Universidad Austral de Chile Facultad de Ciencias Econmicas y Administrativas Escuela de Ingeniera Comercial

Trabajo Ayudanta Data Warehouse

Integrantes: Ana Barros P. Viviana Estrada R. M Eugenia Guarda C. Pamela Quintuprai M. Asignatura: Sistemas de informacin Empresarial. Ayudante: Jos luis Carrasco V.

07 de junio de 2010

Introduccin En la actualidad, toda empresa requiere utilizar mecanismos e instrumentos que le faciliten la correcta toma de decisiones. Para ello, se necesitan datos y cifras confiables, precisas y oportunas, lo que trae consigo un mayor requerimiento en la velocidad de la informacin. Es aqu donde cobra importancia la utilizacin de herramientas que nos ayuden a minimizar el tiempo para analizar gran cantidad de informacin con mayor velocidad y precisin. En un comienzo se contaba nicamente con bases de datos donde se guardaba la informacin. Luego aparecieron las bases de datos relacionales. Finalmente aparecieron nuevos sistemas que no solamente se dedican a guardar informacin, sino que tienen un enfoque gerencial, ofreciendo un apoyo a la toma de decisiones. Es en este mbito donde aparece el data warehouses, componente de Bussines Intelligent que viene a facilitar los requerimientos de manejo de datos para la correcta toma de decisiones dentro de la empresa. En el presente informe se exponen una serie de conceptos asociados al almacenamiento y manejo de informacin. Desarrollo de las actividades Business Inteligente: Es la habilidad para transformar los datos en informacin, y la informacin en conocimiento, de forma que se pueda optimizar el proceso de toma de decisiones en los negocios.

Desde un punto de vista ms pragmtico, y asocindolo directamente con las tecnologas de la informacin, podemos definir Business Intelligence como el conjunto de metodologas, aplicaciones y tecnologas que permiten reunir, depurar y transformar datos de los sistemas transaccionales e informacin desestructurada (interna y externa a la compaa) en informacin estructurada, para su explotacin directa (reporting, anlisis OLTP / OLAP, alertas) o para su anlisis y conversin en conocimiento, dando as soporte a la toma de decisiones sobre el negocio. La inteligencia de negocio acta como un factor estratgico para una empresa u organizacin, generando una potencial ventaja competitiva, que no es otra que proporcionar informacin privilegiada para responder a los problemas de negocio: entrada a nuevos mercados, promociones u ofertas de productos, eliminacin de islas de informacin, control financiero, optimizacin de costes, planificacin de la produccin, anlisis de perfiles de clientes, rentabilidad de un producto concreto, etc. Por otro lado, los principales componentes de orgenes de datos en el Business Intelligence que existen en la actualidad son: Datamart Datawarehouse DW Almacenes de datos, Bodegas de Datos (Data warehouses) ETL - Transformar, Extraer y Cargar datos DM - Minera de datos (Data mining)

Aplicaciones OLAP - cubos OLAP, procesamiento analtico lnea, MIS Online Analytical de Processing and para multidimensional la Administracin and analysis Sistemas e Informacin (Management Information Systems) Consultas informes Information visualization, Dashboarding Calidad de Datos y limpieza de Datos Sistemas de previsin empresarial DSS - Apoyo en la toma de decisiones (Decision Support Systems) CRM - Customer Relationship Management

Ejemplo: Aplicar Business Intelligence al anlisis de ventas, ayuda a poder ajustar los precios y bajar los mrgenes, pues puedes estudiar como van a responder las ventas. Ariel sobre su detergente bsico, donde sale un nio que se mancha de 20% helado. Dice ms algo como: barato" "Ariel te limpia todo. Todo menos la cartera, ya que Ariel bsico es un La clave de este anuncio (des del punto de vista BI) es la palabra bsico. Ariel, gracias al anlisis de datos, se habr dado cuenta de que el mayor porcentaje de ventas lo sigue teniendo en su producto bsico, y no en los tpicos "con jabn de Marsella","detergente del futuro", y cosas similares. ERPs: Los sistemas de planificacin de recursos de la empresa (en ingls ERP, enterprise resource planning) son sistemas de gestin de informacin que integran y automatizan muchas de las prcticas de

