Inteligencia de negocios

Introduccin a Business Intelligence

Qu es la Inteligencia de Negocios?

INTELIGENCIA DE NEGOCIOS

Qu es la Inteligencia de Negocios?

La Inteligencia de Negocio (IN) o Business Intelligence (BI) es el conjunto de estrategias y herramientas enfocadas a la administracin y creacin de conocimiento mediante el anlisis de datos existentes en una organizacin o empresa.

Objetivos de la Inteligencia de Negocios

Accesibilidad a la informacin
Las herramientas y tcnicas de BI permiten a los usuarios un acceso a los datos apropiado.

Los usuarios tienen acceso a herramientas de anlisis y de presentacin de la informacin Apoyo en la toma de decisiones que facilitan la importante tarea de decidir ciertas situaciones. Orientacin al usuario final Se busca independencia entre los conocimientos tcnicos de los usuarios y su capacidad para utilizar estas herramientas.

Ventajas que aporta la Inteligencia de Negocios en su empresa.

Controlar los gastos de TI
Posee un nico entorno para administrar.

Mejorar la colaboracin y la calidad de La informacin queda a disposicin del personal de la empresa en todos los niveles. las decisiones
Reducir el nmero de sesiones de Interfaz sencilla e intuitiva. aprendizaje para los empleados

Proporcionar al personal una visin Posee un conjunto de aplicaciones analticas, detallada de las operaciones clculos, escritorios digitales, informes, anlisis, minera de almacenamiento de empresariales
datos y otras tecnologas.

Asistir a los directivos en organizacin y previsin del trabajo

la Proporciona una visin general nica y

comn de todos los procesos empresariales en los distintos departamentos.

Herramientas para la Inteligencia de Negocios

Conceptos bsicos Business Intelligence

UDM
(Modelo unidimensional unificado) Estandarizacin de los orgenes de datos.

Almacn de datos

Coleccin de orgenes de datos orientados a la ayuda de toma de decisiones empresariales.

Un cubo OLAP es una vista lgica de los datos y representan un conjunto de datos relacionados con un tema en particular como Ventas, Operaciones, Recursos Humanos, etc., y estn a disposicin de los "clientes" a quienes les pueden interesar. Son catlogos de informacin complementaria necesaria para la presentacin de los datos a los usuarios. Descripciones, Nombres, Zonas, Rangos de tiempo, etc. Aspectos cuantificables o medibles de los objetos o eventos a analizar. Importes ventas, recuento empleados, etc.

Cubo

Dimensin

Medidas

Almacn de datos frente a ERP o base de datos convencional.

Los orgenes de datos estn diseados por desarrolladores. Un almacn de datos tiene la finalidad de facilitar la comprensin de usuarios finales. La informacin interesante para el usuario se distribuye generalmente en varios orgenes de datos heterogneos. En almacenes de datos se pueden unificar. Aunque muchos orgenes de datos estn concebidos para contener una gran cantidad de detalles de los niveles de transaccin, con frecuencia las consultas necesarias para tomar las decisiones corporativas precisan informacin agregada y de resumen. Al aumentar el volumen de datos, el tiempo necesario para recuperar los valores de resumen para un anlisis de un usuario final interactivo es a menudo prohibitivo. Por lo general, las reglas de negocios no estn encapsuladas en los orgenes de datos. Los usuarios deben realizar su propia interpretacin de los datos.

Almacn de datos
Es posible un anlisis de datos en cualquier base de datos o ERP, con cubos, informes, etc. El objetivo de un almacn de datos es preparar la informacin existente en la base de datos o ERP, para el anlisis y toma de decisiones.

Un almacn de datos se prepara para admitir:

Procesamiento analtico en lnea Minera de datos

Elementos de un almacn de datos

Tablas de hecho Tablas de dimensin

Tablas de hecho
Las tablas de hecho son colecciones de tablas que contienen columnas para cada expresin medible. Almacenan sucesos medibles:
Transacciones de Ventas, Compras Balances de inventarios, y otros hechos (ingresos en la clnica, importes, etc.)

