Michael Lzaro Cubas

Solucin de Inteligencia de Negocios bajo la Tecnologa

AQL para mejorar el rendimiento del Negocio
Caso: Contact Center del TACP
Tesis de Ingeniera

Lima, 16 de Diciembre del 2010

Michael Lzaro Cubas

Solucin de Inteligencia de Negocios bajo la Tecnologa

AQL para mejorar el rendimiento del Negocio
Caso: Contact Center del TACP

Tesis presentada a la Universidad

Nacional Mayor de San Marcos,
Lima, Per, para obtener el Ttulo de
Ingeniero de Sistemas

Orientador: Jos Piedra Isusqui

UNMSM LIMA
Dieciembre 2010

1
Michael Lzaro Cubas, 2010.
Todos los derechos reservados.

 Michael Lzaro Cubas, 2010.

Todos los derechos reservados.
2

Este trabajo est dedicado a toda mi familia que

todo este tiempo ha venido apoyando en los
momentos felices y difciles de mi vida.

Agradecimientos
A los profesores Mg. Percy Edwin de la Cruz Prez de Villa y Jos Piedra Isusqui, por su
orientacin y dedicacin para que este trabajo cumpla con los objetivos trazados.
A mis colegas y amigos de la universidad por sus observaciones y porque en todo momento
me incentivaron para que culmine este trabajo.
A los profesores de la UNMSM, principalmente al profesor Luis Rivera por sus
observaciones tericas que me sirvieron de mucho.
A todas aquellas personas que indirectamente me ayudaron para culminar este trabajo y que
muchas veces constituyen un invalorable apoyo.
Y por encima de todo doy gracias a Dios.

Solucin de Inteligencia de Negocios bajo

la Tecnologa AQL para mejorar el
rendimiento del Negocio
Caso: Contact Center del TACP
Resumen
Este trabajo tiene por objetivo presentar una Solucin de Inteligencia de Negocios bajo la
metodologa AQL, como apoyo en la mejora del rendimiento del negocio, ya que en estos
tiempos las organizaciones se mueven en un mercado altamente competitivo donde el cubrir
las necesidades y buscar la satisfaccin del cliente es primordial.
Esta solucin se soporta en tres grandes pilares: La plataforma tecnolgica, la organizacin y
la generacin conocimiento, y la aplicacin de los resultados.
Este ltimo pilar define el uso de la solucin de inteligencia de negocios como una ventaja
competitiva, siendo esta directamente proporcional a la capacidad de la empresa de crear,
capturar, manejar, inventariar, transferir informacin y generar conocimiento e incorporar las
mejores prcticas, con el fin de aadir valor a cada eslabn de su cadena productiva.
Adems este trabajo presenta la aplicacin prctica de esta solucin para el Contact Center
del Touring y Automvil Club del Per en su contribucin en el proceso de toma de
decisiones.
Palabras Claves:

Informacin, Ventaja Competitiva, Inteligencia de Negocios, Toma de

Decisiones, AQL.

Business Intelligence Solution with AQL

Technology to improve the business
performance
Case: Contact Center of the TACP
Abstract
This work has for objective to present a business intelligence solution with AQL technology,
like support the improvement of business performance, as the organizations these days are
moving in a highly competitive market where the search needs and customer satisfaction is
paramount.
This solution is supported by three pillars: technology platform, organization and knowledge
generation and application of results.
The last pillar defines the use of business intelligence solution as a competitive advantage,
this being directly proportional to the company's ability to create, capture, manage, inventory,
transfer information and generate knowledge and to incorporate best practices, with to add
value to each link in its supply chain.
Furthermore, this work presents the practical application of this solution for the Contact
Center of the Touring and Automobile Club of Peru in its contribution in the decision making
process.
Keywords: Information, Competitive Advantage, Business Intelligence, Decision Making,
AQL.

Tabla de contenido
Captulo 1: Introduccin.........................................................................................................9
1.1. Problemtica.................................................................................................................10
1.2. Objetivos.......................................................................................................................11
1.3. Alcances........................................................................................................................12
1.4. Beneficios a alcanzar....................................................................................................12
1.5. Organizacin del trabajo...............................................................................................13
Captulo 2: Inteligencia de negocios (IN).............................................................................15
2.1. Inteligencia de negocios................................................................................................15
2.2. Solucin de IN..............................................................................................................16
2.3. Usuarios y tipo de decisiones........................................................................................17
2.4. Arquitectura de IN........................................................................................................20
2.5. Proyecto de IN..............................................................................................................21
2.6. Qu es AQL?...............................................................................................................22
2.7. Rol de la IN en la gestin del rendimiento del negocio................................................22
Captulo 3: Estado del arte....................................................................................................24
3.1. Tecnologas para el anlisis de la informacin y de los datos......................................24
1.
OLAP.....................................................................................................................24
2.
AQL.......................................................................................................................27
3.2. Modelos de datos..........................................................................................................31
1.
Modelo Relacional.................................................................................................32
2.
Modelo Multidimensional.....................................................................................33
Captulo 4: Aporte Terico....................................................................................................35
4.1. Benchmarking de las tecnologas.................................................................................35
4.2. Benchmarking de los modelos......................................................................................37
Captulo 5: Arquitectura de IN bajo la tecnologa AQL....................................................39
5.1. Capa de recursos...........................................................................................................40
5.2. Capa de procesamiento.................................................................................................42
1.
Determinar las necesidades del negocio:...............................................................43
2.
Desarrollar el mapa lgico de datos:.....................................................................43
5.3. Capa de presentacin....................................................................................................46
7

Captulo 6: Solucin de IN bajo la tecnologa AQL en el Contact Center del TACP......48

6.1. Modelado del negocio...................................................................................................48
1.
Modelo de casos de uso del negocio (CUN).........................................................48
2.
Especificaciones de los casos de uso del negocio.................................................49
6.2. Modelado del sistema...................................................................................................50
1.
Modelo de casos de uso del sistema (CUS)...........................................................50
1.
Especificaciones de los casos de uso del sistema..................................................50
6.3. Anlisis de la solucin..................................................................................................51
1.
Capa de recursos (Fuentes de datos).....................................................................52
2.
Capa de procesamiento..........................................................................................53
3.
Capa de presentacin.............................................................................................53
6.4. Diseo de la solucin....................................................................................................54
6.5. Interfaces de usuario.....................................................................................................57
6.6. Anlisis e interpretacin de resultados..........................................................................58
Captulo 7: Conclusiones y trabajos futuros.......................................................................60
7.1. Conclusiones.................................................................................................................60
7.2. Trabajos futuros............................................................................................................61
Anexos......... 63

Captulo 1: Introduccin
Los contact centers son organizaciones reales ya que dan soporte a las actividades cotidianas
del negocio a travs de la interaccin con los clientes; como venderles, resolver sus
problemas y ver lo que necesitan; adems de identificar oportunidades de venta y atender
otros requerimientos del negocio.
Principalmente estn avocados a gestionar cada interaccin que se da con el cliente a travs
de las llamadas telefnicas, mensajes de correo electrnico que realizan los agentes, para esto
usan tecnologas, las que permite obtener las ventajas competitivas que el contact center
necesita.
Entre las tecnologas que se usan son la infraestructura telefnica (conmutador, telfonos,
Voz sobre IP), la infraestructura de datos (computadoras, bases de datos, CRM), el
distribuidor automtico de llamadas entrantes (ACD), un sistema de respuesta interactiva de
voz (IVR), un grabador de llamadas, y si la interaccin es de salida un marcador asistido,
progresivo o automtico y predictivo.
Las interacciones a las que nos referimos pueden ser de dos tipos inbound y outbound. En la
interaccin inbound o de entrada nos permite atender un servicio de post-venta, servicio al
cliente o mesa de ayuda (help desk); y en el caso de una interaccin outbound o de salida nos
permite realizar sondeos, televentas, telencuestas y telecobranzas entre otros.
Estas interacciones antes mencionadas nos permite obtener datos importantes a nivel de
infraestructura tecnolgica y a nivel de gestin; en el caso de infraestructura tecnolgica
manejamos datos como son tiempos de llamadas, llamadas entrantes, llamadas contestadas,
llamadas abandonadas, tiempo de respuesta del agente, duracin de la llamada; y a nivel de
gestin nos basamos netamente en las llamadas contestadas y manejamos datos como
9

cantidad de llamadas efectivas, llamadas no efectivas, datos de aseguramiento de la calidad

producto de las grabaciones de llamadas, cantidad de agentes, costos por cada agente, costos
por llamada, horario de trabajo, etc.
Estos datos sirven para poder calcular diversas mtricas de negocio que se manejan en el
contact center como son el nivel de servicio, tiempo promedio de conversacin, tiempo
promedio de espera, efectividad de llamadas, llamadas por hora, llamadas por zona, llamadas
por agente, porcentaje de ocupacin, porcentaje de ventas, porcentaje de llamadas
abandonadas, porcentaje de llamadas con solucin en el primer intento.

1.1. Problemtica
Antecedentes
El Contact Center maneja grandes volmenes de llamadas entrantes y salientes desde y hacia
sus clientes con el propsito de dar soporte a las operaciones cotidianas de la organizacin
misma o de otras organizaciones, todas estas llamadas y clientes conllevan a manejar grandes
volmenes de datos los cuales hacen que los analistas o personas que tratan estos datos se
enfrenten a un problema al tratar de trabajarlos debido a la gran cantidad que son.
Si bien es cierto que el Contact Center cuenta con una gran cantidad de informacin obtenida
a partir de trabajar los datos que tienen los mencionados en el prrafo anterior-, esta no se
est considerando como lo que es realmente, es decir, una fuente importante de conocimiento
til para la organizacin y sus objetivos debido a que muchas de las veces no cuenta con los
indicadores de las mtricas a tiempo porque estas se realizan manualmente; y se presenta de
forma esttica y a expensas de errores que puedan cometer las personas encargadas de este
trabajo.
El buen manejo de los datos e informacin del Contact Center va a permitir evaluar y mejorar
el desempeo de su personal, que implica la mejora en la calidad y en la gestin del tiempo
respecto a la interaccin con los clientes.
10

Ante toda esta situacin el Contact Center tiene la necesidad de mejorar su rendimiento al
tratar mejor todos los datos e informacin que tienen, para as lograr maximizar la
satisfaccin del cliente y la satisfaccin de la necesidad del negocio.
Definicin
En contact center presenta los siguientes problemas puntuales:
Cuenta con poca accesibilidad a la informacin con lo cual no permite que se pueda
analizar adecuadamente cuando se necesite para la toma de decisiones.
La poca accesibilidad se debe a que cuenta con fuentes de datos que se encuentran en
diversos manejadores de base de datos a los cuales se les considera como silos de
informacin.
Los silos de informacin sesgan el rendimiento del contact center debido a que no
permite a los usuarios que tomen decisiones con una visin global.
No cuenta con una buena alineacin con respecto a sus objetivos y estrategias debido a
que no se cuenta con una herramienta visual y dinmica que permita supervisar
adecuadamente el contact center.
No puede evaluar tendencias de negocios lo cual es una desventaja competitiva en el
entorno empresarial tan dinmico en el que nos encontramos.

