Documentos de Académico
Documentos de Profesional
Documentos de Cultura
NEGOCIOS INTELIGENTES IBSS Curso Bi UNPRG - Lambayeque
NEGOCIOS INTELIGENTES IBSS Curso Bi UNPRG - Lambayeque
"
!" #$ %
012
( ! + + + &
* ! + '
& +
! &
+ +' !
3 ! % ! ! '5
+&
+ +'
". $ !
Participar
Trabajar en Estar a tiempo
grupo
Presentació
Presentación
' $
1 1
A1 8
B1 % !+
C1 ( & 29 !
D1 ( & 29 !
'! ' $
1 ! !
A1 ! !
!
3 ' $
1
A1 37
B1
C1 37
# ' $
1 $ + '
A1
B1 2 4 !
C1 37
4 ' $
1 - - 45
A1 9 3 - 45 * # E
B1 ! , - 45
C1 % 5 , - 45
D1 + 5 - 45
' ' $
1 - 5=
A1 > % F7 2* '(+ #=
!+
B1 !
9
),
111 111
• $5 # • !+
• !+ • 9
• 2! !5 • / ! .
• • -
• !+ - • ! ! !
!+
• 8 5 !
! 2
G !& !+ 9 4' %
! 5 !
'! 7! # + 5 =
!+ H
5/ * '
G ! 5 ! ' !
+ ! ! ! '+ ! H
$
! !
Quié
Quién compró
compró? Dó Dónde y có
cómo compraron?
Cuá
Cuáles son las caracterí
características de mis clientes ?
Qué
Qué está
está requiriendo mi cliente ?
Que regió
región nos provee mayores ventas ?
Qué
Qué segmento de clientes respondió
respondió mejor a la reciente promoció
promoción?
Qué
Qu é productos llegaron con retraso y por qué
qué?
En qué
qu é periodo se vendió
vendió m á s ? Como vendimos ?
Cuá
Cuáles han sido los valores histó
históricos de mis activos, de mi
patrimonio, de mis ventas?
Qué
Qué clientes y cuá
cuántos tienen el perfil necesario para mi campañ
campaña
de ventas?
! !
Pero a qué
qué costo?
Con qué
qué oportunidad y qué
qué seguridad?
Tal vez en forma incompleta, postergadas, o sin la orientació
orientación del
negocio
Tal vez ya las resolvimos, pero no resolvimos lo nuevo, lo que
necesitamos hoy y mañ
mañana.
# $
Frustació
Frustación de los ejecutivos debido a ...
- + 5 ! '+
!
. ! !
4 + !
+
!+ + & !
) + 5 !+
) + & 4 !
) + 4 + !+ =
/ I. &+
.()-* -*)- I. ) J *2I. 1
/ 9 ! !
* *2 .) -(- 1
5 ' !+ +
#
". $
Información
Información
18
". $
* $
5!
" ! ,7
.
36
8# 8 0 0
'#
* *
" !
!
“La inteligencia del negocio es como “La informació
información en las
convertir la informació
información de la organizaciones está
está aumentando
empresa en una arma estraté
estratégica “. rápidamente, así
así como, las
decisiones crí
críticas del negocio; el
Teddy Dale problema es la actitud de las
Consultor Internacional empresas para utilizar estos datos “.
Gartner Group
" !
G +
! ' ! +
= !+ G
3) * 9 ) !"
Datos Ventaja
Información Conocimiento
Competitiva
* ". $
> - K 4
" !
G ! 5
' #
! + +
!+ G
- K 4
: " !
8#
* !
0
* )1
9 1
$ 8
3 . $ , *
# !
9 )
*
#
L )
L 2+
!
* L
* 9 )
+ 9
! 3 + # '
5' 4 ! + !
4 ! ' !
! 1
! 7 %
! + ' 7 1
* 9 ) !
+ 7 ' 5
+ ! !+
+ ! +
+ ! ! # '
! + + + +
9 #9 1
*
(! 3 ! &
#
- + - 6 4 !
! +
* 9 ) *
/
Producto
Cliente
Ventas
Pais
20 M
;<!
Unidades
$100 Venta
Perú 56 grm Tipo A 100
Perú 35 grm Tipo B 109
$25.3 Costo
Perú 25 grm Tipo C 423 =;!
?
Ecuador 56 grm Tipo A 5363
Ecuador 35 grm Tipo B 342
Bolivia 25 grm Tipo C 423
>;!
G 8 ' 3 3 3 #
+ DM ! #
"+ + (H
(H
. $
Personalized
HR Information Radar
Continuously Scours
Databases
Fin
Sales
Warning:
Inv UDE Drives 90%
Depleted
SKU: 35542
Store: 118
Est. 8 Hr Supply on
Hand
CRM
* )1
& " !