negocio asociadas con los aspectos operativos o productivos de una empresa. Aunque en el da a da no necesitamos estos sistemas, no deja de ser interesante que haya un amplio abanico de ERP libres, dada la elevada dependencia que generan estas aplicaciones respecto del proveedor cuando no son libres, como bien apunt Ricardo Galli Aparte de la (importantsima) reduccin de costes aparejada a la libertad del software, donde habitualmente se paga por el mantenimiento pero no por el software en s mismo. Entre los ms conocidos de esta lista es OpenBRAVO, pero no es el nico Existen 3 caractersticas que definen a un ERP: 1. Son sistemas integrales, 2. son sistemas modulares 3. y adaptables. Los objetivos principales de los sistemas ERP son: 1. Optimizacin de los procesos empresariales. 2. Acceso a informacin confiable, precisa y oportuna. 3. La posibilidad de compartir informacin entre todos los componentes de la organizacin. 4. Eliminacin de datos y operaciones innecesarias. 5. Reduccin de tiempos y de los costes de los procesos. Ejemplo: ERP Propietario:

SAP Business One Microsoft Dynamics NAV Sage lnea 100 Solmicro CCS Agresso

ERP Opensource son:

Openbravo Openxpertya Tiny ERP Abanq

ERP SaaS son: Netsuite Salesforce Business by design (creado por SAP) Intacct Workday GSInnovate

ETL Los procesos ETL (Extraction, Transformation and Loading -extraccin, transformacin y carga) son los componentes ms importantes y de valor aadido de una infraestructura de Business Intelligence (BI). An pueden ser invisibles por los usuarios de la plataforma de BI, los procesos ETL recuperan los datos de todos los sistemas operativos y les pre-elaboran para las herramientas de anlisis y de reporting. La exactitud de la plataforma BI entera depende de los procesos ETL. Los procesos de Extraccin, Transformacin y Carga constan de mltiples pasos, cuyo objetivo es transferir datos desde las aplicaciones de produccin a los sistemas de Inteligencia de negocio :

Extraccin de los datos desde las aplicaciones y bases de Transformacin de estos datos para reconciliarlos en

datos de produccin (ERP, CRM, RDBMS, archivos, etc.)

todos los sistemas source, realizar clculos o anlisis sintctico de cadenas, enriquecerlos con informacin de bsqueda

externa y, adems, adaptarlos al formato preciso por el sistema objetivo (Third Normal Form, Star Schema, Slowly Changing Dimensions, etc.)

Carga

de

los o

datos

resultantes de

en

las

diversas

aplicaciones de BI:Almacenes de datos histricos generales (data warehouse) de almacenes histricos datos empresariales, (data mart), almacenes etc La latencia de los procesos ETL vara desde los lotes (a veces, de forma mensual o semanal, pero en la mayora de los casos diariamente), al tiempo casi real con actualizaciones ms frecuentes (cada hora, cada pocos minutos, etc.). datos individuales

aplicaciones OLAP (Procesamiento analtico en lnea) o cubos,

Ejemplo: Kettle ETL-Pentaho Data Integration (PDI? Kettle Spoon ETL-Transformacin grfica de un proceso ETL de ejemplo con una herramienta Spoon. Kettle PAN de ETL-ejecucin ETLde batch de de las transformaciones implementaciones diseadas con la herramienta Spoon de PDI. Ejemplo calidad datos: interesantes se muestran en el proceso de cargar una bodega de datos diseados en el pentaho data integration 3.0.

Interfase Web Las pginas Web supusieron la aparicin de las interfaces web, interfaces grficas de usuario con unos elementos comunes de presentacin y navegacin que pronto se convirtieron en estndares de facto. Este tipo de interfaces deben servir de intermediarias entre unos usuarios genricos, no acostumbrados generalmente al uso de aplicaciones informticas, y unos sistemas de informacin y procesos transaccionales que corren por debajo, debiendo posibilitar la localizacin de la informacin deseada, el entendimiento claro de las funcionalidades ofrecidas, la realizacin prctica de tareas especficas por parte de los usuarios y la navegacin intuitiva por las diferentes pginas que forman el sitio web. Hay dos tipos de interfaces de usuario segn su manera de interactuar: Alfanumrica (intrpretes de pedidos) y grficas de usuarios (GUI, Graphic User Interface). Estas ltimas permiten comunicarse con el ordenador de una forma rpida, intuitiva y grfica (ventanas, botones, etc.).

En el primer caso se trata de un conjunto de dispositivos

que permiten la interaccin hombre-mquina, de forma que permiten acceder y coger datos del ordenador. Un ejemplo de este tipo de interfaz es linux, Ms Dos, Unix.