1.2. Objetivos
Objetivo general
Desarrollar una Solucin de Inteligencia de Negocios, bajo la tecnologa AQL para mejorar el
rendimiento del negocio.
Objetivos especficos

Analizar e integrar las distintas fuentes de datos del Contact Center.

Presentar la informacin de manera amigable y comprensible para el usuario.
Permitir la elaboracin de reportes de forma dinmica.
Permitir controlar las diferentes reas a travs de los indicadores de gestin.

11

1.3. Alcances
El alcance de la investigacin est centrado principalmente en empresas de Contact Center y
en caso especfico de esta Tesis al Contact Center del TACP para que sirva a:
Los supervisores que son los encargados de gestionar el da a da de las campaas que se
manejan dentro del contact center.
Los clientes del Contact Center que necesitan saber cmo va el desenvolvimiento de
cada una de sus campaas.
Los niveles gerenciales de la empresa para que puedan tomar decisiones estratgicas y
adecuadas cuando la necesidad del negocio lo demande.

1.4. Beneficios a alcanzar

La solucin propuesta en esta tesis nos va a permitir:
Acceder y analizar la informacin relevante del Contact Center en el momento que se
necesite y donde uno se encuentre para tomar decisiones.
Eliminar los silos de informacin que hay dentro del Contact Center.
Presentar reportes y realizar consultas dinmicas con visin global del negocio para el
apoyo en la toma de decisiones.
Mejorar la gestin del rendimiento del Contact Center a travs del uso eficaz de los datos
recogidos del da a da con una visin ms global.
Mejorar la alineacin del Contact Center en cuanto a su estrategia y sus objetivos
establecidos, los cuales podrn ser supervisados para ver cmo va el desempeo del
Contact Center.
Estar en ritmo de competencia en este entorno empresarial actual tan dinmico, al
evaluar con precisin las tendencias del negocio.

1.5. Organizacin del trabajo

Esta tesis se desarrolla en 7 captulos, cuya estructura tras este primer captulo de
introduccin es la siguiente:

12

 En el captulo 2 se define todo lo relacionado a la Inteligencia de negocios en general,

haciendo un nfasis especial en lo que se refiere a una solucin de inteligencia de
negocios, los usuarios y tipos de decisiones que van relacionados a ste, la arquitectura
que maneja y el rol que implica tener una solucin de inteligencia de negocios para que
mejore el rendimiento empresarial.
En el captulo 3 se hace una descripcin de las tecnologas de anlisis que se usan en las
soluciones de inteligencia de negocios, adems de qu funcin cumple cada uno de los
componentes de sus estructuras. Tambin se hace extensiva la descripcin de los
modelos de datos.
En el captulo 4 se detalla el aporte terico de esta tesis con la realizacin del
benchmarking de las tecnologas de anlisis para desarrollar una solucin de inteligencia
de negocios y tambin de los modelos de datos que se usan en aplicaciones con base de
datos.
En el captulo 5 se realiza una explicacin exhaustiva de cmo es que va a funcionar la
solucin de inteligencia de negocios bajo la metodologa AQL, describiendo as la capa
de recursos, la capa de procesamiento (aqu es donde se va a encontrar inmersa la
tecnologa AQL) y la capa de presentacin.
En el captulo 6 se hace un desarrollo amplio de la implementacin enfocada a lo que es
el Contact Center del Touring y Automvil Club del Per, para esto se comienza
haciendo un anlisis y modelado del negocio, para luego pasar a modelar el sistema y
por ltimo implementar la solucin de IN.
Tambin se explica los resultados que se obtienen de implementar la solucin de IN en el
Contact Center del Touring y Automvil Club del Per que en s nos permite observar
los beneficios que conlleva la implementacin de la solucin con respecto al apoyo a los
usuarios para la toma de decisiones y al negocio por la velocidad con la que presenta la
informacin.
En el captulo 7 se mencionan las conclusiones que han conllevado la realizacin de esta
tesis adems de los trabajos futuros que se pueden abordar partiendo de la solucin
propuesta en la misma.
13

14

Captulo 2: Inteligencia de negocios (IN)

2.1. Inteligencia de negocios
Debido a los diversos enfoques que se maneja del trmino Inteligencia de Negocios (IN),
este tiene un sin nmero de definiciones, por lo que presentaremos algunas de ellas a fin de
entender y establecer en forma prctica el significado de este trmino:
Inteligencia de negocios es la recogida y anlisis de grandes cantidades de datos con el
fin de obtener conocimiento que impulsen las decisiones de negocio estratgicas y
tcticas, que a su vez mejoran su performance en el mercado, [HAHN+00].
Inteligencia de negocios es un conjunto de conceptos, mtodos y tecnologas diseadas
para alcanzar el difcil objetivo de convertir todos los datos muy distantes entre s en una
organizacin en informacin til y, finalmente, en conocimiento, John C. Hancock y
Roger Toren [HANCOCK+06].
Inteligencia de negocios es la entrega de informacin exacta, informacin til para la
toma de decisiones en el momento en que es necesario para apoyar la toma de
decisiones, Brian Larson [LARSON09].
Inteligencia de negocios es una disciplina de desarrollo de informacin que es

concluyente, basado en los hechos y acciones. Inteligencia de negocios le da las

empresas la capacidad para descubrir y utilizar la informacin que ya poseen, y
convertirlo en el conocimiento que afecta directamente en el performance del negocio,
Deepak Pareek [PAREEK06].
Teniendo en cuenta las diversas definiciones antes presentadas es necesario precisar
claramente la definicin de Inteligencia de Negocios con el cual se trabajar la presente
Tesis:

15

Inteligencia de Negocios: Es un proceso basado en diversos conceptos,

mtodos y tecnologas; que permitir al negocio obtener informacin exacta
y til de los grandes volmenes de datos con los que cuenta y transformarlo
en conocimiento, para que sirva de apoyo en la toma de decisiones.

2.2. Solucin de IN
Las soluciones de inteligencia de negocios tienen que responder a ciertas caractersticas que
mencionaremos y describiremos a continuacin:
Accesibilidad a la informacin: La informacin es la esencia de una solucin de
inteligencia de negocios ya que debe proveer de esta a los usuarios finales para que les
sirva de soporte en la toma de decisiones; esta informacin que necesitan estos pueden
provenir de diversas fuentes, para lo cual en una solucin de inteligencia de negocios se
usa o construye fuentes de datos o informacin interna o externa que permite que estos
cuenten con informacin accesible.
Apoyo a la toma de decisiones: Un sistema que exclusivamente brinde informacin no
representa lo que se busca con una solucin de inteligencia de negocios, una segunda
caracterstica consiste en organizar y presentar los datos relevantes para que puedan
verdaderamente apoyar una Toma de Decisiones. Esto implica tecnologas, tcnicas de
anlisis y todo aquello que sea necesario para obtener de los datos, solo aquella
informacin relevante y til a la labor del usuario. La toma de decisiones en inteligencia
de negocios sirve para obtener ventajas competitivas producto de decisiones mejor
informadas.
Orientacin al usuario final: Un factor que dio pauta a pensar en nuevas tecnologas
para explorar la informacin, fue que el usuario final no posea conocimientos tcnicos
que le permitieran tener un acceso sencillo y directo a los datos operacionales, pues esa
rea est reservada para informticos
Una solucin de inteligencia de negocios incluye herramientas de exploracin de
informacin orientadas a usuario final, para eliminar la dependencia de terceras

16

personas. Se pretende brindar las facilidades necesarias para que, con la tecnologa, el
usuario acte solo. Las herramientas de inteligencia de negocios son sencillas, intuitivas
y fciles de entender y usar; pueden tener diversos fines, como son: Informar, reportar,
permitir anlisis, identificar tendencias, proyectar, etc. Cualquiera que sea su funcin
final, el comn es el mismo: orientacin a usuario final.

2.3. Usuarios y tipo de decisiones

En el complejo entorno empresarial actual, las cuestiones como el aumento de la
eficiencia, reduccin de costos y retencin de los clientes da importancia a la toma de
decisiones, ms a menudo. Esto significa un mayor nmero de usuarios en todos los
niveles de la organizacin, que son responsables de analizar ms datos que nunca antes,
y el valor de inteligencia de negocios, que es aplicable desde el nivel superior de gestin
hasta los empleados de primera lnea (ver la figura Fig. 2.1).
Podemos observar que en la parte inferir se encuentra el personal de produccin y
administrativo el cual se va a encargar de ejecutar las acciones correspondientes a las
decisiones tcticas que se hayan tomado, luego en la parte media se encuentran los
directores y supervisores que se encargan de tomas las decisiones tcticas que vayan
acorde con las decisiones estratgicas que hayan adoptado los altos ejecutivos de la
empresa.

