Las matemáticas y disciplinas modernas basadas en ellas en la formación de estudiantes de negocios en México, una área de oportunidad.
DOI:
https://doi.org/10.29105/vtga3.3-1082Palabras clave:
Educación para negocios, Investigación de operaciones, Ciencia de Datos, Ciencia de la administraciónResumen
Se suele identificar a los estudiantes de negocios con las ciencias sociales, sin embargo, un mundo más globalizado demanda profesionistas con una formación más orientada hacia la competitividad y la eficiencia; y eso implica una mayor capacidad de aprovechamiento de métodos numéricos y computacionales que apoyen cuantitativamente en la toma de decisiones. En esta investigación se identifica un área de oportunidad que la actividad de toma de decisiones, piedra angular de la administración, a nivel internacional demanda y se presenta una propuesta académica para ampliar las oportunidades de los futuros profesionistas de negocios. El objetivo de esta investigación es presentar un análisis que permita sensibilizar a los responsables en la formación de estudiantes de negocios acerca de la vigencia de la necesidad de dichos estudiantes sean competentes en aprovechar diversos métodos numéricos y computacionales que sustenten y agilicen la toma de decisiones informadas y eficientes.
Descargas
Métricas
Citas
Alves, C. A., & Duarte, E. N. (2015). A relação entre a Ciência da Informação e a Ciência da Administração. Transinformação, 27(1), 37–46. http://doi.org/10.1590/0103-37862015000100004
Brunner, R. J., & Kim, E. J. (2016). Teaching Data Science. Procedia Computer Science, 80, 1947–1956. http://doi.org/10.1016/j.procs.2016.05.513
Bulygo, Z. (2013). How Netflix Uses Analytics To Select Movies, Create Content, & Make Multimillion Dollar Decisions. Retrieved May 26, 2017, from https://blog.kissmetrics.com/how-netflix-uses-analytics/
Bussaban, K., & Waraporn, P. (2015). Preparing Undergraduate Students Majoring in Computer Science and Mathematics with Data Science Perspectives and Awareness in the Age of Big Data. Procedia - Social and Behavioral Sciences, 197, 14431446. http://doi.org/10.1016/j.sbspro.2015.07.092
Carbone, A., Jensen, M., & Sato, A.-H. (2016). Challenges in data science: a complex systems perspective. Chaos, Solitons & Fractals, 90, 1–7. http://doi.org/10.1016/j.chaos.2016.04.020
Cárdenas-Navia, I., & Fitzgerald, B. K. (2015). The Broad Application of Data Science and Analytics: Essential Tools for the Liberal Arts Graduate. Change: The Magazine of Higher Learning, 47(4), 25–32. http://doi.org/10.1080/00091383.2015.1053754
Cleveland, W. S. (2014). Data science: An action plan for expanding the technical areas of the field of statistics. Statistical Analysis and Data Mining: The ASA Data Science Journal, 7(6), 414–417. http://doi.org/10.1002/sam.11239
Companys, R., & Ribas, I. (2015). Some Trends and Applications of Operational Research/Management Science to Operations Management. International Journal of Production Management and Engineering, 3(1), 1. http://doi.org/10.4995/ijpme.2015.3459
Conway, D. (2010). The Data Science Venn Diagram — Drew Conway. Retrieved April 21, 2017, from http://drewconway.com/zia/2013/3/26/the-data-science-venn-diagram
Costa, A. M., dos Santos, L. M. R., Alem, D. J., & Santos, R. H. S. (2011). Sustainable vegetable crop supply problem with perishable stocks. Annals of Operations Research, 219(1), 265–265. http://doi.org/10.1007/s10479-010-0830-y
Dawid, H., Decker, R., Hermann, T., Jahnke, H., Klat, W., König, R., & Stummer, C. (2017). Management science in the era of smart consumer products: challenges and research perspectives. Central European Journal of Operations Research, 25(1), 203–230. http://doi.org/10.1007/s10100-016-0436-9
Dhar, V. (2013). Data science and prediction. Communications of the ACM, 56(12), 64–73. http://doi.org/10.1145/2500499 Dias, J. (2017). Teaching operations research to undergraduate management students: The role of gamification. The International Journal of Management Education, 15(1), 98–111. http://doi.org/10.1016/j.ijme.2017.01.002