La prá
práctica de proporcionar a empleados, clientes, socios y proveedores,
proveedores,
acceso autó
autónomo a datos valiosos del negocio a travé
través de Internet, para
apoyar la toma de mejores decisiones.
*. ' ", 3
// ( 2()/( *)( ./ ) // ) $)
! # !
!& !+ !& !+
+ + % % & ' 3
! + + ! + !
' !+ 5 ' !+ ! !
- -
N
!+ !+ 4
!+ !+ + !+ + !
&
! !
. + ! 5= . +
7+ ! 7+ !
+ ' 7
+
" !
• Administració
Administración de relaciones con
clientes (CRM)
• Administración del conocimiento (KM)
• Minería de datos (Data Mining)
• Alertas (Balanced Scorecard)
• Detección de fraudes
• Evaluación de créditos
• etc
" ! %%
6 " !
#
8 + % +
/ + =!
2 !
6 " !
#
8 5 7 !+ , 8 )O
# 5 + 1 ! ' +
( & !
" !
6 " !
. # +
# ! + +
> # 4&5
" !
6 " !
. # +
# ! + +
> # 4&5
" !
6 " !
%
! + +
2 + #
'! /
Análisis de Siniestralidad
Siniestralidad
Región : Lima
Provincia : Lima
Año : 2003
Ramo Enero Febrer o M arzo Abril M ayo Junio
Vehículos 65 70 72 68 70 75
Transporte 50 55 52 60 60 63
SOAT 88 85 90 86 85 87
Incendio 30 32 30 35 28 30
Deshonestidad 16 12 15 10 10 12
Ram os
11% 4%
28% Vehículos
Transporte
SOAT
Incendio
33%
24% Deshonestidad
Condiciones :
Siniestralidad < 60%
60 %<Siniestralidad<70 %
Siniestralidad >= 70%
B -
'! /
Siniestralidad
Región : Lima
Provincia : Lima
Ramo : Vehículos
2002 2003
Coberturas Ene ro Enero Fe brero Marzo Abril Mayo Junio
Daños al vehículo 19 22 24 28 15 16 14
Robo total o parcial 26 11 7 4 6 7 6
Resp. Civil de Terceros 11 6 5 3 5 4 3
Resp. Civil de Ocupantes 3 5 3 3 2 3 4
Accesorios Musicales 41 56 61 62 72 70 73
Totales 100 100 100 100 100 100 100
Coberturas
Condiciones :
Siniestralidad < 60%
60 %<Siniestralidad<70 %
Siniestralidad >= 70%
B -
'! /
Siniestralidad
Región : Lima
Provincia : Lima
Ramo : Vehículos
Cobertura : Accesorios Musicales
Productos Enero Febrero Marzo Abril M ayo Junio
Tradicional 60 48 50 40 38 42
Automax 4 10 6 12 20 31
Autolider 5 12 10 8 16 18
Autito 16 11 12 14 8 5
Autototal 15 19 12 26 18 4
Totales 100 100 90 100 100 100
Junio
5% 4% Tradicional
18% 42% Automax
Autolider
Autito
31% Autototal
B -
'! /
Siniestralidad
Región : Lima
Provincia : Lima
Ramo : Vehículos
Cobertura : Accesorios Musicales
Producto : Tradicional
Clase Enero Febrero M arzo Abril Mayo Junio
Automóvil 72 70 75 70 72 73
Camión 15 8 12 10 12 13
Vehículo Menor 8 16 8 15 9 10
Omnibus 3 4 2 3 4 2
Microbus 2 2 3 2 3 2
Totales 100 100 100 100 100 100
80
70
Automóvil
60
50 Camión
40 Vehículo Menor
30 Omnibus
20
Microbus
10
0
Enero Febrero Marzo Abril Mayo Junio
B -
+ %
4 5 " ! C
)* % +'
)* " '
)* 5 ! % 5
! + # ! +
! " !
+ % +
) 4 '+ 5
!
! " !
! ? P
( 9 ' 9 P
P111
/ ! %
!& $
( >
D :5 " ! C
! """
!"
D :5 " ! C
#$ % $
% &
% '
( & )
* * +
D :5 " ! C
, ) -
.
! 2E
+
+ ' % 1
% 5 + + %
! ! % !+ 1
Análisis de Datos
Data Warehouse
Acciones de Valor
Control Ejecución Planificación
- + + , AQQR 9 !+ ,%
! ! 5
! ! 1
+ 9 +
!+ ,% 1
& !