17

Fig. 2.1: Pirmide de Toma de Decisiones [PAREEK06]

Sin embargo, los ejecutivos, directores, y personal de produccin y administrativo tienen
mtricas y necesidades de informacin muy singulares, por lo tanto, las aplicaciones, el
uso y la utilidad de las herramientas de inteligencia de negocios estn basados en cada
segmento de usuarios de inteligencia de negocios. Diferentes segmentos de usuarios que
requieren diferentes modos de suministro de inteligencia de negocios, que van desde la
presentacin de informes estticos a sofisticadas aplicaciones analticas. Mostrar la
combinacin adecuada de herramientas y aplicaciones finales en funcin de las
necesidades de los usuarios es fundamental para el logro ptimo de los beneficios de
inteligencia de negocios.
Los usuarios son los siguientes:
Ejecutivos:
Cada vez ms usuarios a nivel ejecutivo no slo necesitan recibir peridicamente
resmenes de informacin, sino tambin estos deben ser ms importantes, porque tienen
que entender los factores detrs de los datos. Debido a esta necesidad, la velocidad a la
que una solucin de inteligencia de negocios pueda mostrar conocimientos debe acelerar.
Los ejecutivos toman de decisiones casi siempre estratgicas que tienen repercusiones de
gran alcance en el resto de la organizacin, y en funcin a la naturaleza de la misma.
18

Los ejecutivos necesitan una solucin que sea fcil de usar, personalizada y que les d
una visin general del nivel de los indicadores clave de rendimiento.
Directores y supervisores:
Estos usuarios tienen la responsabilidad de cumplir determinados objetivos de negocio
en un plazo determinado. En general, son los directores y supervisores los que invierten
la mayor parte del tiempo en la toma de decisiones acerca de las medidas que se deben
adoptar, qu es lo que funciona y qu no, y donde para cambiar el foco de sus equipos.
Personal de produccin y administrativo:
El papel de estos usuarios es la ejecucin. Similares a los empleados en todos los niveles
dentro de la organizacin, estos usuarios necesitan informacin para llevar a cabo sus
funciones. Sin embargo, como estas personas no tienen los papeles de toma de
decisiones, la informacin que necesitan por lo general es muy limitada en su alcance.
Su uso de datos es en el mbito de la lectura y quizs algunos de supervisin en tiempo
real de las actividades que les han sido asignadas. Las necesidades de informacin del
personal de produccin y administrativo son de acceso rpido a la informacin
predefinida y facilidad de uso.

19

2.4. Arquitectura de IN
Cuando una solucin de inteligencia de negocios se despliega, como en otras aplicaciones
hay 3 capas como se muestra en la figura Fig 2.2:

Fig 2.2: Arquitectura de una Solucin de Inteligencia de Negocios [HOWSON08]

Capa de recursos: Esta capa es la que apoya a todos los procesos ya que consta con los
datos en bruto y archivos.
Capa de procesamiento: En esta capa es en la que se va a extraer los datos para luego
transformarlos y cargarlos en el repositorio de datos. Esta capa proporciona un acceso
seguro a la solucin de Inteligencia de Negocios y a los datos con las consultas SQL, y
su tratamiento antes de su presentacin al usuario de negocios.
Capa de presentacin: Esta capa interacta directamente con el usuario de negocios,
incluye una interfaz grfica de usuario que permite creas consultas de negocio y
presentar los resultados en mltiples formatos como texto, tablas y grficos.

20

2.5. Proyecto de IN

La complejidad en el desarrollo de una solucin de Inteligencia de Negocios nos conlleva a la

necesidad de realizarlo en forma sistemtica y con mucha participacin entre los recursos
tecnolgicos y los recursos empresariales o del negocio; para lo cual es necesario plantear
adecuadamente un proyecto de Inteligencia de Negocios.
Cuando se refiere a realizarlo de forma sistmica implica a que se basa en la ingeniera de
todo proyecto, el cual cuenta con unas fases de desarrollo que son segn Moss y Atre
[MOSS+03]:
Justificacin, fase en la que nos permite evaluar la necesidad comercial de proyecto;
planeamiento, fase en la cual se desarrollan planes estratgicos y tcticos, que establecen la
forma en que el proyecto se lograr y se desplegar; anlisis del negocio, fase en la que se
realiza un anlisis minucioso del problema del negocio o de la oportunidad de negocio para
obtener una slida comprensin de los requisitos empresariales y as obtener la posible
solucin (producto); diseo, fase en la que se concibe un producto que resuelve el problema
del negocio o permite la oportunidad de negocio; construccin, fase en la que se construye el
producto y este debe proporcionar un retorno a la inversin en un plazo determinado;
despliegue, fase en la que se aplica o se vende el producto terminado, para luego proceder a
medir su eficacia con respecto a la solucin y determinar si es superior o no se ajusta a la
expectativas del retorno de la inversin.
Y cuando se refiere a la participacin entre los recursos tecnolgicos y los recursos del
negocio, implica a un equipo mixto en el diseo del proyecto entre personas con bastante
conocimiento del negocio y las personas del rea de encargada de desarrollar la solucin; lo
cual le da un enfoque basado en el valor empresarial que aporta a la solucin de Inteligencia
de Negocios para que esta no falle despus de la fase de despliegue, que es donde los
usuarios no la usan. [HANCOCK+06]

21

2.6. Qu es AQL?
AQL es una tecnologa de lgica asociativa de consultas patentada por QlikTech reside en la
memoria RAM y funciona de una forma realmente diferente, construyendo y manteniendo
una base de datos no relacional, asociativa y altamente eficiente en espacio, su arquitectura se
beneficia con los avances recientes en el equipamiento de los ordenadores y los sistemas de
redes, p.ej. de la reduccin de precio y del aumento de velocidad de la memoria RAM.
Como resultado se obtienen aplicaciones de anlisis de datos e inteligencia de negocios de
rpida implantacin, gran alcance, fcil aprendizaje y uso para cualquier tipo de usuario, que
proporcionan un rpido retorno de la inversin y bajo coste total de la propiedad.
La ventaja de esta arquitectura es que la fuente de datos es retenida en memoria principal, lo
que permite que inmediatamente se encuentre disponible de manera off-line para el anlisis,
los datos son codificados en binario y almacenados en tablas.

2.7. Rol de la IN en la gestin del rendimiento del negocio

La inteligencia de negocios permite a las empresas para acceder, analizar y utilizar sus datos
para la toma de decisiones. Se usa para planificacin estratgica a largo plazo, a corto plazo,
anlisis tctico, operativo y la gestin de las actividades que se realizan en el negocio
diariamente.
Las principales implicancias de la inteligencia de negocios en la mejora del rendimiento
segn Ballard, White y otros [BALLARD+05] son:

Las tcticas y estrategias de la inteligencia de negocios se estn moviendo cada vez ms

juntas. Esto se debe a que los marcos estratgicos de tiempo se estn reduciendo para
permitir a las empresas ser ms sensible a las necesidades empresariales y las necesidades
del cliente.

Las aplicaciones analticas se usan de manera ms activa para la entrega de inteligencia

de negocios a los usuarios, en lugar de pedirles que lo descubran por s mismos. En
22

muchos casos, estas aplicaciones no slo proporcionan informacin sobre las operaciones
comerciales, sino tambin real en su contexto los resultados de las empresas mediante la
comparacin contra los planes de negocio, presupuestos y previsiones.

Son los tableros empresariales los mtodos preferidos para la entrega de inteligencia de
negocios y mostrrselo a los usuarios. Son paneles ms visuales e intuitivos, y suelen
direccionarte a la opcin ms inmediata que se debe tomar.

Permite estar cerca de tiempo real, debido a que la baja latencia de informacin
empresarial se est convirtiendo en un requisito importante de las organizaciones; que
cada vez hacen mayor uso de la inteligencia empresarial para la gestin y conduccin de
las operaciones comerciales diarias.

23

Captulo 3: Estado del arte

En este trabajo se muestran inicialmente ciertos aspectos que motivan la investigacin en
torno a la Gestin de Tecnologas de la Informacin, y ms concretamente enfocado a la
Inteligencia de Negocios que se encuentra situado dentro del rea de Base de Datos y los
Sistemas de Apoyo a la Toma de Decisiones. Tambin se da una perspectiva general de
aquellos campos en los que actan estos sistemas as como las herramientas que se usan.

3.1. Tecnologas para el anlisis de la informacin y de los datos

Entre las herramientas ms destacadas tenemos a la tecnologa OLAP y la tecnologa AQL;
las cuales pasaremos a detallar:

1. OLAP
OLAP se define como el anlisis multidimensional e interactivo de la informacin de
negocios a escala empresarial. El anlisis multidimensional consiste en combinar distintas
reas de la organizacin, y as ubicar ciertos tipos de informacin que revelen el
comportamiento del negocio. [BARAGOIN+01]
Los usuarios de herramientas OLAP se mueven desde una perspectiva de negocio a otra, por
ejemplo, pueden estar observando las ventas anuales por sucursal y pasar a ver las sucursales
con ms ganancias en los ltimos tres meses, y adems con la posibilidad de elegir entre
diferentes niveles de detalle, como ventas por da, por semana o por cuatrimestre. Es esta
exploracin interactiva lo que distingue a OLAP de las herramientas simples de consulta y
reportes.
El anlisis multidimensional, permite a los analistas de negocios examinar sus indicadores
clave o medidas, como ventas, costos, y ganancias, desde distintas perspectivas, como
24

periodos de tiempo, productos, regiones. Estas perspectivas constituyen las dimensiones

desde las que se explora la informacin. La escala empresarial, se refiere a que OLAP trabaja
con fuentes de datos corporativos, que contienen datos de toda la empresa.
Para proveer estas caractersticas, toda herramienta OLAP tiene tres principales
caractersticas:

Un modelo multidimensional de la informacin para el anlisis interactivo.

Un motor OLAP que procesa las consultas multidimensionales sobre los datos.

Un mecanismo de almacenamiento para guardar los datos que se van a analizar. Este
componente puede ser externo a la herramienta, como un DataWarehouse.

La herramienta no solo permite flexibilidad en cuanto a la navegacin por el modelo

multidimensional de la informacin, sino que tambin es flexible en la definicin de los
reportes y aplicaciones que se construyen a partir de ella. [COD+93]
CUBOS MULTIDIMENSIONALES
En una base de datos multidimensional, el modelo de datos est constituido por lo que se
denomina un Cubo multidimensional o simplemente Cubo. En un cubo la informacin se
representa por medio de matrices multidimensionales o cuadros de mltiples entradas, que
nos permite realizar distintas combinaciones de sus elementos para visualizar los resultados
desde distintas perspectivas y variando los niveles de detalle como se observa en la figura
Fig. 3.1. Esta estructura es independiente del sistema transaccional de la organizacin,
facilita y agiliza la consulta de informacin histrica ofreciendo la posibilidad de navegar y
analizar los datos.
Los ejes del cubo son las Dimensiones, y los valores que se presentan en la matriz, son las
Medidas. [THOMSEN02]

25

Fig 3.1: Cubos dimensionales [BARAGOIN+01]

DIMENSIONES
Son objetos del negocio con los cuales se puede analizar la tendencia y el comportamiento
del mismo. Las definiciones de las dimensiones se basan en polticas de la compaa o del
mercado, e indican la manera en que la organizacin interpreta o clasifica su informacin
para segmentar el anlisis en sectores, facilitando la observacin de los datos. Para
determinar las dimensiones requeridas para analizar los datos podemos hacer preguntas
como: Cundo, Dnde, Qu, Quin, Cul, etc.
MEDIDAS O METRICAS
Son caractersticas cualitativas o cuantitativas de los objetos que se desean analizar en las
empresas. Las medidas cuantitativas estn dadas por valores o cifras porcentuales.
Por ejemplo, las ventas en dlares, cantidad de unidades en stock, cantidad de unidades de
producto vendidas, horas trabajadas, el promedio de piezas producidas, el porcentaje de
aceptacin de un producto, el consumo de combustible de un vehculo, etc.