Las Interfaces de software son programas o parte de ellos que permiten comunicarse con el ordenador. Ejemplos de este tipo de interfaz son: Fox Toolkit, Object Central (framework para generar interfaces grficas y para a de multiplataforma GTK+ es orientada conjunto multiplataforma usuarios),Glow APIs similares

(framework como

objetos para crear aplicaciones interactivas utilizando OpenGL o Mesa), un

herramientas para crear GUIs. GTK+ (til tanto para pequeos proyectos como para aplicaciones completas) Interfase Cliente-Servidor La interfaz de cliente incorpora otras herramientas importantes: Aquellas asociadas al acceso al curso y su gestin. Junto a estas, se dispone de la posibilidad de realizar los exmenes propuestos por el tutor o acceder a los eventos definidos por este (por ejemplo, avisos de clases presenciales). Los eventos se definen como aquellos hechos o noticias de especial relevancia que emitidos por el profesor, deben ocupar un papel diferenciado del resto de noticias del tabln. Sin embargo, el diseo de ATF no busca que su interfaz cliente se restrinja al aula virtual desarrollado. No se pens como un desarrollo cerrado. La interfaz puede estar constituida por cualquier navegador comercial. De esta forma, los servicios ofrecidos por el sistema, pueden ser disfrutados por usuarios (al menos en su mayor parte) que no dispongan del cliente del Aula Virtual. El Aula Virtual, no obstante, ofrece una normalizacin de acceso al sistema y a los cursos educativos, junto con el uso de las funcionalidades ofrecidas del sistema ATF. Ejemplo: Servidores de archivos: Servidor donde se almacena

archivos y aplicaciones de productividad como por ejemplo procesadores de texto, hojas de clculo, etc.

Servidores

de

bases

de

datos:

Servidor

donde

se

almacenan las bases de datos, tablas, ndices. Es uno de los servidores que ms carga tiene.

Servidores de transacciones: Servidor que cumple o

procesa todas las transacciones. Valida primero y recin genera un pedido al servidor de bases de datos.

Servidores de Groupware: Servidor utilizado para el Servidores de objetos: Contienen objetos que deben estar

seguimiento de operaciones dentro de la red.

fuera del servidor de base de datos. Estos objetos pueden ser videos, imgenes, objetos multimedia en general.

Servidores Web: Se usan como una forma inteligente

para comunicacin entre empresas a travs de Internet. Este servidor permite transacciones con el acondicionamiento de un browser especfico

Modelos de Datos ER (Entidad Relacin): El modelo de datos ms extendido es el denominado ENTIDAD/RELACIN (E/R).En el modelo E/R se parte de una situacin real a partir de la cual se definen entidades y relaciones entre dichas entidades: Entidad: Objeto del mundo real sobre el que queremos almacenar informacin (Ej: una persona). Las entidades estn compuestas de atributos que son los datos que definen el objeto (para la entidad persona seran DNI, nombre, apellidos, direccin,...). De entre los atributos habr uno o un conjunto de ellos que no se repite; a este atributo o conjunto de atributos se le llama clave de la entidad, (para la entidad persona una clave seria DNI). En toda entidad siempre hay al menos una clave que en el peor de los casos estar formada por todos los atributos de la tabla. Ya que pueden haber varias claves y necesitamos elegir una, lo haremos atendiendo a estas normas:

Que sea nica.

Que se tenga pleno conocimiento de ella.- Por qu en las empresas se asigna a cada cliente un nmero de cliente?. Que sea mnima, ya que ser muy utilizada por el gestor de base de datos.

Relacin: Asociacin entre entidades, sin existencia propia en el mundo real que estamos modelando, pero necesaria para reflejar las interacciones existentes entre entidades. Las relaciones pueden ser de tres tipos:
o

Relaciones 1-1: Las entidades que intervienen en la relacin se asocian una a una (Ej: la entidad HOMBRE, la entidad MUJER y entre ellos la relacin MATRIMONIO). Relaciones 1-n: Una ocurrencia de una entidad est asociada con muchas (n) de otra (Ej: la entidad EMPERSA, la entidad TRABAJADOR y entre ellos la relacin TRABAJAR-EN). Relaciones n-n: Cada ocurrencia, en cualquiera de las dos entidades de la relacin, puede estar asociada con muchas (n) de la otra y viceversa (Ej: la entidad ALUMNO, la entidad EMPRESA y entre ellos la relacin MATRCULA). Notacin empleada para elaborar modelos E-R:

Ejemplo de diagrama E-R

UML (Lenguaje de Modelado Unificado): Lenguaje Unificado de Modelado es el lenguaje de modelado de sistemas de software ms conocido y utilizado en la actualidad; est respaldado por el OMG (Object Management Group). Es un lenguaje grfico para visualizar, especificar, construir y documentar un sistema, es decir, permite la representacin conceptual y fsica. UML ofrece un estndar para

describir un "plano" del sistema (modelo), incluyendo aspectos conceptuales tales como procesos de negocio y funciones del sistema, y aspectos concretos esquemas como de expresiones bases de de y lenguajes de programacin, datos componentes

reutilizables. Es importante resaltar que UML es un "lenguaje de modelado" para especificar o para describir mtodos o procesos. Se utiliza para definir un sistema, para detallar los artefactos en el sistema y para documentar y construir. En otras palabras, es el lenguaje en el que est descrito el modelo. UML cuenta con varios tipos de diagramas, los cuales muestran diferentes aspectos de las entidades representadas. Ejemplo:

OO (Orientado a Objetos): Los sistemas basados en modelos de datos orientados a objeto fueron inspirados a partir del paradigma de programacin orientada a objeto. Entre los primeros lenguajes orientados a objetos podemos citar Smalltalk y Simula. Ejemplos ms recientes son C++, CIOS, CLU y JAVA. El modelo de bases de datos orientado a objetos se basa en el concepto de encapsulamiento de datos y cdigo que opera sobre

estos en un objeto. Los objetos estructurados se agrupan en clases. El conjunto de clases est estructurado en sub y superclases basado en una extensin del concepto ISA del modelo Entidad - Relacin. Puesto que el valor de un dato en un objeto tambin es un objeto, es posible representar el contenido del objeto dando como resultado un objeto compuesto. El modelo orientado a objetos se basa en encapsular cdigo y datos en una nica unidad, llamada objeto. El interfaz entre un objeto y el resto del sistema se define mediante un conjunto de mensajes. Un objeto tiene asociado:

un conjunto de variables que contienen los datos del objeto. El valor de cada variable es un objeto. Un conjunto de mensajes a los que el objeto responde. Un mtodo, que es un trozo de cdigo para implementar cada mensaje. Un mtodo devuelve un valor como respuesta al mensaje. El trmino mensaje en un contexto orientado a objetos, no

implica el uso de un mensaje fsico en una red de computadoras, si no que se refiere al paso de solicitudes entre objetos sin tener en cuenta detalles especficos de implementacin. La capacidad de modificar la definicin de un objeto sin afectar al resto del sistema est considerada como una de las mayores ventajas del modelo de programacin orientado a objetos. Ejemplo: Consideremos un objeto que representa una cuenta bancaria. Tal objeto contiene variables de ejemplares nmero- cuenta y saldo. Asumamos que un banco ha estado pagando un 6% de inters en todas las cuentas, pero ahora est cambiando su poltica de pagar un 5% si el saldo es menor que $180.000, o un

6% si el saldo es mayor o igual que $180.000. Para la mayora de los modelos de datos, hacer este ajuste significara cambiar el cdigo en uno o ms programas de aplicacin. Para el modelo orientado a objetos, el nico cambio se hace en el mtodo pagointers. Describir cada etapa del diseo de un DW Un Data Warehouse no se puede comprar, se tiene que construir, la construccin e implantacin de un Data Warehouse es un proceso evolutivo. Este proceso se tiene que apoyar en una metodologa especfica para este tipo de procesos, si bien es ms importante que la eleccin de la mejor de las metodologas, el realizar un control para asegurar el seguimiento de la misma. En las fases que se establezcan en el alcance del proyecto es fundamental el incluir una fase de formacin en la herramienta aplicacin. utilizada El para un pasos mximo de la aprovechamiento de la seguir los

metodologa y el comenzar el Data Warehouse por un rea especfica de la empresa, nos permitir obtener resultados tangibles en un corto espacio de tiempo. Planteamos aqu la metodologa propuesta por SAS Institute: la "Rapid Warehousing Methodology" basada en el desarrollo incremental del proyecto de Data Warehouse dividido en cinco fases:

Definicin de los requerimientos de informacin Tal como sucede en todo tipo de proyectos, sobre todo si involucran tcnicas novedosas como son las relativas al Data Warehouse, es analizar las necesidades y hacer comprender las ventajas que este sistema puede reportar. Diseo y modelizacin Los requerimientos de informacin identificados durante la anterior fase proporcionarn las bases para realizar el diseo y la modelizacin del Data Warehouse. En esta fase se identificarn las fuentes de los datos (sistema operacional, fuentes externas) y las transformaciones necesarias para, a partir de dichas fuentes, obtener el modelo lgico de datos del Data Warehouse. Este modelo estar formado por entidades y relaciones que permitirn resolver las necesidades de negocio de la organizacin. El modelo lgico se traducir posteriormente en el modelo fsico de datos que se almacenar en el Data Warehouse y que definir la arquitectura de almacenamiento del Data Warehouse adaptndose al tipo de explotacin que se realice del mismo. La mayor parte estas definiciones de los datos del Data Warehouse estarn almacenadas en los metadatos y formarn parte del mismo. Implementacin La implantacin de un Data Warehouse lleva implcitos los siguientes pasos:

Extraccin

de

los

datos

del

sistema

operacional

transformacin de los mismos.

Carga de los datos validados en el Data Warehouse. Esta carga deber ser planificada con una periodicidad que se adaptar a las necesidades de refresco detectadas durante las fases de diseo del nuevo sistema. Explotacin del Data Warehouse mediante diversas tcnicas dependiendo del tipo de aplicacin que se de a los datos: Query & Reporting On-line analytical processing (OLAP) Executive Information System (EIS) Informacin de gestin Decision Support Systems (DSS) Visualizacin de la informacin Data Mining Minera de Datos, etc.

La informacin necesaria para mantener el control sobre los datos se almacena en los metadatos tcnicos (cuando describen las caractersticas fsicas de los datos) y de negocio (cuando describen cmo se usan esos datos). Dichos metadatos debern ser accesibles por los usuarios finales que permitirn en todo momento tanto al usuario, como al administrador que deber adems tener la facultad de modificarlos segn varen las necesidades de informacin. Con la finalizacin de esta fase se obtendr un Data Warehouse disponible para su uso por parte de los usuarios finales y el departamento de informtica. Revisin La construccin del Data Warehouse no finaliza con la implantacin del mismo, sino que es una tarea iterativa en la que se trata de incrementar su alcance aprendiendo de las experiencias

anteriores. Despus de implantarse, debera realizarse una revisin del Data Warehouse planteando preguntas que permitan, despus de los seis o nueve meses posteriores a su puesta en marcha, definir cules seran los aspectos a mejorar o potenciar en funcin de la utilizacin que se haga del nuevo sistema. Diseo de la estructura de cursos de formacin Con la informacin obtenida de reuniones con los distintos usuarios se disearn una serie de cursos a medida, que tendrn como objetivo el proporcionar la formacin estadstica necesaria para el mejor aprovechamiento de la funcionalidad incluida en la aplicacin. Se realizarn prcticas sobre el desarrollo realizado, las cuales permitirn fijar los conceptos adquiridos y servirn como formacin a los usuarios. Modelos de DW: El data warehouse est elaborado en base al Modelo Multidimensional. La estructura bsica del DW consta de dos elementos Tablas y Esquemas. Como cualquier base de datos relacional, un DW se compone de tablas. Hay dos tipos bsicos de tabla. Tablas Fact o tablas de hecho: Contienen los valores de las medidas de negocios, por ejemplo: ventas promedio en dlares, nmero de unidades vendidas, etc. Tablas Lock-up o tablas de dimensiones: Contienen el detalle de los valores que se encuentran asociados a la tabla Fact. Los Esquemas son la coleccin de tablas en DW Hay dos categoras bsicas: Esquemas Estrellas (Star Schema) y Esquemas en Copo de Nieve (Snowflake Schema).

Esquema Estrella (Star Schema) El esquema estrella recibe su nombre producto de la estructura que se forma cuando la tabla de hecho est rodeada de las tablas dimensionales. Todo objeto de anlisis es un hecho. Este hecho se representa en el modelo dimensional en forma de tabla de hechos. Los hechos son analizados a su vez, a travs de las dimensiones o componentes (tantas como dimensiones participen en la descripcin del hecho), que se representan en el modelo dimensional a partir de las tablas de dimensiones. En el esquema estrella una sola tabla de hecho est relacionada a cada tabla de dimensin. Las tablas de dimensiones son enlazadas a la tabla de hechos mediante referencias de una llave fornea. La llave primaria de la tabla fact recibe el nombre de clave compuesta o concatenada debido a que se forma de la composicin (o concatenacin) de las llaves primarias de las tablas dimensionales a las que est unida. As entonces, se distinguen dos tipos de columnas en una tabla fact: columnas fact y columnas key. Donde la columna fact es la que almacena alguna medida de negocio y una columna key forma parte de la clave compuesta de la tabla. Los hechos tienen columnas de datos denominadas mtricas y las dimensiones jerarquas. Ejemplo: Tenemos Ventas y sus dimensiones: Tiempo, Localizacin y Producto. Alguna mtrica de ventas seria nmero de unidades vendidas y valor de la venta. En cuanto a los niveles de jerarqua de las dimensiones encontraramos para la dimensin Tiempo da, semana y mes, para la localizacin tendramos almacn, poblacin, provincia, para la dimensin Producto encontraramos producto, familia, departamento. tienen columnas que representan los niveles de

