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
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 autores que publiquen en la revista VinculaTégica EFAN aceptan el siguiente aviso de derechos de autor:
a). Los autores conservan los derechos de autor y ceden a la revista el derecho de la primera publicación de la obra bajo una licencia de atribución de Creative Commons. Esta licencia permite a otros compartir la obra siempre que se reconozca la autoría original y la publicación inicial en esta revista.
b). Los autores pueden establecer acuerdos contractuales adicionales de manera independiente para la distribución no exclusiva de la versión publicada en la revista (por ejemplo, publicarla en un repositorio o incluirla en un libro), siempre que se reconozca la publicación inicial en esta revista.
c). Se permite a los autores autoarchivar su trabajo en repositorios institucionales o en su propio sitio web antes y durante el proceso de envío, ya que esto puede fomentar intercambios productivos y aumentar la citación temprana y general del trabajo publicado.