26

2. AQL
La tecnologa AQL reside en la memoria RAM y funciona de una forma realmente diferente,
construyendo y manteniendo una base de datos no relacional, asociativa y altamente eficiente
en espacio, su arquitectura se beneficia con los avances recientes en el equipamiento de los
ordenadores y los sistemas de redes, p.ej. de la reduccin de precio y del aumento de
velocidad de la memoria RAM.
Como resultado se obtienen aplicaciones de anlisis de datos e inteligencia de negocios de
rpida implantacin, gran alcance, fcil aprendizaje y uso para cualquier tipo de usuario, que
proporcionan un rpido retorno de la inversin y bajo coste total de la propiedad.
La ventaja de esta arquitectura es que la fuente de datos es retenida en memoria principal, lo
que permite que inmediatamente se encuentre disponible de manera off-line para el anlisis,
los datos son codificados en binario y almacenados en tablas.

Fig. 3.2: Arquitectura de la tecnologa AQL [Fuente propia]

AQL combina los tres elementos que necesita un sistema de Inteligencia de Negocios en una
sola Solucin, obteniendo como se muestra en la figura Fig. 3.2:

Un entorno de desarrollo asistido que tiene las herramientas de extraccin,

transformacin y carga de datos (ETL) completamente integradas.
27

Un poderoso motor analtico como es el AQL (Associative Query Logic) que permite
jerarquizar la informacin de forma ilimitada y navegar por los diferentes niveles (drilldown).

Una interfaz de desarrollo intuitivo y fcil de usar.

EXTRACCION
Es el proceso de extraer los datos desde los sistemas de origen. La mayora de los proyectos
de almacenamiento de datos fusionan datos provenientes de diferentes sistemas de origen.
Cada sistema separado puede usar una organizacin diferente de los datos o formatos
distintos. Los formatos de las fuentes normalmente se encuentran en bases de datos
relacionales o ficheros planos, pero pueden incluir bases de datos no relacionales u otras
estructuras diferentes. La extraccin convierte los datos a un formato preparado para iniciar
el proceso de transformacin.
TRANSFORMACION
La fase de transformacin aplica una serie de reglas de negocio o funciones sobre los datos
extrados para convertirlos en datos que sern cargados. Algunas fuentes de datos requerirn
alguna pequea manipulacin de los datos. No obstante en otros casos pueden ser necesarias
aplicar algunas de las siguientes transformaciones:

Seleccionar slo ciertas columnas para su carga (por ejemplo, que las columnas con
valores nulos no se carguen).

Traducir cdigos (por ejemplo, si la fuente almacena una "H" para Hombre y "M" para
Mujer pero el destino tiene que guardar "1" para Hombre y "2" para Mujer).

Codificar valores libres (por ejemplo, convertir "Hombre" en "H" o "Sr" en "1").

Obtener nuevos valores calculados (por ejemplo, total_venta = cantidad * precio).

Unir datos de mltiples fuentes (por ejemplo, bsquedas, combinaciones, etc.).

Calcular totales de mltiples filas de datos (por ejemplo, ventas totales de cada regin).

Generacin de campos clave en el destino.

Transponer o pivotar (girando mltiples columnas en filas o viceversa).

Dividir una columna en varias (por ejemplo, columna "Nombre: Garca, Miguel"; pasar a
28

dos columnas "Nombre: Miguel" y "Apellido: Garca").

CARGA
La fase de carga es el momento en el cual los datos de la fase anterior (transformacin) son
cargados en el sistema de destino. Dependiendo de los requerimientos de la organizacin,
este proceso puede abarcar una amplia variedad de acciones diferentes. En algunas bases de
datos se sobrescribe la informacin antigua con nuevos datos. Los repositorios de datos
mantienen un historial de los registros de manera que se pueda hacer una auditora de los
mismos y disponer de un rastro de toda la historia de un valor a lo largo del tiempo.
Existen dos formas bsicas de desarrollar el proceso de carga:

Acumulacin simple: La acumulacin simple es la ms sencilla y comn, y consiste

en realizar un resumen de todas las transacciones comprendidas en el perodo de
tiempo seleccionado y transportar el resultado como una nica transaccin hacia el
DataWarehouse, almacenando un valor calculado que consistir tpicamente en un
sumatorio o un promedio de la magnitud considerada.

Rolling: El proceso de Rolling por su parte, se aplica en los casos en que se opta por
mantener varios niveles de granularidad. Para ello se almacena informacin resumida
a distintos niveles, correspondientes a distintas agrupaciones de la unidad de tiempo o
diferentes niveles jerrquicos en alguna o varias de las dimensiones de la magnitud
almacenada (por ejemplo, totales diarios, totales semanales, totales mensuales, etc.).

La fase de carga interacta directamente con la base de datos de destino. Al realizar esta
operacin se aplicarn todas las restricciones y triggers (disparadores) que se hayan definido
en sta (por ejemplo, valores nicos, integridad referencial, campos obligatorios, rangos de
valores). Estas restricciones y triggers (si estn bien definidos) contribuyen a que se garantice
la calidad de los datos en el proceso ETL, y deben ser tenidos en cuenta.
MOTOR ANALITICO
El motor analtico del AQL proporciona capacidades analticas a todas las categoras de
usuarios - responsables de la toma de decisiones, usuarios avanzados, ocasionales e
inexperimentados - para que puedan analizar y comprender de forma interactiva e intuitiva la
29

informacin de su negocio. Por lo que una solucin de IN se puede poner en marcha en

cuestin de das en vez de las semanas o a menudo meses exigidos para implantar soluciones
tradicionales de BI y OLAP. El resultado es una solucin poderosa de BI que se puede
implantar rpidamente en todos los niveles de una organizacin, proporcionando un rpido
retorno de la inversin y un bajo coste de la propiedad.
FICHERO QVD (REPOSITORIO DE DATOS)
Un fichero QVD es un formato nativo de AQL que contiene una tabla de datos exportados
desde una aplicacin analtica (scripts del ETL), con una mayor compresin con lo que
tambin se est optimizando el volumen de los datos.
Un archivo QVD consta de tres partes:

Una cabecera XML bien constituida (con juego de caracteres UTF-8) que describe los
campos de la tabla, el diseo de la informacin subsiguiente y algunos otros metadatos.

Tablas de smbolos en un formato de bits. La direccin de memoria y la longitud de cada

una de ellas va registrado en la cabecera XML. Cada smbolo se almacena de la siguiente
manera:
El primer byte indica el formato del smbolo. Cada smbolo tiene un valor entero de 32
bits, o bien un valor double de 64 bits, o ningn valor numrico en absoluto. Tras estos 4,
8 o 0 bytes puede venir un valor de cadena UTF-8 terminada en cero. Cada smbolo tiene
o un valor numrico o de cadena, o ambos. El siguiente smbolo va inmediatamente a
continuacin.

La tabla real, en formato de bits. Es decir, que cada registro es un nmero de bytes,
mientras que cada campo puede ser de entre 0 y 32 bits (el desplazamiento de bit y el
ancho de cada campo se describe en la cabecera XML). Los campos no deben sobrepasar
la frontera de los 32 bits dentro de cada registro. No obstante, el orden de los archivos es
arbitrario (de hecho, ha sido optimizado para minimizar el tamao total de los registros).
Los registros se almacenan inmediatamente uno tras otro (alineados por byte).

Con este nuevo formato de fichero de datos tambin es posible realizar varias cargas binarias
mtodo de carga de ficheros nativos de soluciones AQL - en el mismo script de carga lo cual
facilita y optimiza procesos de carga. La utilidad fundamental de este nuevo formato de
fichero de datos es, agilizar en tiempo los procesos de carga y reducir el tamao de los
30

ficheros de datos.
Adems se utiliza los ficheros QVD para mejorar la gestin propia de la carga de datos. Esto
se consigue centralizando todo el volumen de datos de la organizacin o rea que comparte
datos, en un .qvd. Los diferentes documentos con su script de carga correspondiente tendrn como fuente de datos el qvd corporativo o de rea. De esta manera se consigue
optimizar la organizacin de la informacin.
INTERFAZ DE DESARROLLO
Bajo la tecnologa AQL es fcil lograr una visin global y visualizar las conexiones, incluso
cuando se manejan grandes conjuntos de datos o datos complejos. Usted puede integrar datos
procedentes de diversas fuentes y poner la informacin rpidamente a disposicin del usuario
a travs de la red. La informacin correcta llega a la persona correcta. La tecnologa
asociativa permite crear una interfaz nica para la presentacin interactiva y el anlisis de
cualquier tipo de informacin.
As se gestiona la informacin de modo parecido al funcionamiento del cerebro humano. Al
igual que sucede en nuestro cerebro, AQL va realizando, de manera gradual, conexiones
asociativas en la informacin que se est procesando. Usted - y no la base de datos - es quien
decide las preguntas que se van a plantear

3.2. Modelos de datos

Un modelo de datos es un sistema formal y abstracto que permite describir los datos de
acuerdo con reglas y convenios predefinidos. Es formal pues los objetos del sistema
se manipulan siguiendo reglas perfectamente definidas y utilizando exclusivamente los
operadores definidos en el sistema, independientemente de lo que estos objetos y
operadores puedan significar. [KIMBALL+02]
Para entender como es el modelo de datos, es necesario explicar los modelos existentes:
Modelo Relacional y Modelo multidimensional.
31

1. Modelo Relacional
El modelo relacional puede considerarse como un lenguaje de programacin ms bien
abstracto, orientado de manera especfica hacia las aplicaciones de bases de datos.
En trminos tradicionales una relacin se asemeja a un archivo, una tupla a un
registro, y un atributo a un campo. Pero estas correspondencias son aproximadas, en el
mejor de los casos.
Una relacin no debe considerarse como solo un archivo, sino ms bien como un
archivo

disciplinado,

siendo

el

resultado

de

esta disciplina

una

simplificacin

considerable de las estructuras de datos con las cuales debe interactuar el usuario, lo cual a
su vez simplifica los operadores requeridos para manejar esas estructuras.
El modelo relacional es el pilar fundamental para el diseo de la mayora de las bases
de datos que existen hoy en las grandes y pequeas empresas. La composicin de
estas bases de datos son decenas de tablas relacionadas a travs de una compleja tela de
araa de uniones. [THOMSEN02]
La implementacin de bases de datos con un modelo relacional da lugar a escenarios como
los siguientes:

Legibilidad limitada: Los usuarios finales no son capaces de entender el modelo

entidad relacin. Evidentemente no pueden navegar por dicho modelo en busca de
informacin.