Ferguson, A. (2004). A History of Computer Programming Languages. Retrieved April 24, 2017, from http://cs.brown.edu/~adf/programming_languages.html
Fernandes Moreno, C. (2016). Aplicación de técnicas de Big Data Science para la gestión de crisis. Retrieved from http://eprints.ucm.es/40606/
Giabbanelli, P. J., & Mago, V. K. (2016). Teaching Computational Modeling in the Data Science Era. Procedia Computer Science, 80, 1968–1977. http://doi.org/10.1016/j.procs.2016.05.517
Lakosh, J. (2017). Netflix Earnings: Beyond Subscriber Growth - Netflix, Inc. Retrieved May 24, 2017, from https://seekingalpha.com/article/4063452-netflix-earnings-beyond-subscriber-growth
Larson, D., & Chang, V. (2016). A review and future direction of agile, business intelligence, analytics and data science. International Journal of Information Management, 36(5), 700–710. http://doi.org/10.1016/j.ijinfomgt.2016.04.013
Las mejores Universidades de México | Ranking 2016 | El Economista. (2016). Retrieved April 20, 2017, from http://eleconomista.com.mx/especiales/americaeconomia/2016/10/30/las-mejores-universidades-mexico-ranking-2016
Lopez, F. (2004). Aplicación de un algoritmo genético generacional para un problema de logística de ruteo con entrega y recolección de producto y con ventanas de horario negociable. Universidad Autónoma de Nuevo León.
Matsudaira, K. (2015). The science of managing data science. Communications of the ACM, 58(6), 44–47. http://doi.org/10.1145/2745390
Monnapa, A. (2016). Data Science vs. Big Data vs. Data Analytics: Comparison | Simplilearn. Retrieved April 17, 2017, from https://www.simplilearn.com/data-science-vs-big-data-vs-data-analytics-article
Newman, R., Chang, V., Walters, R. J., & Wills, G. B. (2016). Model and experimental development for Business Data Science. International Journal of Information Management, 36(4), 607–617. http://doi.org/10.1016/j.ijinfomgt.2016.04.004
Palocsay, S. W., & Markham, I. S. (2014). Management Science in U.S. AACSB International-Accredited Core Undergraduate Business School Curricula. Journal of Education for Business, 89(2), 110–117. http://doi.org/10.1080/08832323.2013.763755
Pérez, G. (2016). Peligros del uso de los big data en la investigación en salud pública y en epidemiología. Gaceta Sanitaria, 30(1), 66–68. http://doi.org/10.1016/j.gaceta.2015.09.007
RAE. (2014). Real Academia Española. Diccionario Usual. Retrieved April 20, 2017, from http://dle.rae.es/srv/search?m=30&w=empírico
Ragsdale, C. T. (2014). Spreadsheet Modeling and Decision Analysis: A Practical Introduction to Business Analytics (7th ed.).
Salazar, B., Balczewski, E., Ung, C., & Zhu, S. (2016). Neuroblastoma, a Paradigm for Big Data Science in Pediatric Oncology. International Journal of Molecular Sciences, 18(1), 37. http://doi.org/10.3390/ijms18010037
Staford, B. (1967). Management Science: The Business Use of Operations Research. Aldus.
The OR Society: Society - History of O.R. (n.d.). Retrieved April 21, 2017, from https://www.theorsociety.com/Pages/Society/SocietyHistory.aspx
Wu, D. (2016). Risk management and operations research: a review and introduction to the special volume. Annals of Operations Research, 237(1–2), 1–5. http://doi.org/10.1007/s10479-015-2101-4
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los derechos del trabajo pertenecen a los autores, sin embargo, los autores otorgan a la revista los derechos de primera publicación, procesamiento, difusión y archivo relativos a la obra literaria, a través de una licencia de derechos patrimoniales, dentro de los límites establecidos en la “Ley Federal del Derecho de Autor” vigente, así como a los intereses de la revista VinculaTégica Efan y a los de la Facultad de Contaduría Pública y Administración de la Universidad Autónoma de Nuevo León.