Las mtricas son indicadores que nos permiten cuantificar los hechos y siempre hay que intentar buscar mtricas que sean aditivas. Una mtrica es aditiva cuando es sumarizable por todas sus dimensiones. Otro ejemplo: Una fbrica tiene 50 unidades en el almacn en Enero. En Febrero tiene 30 y en Marzo 10. Esta mtrica no es sumarizable, ya que 50+30+10 no da el inventario final del trimestre. Esto suele pasar bastante con la dimensin TIEMPO.

Esquemas en Copo de Nieve (Snowflake Schema) Esquema en copo de nieve (bola de nieve) es una variedad ms compleja del esquema estrella. El afinamiento est orientado a facilitar estrella, es mantenimiento que las tablas de de dimensiones. en este modelo Lo que distingue a la arquitectura en copo de nieve de la esquema dimensiones representan relaciones normalizadas (3NF) y forman parte de un modelo relacional de base de datos Con varios usos del esquema en bola de nieve, el ms comn es cuando las tablas de dimensiones estn muy grandes o muy

complejas y es muy difcil representar los datos en esquema estrella Por ejemplo, si una tabla dimensional de los clientes (CUSTOMERS) contiene un milln de filas, sera una idea buena crear una tabla con grupos de clientes (CUSTOMER_GROUPS) y mover los datos comunes para cada grupo de clientes a esta tabla. El tamao de estas dos tablas ser mucho menor que de una tabla no normalizada con todos los datos de clientes El problema es que para extraer datos de las tablas en esquema de copo de nieve, a veces hay que vincular muchas tablas en las sentencias SQL que puede llegar a ser muy complejo y difcil para mantener.

Modelo Data warehouse: Supermercado

Anlisis EL data warehouse descrito anteriormente es el de un supermercado, donde se identificaron y cuatro La variables primera importantes variable es la para de su los funcionamiento anlisis.

proveedores donde se debe identificar el tipo de rea a la cual pertenecen los productos que suministran. Una segunda variable es la

de los productos donde identificamos el tipo de productos, el rea y departamento en el cual se clasifican en el supermercado, adems esta variable se relaciona con la variable tiempo ya que es en esta relacin que se observa el tiempo (da, mes, semestre, ao) en que se tarda en vender estos productos, en la variable tiempo es donde se recopilara la informacin de las ventas en espacios de tiempo determinados para los distintos tipos anlisis requeridos por los usuarios, como por ejemplo se puede mencionar: que productos son los que ms se venden, en que sucursal hay mas ventas, etc. Finalmente la variable sucursal donde identificamos desde donde se encuentra la sucursal numero uno a las sucursales a nivel pas, y se relaciona con las dems variables ya que es aqu donde observamos el tiempo de venta de los productos, que productos fueron los ms vendidos en una sucursal y a cuales se les debe potenciar ms, a que proveedor se debe fortalecer, entre otros. Conclusin Las organizaciones estn comprendiendo que para ser competitivas necesitan administrar la informacin de manera eficaz y eficiente al igual que cualquier que otro la recurso. produccin, En este sentido, se debe comprender distribucin, seguridad,

almacenamiento y recuperacin de toda la informacin en la organizacin implica ciertos costos. En la actualidad no slo basta poseer, organizar y utilizar la informacin en funcin de las operaciones regulares de la empresa, se debe gestionar la informacin de manera tal que permita diferenciarse de la competencia, en consecuencia el uso y la implementacin adecuada de los sistemas de informacin son fuentes de ventajas competitivas. Por consiguiente aquellos programas que ayuden y soporten la toma de decisiones a un nivel ms estratgicos desempean roles crticos en la organizacin, ejemplos de estos programas son: CMI, DSS, EIS, ERP, CMR.