Dificultad para las herramientas de consulta en el acceso a un modelo entidad

relacin general: Los optimizadores de las bases de datos no siempre realizan la
seleccin correcta y a menudo adolecen de prestaciones mediocres o inaceptables
cuando trabajan en entornos de grandes volmenes de informacin.

32

2. Modelo Multidimensional
El modelo multidimensional es una tcnica para modelar bases de datos simples y
entendibles al usuario final, ya sea, para presentar la informacin en un marco estndar e
intuitivo que permita un acceso de alto rendimiento. Los objetivos del modelo
multidimensional son segn Thomsen [THOMSEN02]:

Representar los datos en forma cercana a la intuicin del usuario.

Resolver problemas planteados en sistemas relacinales.

Este tipo de modelado es independiente de las tecnologas y permite

el

empleo

de

cualquier base de datos, ya sea multidimensional, MOLAP, sta almacena y manipula los
datos en estructuras

especiales

(matrices multidimensionales); Base Datos relacional,

ROLAP, la que almacena los datos en un SGBD relacional extendido y transforma

operaciones sobre datos multidimensionales en operaciones relacionales en SQL; Base de
datos objetos, etc.
COMPONENTES DEL MODELO MULTIDIMENSIONAL
Las tablas en el modelo multidimensional se dividen en dos tipos:

Mtricas comunes del negocio: Es el objeto a analizar, adems posee atributos

llamados atributos de hechos o sntesis, estos atributos son de tipo cuantitativo cuyos
valores (cantidades) se obtienen generalmente por aplicacin de una funcin
estadstica que resume un conjunto de valores en un nico valor. Adems contienen
funciones resumen, funciones de tipo estadstico que se aplican a los atributos de hecho.

Dimensiones: Representan cada uno de los ejes en un espacio multidimensional.

Como todas las tablas tambin poseen atributos llamados de dimensin o de
clasificacin, estos son de tipo cualitativo (sus valores son modalidades) que
suministran el contexto en el que se obtienen las mtricas comunes del negocio. Las
dimensiones poseen jerarquas, que son varios atributos unidos mediante una relacin
de tipo jerrquico. Un esquema multidimensional se puede representar como un esquema

33

estrella (star join) o copo de nieve (snowflake).

VENTAJAS DEL MODELO MULTIDIMENSIONAL
Implementar una solucin de IN a travs del modelo multidimensional tiene un nmero
importante de ventajas segn Inmon [INMON00]:

Primero, es un modelo con una estructura homognea y predecible. Es decir los

reportes dinmicos, las herramientas de consulta e interfaces de usuario, todas pueden
hacer suposiciones acerca del modelo multidimensional para que las interfaces del
usuario sean ms entendibles y los procesos ms eficientes.

Una segunda ventaja del modelo multidimensional reside en que es una estructura
predecible. Cada dimensin es equivalente. Todas las dimensiones pueden ser vistas
como un conjunto de puntos igualmente simtricos dentro de una tabla de mtricas
comunes del negocio.

Una tercera ventaja del modelo multidimensional, es que es extensible para acomodar
nuevos elementos de datos inesperados y nuevas decisiones de diseo. Esto se
lleva

cabo

aadiendo

nuevas dimensiones, nuevos atributos dimensinales y

cambiando datos de una cierta granularidad para pasarlos a otra.

34

Captulo 4: Aporte Terico

En este captulo definiremos cual es la tecnologa ms adecuada para desarrollar una solucin
de inteligencia de negocios y tambin cual es el modelo que nos permite desarrollar mejor
dicha solucin.

4.1. Benchmarking de las tecnologas

Segn Ralph Kimball y otros autores en [KIMBALL+02] para determinar que tecnologa es
la ms adecuada cuando se desarrolla una solucin de inteligencia de negocios necesitamos
tener en consideracin los siguientes criterios que se muestran en la tabla Tbl 4.1:

Curva de
Aprendizaje
Usuarios a los
que va
orientado

AQL

OLAP

La mayora de los usuarios necesitan

menos de cuatro horas de formacin.

La tecnologa OLAP requiere varios

das e incluso semanas de formacin.

Todas las reas

OLAP suele terminar en manos del

tcnico experto.
La tecnologa OLAP requiere de un
datawarehouse y se instala
raramente en menos de tres meses.
En muchos casos alcanza el ao pero
es ms segura.
La personalizacin requiere varios
das a menudo semanas y precisa de
un tcnico experto.

Instalacin

Una solucin basada en AQL se

instala en la mayora de los casos en
un par de semanas.

Personalizacin

La personalizacin se realiza en
minutos u horas y en la mayora de
los casos por el usuario final.

Desarrollo de
Aplicacin

Es fcil desarrollar nuevas

aplicaciones segn las necesidades
de cada momento. En general es
suficiente con un par de semanas,
tambin para aplicaciones complejas
del tipo Balanced Scorecard.

El desarrollo de nuevas aplicaciones

es costoso en tiempo y dinero, ya que
la tecnologa OLAP limita sus usuarios
a un nmero pequeo de medidas y
dimensiones.

Tiempo de
entrega de la
informacin

La fuente de datos es retenida en

memoria principal, lo que permite
que inmediatamente est disponible
de manera off-line para el anlisis,
los datos son codificados en binario y
almacenados en tablas.

La fuente de datos reside en el

servidor, con lo cual depende de
cuan sobrecargado pueda estar este
y no tener inmediatamente
disponible la informacin pero te
carga la informacin on-line.

35

Tbl 4.1: Comparacin de criterios de metodologas [Fuente propia]

A continuacin se presentar el benchmarking en la tabla Tbl 4.2 de las tecnologas para lo
cual el puntaje asignado por modelo ser desde el 1 hasta el 5 de la siguiente manera:
1:

Muy pobre

2:

Pobre

3:

Regular

4:

Bueno

5:

Muy bueno

Curva de Aprendizaje
Usuarios a los que va orientado
Instalacin
Personalizacin
Desarrollo de Aplicacin
Tiempo de entrega de la informacin
Total

AQL
5
4
3
4
4
4

OLAP
4
3
3
4
3
4

24

21

Tbl 4.2: Comparacin de criterios de metodologas [Fuente propia]

De acuerdo al anlisis realizado se determina que la tecnologa ms adecuada para desarrollar
la solucin de inteligencia de negocios es bajo la tecnologa AQL.

36

4.2. Benchmarking de los modelos

Delhi y otros autores en [DELHI+06] nos indican que para desarrollar una solucin de
inteligencia de negocios eficientemente el modelo a seleccionar tiene que cumplir con ciertas
caractersticas que mencionaremos a continuacin:
Simplicidad:
El modelo debe permitir a los diseadores de la solucin crear esquemas de bases de datos
fciles de comprender y usar por parte de los usuarios finales. Esto permitir que los usuarios
tengan una visin muy similar a la que se maneja en la empresa, evitando as el tener que
formarlos para leer diagramas complejos.
Escalabilidad
El modelo debe permitir la escalabilidad de la solucin porque esta crecer con el tiempo y
con ello se manejarn gran cantidad de datos histricos, en ese entonces deber permitir la
elaboracin de las tendencias y patrones de negocio, sin comprometer la facilidad de uso del
repositorio.
Calidad de datos:
El modelo debe de promover la calidad de los datos la permitir a los diseadores de la
solucin crear esquemas de bases de datos haciendo cumplir los controles de integridad
referencial en el repositorio de datos de la solucin dado que la clave de la mtrica comn del
negocio es una concatenacin de las claves de sus dimensiones relacionadas, una mtrica
comn del negocio se carga exitosamente slo si las dimensiones correspondientes son
debidamente establecidas y tambin existen en la base de datos.
Optimizacin del rendimiento
El modelo debe permitir optimizar el rendimiento de la solucin debido a los incrementos en
tamao del repositorio, entonces la optimizacin del rendimiento se convierte en una
preocupacin apremiante. Los usuarios que tienen que esperar horas para obtener una

37

respuesta a una pregunta que la necesitan con urgencia se desaniman con las consultas lentas
al repositorio.
Desnormalizacin de la base de datos
El modelo debe permitir tener una estructura de base de datos desnormalizada para crear
esquemas que son adecuados para apoyar el procesamiento de consultas para la toma de
decisiones, para ello tambin debe permitir clasificar la informacin en mtricas comunes de
negocio y dimensiones.
A continuacin se presentar el benchmarking en la tabla Tbl 4.3 de los modelos para lo cual
el puntaje asignado por modelo ser desde el 1 hasta el 5 de la siguiente manera:
1:

Muy pobre

2:

Pobre

3:

Regular

4:

Bueno

5:

Muy bueno

Simplicidad
Escalabilidad
Calidad de datos
Optimizacin del rendimiento
Desnormalizacin de la base de datos
Total

Modelo relacional
3
3
4
5
2
17

Modelo multidimensional
5
5
4
4
4
22

Tbl 4.3: Tipos de datos por categora [HANCOCK+06]

De acuerdo al anlisis realizado se determina que el modelo ms adecuado para desarrollar la
solucin de inteligencia de negocios es el modelo multidimensional.
.

38

Captulo 5: Arquitectura de IN bajo la tecnologa AQL

La tecnologa AQL inmersa en la arquitectura de IN permite a las soluciones de IN manejar
millones de celdas de datos y a la vez responder a los requerimientos de los usuarios de
forma muy rpida. Las asociaciones de alta velocidad se van sucediendo a medida que el
usuario hace clic en los diversos objetos de hoja y la presentacin de los mismos se actualiza
de forma instantnea.
Al reemplazar asociaciones relacionales, que son muy costosas en recursos, acaba con la
necesidad de la mayora de las aplicaciones de pre-agregar datos. Adems elimina la
necesidad de definir complejas jerarquas dimensionales y de generar cubos.
As las soluciones de IN desarrollados bajo la tecnologa AQL realiza clculos sobre la
marcha, permitiendo a cualquier usuario convertirse en un trabajador sofisticado y
potenciando sus conocimientos del negocio.
Como se muestra en la figura Fig 5.1 la tecnologa AQL se encuentra incrustada en la capa de
procesamiento de la arquitectura de IN desde la cual va a realizar la extraccin de los datos
de la capa de recursos (fuentes de datos) , luego proceder a transformarlos y cargarlos a
travs de scripts que se ejecutan en el motor analtico y as generar y/o alimentar a lo que son
los repositorios de informacin (QVDs) todo esto en la capa de procesamiento-; y a partir de
all con la interfaz de desarrollo poder mostrar la informacin a los usuarios finales a travs
de la capa de presentacin.

