Maestría en Gestión y Desarrollo de Proyectos de Software · 2014
Descubrimiento de conocimiento en una empresa de outsourcing de TI de la ciudad de Medellín aplicando técnicas de minería de datos que permita identificar potencialidades en el éxito de los proyectos de desarrollo de software
Lograr el éxito en los proyectos de desarrollo de software es una tarea a la que día a día se están enfrentando las empresas productoras de software, estudios realizados por diferentes organizaciones demuestran que la tasa de éxito de los proyectos esta alrededor del 32%, y de proyectos fallidos alrededor del 24% (Eveleens & Verhoef, 2010), siendo la diferencia de estos una cifra relativamente baja lo que conlleva a que se deba evaluar el tema y se piense en tomar medidas; el éxito de los proyectos depende de la sincronización que se pueda tener entre diferentes factores como los humanos, los técnicos, los económicos, tiempo, alcance, entre otros. En este sentido, surgió la necesidad de poder generar conocimiento útil a partir del análisis de datos históricos de proyectos exitosos y fallidos de una empresa de outsourcing de TI aplicando técnicas de minería de datos, con el fin de obtener patrones que permitieran a la organización tomar decisiones y guiar los proyectos de software a la consecución del éxito. La investigación fue desarrollada siguiendo la metodología CRISP-DM, que es una metodología utilizada como referente para los proyectos de minería de datos, para la aplicación de las técnicas se utilizó la herramienta de software SPSS en su versión trial.
Full text 171 pages with text
Read the full thesis Record in the repository
Contents
- Resumenp. 9
- INTRODUCCIÓNp. 10
- REFERENTE CONTEXTUALp. 14
- Descripción del Área Problemáticap. 14
- Antecedentesp. 17
- Antecedentes técnicos y temáticosp. 17
- Antecedentes temáticos en Colombiap. 25
- Antecedentes metodológicos en Colombiap. 28
- Justificaciónp. 32
- Formulación del problemap. 34
- Objetivop. 35
- Objetivo Generalp. 35
- Objetivos Específicosp. 35
- Resultados esperadosp. 36
- ESTRATEGIA METODOLÓGICAp. 37
- Metodologíap. 37
- Comprensión del negociop. 39
- Comprensión de datosp. 40
- Preparación de datosp. 40
- Modeladop. 41
- Evaluaciónp. 42
- Desplieguep. 42
- Pruebasp. 43
- Presupuestop. 43
- DESARROLLOp. 44
- Referente teóricop. 44
- Dato, información y conocimientop. 44
- Minería de datosp. 45
- Técnicas de minería de datosp. 46
- Descubrimiento de conocimiento en bases de datosp. 51
- Comprensión del negociop. 39
- Objetivos institucionalesp. 68
- Evaluación de la situaciónp. 68
- Objetivos de la minera de datosp. 71
- Comprensión de los datosp. 71
- Recolección inicial de datosp. 71
- Descripción de datosp. 77
- Exploración de datosp. 40
- Verificar la calidad de los datosp. 98
- Preparación de los datosp. 99
- Selección de datos y limpieza de datosp. 99
- Construcción de datosp. 41
- Integración de datosp. 100
- Modeladop. 41
- Seleccionar la técnica de modeladop. 100
- Generar el diseño de las pruebasp. 101
- Construcción del modelop. 41
- Evaluación del modelop. 105
- Evaluaciónp. 42
- Capacidad de los desarrolladoresp. 110
- Conocimiento del dominiop. 55
- Comunicaciónp. 57
- Composición del equipop. 62
- Complejidad del productop. 132
- Madurez de gestión de proyectosp. 64
- Selección de factoresp. 141
- Desplieguep. 42
- Análisis de resultadosp. 151
- CONCLUSIONESp. 13
- RECOMENDACIONESp. 158
- BIBLIOGRAFÍAp. 159
- ANEXOSp. 165
- Figura 1 Factores críticos de éxito en proyectos de integración de datosp. 19
- Figura 2 Matriz de adyacenciap. 20
- Figura 3 Centralidad de los Factoresp. 20
- Figura 4 Tabla comparativa algoritmos de minería de datosp. 23
- Figura 5 Metodología CRISP-DMp. 39
- Figura 6 Fases del proceso KDDp. 52
- Tabla 1. Operacionalización de variablesp. 78
- categoría capacidad de los desarrolladoresp. 87
- categoría conocimiento del dominiop. 89
- categoría comunicaciónp. 90
- categoría composición del equipop. 92
- categoría complejidad del productop. 135
- categoría madurez de la gestión de proyectosp. 95
- categoría colaboración del equipop. 97
- categoría ejecución del proyectop. 98
- Tabla 10 Variables en la ecuación del modelop. 104
- Tabla 11 Resumen del modelo de la regresión logística bivariadop. 106
- Tabla 12 Variables que no están en la ecuaciónp. 107
- Tabla 13 Pruebas ómnibus sobre los coeficientes del modelop. 108
- Tabla 14 Prueba de Hosmer y Lemeshowp. 108
- de los desarrolladoresp. 87
- Tabla 16 Cuadro de comunalidades capacidad de los desarrolladoresp. 113
- Tabla 17 Varianza total explicada capacidad de los desarrolladoresp. 114
- conocimiento del dominiop. 55
- Tabla 19 Cuadro de comunalidades conocimiento del dominiop. 118
- Tabla 20 Varianza total explicada conocimiento del dominiop. 119
- comunicaciónp. 57
- Tabla 22 Cuadro de comunalidades comunicaciónp. 123
- Tabla 23 Varianza total explicada comunicaciónp. 124
- composición del equipop. 62
- Tabla 25 Cuadro de comunalidades composición del equipop. 128
- Tabla 26 Varianza total explicada composición del equipop. 129
- complejidad del productop. 132
- Tabla 28 Cuadro de comunalidades complejidad del productop. 135
- Tabla 29 Varianza total explicada complejidad del productop. 135
- de gestión de proyectosp. 137
- Tabla 31 Cuadro de comunalidades madurez de gestión de proyectosp. 139
- Tabla 32 Varianza total explicada madurez de gestión de proyectosp. 140
- Tabla 33 Estadísticos de colinealidadp. 143
- un modelo multivariadop. 144
- Tabla 35 Cuadro de comunalidades factores análisis multivariadop. 146
- Tabla 36 Varianza total explicada factores análisis multivariadop. 147
- Tabla 37 Tabla de clasificaciónp. 153