BARS ! AQQD AQ !& 9
+ ! ! QDS 1
- !3
( #
Arquitectura de la solución
Selección de herramientas
Calidad de la Información
QUAL_NAME POS_NAME CUST SHIPPERS
QUALIFICATION
POSITION
EMPLOY ACCOUNT_STATUS
ORDERS ORDER_LINES
Modelamiento PRODUCTS
SUPPLIERS
COUNTRIES
REGIONS
. $ .
G) 4 ' + 9 !
5 H
- @
! " !
=% $
"
>% :
I% 6 3 $! , ;% $
J% , *
:
F% $
$
* ""
'3 #"
0 * 0G #30
$ $ $ $ $
! -- # $ #
* K
. 3
* )1 # ! L
L# $
6 L $
: *
L? $
L? $ * )1
=% $ "
>% : ,
I% 6 ;% $
: ". $
F% $
$
! " !
1.2 Análisis de
Fuentes de datos
I%I $ , I%;? $
$ :
:
1.3 Definición de
1.4 Elaboración de
Requerimientos
Prototipos
(Star Nets)
2.1 Diseño
de Modelo Lógico
de Base de Datos
2.5 Definición de
Plataforma
Tecnológica
! " !
3.1 Construcción
de Base de Datos
3.5 Pruebas
y Ajustes
3.3 Desarrollo de
Procedimientos
Manuales
4.4 Pruebas y
Ajustes
4.2 Desarrollo de
Procedimientos
Manuales
! " !
5.5 Pase a
5.4 Capacitación Producción e Inicio
Soporte Post-
Implantación
5.3 Instalación de
herramienta de
Usuario Final
6 :
1 - + 5
A1 5 +
B1
C1 . + 5
D1 8 9 !
M1 > ! # G( 29 ! H
2 & 6 ? "
# @
L- ! '%
L( & ( ! ' !
L + !+ '+ %
L) + >! % '+
L- + +
L- +
L( & + 8
# @
L !+ !+
L( & !&
!& , #
L/ ! !
L + + 5
: # '
3
? / !
(,
8 ?
8 / % !+
8 - 0! $
8 .
>!
%
+
#
$
. 6 :
0 0
# L 6 ? #
# @
L- ! '%
L( & ( ! ! '
L( & & + !+ / T /
L +
L) + >! % '+
L- + + ' 1 + (
' 1
L( & + / + '8
L8 + + + !+ 0> ! 0!
# @
L !+ !+
L( & !&
!& , #
L/ ! !
L + + 5
# L 6 ? #
Tiempo
? -%
/ !
8 Vendedor
(, / +
8 /
!+ / T /
8 - Geografía
8 .
>!
%
+
Producto
Cliente
# L ? #
?
Tiempo Mes
(,
+ / !+
+ -
+ . Empresa
>!
Familia Prod.
#
! " !
3. Extracción Inicial
de datos
2. Arquitectura y
1. Análisis de 5. Explotación de
Modelamiento
Requerimientos Información
de datos
4. Actualización
Periódica de
datos
1 > ! # 9 !
A1 U) V 9 ! +
B1 !+ ! 9+ 3 '
C1 > ! + + '
!+ !
. D1 + +
,M 1 %1
A
!"
!" #$ %
'! ' $
1 ! -!
A1 ! !
*
3 , ! !
# + - 6 4 9 5
+ 9 & '
+ ! + !
1
! ! 5 9 !
! + 5 : 4 ' 5
! 1
:
Dimension Producto
Dimension Tiempo
Tiempo_id Producto_id
Fact Table Ventas
Codigo Producto
Dia_semana Tiempo_id (FK)
Numero_semana Descripcion Producto
Almacen_id (FK) Marca
Mes
Producto_id (FK) Categoria
Promocion_id (FK)
Dimension Almacen Dolares
Almacen_id Unidades Dimension Promocion
Costo Promocion_id
Codigo_Almacen
Nombre_Almacen Nombre_Promocion
Distrito Tipo_Promocion
Region
-! !+ -!
!+ W W
> 5 8
(, !+ W >X
W >X
-% W >X >!
./Y N (
3 N K *
AD AQQR AN
QMNQR /N1 IJ> 6 # # O
.
-!
W
# N 3 #
+
F> %
3 N # N N 'P
AD CA QA CA1BD
# ' Q. +
Dimension Producto
Producto_id
9 ! Codigo_producto Fact Table
Descripcion_producto Producto_id (FK)
Marca_comercial
Categoria_comercial
Tamaño
Sabor ( > 5
W !
Marcas Comerciales
Marca_comercial_id Dimension Producto
Marca_comercial Producto_id
Categoria_comercial Codigo_producto Fact Table
Descripcion_producto Producto_id (FK)
Marca_comercial_id (FK)
Tamaño
Sabor
& ,*
Shipper Ship
Producto Tabla de Hechos Cliente
descripción descripción
Orders Product
tamaño zona
sabor región
Contact_Loc Product_Line
familia estratégico
Promoción Tiempo
Contact descrición año
condición trimestre
descuento mes
vigencia feriado
L 3 , 9 5
!
