RESPUESTAS CUESTIONARIO IDENTIFICAR TCNICAS DE INTELIGENCIA

DE NEGOCIOS

PRESENTADO POR: LILIANA MARIA MAHECHA

PRESENTADO A: ALEXANDER CHACON

INGENIERO DE SISTEMAS, ESPECIALISTA TECNOLGICO EN
ARQUITECTURA DE SOFTWARE

SERVICIO NACIONAL DE APRENDIZAJE SENA

PROGRAMA DE FORMACIN
ESPECIALIZACIN TECNOLGICA EN GESTIN Y SEGURIDAD DE BASES
DE DATOS
MODALIDAD VIRTUAL
2015

Respuestas Cuestionario Identificar tcnicas de inteligencia de negocios

1. Definicin de inteligencia de negocios (Business Intelligence).

Rta: es la habilidad para transformar los datos en informacin, y la informacin en
conocimiento, de forma que se pueda optimizar el proceso de toma de decisiones
en los negocios.
Desde un punto de vista ms pragmtico, y asocindolo directamente con las
tecnologas de la informacin, podemos definir Business Intelligence como el
conjunto de metodologas, aplicaciones y tecnologas que permiten reunir, depurar
y transformar datos de los sistemas transaccionales e informacin desestructurada
(interna y externa a la compaa) en informacin estructurada, para su explotacin
directa (reporting, anlisis OLTP / OLAP, alertas...) o para su anlisis y conversin
en conocimiento, dando as soporte a la toma de decisiones sobre el negocio.

2. Definicin de minera de datos (DATA MINING).

Rta. El datamining (minera de datos), es el conjunto de tcnicas y tecnologas

que permiten explorar grandes bases de datos, de manera automtica o
semiautomtica, con el objetivo de encontrar patrones repetitivos, tendencias o
reglas que expliquen el comportamiento de los datos en un determinado contexto.
Bsicamente, el datamining surge para intentar ayudar a comprender el contenido
de un repositorio de datos. Con este fin, hace uso de prcticas estadsticas y, en
algunos casos, de algoritmos de bsqueda prximos a la Inteligencia Artificial y a
las redes neuronales.

3. Mencione 2 herramientas para la toma de decisiones (DSS Decision Support

System).
Rta: los ms importantes son:

Los sistemas de soporte a la decisin usando tecnologas de

DataWarehouse, se llaman sistemas OLAP (On Line Analytical
Processing). En general, estos sistemas OLAP deben: Soportar
requerimientos complejos de anlisis Analizar datos desde diferentes
perspectivas Soportar anlisis complejos contra un volumen ingente de
datos.

Sistemas de informacin ejecutiva (EIS) Los sistemas de informacin

ejecutiva (EIS, Executive Information System) son el tipo de DSS que
ms se suele emplear en Business Intelligence, ya que proveen a los
gerentes de un acceso sencillo a informacin interna y externa de su
compaa, y que es relevante para sus factores clave de xito.

4. Definicin Bodega de datos (DataWareHouse).

Rta. Una bodega de datos es una herramienta empresarial utilizada por los
negocios como una solucin informtica que consolida los datos de fuentes
internas y externas de una entidad, institucin o negocio, en un solo sitio, con el
objetivo de facilitar las tareas de consulta y anlisis de la informacin.
Cuando una bodega de datos contiene datos especficos de una dependencia
(direccin, coordinacin o grupo) es llamada tambin data mart; si la bodega de
datos integra datos de varias dependencias es llamada tambin data warehouse.
Su objetivo es soportar la toma de decisiones en un negocio (no las operaciones
del negocio) y centralizar una gran variedad de datos e informacin, interpretar
dicha informacin y darle un valor agregado para beneficio del negocio todo ello
por supuesto, con un fcil acceso y visualizacin por parte de los usuarios.

5. Tipos de bodegas de datos.

Rta. Existen Distintos Tipos De Bodegas De Datos

Native data warehouse appliance; donde tanto el hardware como el

software estan estrechamente integrados en una sola plataforma. No se
pueden licenciar por separado y tampoco se pueden utilizar de forma
individualizada.Algunos ejemplos de este tipo son: DATAllegro, Netezza, y

Teradata.
Software data warehouse appliance; en este caso, Bases de datos
relacionales, tanto Open Source como comerciales son optimizadas para su
uso en entornos DataWarehouse. Aqu, se puede utilizar en diferentes
configuraciones de Hardware. Algunos ejemplos son Greenplum, Sybase e

Ingres.
Packaged data warehouse appliance; donde software y hardware comercial
es configurado para funcionar como una nica plataforma y que es
comercializado por un nico vendedor. Adems, se instala y mantiene en un
nico sistema. Ejemplos de este tipo son HP Neoview, IBM Balance

Warehouse y Sun/Greenplum.
Data management appliance; que obtiene los datos de forma intensiva
desde un servidor. Estos sistemas pueden implicar procesos operacionales,
analticos o de almacenamiento.Algunos ejemplos son ParAccel y Dataupia.