39

Fig. 5.1: Tecnologa AQL en la arquitectura de IN [HOWSON08 modificado]

5.1. Capa de recursos

Segn Deepak Pareek [PAREEK06] las organizaciones suelen reunir datos -para evaluar el
entorno empresarial- a travs de sus sistemas computacionales que soportan las actividades
cotidianas de la empresa (toma de rdenes, realizacin de pedidos, pagos a proveedores,
cobro a clientes, etc.) ver figura Fig. 5.2, con lo cual estos datos son llamados datos
transaccionales.

40

Fig. 5.2: Actividades cotidianas de la empresa [HOWSON08]

Estos datos pueden estar en diferentes fuentes y segn stas ser de diferentes tipos, partiendo
principalmente de estructuras relacionales, ERPs, bases de datos independientes, informacin
externa a la organizacin como pueden ser estadsticas, datos demogrficos, etc.; y sern
estos los que conformen la capa de recursos de la solucin de IN.
Las fuentes de datos segn Reinschmidt y Francoise [REINSCHMIDT+00] pueden ser bases
de datos operacionales, los datos histricos (por lo general archivados en cintas), los datos
externos (por ejemplo, de empresas de investigacin de mercado o de internet), o
informacin del medio ambiente ya existentes de almacenes de datos. Las fuentes de datos
pueden estar en bases de datos relacionales de la lnea de aplicaciones empresariales.
Tambin pueden residir en diferentes plataformas y puede contener informacin estructurada,
tales como tablas y hojas de clculo, o la informacin no estructurada, como archivos de
texto o imgenes y otros como informacin multimedia.
Los tipos de datos depende de la fuente de datos en la cual est residiendo pero entre los
41

principales tenemos basados en SQL Server, ver Tabla Tbl 5.1:

Tipo

Categora

Numricos exactos

Numricos
aproximados
Fecha y hora
Cadenas de
caracteres
Cadenas de
caracteres Unicode
Cadenas binarias

numeric
bit
decimal
int
money
real
float
time
date
datetime
varchar
char
text
nvarchar
nchar
ntext
varbinary
binary
image

Tbl 5.1: Tipos de datos por categora [HANCOCK+06]

5.2. Capa de procesamiento

Esta capa tiene como entrada a los datos de las diversas fuentes para proceder a
transformarlos con las herramientas de IN a travs del proceso de ETL 1 y as darle un valor
significativo a estos, lo que posteriormente ser cargado en un repositorio de datos.
El proceso de ETL que nos va a permitir:

Eliminar errores y corregir los datos que faltan.

Proporcionar medidas documentadas de confianza en los datos.

Capturar el flujo de datos transaccionales para salvaguardarlos.

Ajustar los datos de mltiples fuentes para usarlos juntos.

Estructurar datos para que puedan ser usados por las herramientas de usuario final.

ETL: Es la abreviatura de la extraccin, transformacin y carga de los datos en las soluciones de IN.

42

Segn Kimball y Caserta [KIMBALL+04] debemos trabajar de la siguiente manera:

Proceso de ETL:
1. Determinar las necesidades del negocio:
Cuando se menciona necesidades de negocio se refiere al contenido de informacin que
necesitan los usuarios finales para que tomen decisiones ms informadas, es as que para
determinarlas es necesario realizar una o ms entrevistas con estos y recopilar los
requerimientos del negocio.
Esto nos va a permitir obtener las expectativas de los usuarios con respecto de los datos y
estos que van a hacer por ellos; estos resultados no son del todo finales porque pueden ser
debatidos y reexaminados posteriormente para afinar algunos aspectos.

2. Desarrollar el mapa lgico de datos:

Teniendo las fuentes de datos y habiendo determinado las necesidades del negocio se procede
a realizar una evaluacin sistmica del alcance, calidad y contexto de las fuentes de datos
para desarrollar una comprensin profunda de los mismos y para ver la dimensin de la
transformacin que se necesitar; en caso de que stas hayan sido bien diseadas y
posteriormente bien gestionadas la transformacin que debe realizarse ser mnima.
En caso contrario la transformacin ser bastante significativa, y en el peor de los casos si la
fuente de datos esta profundamente estropeada y no puede soportar los objetivos de negocio
se proceder a abandonar el desarrollo de la solucin.
Luego de haber evaluado las fuentes de datos procedemos a integrarlos con el objetivo de
hacer que estos puedan trabajar juntos, para lo cual desarrollamos el mapa lgico de datos
conformando as las dimensiones y las mtricas comunes de negocio. Cuando hablamos de
conformacin de dimensiones nos referimos a establecer atributos dimensionales comunes
entre las fuentes de datos para que los reportes puedan ser generados con estos atributos. Y

43

cuando hablamos de conformacin de mtricas comunes de negocio nos referimos a

establecer indicadores claves del negocio (KPIs) para que puedan ser comparados
matemticamente por el clculo de las diferencias y relaciones.
Entonces el mapa lgico de datos tendr la siguiente estructura como se muestra en la figura
Fig. 5.3:

Fig. 5.3: Mapa lgico de datos [KIMBALL+04]

En la cual se podr distinguir tres partes principales que son Objetivo que se refiere al
modelo de datos que se quiere obtener para la solucin de IN, Fuente que se refiere al
modelo de datos de las fuentes de datos con las que se cuenta, y la Transformacin que
indicar la manipulacin exacta que se requiere en la fuente de datos para llegar al objetivo
esperado (normalmente escrito en secuencias SQL o pseudocdigo).
Dentro del Objetivo se tiene al nombre de la tabla objetivo que indica el nombre fsico que
tendr la tabla en el repositorio de datos, el nombre de columna objetivo que indica el
nombre de la columna en el repositorio, el tipo de dato que indica el tipo de dato que ser
esa columna, el tipo de tabla que indica si la tabla ser una Dimensin o una Mtrica de
Negocio, y el tipo de SCD que indica el tipo de cambio que se va a realizar para llegar a
confirmar la dimensin.
El tipo de SCD ser 1 cuando se trate de una sobre-escritura simple sobre uno o mas
registros existentes en una dimensin, en otras palabras cuando se quiera realizar una
actualizacin de un registro el cual no requiere preservarse.

44

El tipo de SCD ser 2 cuando se requiera realizar un seguimiento preciso de los cambios en
las entidades de dimensiones y asociarlos correctamente con las tablas de mtricas comunes
de negocio, haciendo as que esta entidad tome una nueva clave principal sustituta para
cambiar el registro en vez de sobrescribirlo.
El tipo de SCD ser 3 cuando se requiera cambiar un registro de una dimensin, pero el
viejo atributo sigue siendo vlido como segunda opcin. Para esto se crea una nueva columna
y se coloca el valor antiguo antes de sobre escribir el valor principal.
Dentro de la Fuente se tiene el nombre de la base de datos (BD) que indica el nombre de la
base de datos que es donde estos residen (este campo suele ser la cadena de conexin a la
base de datos), el nombre de la tabla fuente que indica el nombre fsico de la tabla de
donde proviene los datos (en este campo se listar ms de una tabla si el objetivo as lo
requiere), el nombre de la columna fuente que indica el nombre de la columna necesaria
para cargar la columna objetivo (las asociaciones de las columnas se documentan en el
campo de Transformacin), y el tipo de dato que indica el tipo de dato que es la columna.

45

5.3. Capa de presentacin

A continuacin se muestra la figura Fig. 5.4 que nos presenta la evolucin de las
herramientas de front end y que luego pasarn a ser explicadas segn Cindy Houson
[HOWSON08]:

Fig. 5.4: Evolucin de las herramientas de Inteligencia de Negocios [HOWSON08]

Dashboard: Segn Stephen Few, cuando se refiere a esta herramienta explica que se trata de
una pantalla de visualizacin, que presenta la informacin ms importante y necesaria para la
realizacin de uno o ms objetivos, consolidados y organizados en una sola pantalla; de
modo que la informacin se pueda controlar de un vistazo. Este est compuesto por:
Un mapa con cdigos de color que refleja si los indicadores de gestin estn yendo
bien o mal.
Una ficha donde indica los objetivos alcanzados.
Un indicador clave del desempeo con una flecha para indicar si los objetivos estn
de acuerdo al plan.
Una caracterstica fundamental del dashboard es que se presenta la informacin proveniente
de mltiples fuentes de datos, adems son flexibles y actualizadas en tiempo real.

46

Scorecard: Los trminos dashboard y scorecard se usan indistintamente, aunque son cosas
diferentes. Una diferencia importante es que el scorecard es un sistema que se enfoca en
determinadas mtricas y las compara con una previsin, mientras que un dashboard presenta
varios nmeros de diferentes maneras. Los scorecards estratgicos contienen cifras de las
cuatro reas clave que impulsan el xito de una empresa (personas, clientes, finanzas,
operaciones) y se incluyen mapas de estrategias para mostrar cmo la evolucin de las cifras
se relacionan entre s.

Enterprise Reporting: En esencia, esta herramienta ofrece inteligencia de negocios a las

masas, mostrando as gran cantidad de resultados empresariales y por lo que es una de las
herramientas mas usadas en soluciones de Inteligencia de Negocios. Los reportes productos
de esta herramienta deben ser diseados para los usuarios de negocios con el involucramiento
de los mismos, para que as los reportes se muestren de acuerdo a sus demandas. La principal
caracterstica de esta herramienta es que se puede producir formatos de reportes con gran
flexibilidad para presentar cualquier tipo de informacin necesaria.