L 3 , 9 5
L 9 ! ' !
!+ ' !
L 5 : 4 ' 5
L !
5 %
L > 5 4 4 9
+ ! !
!5 +!
!
$ &
-! !+ -!
!+ W W
> 5 8
- W ! !+ W >X
) ! W ! - +
(! W >X
W >X
! W >X
-! (! -
(! W . -! !
W( ! ! W
) !5 W( ! ) !5 W !
- +W !
2
* 3 * 3 #
" !
T !+
T 8(2 :(2AC !+ 8(2 :(2A Q
* K *
1 ( & 9 ! -
A1 5
B1 - !
C1 !3
!3 4 4
2 L 6 ? "
# @
L- ! '%
L( & ( ! ' !
L + !+ '+ %
L) + >! % '+
L- + +
L- +
L( & + 8
# @
L !+ !+
L( & !&
!& , #
L/ ! !
L + + 5
: # '
3
? / !
(,
8 ?
8 / % !+
8 - 0! $
8 .
>!
%
+
#
$
? L"
T iempo
Productos
DIA_ID
PRODUCTO_ID
YEAR
CODIGO_PRODUCTO
MES
PRODUCTO
SEMANA
FAMILIA
FECHA
LINEA
Ventas
Vendedores
DIA_ID (FK)
VENDEDOR_ID VENDEDOR_ID (FK)
CLIENT E_ID (FK) Paises
CODIGO_VENDEDOR
VENDEDOR EMPRESA_ID (FK) PAIS_ID
PRODUCTO_ID (FK)
CODIGO_PAIS
PAIS_ID (FK)
PAIS
PROCESO_ID (FK)
Clientes
CLIENTE_ID MONT O_SOLES
UNIDADES Procesos
CODIGO_CLIENTE KILOS
CLIENTE PROCESO_ID
TIPO CODIGO_PROCESO
PROCESO
Empresas
EMPRESA_ID
CODIGO_EMPRESA
EMPRESA
# L 6 ? #
# @
L- ! '%
L( & ( ! ! '
L( & & + !+ / T /
L +
L) + >! % '+
L- + + ' 1 + (
' 1
L( & + / + '8
L8 + + + !+ 0> ! 0!
# @
L !+ !+
L( & !&
!& , #
L/ ! !
L + + 5
# L 6 ? #
Tiempo
? -%
/ !
8 Vendedor
(, / +
8 /
!+ / T /
8 - Geografía
8 .
>!
%
+
Producto
Cliente
# L 6 ? #
Tiempo Vendedores
DIA_ID VENDEDOR_ID
YEAR CODIGO_VENDEDOR
MES VENDEDOR
SEMANA
FECHA
Empresas
EMPRESA_ID
Clientes Ventas-Comercial
CLIENTE_ID DIA_ID (FK) CODIGO_EMPRESA
VENDEDOR_ID (FK) EMPRESA
CODIGO_CLIENTE ACTIVIDAD
CLIENTE_ID (FK)
CLIENTE
EMPRESA_ID (FK)
TIPO_CLIENTE
PRODUCTO_ID (FK)
SUPERVISOR_ID (FK) Productos
Supervisores CIUDAD_ID (FK) PRODUCTO_ID
SUPERVISOR_ID ZONA_ID (FK)
SUCURSAL_ID (FK) CODIGO_PRODUCTO
CODIGO_SUPERVISOR PRODUCTO
SUPERVISOR MONTO_SOLES UNIDAD_MEDIDA
MONTO_DOLARES FAMILIA
CANTIDAD LINEA
Ciudades COSTO_SOLES
CIUDAD_ID COSTO_DOLARES
MARGEN_SOLES Sucursales
CODIGO_CIUDAD MARGEN_DOLARES SUCURSAL_ID
CIUDAD
CODIGO_SUCURSAL
SUCURSAL
Zonas REGION
ZONA_ID
ZONA
SECTOR
MODULO
# L 6 ? L #
Tiempo Vendedores
DIA_ID VENDEDOR_ID
YEAR CODIGO_VENDEDOR
MES VENDEDOR
SEMANA
FECHA TiempoMes
Empresas
MES_ID
EMPRESA_ID
Clientes Ventas-Comercial YEAR
CLIENTE_ID DIA_ID (FK) CODIGO_EMPRESA MES
VENDEDOR_ID (FK) EMPRESA
CODIGO_CLIENTE ACTIVIDAD Presupuesto
CLIENTE_ID (FK)
CLIENTE
EMPRESA_ID (FK) MES_ID (FK)
TIPO_CLIENTE
PRODUCTO_ID (FK) EMPRESA_ID (FK)
SUPERVISOR_ID (FK) Productos FamiliaProd_id (FK)
Supervisores CIUDAD_ID (FK) PRODUCTO_ID
Monto_soles
SUPERVISOR_ID ZONA_ID (FK)
CODIGO_PRODUCTO Monto_dolares
SUCURSAL_ID (FK)
CODIGO_SUPERVISOR PRODUCTO Cantidad
SUPERVISOR MONTO_SOLES UNIDAD_MEDIDA
MONTO_DOLARES FAMILIA FamiliaProductos
CANTIDAD LINEA FamiliaProd_id
Ciudades COSTO_SOLES
FamiliaProducto
CIUDAD_ID COSTO_DOLARES
MARGEN_SOLES Sucursales
CODIGO_CIUDAD MARGEN_DOLARES SUCURSAL_ID
CIUDAD
CODIGO_SUCURSAL
SUCURSAL
Zonas REGION
ZONA_ID
ZONA
SECTOR
MODULO
# K
! " !