Tablas de dimensin

Las tablas de dimensiones almacenan los valores que se utilizan en las tablas de hechos. Almacenan informacin de
Clientes Proveedores Empleados Geogrfica Tiempos

Dimensin de Tiempo.
La dimensin de tiempo permite a los usuarios resumir informacin de las tablas de hecho en perodos de tiempo. Permite conocer:
Totales de calendarios anuales, Comparar porcentajes respectos de periodos fiscales anteriores, Conocer informacin en calendarios de fabricacin. Organizar la informacin segn jerarquas de tiempo especficas.

Sus atributos son horas, semestres, trimestres, meses y das. Las jerarquas permiten analizar los datos con mayor granularidad, por ejemplo, ao semestre trimestres meses.

Microsoft SQL Server (Motor de base de datos) Entornos que proporciona Microsoft SQL Server para trabajar con almacn de datos:

SQL Server Management Studio. Administrar y configurar objetos existentes en Almacn de datos.
(Definicin de tablas de dimensin y tablas de hecho, ndices, restricciones, usuarios, inicios de sesin, etc.)

Estructura del almacn de datos

Microsoft SQL Server Anlysis Services (SSAS)

Entornos que proporciona Microsoft SQL Server para trabajar con SSAS: SQL Server Management Studio. Administrar y configurar objetos existentes Analysis Services.
(Acceso de usuarios a datos de clnica)

Business Intelligence Development Studio. Desarrollar soluciones de Business Intelligence que incluyen funciones de Analysis Services, Integration Services y Reporting Services.
(Realizar consultas sobre enfermedades, tiempo, etc)

Elementos de Analysis Services

Orgenes de datos
Vistas de orgenes de datos Cubos Dimensiones Estructuras de minera Funciones Ensamblados

Origen de datos
Es una conexin a un origen de datos y contiene la cadena de conexin que define el modo en que Analysis Services conectar con un almacn de datos fsico mediante un proveedor Microsoft .NET Framework o un proveedor OLE DB nativo.
(Tenemos que conectarnos a los datos que nos proporciona en el almacn de datos)

Vista de origen de datos

Es la definicin de los metadatos (informacin de los datos). Contiene el modelo lgico del esquema que utilizan los objetos de bases de datos: cubos, dimensiones y estructuras de minera de datos.
(DimEnfermedades, DimEspecialidad, DimMedicos, DimPacientes, Tablahecho, cubo, etc )

Cubos

Es un conjunto de medidas (hechos) y dimensiones (reas de inters tales como tiempo, producto y cliente).
Las consultas que realizaremos en los datos Filas y columnas: enfermedades por trimestre rea de datos: Nmero pacientes

Dimensiones

Las dimensiones organizan los datos en funcin de un rea de inters para los usuarios: Clientes, almacenes o empleados. Contienen atributos que corresponden a las columnas de las tablas de dimensiones. Los atributos se pueden organizar en estructuras jerrquicas o jerarquas.

Inteligencia de negocios

Data Mining

Minera de Datos
La minera de datos trabaja con los datos con el objetivo de encontrar patrones de comportamiento ocultos en los mismos con el fin de crear nuevas asociaciones, predecir resultados futuros, etc. Las organizaciones se han convertido en entidades sumamente ricas en datos pero pobre en conocimiento. De modo que el objetivo principal de la minera de datos es generar patrones de comportamiento en los datos y a partir de ellos generar conocimiento til.

Importancia de la Minera de Datos

Disponemos de una cantidad inmensa de datos en nuestra organizaciones: Gracias a los programas de gestin empresarial, y al descenso del hardware, especialmente de los sistemas de almacenamiento ha llevado a las empresas a disponer de bases de datos con gigas de datos. Incremento de la competitividad. El incremento de la competitividad es en gran medida resultado de marketing actual, de los nuevos canales de distribucin que dispone como Internet y de las telecomunicaciones y la aplicacin de las TIC a la actividad empresarial. Las empresas se enfrentan a una economa globalizada, y el xito empresarial depende de la capacidad de mantener a los clientes actuales y conseguir nuevos. La minera de datos contiene tecnologas que permiten a las empresas analizar los factures que influyen decisivamente en estos temas.

