207 artículos. Por razones de espacio y legibilidad, solo mostramos las palabras más frecuentes que aparecen al menos 50 veces en toda la muestra de artículos. Cuanto más grande y oscura es la palabra, más frecuente aparece en los 207 artículos. Esta forma de visualización ayuda en la rápida extracción de conocimientos clave de un gran volumen de datos, en este caso los 207 artículos.

En la Tabla 1 enumeramos cuatro grupos dominantes y los términos más frecuentes que aparecen en cada una de las categorías identificadas. El enfoque destaca la naturaleza de los clusters y la información contextual que se puede encontrar. Utilizando análisis de texto de Big data. Los hallazgos proporcionan detalles importantes sobre la frecuencia de temas que aparecen dentro de cada uno de los grupos. Estos grupos clave también apuntan hacia los temas importantes en la literatura más amplia sobre gestión del conocimiento, como procesos, personas, tecnología, redes, innovación, aprendizaje y creación de valor para el desarrollo de ventaja competitiva organizacional. Este análisis también indica que la agrupación basada en análisis de texto de Big data puede desempeñar un papel importante para la mejora de la gestión del conocimiento en la organización mediante la categorización de texto, identificación de relación semántica y visualización. Por lo tanto, el agrupamiento basado en análisis de los datos puede mitigar potencialmente el problema de sobrecarga de información y facilitar nuevos conocimientos creación y su difusión.

Discusión

El objetivo de este artículo es examinar el potencial de la analítica de texto de Big data como un método destacando la profundidad del conocimiento que se puede generar a partir de Big data para la gestión del conocimiento a través de la visualización, organización, interpretación y análisis de información que de otro modo no sería factible. A pesar del creciente interés en Big Data y análisis de negocios, el tema sigue estando poco desarrollado dentro de la literatura de GC, y su papel como facilitador de la GC en particular no se comprende bien [11]. Sin embargo, el enfoque de análisis de texto de Big data presenta oportunidades para las organizaciones, la mayoría de las cuales están mal informadas acerca de cómo los macrodatos y análisis de texto puede ayudar a tomar decisiones informadas y oportunas mediante la generación de conocimiento valioso y su interpretación posterior Valhond o [12].

CONCLUSIONES

En la Tabla 1 enumeramos cuatro grupos dominantes y los términos más frecuentes que aparecen en cada una de las categorías identificadas. El enfoque destaca la naturaleza de los clusters y la información contextual que se puede encontrar. Utilizando análisis de texto de Big data. Los hallazgos proporcionan detalles importantes sobre la frecuencia de temas que aparecen dentro de cada uno de los grupos. Estos grupos clave también apuntan hacia los temas importantes en la literatura más amplia sobre gestión del conocimiento, como procesos, personas, tecnología, redes, innovación, aprendizaje y creación de valor para el desarrollo de ventaja competitiva organizacional. Este análisis también indica que la agrupación basada en análisis de texto de Big data puede desempeñar un papel importante para la mejora de la gestión del conocimiento en la organización mediante la categorización de texto, identificación de relación semántica y visualización. Por lo tanto, el agrupamiento basado en análisis de los datos puede mitigar potencialmente el problema de sobrecarga de información y facilitar nuevos conocimientos creación y su difusión.

Agradecimientos

Se agradece a la Corporación Universitaria Americana, instituciones financiadoras del proyecto, entes cooperantes y demás actores que incidieron en el desarrollo de la investigación y elaboración del artículo donde se aplicó un análisis a través de la ciencia del Big Data para demostrar su valor para la generación y codificación efectivas de conocimientos significativos y de calidad que permitan la gestión del conocimiento y toma de decisiones de manera eficaz. Dejando a un lado sus aportes, también tiene algunas limitaciones y estas podrían servir como vías importantes para futuras investigaciones. La aplicación de análisis de texto de Big Data se aplicó solo en artículos publicados en dos revistas líderes en gestión del conocimiento durante un período de dos años. Se podrían aplicar estudios futuros análisis de texto de Big data durante un período más largo para examinar las tendencias y considerar más fuentes para desarrollar la solidez de los hallazgos. De hecho, diferentes fuentes de datos no estructurados, como feeds de Twitter y otros que están disponibles ven la web, tiene el potencial de generar información útil y, al hacerlo, respalda de manera efectiva la gestión del conocimiento de las organizaciones. Sobre esta base, la investigación futura podría basarse en estos resultados y aplicar análisis de texto de Big data en diferentes contextos y en diferentes temas de investigación como el papel de las personas en la era de los macrodatos.

REFERENCIAS

[1] B. K. Chae, «Big data and IT-enabled services: ecosystem and coevolution,» It Professional, vol. 17, nº 2, pp.20-25, 2015.

[2] T. Schoenherr y C. Speier Pero, «Data science, predictive analytics, and big data in supply chain management: Current state and future potential,» Journal of Business Logistics, vol. 36, nº 1, pp. 120-132, 2015.

[3] B. Businessweek, «The current state of business analytics: where do we go from here?,» Bloomberg Businessweek Research Services, New York, 2011.

[4] Z. Xiang, Z. Schwartz, J. H. Gerdes Jr. y M. Uysal, «What can big data and text analytics tell us about hotel guest experience and satisfaction?,» International Journal of Hospitality Management, vol. 44, pp. 120- 130, 2015.

[5] X. Wu, X. Zhu , G. Q. Wu y W. Ding, «Data mining with big data,» IEEE transactions on knowledge and data engineering, vol. 26, nº 1, pp. 97-107, 2013.

[6] T. H. Davenport y J. Dyché, «Big data in big companies,» International Institute for Analytics, vol. 3, pp. 1-31, 2013.

[7] I. Nonaka y H. Takeuchi, The knowledge-creating company: how Japanese companies create the dynamics of innovation, New York: Oxford University Press, 1995.

[8] Á. G. Forno, Políticas y prácticas de gestión del conocimiento en empresas de la provincia de Santa Fe, Provincia de Santa Fé, 2014.

[9] J. Nahapiet y S. Ghoshal, «Social capital, intellectual capital, and the organizational advantage,» Academy of management review, vol. 23, nº 2, pp. 242-266, 1998.

[10] G. A. Moheno y R. S. Vallès, El impacto de la gestión del conocimiento y las tecnologías de información en la innovación: un estudio en las pyme del sector agroalimentario de Cataluña, Cataluña: Universitat Politécnica de Catalunya, 2010.

[11] M. Figueres-Esteban, P. Hughes y C. Van Gulijk, «The role of data visualization in railway big data risk analysis» de Proceedings of the 25th European Safety and Reliability Conference, ESREL 2015, Balkema, 2015.

[12] D. Valhondo, Gestión del conocimiento: del mito a la realidad, Madrid: Ediciones Díaz de Santos, 2003.

Notas de autor

jcorrea@coruniamericana.edu.co