47

Captulo 6: Solucin de IN bajo la tecnologa AQL en el

Contact Center del TACP
6.1. Modelado del negocio
1. Modelo de casos de uso del negocio (CUN)

Analista de negocios
Cargar los datos

Supervisor
Extraer los datos

Jefe del call center

Elaborar reporte

Cliente

Solicitar reporte

Fig. 6.1: Modelo de CUN [Fuente Propia]

48

El analista de negocios es el encargado de realizar la carga de los datos cuando estos

llegan de los clientes para que luego los datos sean trabajados por los agentes del
contact center.
Posteriormente extrae los datos trabajados por los agentes para que pueda elaborar los
reportes de gestin para cuando sean solicitados por el supervisor, el jefe del contact
center o el clientes que tiene su(s) campaa(s) en el contact center.

2. Especificaciones de los casos de uso del negocio

En la especificacin de los casos de uso del negocio se detallan procesos del negocio
como Cargar los datos, Extraer los datos, Elaborar el reporte y Solicitar el
reporte; en el proceso de la carga de datos se especifica que el analista recibe los
datos para luego verificarlos si han llegado en el formato adecuado para proceder a
cargarlos o sino devolverlos al clientes para que vuelva a enviarlos.
El proceso de extraer los datos consiste en que el analista recibe la solicitud por parte
de la supervisin o de la gerencia para ver alguna informacin de inters entonces este
procede a extraerlos de las bases de datos y pasarlos a un archivo Excel y as
posteriormente entregarlos a los solicitantes.
El proceso de la elaboracin del reporte es casi similar al proceso de extraer los datos
sino que en este caso se requiere de una forma mas detallada para poder observar las
mtricas del negocio entonces es solicitada por la supervisin o la gerencia con lo
cual el analista procede a elaborar el reporte de acuerdo a los requerimientos y una
vez concluido se hace la entrega del mismo.
En el proceso de la solicitud del reporte es la supervisin o la gerencia la que solicita
algn reporte de acuerdo a la necesidad que se presente. Para mayor detalle de las
especificaciones antes descritas ver el Anexo 01.

49

6.2. Modelado del sistema

1. Modelo de casos de uso del sistema (CUS)

Fig. 6.2: Modelo de CUS [Fuente Propia]

Luego de haber desarrollado la solucin de inteligencia de negocios para el contact
center y de haber capacitado a los usuarios que requerirn la informacin para que
pueda tomar decisiones ms acertadas, estos estarn en la capacidad de generar ellos
mismos los reportes y consultar la informacin que sea necesaria.
1. Especificaciones de los casos de uso del sistema
En la especificacin de los casos de uso del negocio se detallan procesos que se van a
implementar en el sistema como son Generar Reporte, Consultar informacin; en
el proceso de generar reporte el usuario va a tener la necesidad de un nuevo reporte
que no haya sido contemplado en el desarrollo de la solucin de IN entonces se lo
solicita al analista para que lo genere de acuerdo a la complejidad que este implique
sino el mismo lo genera de acuerdo a las autorizaciones que este tenga en el sistema.
En el proceso de consultar informacin el usuario ingresa y consulta la informacin
que se encuentra en el sistema de acuerdo a los permisos que ste tenga. Para mayor
detalle revisar el Anexo 02.
50

6.3. Anlisis de la solucin

Resultado del Anlisis de la Casos de Uso, se logr identificar los requerimiento
funcionales y no funcionales que debe contar la solucin:
Requerimientos Funcionales

Tener la informacin en un entorno amigable.

Tener la posibilidad de configurar permisos para acceso a la informacin.

Tener de poder ver reportes con informacin sumarizada, as como tambin ir al

detalle.

Realizar combinaciones entre diferentes dimensiones de la informacin.

Tener los siguientes reportes:

-

Reporte de llamadas tipificadas por distrito.

Reporte de llamadas tipificadas por fecha.

Reporte de ventas por fecha.

Reporte de ventas por paquetes por mes y fecha.

Reporte de ventas por distrito.

Reporte de ventas por agente.

Requerimientos No Funcionales

Contar con informacin en tiempo real.

Poder tener esa informacin en entorno Web.

Alta Disponibilidad

Niveles de Seguridad

Teniendo en cuenta el modelado del sistema y los requerimientos de los usuarios se hizo el
anlisis de las fuentes de datos, determinando las tablas y campos a seleccionar, diseando
de este modo el sistema ETL (Extraccin, Transformacin y Carga) que servir para las
creacin de los repositorios de datos (QVD) que se encontrarn en el Servidor.
Debido a que esta tecnologa usa una estructura asociativa a nivel de datos es necesario
saber que campos y de que tablas se van asociar, definindose esto en la etapa de diseo.
51

Entonces la arquitectura tecnolgica se definira como muestra la figura Fig. 6.3:

Fig. 6.3: Arquitectura de BI propuesta [Fuente propia]

1.

Capa de recursos (Fuentes de datos)

En esta tesis trabajaremos con una base de datos SQL la cual tendr como nombre
BDINVTATELMEX en la cual se encontrar registrada la informacin obtenida de las
gestiones de llamadas realizadas por los agentes de la campaa de Telmex Ventas 3Play, con
una base de datos PostgreSQL la cual se llamar BDVTASTMX en la cual se encontrar
registrada la informacin sobre aspectos tcnicos de las llamadas (duracin de llamada,
llamadas abandonadas, etc.) y se contar con dos archivos en Excel los cuales se llamaran
BDLaMolina.xls y BDMiraflores.xls que tendrn informacin de clientes potenciales que
sern gestionados por los agentes.

52

2.

Capa de procesamiento

La capa de procesamiento va a recibir los datos provenientes de las bases de datos

BDINVTATELMEX y BDVTASTMX a travs de los scripts que se van a generar en el
proceso de ETL los cuales van a ser procesados en el motor analtico el cual generar la
lgica asociativa internamente y as nos permita generar el repositorio de datos (QVD)
adems proveer de este a la capa de presentacin.
Entonces procedemos a definir las dimensiones que se usarn en la solucin como son la
dimensin de ventas, de ubigeo, de producto, de paquete, de motivo por que no contrata, de
motivo de cierre de la llamada, de inters, de instalacin, de direccin del cliente, de detalle
del cliente, de cobertura, de cliente, de campaa, de carga, de asignacin, de tipo de
domicilio, de tipo de documento y de usuario.
Y luego se proceder a definir las mtricas de negocios como son cantidad de ventas por
distrito, ventas por mes, cantidad de llamadas por mes, cantidad de llamadas por distrito etc.

3.

Capa de presentacin

La capa de presentacin recibir el repositorio de datos que fue generado por el motor
analtico con las respectivas dimensiones para poder desarrollar los reportes de ventas por
distrito, ventas por mes, dashboards de indicador de efectividad de ventas, entre otros.

53

6.4. Diseo de la solucin

En primer lugar definimos como es que las consultas ETL van a tomar los datos desde la
fuente de datos y como es que luego lo manejar en la solucin de inteligencia de negocios
para esto podemos observar en la figura Fig. 6.4 el diseo de la base de datos que es la
fuente:

Fig. 6.4: Modelo de base de datos relacional [Fuente propia]

Posteriormente podemos observar el mapa lgico de datos en la figura Fig. 6.5 en donde se
muestra cmo es que las tablas y los campos de la fuente de datos van a servir para las
dimensiones y mtricas comunes de negocio en la solucin final

54

Fig. 6.5: Mapa lgico de datos de la solucin [Fuente propia]

Tomando en cuenta el anlisis realizado y habiendo identificado las tablas y campos que
faciliten la implementacin de las dimensiones e indicadores se procedi al diseo de las
consultas que permitirn generar el ETL (Extraccin, Transformacin y Carga) de data
en los Repositorios QVDs como se muestra en la figura Fig. 6.6:

55

Fig. 6.6: Construccin de consultas ETL [Fuente propia]

Una vez generado las consultas de la tecnologa AQL asocia

los campos con nombres

iguales, de no encontrar campos iguales asocia los parecidos y para ello crea campos
sintticos, lo ideal es tener la menor cantidad de campos sintticos.

56

6.5. Interfaces de usuario

La tecnologa de inteligencia de negocios AQL, nos permiti definir n dimensiones y
realizar combinaciones entre todas estas, para luego analizar

de que manera estas

impactaban en las mtricas comunes de negocio definidas.

Entre las interfaces de usuario tenemos a la hoja de VENTAS POR DISTRITO en la figura
Fig. 6.7 en el cual se muestra las ventas por distrito del ao 2009, adems se muestran las
dimensiones de agente, paquete, producto y hora para que el usuario final pueda personalizar
sus necesidades y pueda tener la mtrica comn de negocio que sea requerida.

Fig. 6.7: IU01: VENTAS POR DISTRITO [Fuente propia]

Tambin tenemos a la hoja de VENTAS POR MES en la figura Fig. 6.8 en el cual se
muestra la tendencia de ventas de los productos mes a mes y de igual forma que la anterior
57

interfaz cuenta con otras dimensiones para customizar la mtrica comn de negocio.

Fig. 6.8: IU02: VENTAS POR MES [Fuente propia]

6.6. Anlisis e interpretacin de resultados

1. La implementacin de una solucin de inteligencia de negocios permiti a
todos los niveles de la organizacin, crear y acceder a una mayor cantidad de
conocimiento, dejando atrs procesos netamente operativos, como la recoleccin
y anlisis de datos para pasar a ser ms reactivo en la generacin de valor para la
empresa, entregando as mayor tiempo y conocimiento en la toma de decisiones.
Segn la figura Fig. 6.9 antes se pasaba entre 30 y 40 % del tiempo en la
Obtencin y Anlisis de los Datos y solo entre el 10 y 20 % en la toma de decisiones,
con el uso de la solucin de Inteligencia de Negocios se invirti el tiempo dando
mayor importancia al proceso en s de la toma de decisiones.
58

Fig. 6.9: % de tiempo invertido en cada actividad [Fuente propia]

2. El conocimiento generado permiti que el personal de la organizacin, se

comprometa e involucre cada vez con los objetivos y metas de la empresa, esto es
posible ya que pueden comprender mejor el negocio determinando y estableciendo
objetivos de acuerdo al comportamiento de su entorno.
3. La organizacin fue capaz de implementar acciones a travs del conocimiento,
generando frecuentemente indicadores de acuerdo a las mtricas comunes del
negocio con planes de monitoreo y control para fijar estrategias que les permita
alcanzar sus objetivos.

59

Captulo 7: Conclusiones y trabajos futuros

En este captulo se presentan las conclusiones y las orientaciones que puedan servir para
continuar en un futuro la lnea de investigacin y desarrollo.