3. Extracción Inicial
de datos
2. Arquitectura y
1. Análisis de 5. Explotación de
Modelamiento
Requerimientos Información
de datos
4. Actualización
Periódica de
datos
# K
1 + 5 ! 4 !
A1 - , + + 5
B1 + 4 !
.
& ,
C1 8 ! 9 !
D1 + + ! # !
M1 - ! !
R1 9+ 3 5 9 +
!
3 1 ! ! B
VENTAS
DIA_ID (FK)
CLIENTE VENDEDOR_ID
CLIENTE_ID CLIENTE_ID (FK)
EMPRESA_ID (FK)
CLIENTE
PRODUCTO_ID
NOMBRE
PAIS_ID (FK)
CANAL
CIUDAD_ID
GRUPO
SUCURSAL_ID (FK)
EMPRESA
REPRESENTADA_ID (FK)
DIVISION_ID (FK)
SUPERVISOR_ID
DIVISION ZONA_ID
DIVISION_ID MONTO_SOLES
MONTO_DOLARES
DIVISION
CANTIDAD TIEMPO
PAIS NOMBRE EMPRESA COSTO_SOLES
EMPRESA DIA_ID
PAIS_ID EMPRESA_ID COSTO_DOLARES
PAIS MARGEN_SOLES FECHA
CODIGO_EMPRESA
NOMBRE MARGEN_DOLARES ANO
NOMBRE
EMPRESA ACTIVIDAD TRIMESTRE
SUMAMES_VENTAS MES
MES_ID (FK)
CLIENTE_ID (FK)
EMPRESA_ID (FK)
FAMILIA_ID (FK)
PAIS_ID (FK) REPRESENTADA
SUCURSAL_ID (FK) REPRESENTADA_ID
REPRESENTADA_ID (FK)
DIVISION_ID (FK) REPRESENTADA
NOMBRE
MONTO_SOLES EMPRESA
MONTO_DOLARES
CANTIDAD
COSTO_SOLES TIEMPOMES
FAMILIA COSTO_DOLARES MES_ID
FAMILIA_ID MARGEN_SOLES
ANO
MARGEN_DOLARES
FAMILIA TRIMESTRE SUCURSAL
NOMBRE MES SUCURSAL_ID
ORIGEN
EMPRESA SUCURSAL
NOMBRE
ADMINISTRADOR
EMPRESA
,M 1 %1
B
!"
!" #$ %
3 ' $
1
A1 37
B1
C1 37
* K !
# !
-
1 [. # ! 4 ! 5 !
+ ! ! E
A1 [ 4 ! + !
+ ! E
B1 [ + ! 4 ! +! E
#
? 3
1 [- & !+ 4 + ! + 4
E[ E
A1 [ & ! & #
E
B1 [ & ! 5 & E
( 2 # !
1 [ ! 5 # + ! E
A1 [ & + ! + 3 + +
!+ E
B1 [ & !+ ! & 4 E
[ & , ! E
C1 [ & !+ ! ! E
#
.
1 [- 5 % E
[ ! + ! E
A1 [- 5
E[ ! + ! E
B1 [) ! ! !
4 7E
C1 [ ! E
?
1 [I + 5 # E
A1 [- 5 5
E
B1 [I 3 5 4 + ! E
#
% +
+ ! 5 ' ! + 1
5= +
4 3 + ! & '
! & 1
* K 3
1 5 - ! +
A1 4 !
B1 - , =
C1 - , + !
D1 % / (
- !
( 0 ! *
1 [I 3 & + ! E[
+ ! 7+ E
[ + E
A1 [ 7 9 + # E
B1 [ 7 ! !
