Knowledge management within organizations allows to support a global business strategy and represents a systemic and organized attempt to use knowledge within an organization to improve its performance. The objective of this research is to study and analyze knowledge management through Bayesian networks with machine learning techniques, for which a model is made to identify and quantify the various factors that affect the correct management of knowledge in an organization, allowing you to generate value. As a case study, a technology-based services company in Mexico City is analyzed. The evidence found shows the optimal and non-optimal management of knowledge management, and its various factors, through the causality of the variables, allowing us to more adequately capture the interrelationship to manage it. The results show that the most relevant factors for having adequate knowledge management are information management, relational capital, intellectual capital, quality and risk management, and technology assimilation.

La presente investigación tiene como propósito fundamental estudiar y analizar la gestión de la tecnología e innovación a través de Redes Bayesianas, para lo cual se realiza un modelo en el que se identifican y cuantifican los diversos factores que tienen impacto para gestionar adecuadamente la tecnología e impactar en innovación. El análisis del caso estudiado se realiza en una empresa de servicios de base tecnológica en la Ciudad de México. En virtud de que una Red Bayesiana es una estructura que representa el entendimiento de un proceso y sus dependencias (causa-efecto), la gestión óptima o no óptima de la tecnología y sus diversos factores se evidencia a través de la causalidad de las variables que permiten capturar de manera más adecuada la interrelación para gestionarla e innovar, mediante razonamiento probabilístico y gráficos. Los resultados muestran que los factores más relevantes son: capital humano, gestión del conocimiento y seguridad informática.

El objetivo del presente trabajo es plantear la metodología basada en el uso de redes bayesianas (RB) para identificar y cuantificar los factores de riesgo operacional (RO) asociados al proceso de transacciones financieras a través de medios electrónicos en una empresa financiera. El modelo de RB desarrollado se ejemplifica con datos de eventos simulados en un periodo equivalente a 6 años a partir de información proporcionada por expertos en este tipo de procesos. Lo anterior representa una de las principales ventajas del uso de RB, pues permite modelar las relaciones causa-efecto entre los diferentes factores de RO. Finalmente se realiza el cálculo del valor en riesgo operacional (OpVaR) para el ejemplo, en el que se incorporan factores de interacción que no son considerados en el modelo tradicional, proporcionando mejores condiciones de credibilidad a este valor. Derechos Reservados © 2015 Universidad Nacional Autónoma de México, Facultad de Contaduría y Administración. Este es un artículo de acceso abierto distribuido bajo los términos de la Licencia Creative Commons CC BY-NC-ND 4.0.

Se presenta el desarrollo de un modelo que permite medir la productividad de una empresa de base tecnológica, que se basa en las interacciones identificadas entre la inversión del departamento de investigación, el fraude informático y el robo. Estas interacciones se presentan mediante un modelo de variables difusas con las que se desarrollan las funciones de membresía para cada una de éstas. Así mismo se desarrollan las reglas de interacción basándose en la conjunción de los conjuntos difusos propuestos para el modelo Mamdani. Con estos diseños es posible determinar el grado de la productividad, también caracterizada por un conjunto difuso. Para probar el modelo se utilizó simulación Monte Carlo con cuatro escenarios. Los resultados de la serie de simulaciones muestran que bajo la descripción de los conjuntos difusos es posible medir el comportamiento de la productividad en la empresa analizada, mediante rangos de productividad establecidos en el diseño del conjunto difuso propuesto.

<p>The 2008 global financial crisis showed not only that there is a link between real economy and financial markets, but also that financial stability is necessary for investment, innovation and of course economic growth. Regarding the link between real and financial sectors, several studies long before the 2008 financial crisis revealed positive impacts from financial sector on real economy, basically because a solid financial system promote physic and human capital accumulation, see Banerjee and Newman (1993) Galor and Zeira (1993), Aghion and Bolton (1997), Piketty (1997), Levine (1997), Levine and Zervos (1998), Rajan and Zingales (1998). When considering well-developed financial markets as economic growth promoters the researches of Levine (2005), Aghion et al. (2005) and Acemoglu et al. (2006) proved that financial develop indeed accelerates economic growth.</p>