7.1. Conclusiones
1. La tecnologa OLAP fue buena para la poca en que se implemento, pero tiene
grandes desventajas. Los cubos basados en OLAP limitan a los usuarios en la
cantidad de dimensiones. Las medidas son definidas al momento de la construccin
pero cuando se les quiere cambiar toma tiempo.
2. Se puede observar que la metodologa AQL nos permite manejar ms eficientemente
los datos que se traen desde las fuentes de datos permitiendo as un mejor desarrollo
de una solucin de Inteligencia de Negocios.
3. El modelo relacional es muy bueno para los sistemas transaccionales debido a que te
permite contar con una estructura de base de datos normalizada y eso hace que sean
ms eficientes.
4. El modelo multidimensional es el ms adecuado para desarrollar soluciones de
inteligencia de negocios debido a que te permite manejar una estructura predecible
para los reportes y consultas en grandes cantidades de informacin.
5. El desarrollo de la solucin ha permitido que los usuarios finales puedan tener un
acceso ms amigable, confiable y rpido a la informacin y la organizacin ha
logrado enfocarse ms en la toma de decisiones y as han desarrollado mas planes de
accin.
60

7.2. Trabajos futuros

1. La solucin desarrollada est enfocada al rea del contact center del TACP y dado los
resultados logrados se tendra que hacer extensiva para enmarcar a todas las reas y
pueda ser de apoyo a todos los usuarios encargados de la toma de decisiones en la
empresa.
2. En la solucin desarrollada no se ha abarcado el tema de minera de datos que nos va
a permitir obtener informacin ms relevante, tendencias de negocio, segmentacin
de clientes, patrones ocultos, etc. Lo cual va a permitir darle un valor agregado a los
servicios que presta la organizacin.

61

Referencias bibliogrficas
[BALLARD+05]

Chuck Ballard, Colin White, Steve McDonald, Jussi Myllymaki,

Scott McDowell, Otto Goerlich, Annie Neroda: Business
Performance Management . . . Meets Business Intelligence,
International Business Machines Corporation, 2005.

[BARAGOIN+01]

Corinne Baragoin, Jorge Bercianos, Janez Komel, Gary Robinson,

Richard Sawa, Erik Schuinder: DB2 Olap Server Theory and
Practices, International Technical Support Organization, 2001.

[COD+93]

E. F. Codd, S. B. Codd y C. T. Salley: Providing OLAP to UserAnalysts: An IT Mandate, Codd Associates, 1993

[DELHI+06]

New Delhi, Bangalore, Chennai, Cochin,Guwahati, Hyderabad,

Jlandhar, Kolkata, Lucknow, Mumbai y Ranchi: Datawarehousing
OLAP and Data Mining, New Age International, 2006

[HAHN+00]

Seungrahn Hahn, M.H. Ann Jackson, Bruce Kabath, Ashraf Kamel,

Caryn Meyers, Ana Rivera Matias, Merrilee Osterhoudt, Gary
Robinson: Capacity Planning for Business Intelligence
Applications: Approaches and Methodologies, International
Business Machines Corporation, 2000.

[HANCOCK+06]

John C. Hancock, Roger Toren: Practical Business Intelligence

with SQL Server 2005, Addison Wesley Professional, 2006.

[HOWSON08]

Cindi Howson: Successful Business Intelligence Secrets to making

BI a killer App, The McGraw-Hill, 2008.

[INMON00]

William Inmon: Olap and Datawarehouse, 2000.

[KIMBALL+02]

Ralph Kimball, Margy Ross: The Datawarehouse Toolkit: The

complete guide to dimensional modeling, Wiley Publishing, 2002.

[KIMBALL+04]

Ralph Kimball, Joe Caserta: The DataWarehouse ETL Toolkit,

Wiley Publishing, 2004.

[LARSON09]

Brian Larson: Delivering Business Intelligence with Microsoft

SQL Server 2008, The McGraw-Hill, 2009.

62

[MOSS+03]

Larissa T. Moss, Shaku Atre: Business Intelligence Roadmap: The

Complete Project Lifecycle for Decision-Support Applications,
Addison Wesley, 2003.

[PAREEK06]

Deepak Pareek: Business Intelligence for Telecomunications,

Auerbach Publications, 2006.

[REINSCHMIDT+00] Joerg Reinschmidt, Allison Francoise: Business Intelligence

Certification Guide, International Technical Support Organization,
2000.
[THOMSEN02]

Erik Thoemsen: Olap Solutions: Building Multidimensional

Information Systems, Wiley Publishing, 2002.

63

Anexos
Anexo 01

Especificacin de los casos de uso del negocio.

Anexo 02

Especificacin de los casos de uso del sistema.

64

ANEXO 01
Especificacin de los casos de uso del negocio

Caso de uso de negocio Cargar los datos

1. Actores
1.1 Analista de negocios
Persona que se encarga de subir a la base de datos los datos que estn relacionados a
cada campaa con la que se va a trabajar.
2. Propsito
El propsito principal de este caso de uso es tener fuentes de datos con estos para
trabajarlos y transformarlos en informacin.
3. Breve Descripcin
Los clientes envan datos relacionados a las diversas campaas que tiene en el call
center, entonces estos tienes que ser cargados por los analistas de negocios para que
puedan ser mostrados a los agentes en cada gestin que realicen.
4. Flujo Bsico de Eventos
4.1 Recibir los datos.
4.2 Verificar que los datos hayan llegado completos.
4.3 Si estn completos los datos se procede a cargar sino se devuelve al cliente para que
complete los restantes.
5. Subflujos
Ninguno
6. Flujos Alternativos
Ninguno
7. Precondiciones
Envo de los datos por parte del cliente.
8. Poscondiciones
Datos cargados en la fuente de datos correspondiente.
65

Caso de uso de negocio Extraer los datos

1. Actores
1.1 Analista de negocios
Persona que se encarga de extraer los datos trabajados por los agentes.
2. Propsito
Extraer de la base de datos los datos para pasarlos a archivos de Excel.
3. Breve Descripcin
Los agentes trabajan los datos que se cargaron en un principio y complementan esos
datos con informacin adicional que se puede obtener de cada gestin entonces los
analistas de negocios lo extraen hacia un archivo Excel para que luego se puedan generar
los reportes.
4. Flujo Bsico de Eventos
4.1 Recibir solicitud de datos.
4.2 Extraer los datos de la(s) base(s) de datos.
4.3 Pasar los datos a un archivo de Excel.
4.4 Entregar los datos extrados.
5. Subflujos
Ninguno
6. Flujos Alternativos
Ninguno
7. Precondiciones
Tiene que existir la base de datos, adems de que debe haber datos adicionales a los de la
carga.
8. Poscondiciones
Archivo(s) de Excel generados.

66

Caso de uso de negocio Elaborar reporte

1. Actores
1.1 Analista de negocios
Persona que se encarga de elaborar los reportes.
2. Propsito
Generar reportes en base a los archivos de Excel que se tengan.
3. Breve Descripcin
Luego de recibir la solicitud de un reporte, en base a los archivos de Excel que se tengan
el analista de negocios procede de acuerdo a los requerimientos generar los reportes.
4. Flujo Bsico de Eventos
4.1 Recibir solicitud de reporte.
4.2 Generar el reporte segn los requerimientos.
4.3 Enviar el reporte solicitado.
5. Subflujos
Ninguno
6. Flujos Alternativos
Ninguno
7. Precondiciones
7.1 Tiene que existir el/los archivo(s) de Excel.
7.2 Tiene que haber una solicitud de reporte.
8. Poscondiciones
Reportes dinmicos generados.

Caso de uso de negocio Solicitar reporte

67

1. Actores
1.1 Supervisor
Persona que se encarga de solicitar los reportes para ver como va el funcionamiento
de su(s) campaa(s) y poder tomar decisiones tcticas que le permitan mejorar el
rendimiento de la misma.
1.2 Jefe del call center
Persona que se encarga de solicitar los reportes para ver como va el funcionamiento
del call center y poder tomar decisiones estratgicas que le permitan mejorar el
rendimiento del call center.
1.3 Cliente
Persona que se encarga de solicitar los reportes para ver como va el funcionamiento
de las diversas campaas que tenga en el call center y poder tomar decisiones
estratgicas con respecto a los indicadores que les presenten a favor de sus empresas.
2. Propsito
Solicitar la elaboracin de un reporte.
3. Breve Descripcin
El cliente, el jefe del call center o el supervisor solicitan la elaboracin de un reporte
para que sea elaborado por el analista de negocios.
4. Flujo Bsico de Eventos
4.1 Buscar reporte de informacin que se necesita.
4.2 Si lo encuentra termina el proceso, si no lo encuentra solicita reporte.
5. Subflujos
Ninguno
6. Flujos Alternativos
Ninguno
7. Precondiciones
Tiene que existir la necesidad de un reporte.
8. Poscondiciones
Solicitud generada.

ANEXO 02

68

Especificacin de los casos de uso del sistema

Caso de uso de sistema Generar reporte
1. Actores
1.1 Usuario
Persona que requiere de reportes que le brinden informacin de manera que en base a
ellos pueda tomar decisiones, por ejemplo el Jefe del call center, supervisor, y el
cliente.
2. Propsito
El propsito principal de este caso de uso es que el usuario genere sus reportes acorde a
sus necesidades.
3. Breve Descripcin
El usuario requiere generar un nuevo reporte.
4. Flujo Bsico de Eventos
4.1 El usuario requiere de un nuevo reporte.
4.2 Solicita al analista que lo genere de acuerdo a la complejidad que este implique.
4.3 Se revisa sus autorizaciones y si tiene autorizacin para generar reporte.
4.4 Revisa si cuenta con la informacin necesaria para crear su reporte, si tiene la
informacin necesaria entonces generar su reporte.
5. Subflujos
Ninguno
6. Flujos Alternativos
Ninguno
7. Precondiciones
Requerimiento de reporte.
8. Poscondiciones
Nuevo reporte.

Caso de uso de sistema Consultar informacin

69

1. Actores
1.1 Usuario
Persona que requiere consultar informacin que le apoye en la toma de decisiones.
2. Propsito
El propsito principal de este caso de uso es que el usuario pueda consultar informacin
proveniente de los sistemas.
3. Breve Descripcin
El usuario requiere consultar informacin.
4. Flujo Bsico de Eventos
4.1 El usuario ingresa al sistema, solo puede ver las opciones a las que se le ha dado
permiso que pueda consultar.
5. Subflujos
Ninguno
6. Flujos Alternativos
Ninguno
9. Precondiciones
Requerimiento de reporte.
10. Poscondiciones
Nuevo reporte.

70