+ ! ! E
C1 [I 3 ! 5 !
V E
#
- 3
1 [: ! 5= 4 !
+ E
A1 [: ! 5 ! + E
B1 [ 4 ! + & +
! ' 7 5
5! 5 7 E- % 9
=E
( 2 ,
1 [ 7 + + ! E
A1 [I 3 ! + + E [) !
E
B1 [ & 5 + ! + E[
4 ? & E
#
1
1 [I 3 #& + 5 E
A1 [I 3 & ! ! +
+ 5 E
B1 [ ! + 5 E [I 3
+ + E
C1 [ = 9 + &! ! ! 9 + 5
E
35
35
1 [I 3 % 5 +
+ ! E
A1 [ 5 '
! ! E
B1 [ + ! & + E
#
4 4 !
1/ 5 !
4 ! + !
- 1
( %! ! 5 % ! !&
!&
4 ? 9 ! + ! =
+ 1
* 3
1 - + !
: !
A1 5 =
B1 + !
C1 5 =
D1 *+ ! # +
M1 5
D :5
C
Shipper Ship
Producto Tabla de Hechos Cliente
descripción descripción
Orders Product
tamaño zona
sabor región
Contact_Loc Product_Line familia estratégico
Promoción Tiempo
Contact
descrición año
condición trimestre
descuento mes
vigencia feriado
QUALIFICATION
POSITION
PRODUCTS
SUPPLIERS
COUNTRIES
REGIONS
Plataforma 2
Datawarehouse
Modelo de Datos
Normalizado
Plataforma 3
Datamart
Modelos Estrella
Plataforma 1
Plataforma 2
Plataforma 3
Datamart Cubos
Modelos Estrella Multidimensionales
# 6 ' $ "
- + % ! +
+
! 7 % !
! 1
!+ ' 3! !
4 3 !&
!& & ' 1
! 5 !+ 1
# 5& ! +
+ ' 1
# 6 ' $ "
- - ? 10 5
4 ! !
- ( 10 !5 !
> 5 ' 1
: ! 10
10 4 ! 5 + ! 4
& 3 !+ 1
G 4/ 4 - 6 4 H
2 +4X
4X!5
&# 0
Plataforma 1
Plataforma 2
Informació
Información del ticket Ventas de tickets diarias
que compró
compró Juan Pé Pérez por oficina, por ruta, por
Plataforma 3 para viajar Lima – Miami tipo de cliente.
– Lima en la oficina de Necesitamos evaluar a
Miraflores el dí
día 10 de nuestro cliente VIP Juan
enero del 2003 Pérez, nos está
está
solicitando ofertas só sólo
para sus viajes a MIAMI.
Sabemos que compra en
la oficina de miraflores.
miraflores.
Aplicamos
Drill to Detail
3 2 1
•Bajamos la performance
•Sólo se mostrarán los datos que
existan en la estrella.
•El usuario está obligado a
entender el concepto de Drill to
Detail, no sería una funcionalidad
natural de la herramienta.
&# 0
Plataforma 1
Plataforma 2
Informació
Información del ticket Informació
Información del ticket
que compró
compró Juan Pé Pérez que compró
compró Juan Pé Pérez
Plataforma 3 para viajar Lima – Miami para viajar Lima – Miami
– Lima en la oficina de – Lima en la oficina de Necesitamos evaluar a
Miraflores el dí
día 10 de Miraflores el dí
día 10 de nuestro cliente VIP Juan
enero del 2003 enero del 2003 Pérez, nos está
está
solicitando ofertas só sólo
para sus viajes a MIAMI.
Sabemos que compra en
la oficina de miraflores.
miraflores.
QUALIFICATION
POSITION
PRODUCTS
SUPPLIERS
COUNTRIES
REGIONS
Plataforma 2
Informació
Información del ticket
que compró
compró Juan Pé Pérez
Plataforma 3 para viajar Lima – Miami
– Lima en la oficina de Necesitamos evaluar a
Miraflores el dí
día 10 de Ventas de tickets diarias nuestro cliente VIP Juan
enero del 2003 por oficina, por ruta, por Pérez, nos está
está
tipo de cliente. solicitando ofertas só sólo
para sus viajes a MIAMI.
Sabemos que compra en
la oficina de miraflores.
miraflores.