Ciclo de un Proyecto de Minera de Datos

PASO 1. RECOLECCIN DE DATOS El primer paso en un proyecto de minera de datos es la recoleccin de datos. Los datos de una organizacin habitualmente estn almacenados en muchos sitios: base de datos de un ERP, de un CRM, hojas de clculo de los comerciales y/o de los contables, una pequea aplicacin para controlar el stock en el almacn, etc. Por este motivo, la primera tarea que debemos emprender es determinar cules son los datos ms relevantes y almacenarlos de modo adecuado en un almacn de datos o datawarehouse

Ciclo de un Proyecto de Minera de Datos

PASO 2. DEPURACIN Y TRANSFORMCIN DE LOS DATOS Este es el paso ms importante en un proyecto de minera de datos. La depuracin y transformacin de los datos tiene como objetivo eliminar el ruido y la informacin irrelevante. El proceso de transformacin consiste en modificar los datos originales en diferentes formatos en trminos de tipos de datos y valores.

Ciclo de un Proyecto de Minera de Datos

PASO 2. DEPURACIN Y TRANSFORMCIN DE LOS DATOS Tcnicas.
Transformacin tipos de datos. Convertir valores continuos en discretos. Suprimir casos atpicos. Eliminar aquellos datos que pueden falsear los datos, por ejemplo, un cliente que haga un pedido excepcional que supera en 10 veces el importe habitual. Utilizando el modelo de clustering incluido en Microsoft SQL 2005 podemos generar un modelo que agrupe los casos atpicos para posteriormente eliminarlos a travs de la combinacin de Data Mining e Integration Services.

Ciclo de un Proyecto de Minera de Datos

PASO 3. GENEAR EL MODELO DE MINERIA DE DATOS. Una vez que hemos limpiado y transformado los datos, podemos comenzar la tarea de crear los modelos de minera de datos. Antes de generar cualquier tipo de modelo, es fundamental entender cul es la meta del proyecto de minera de datos. Vamos a crear un proyecto para clasificar, para generar una asociacin, para establecer una segmentacin, o para pronosticar y planificar las ventas del prximo ao?
El modelo es el corazn de cualquier proyecto de minera de datos. No obstante, una vez que uno tiene claro cual es el objetivo del proyecto, seleccionar el algoritmo que genere el modelo es una tarea relativamente sencilla.

Ciclo de un Proyecto de Minera de Datos

PASO 4. EVALUACIN DEL MODELO Existen unas pocas herramientas para evaluar la calidad de un modelo de minera de datos. La ms conocida es el grfico de rendimiento Esta herramienta utiliza los datos de un modelo entrenado para predecir los valores de una conjunto de datos de evaluacin. No slo se evala la precisin del modelo sino que se trata de comprender el significado de los patrones de comportamiento que los algoritmos han generado.
En ocasiones, los patrones hallados no contienen informacin til. Esto se pude deber a diferentes factores: a) los datos utilizados son totalmente aleatorios; b) que las variables utilizadas en el modelo no son las ms precisas; c) la limpieza de datos no ha sido suficiente, y se ha de volver a la fase anterior.

Ciclo de un Proyecto de Minera de Datos

PASO 5. REPORTING Reporting es una de las tareas claves en la minera de datos. En muchas organizaciones, la meta final de la minera de datos es generar informes para los responsables de los diferentes departamentos.

Ciclo de un Proyecto de Minera de Datos

PASO 6. PREDICCIN Muchos de los proyectos de minera de datos, la bsqueda de patrones ocultos entre los datos responde a la necesidad de generar predicciones, por ejemplo de las ventas del prximo trimestre. La prediccin se convierte por tanto en una de las tareas claves de la minera de datos.