3 2 1
* ! &# 0
Ingresos
Plataforma 1
Cubo Virtual de
Ingresos y Gastos
Gastos
Plataforma 2
Tenemos una Fact Table Cubos Independientes
de Ingresos Por Centros
Plataforma 3 de Costos y otra de Necesitamos Comparar
Gastos por Centros de Ingresos Vs. Gastos por
Costos. Almacenamos Centros de Costos.
detalles de ingresos y Durante el aná
análisis
gastos. encontramos gastos
fuertes para un Centro
de Costos. Necesitamos
saber en qué
qué se gastó
gastó,
quié
quién gasto, etc
2 1
Encontramos la diferencia. Pero no se puede ir al
detalle. Llamemos a Contabilidad para que nos
informen acerca de los gastos.
* ! &# 0
QUALIFICATION
POSITION
PRODUCTS
SUPPLIERS
COUNTRIES
REGIONS
Plataforma 2
Tenemos una Fact Table
Almacenamos detalles
de Ingresos Por Centros
de ingresos y gastos.
de Costos y otra de
Plataforma 3 Necesitamos Comparar
Gastos por Centros de
Costos. Ingresos Vs. Gastos por
Centros de Costos.
Durante el aná
análisis
encontramos gastos
fuertes para un Centro
de Costos. Necesitamos
saber en qué
qué se gastó
gastó,
quié
quién gasto, etc
3 2 1
Relacionamos ambos Datamarts.
Creamos la relación en la Metadata
#
# % :
! " !
0 0
134
012 !
( 7
+
+ ' )
! +
! ' + 4
+ ! + ' +
)
2 # 4 !
+' + '
)
5 9
! " !
!!
!
!
-
!
R . # P
P
# .
. $
!
. !
3 $!
S
! !
1 ( &
A1 ( # 7+ 4 + '
) 1 93 !
5 4 'E
+' ! E
1 & + 1 -
+ 1 +
A1 9 ! 5 + &
+
B1 - 9+ + ' + &
+ 1* # 2 '>
C1 ! !
+ 5 4= &
D1 - + ' 1 ! 4
9 ! !
7 + 55
M1 ! = ! + 1
5= +
B
# 6 ". $
1 + 1
& ! 1
) =!+
! !+ ! ' 1 '
1
A1 2 ! % + '
)
B1 ' 7+ > %
F7
C1 2 ! !+ !
! 3 $!
1 / : !
9 ! 3 0
1
- 4 !
+
( & !+ 4 ! 1/
A1 - + !
- + ! 4 !
- (9 5
29 ! + + '
+
B
. .
# 5
,M 1 %1
C
!"
!" #$ %
# ' $
1 $ + '
A1
B1 2 4 !
C1 37
!
1 $ '
* #
- !
!
2
2 :!
/ ! '
A1
$ ,
Proyecto Proyecto
Definir Administrar el Documentar la Actualizar los
Necesidad Aprobado Planear el Completado
objetivos del desarrollo del finalización del lineamientos de
identificada proyecto
proyecto proyecto proyecto desarrollo
Actividades posteriores
al proyecto
Realizar
seguimiento al
Conducir avance del
revisión inicial proyecto
del sistema
Informar sobre la
situación del
Actividades previas al proyecto
proyecto
Administrar los
cambios
Llevar a cabo
revisiones del
proyecto
Actividades durante
el proyecto
4 5 , C
. + ' =
9 + #
9 ' + '9
5= '+ 5
+ % ' + ! '+ + 1
( !+
37 '
+ '
+ !& +
+ + + '
+ !+
+ ' 1 5= !+
1
! " !
3. Extracción Inicial
de datos
2. Arquitectura
1. Análisis de Tecnológica y 5. Explotación de
Requerimientos Modelamiento Datos
de datos
4. Actualización
Periódica de
datos
$ !
# " 1
$ !
! + 5 9 !+ %
\ !+
\
\
( ! 2
\
\
\( +
$ !
/ N
55 N %
!5 2 (
? . $
$ , 3 " $ $ 7
" . $ $
# . $ * )
!
2 ( + 55 8 2
' '
+ 2 +
'
$ -
. . ,
9+ 5=
+ +
' #
. . "
Diseño,
DataConstrucción,
Mart Implantación, Mantenimiento, Capacitación, ….
Sist.Operacionales Data Warehouse
O
P
E G
R E
A S
C # T
6 Warehouse
I *
Empresarial ! I
O
* O
N N
A
L
0! $ , "
Líder Usuario
1 Programador Analista Programador
100%
Usuarios
1 Programador
30%
Usuarios
Programadores SQL
" $ L ,(
• 2 + 5 ' 1
, • 8 *5= ( ! % '9+
= 1
• - ! 5 ' & + 1
• * # #! ' ' ! ! 1
• 2 9 + + ' 1
• 2 # + 5 + ' 1 :
• - + + + 5+ ' !
! ! 1
• 5 + 5! +
! = 1
• $ % ' 9 ! 5 ! 9
'9+ 1
• + + 5 1
• # '3 +
4 % 9 + !+ ! 1
• 8 5 + / 1
• - ! ! + 5 + 1
• 2 # / ! ) ' 1
" $ L ,(
• ( % ' 5= 5
+ '+ 9 +1 (
• + !
! + ! % ! 1
• + ! ! ' + 5
• - , '- ! ! '> + 1
• (+ ' ' ! + + '= + 5+
% . ! + + 1
• + 1
• + ' , ! = 1
• + '
+ ' 1
• 2 # , 'N % ' + + ! 1 '
• - 9 ! ! ! ! 1
• 8 % '( > % '+
! 1
• 5 + 5 + !+
1
• 2 # = + 5 1
• - 5 4+ @ ' 1
"
/ ! + ' 1
- 5 & + ! % # 5
' $ ' % > ' % 2
. 1
L + * ! ' 1
L 2 + 5 + ' 1
L + ! 1
L 2 + 5 ' !5 +
+ ' 1
0! $ " $
Manager
Director Data Mart Director Soporte 1er Nivel Líder Usuario
Usuario 4
" $ L ,(
* !
• + 0 !+ ! ' - 1
• 5 '! + + 8 1 #
• 2+ +% !5 1
• ( # ' 5 ! - 2+ +%
+ !
• - + ' & 5= 4 ! %
% 1
• $ 3 - 8 ! 9 + $ 8
'$ $
• 5 + + +' !
• ! - 8 ' +'
• 2 + / ! !
• $ + 9 + ' ! -
• + 1
$ # $ ,
* $
* 6
% ( 2
%
! (
5= / =
! ! 2
(
+
!5
$ # $
- !
4 ! !
5 5
I - 93
(93
!
! &
$ # $
". $ ! $
7 $
* ! X @* ' $
' ' + '
! ( $ ! 3 =
' ! '
5= $ ! 3 =
! '
( 2 +
5
! 2 ! ! 9 $ ! 3 =
+ 2 '
+ + $ . ! 3
' =
( > + ( & $ ! 3 =
29 ! 29 ! ' .
! 3 > + $ 9+ 3
'
$ '! ,#
# "' !
$ '! ,#
. ! 5+ ! + ]1
! !+ 5 3 ! + ' E
! 9 ! !& 9 5E
! #9 ! 9 E
/ !
$ '! ,#
X @*
2 ( !
2 3
!5
$ '! ,#
> G( & 29 ! H
> G- , 3 H
+
(
2.
G) 4 ' 5 + 9
5 H
/3
,M 1 %1
!"
!" #$ %
!
' ' $
1 - 5= +
A1 > % 37 + '
B1 (+ #= !+
/
C1 2*
D1
> % 7
#6 6 5
! "C
!+ 4
5 + % <
+ !+
! + '+
! + <
" 9 + + !+ <'
+ " !
5 , 3
+ + ! 9 9
3 % $ % 0/ 8 + ! + +, ' 3= 1
, %'
)"! 5
+ '
#
( '
!
: ' $
*= + !
4 ! #
' $ -
- ! !
+
# ". $
5 + !
+ 5 '
!
! P
P
*=
, 4 !
QUALIFICATIONPOSITION
EMPLOY ACCOUNT_STATUS
ORDERS ORDER_LINES
PRODUCTS
SUPPLIERS
COUNTRIES
REGIONS
! 3 12,
%
'+ $
'
(+ #= !+
( & =& 9 !
$ # @
Revenue Units Cost
( &+ !
!
!+ 5 4!
! 5 +
! !
"! !
I3 9 E )*
93 9 E /
2
!+ !
!+ !
. 5 + 4 !5
5 111
Extracció
Extracción, Transformació
Transformación, Carga
Aplicaciones OLTP
Operacionales Data Consultas,
Data Análisis,
Warehouse Aplicaciones
Analíticas
2
" ! A 0"
5
G & !
!+ '+ 93 !
H
! 0"
' +
*+ !
5
( & !+ ' +3
! !+
!
3. Extracción Inicial
de datos
2. Arquitectura
1. Análisis de Tecnológica y 5. Explotación de
Requerimientos Modelamiento Datos
de datos
4. Actualización
Periódica de
datos
. ) 4 '+ 5
!
"
# .
!+ ! !
- ! !
/ ! + ! 1 5=
! 1(
9+ 5= 1 !+
! 2 %%%
+
+ ' %
11111
% 5 +
+ 1
"
.
,M 1 %1
+ " 5
1 0/+ 4 +N
N???150 + 1 !
A1 - 2 ? 4 +N
N???1 ! ?1 !
B1 - 4 +N
N???1 ! 1 !
C1 !! 4 +N
N???15 ! 1 !
D1 / 4 +N
N???1 1 !