6. Cules son los componentes de una arquitectura de una base de datos en

inteligencia de negocios?
Rta. Los componentes son:

Sistemas Fuentes: Son los sistemas transaccionales que han sido

diseados fundamentalmente para el soporte de las operaciones del
negocio como: Compras, Ventas, Almacenes, Contabilidad, etc. Estos
sistemas deben cumplir un requisito fundamental: ya deben de estar
consolidados en cuanto al registro de informacin de las operaciones. No

sera limitante si le carece de reportes para toma de decisiones, ya que es

ah el vacio que cubrir la Inteligencia de Negocios adicionando mdulos de
gestin para las decisiones operacionales.

Base de Datos Operacionales: OLTP: Los sistemas transaccionales

registran o graban las operaciones dentro de las base de datos
operacionales (On Line Transactional Process: OLTP). Estas datos
permitirn generar informacin para la toma de decisiones a nivel
operacional. Estas bases de datos lo que persiguen fundamentalmente son
el registro de transacciones y la consistencia de los datos.

Requerimientos

Estratgicos

(Plan

Estratgico):

Es

altamente

recomendable tener definido el Plan Estratgico de la Organizacin. En

caso extremo no se obtenga, a partir de las entrevistas se pueden buscar:
objetivos, estrategias, indicadores de estrategias que permitan orientar el
producto a disear. Son bastante tiles adems del plan y las entrevistas
los reportes de gestin que los tomadores de decisiones poseen para medir
su gestin. Estos requerimientos estratgicos debern contrastarse con la
Base de Datos Operacional, ya que muchos de ellos se obtendrn de esta
fuente. En caso no puedan ser obtenidos se recomienda re-estructurar la
Base de datos y las aplicaciones, a fin de satisfacer estos requerimientos
estratgicos.

ETL (Extraer, Transformar y Cargar Poblar): Este

componente que

permitir 2 cosas fundamentalmente, Datos cuando se tengan distintas

fuentes (Diferentes manejadores de Base de Datos) y Llevar informacin de
las base de datos operacionales a las base de datos dimensionales

Data WareHouse (DWH): Es el gran almacn de datos que est

estructurado para analizar la informacin, a diferente nivel de detalle, de
todos los procesos de negocios que tiene la organizacin. Es la Base de
Datos llamada estratgica o multidimensional. Una vez diseadas mediante

el ETL es poblada o llenada a partir de las Bases de Datos operacionales.

El diseo va orientado a encontrar medidas (Por ejemplo: montos vendidos,
montos cobrados, horas hombre utilizadas, etc) y dimensiones (Clientes,
Productos, Tiempo, Organizacin, Servicios, etc).

Data Marts: Constituyen una parte de un DWH. Si un DWH est formado

por todos los procesos de la organizacin, un Data Mart constituye un
determinado proceso. Por ejemplo podramos tener un Data Mart para
Finanzas, otro para Logstica. Pueden ser preparados a partir de un DWH o
ser elaborados independientemente.

Tecnologias OLAP (On Line Analytical Process): Es la tecnologa que

permite aprovechar como est estructurada la informacin de un DataMart
o un Data WareHouse. Fundamentalmente es una tecnologa que permitir
analizar informacin dinmicamente a los niveles tctico y estratgico
basados en Cubos que contienen las medidas y las Dimensiones.

Minera de Datos: Constituyen algoritmos avanzados (estadsticas,

inteligencia artificial) que intenta descubrir cosas ocultas en los datos
capturados a lo largo de las operaciones del negocio. Es el llamado el
descubrimiento del conocimiento y va direccionado al nivel estratgico
directamente.

Aplicaciones para Soporte de Decisiones: Van diseadas para cubrir las

decisiones tcticas y estratgicas. En el mercado existen una serie de
herramientas que permiten construir estas aplicaciones, que se montan
sobre una solucin OLAP o Bases de Datos transaccionales.

Sistemas de Informacin para Ejecutivos: Son sistemas diseados para

la alta direccin y que estn basados en alertas o semforos que indican el
estado de un determinado indicador de negocio. Este indicador se le llama
KPI (Key Performance Indicator). Estos estados estn reflejados en

smbolos como un semforo (rojo, verde, mbar) entre otros. Generalmente

son obtenidos a partir de un Balance ScoredCard).

7. Mencione 3 esquemas utilizados para la construccin de cubos.

Rta: Esquema, Copo de nieve y Constelacin.
8. Cules con los componentes de la arquitectura funcional de un almacn de
datos?
Rta. Los bloques funcionales se corresponden con un sistema de informacin
completo que utiliza un almacn de datos:

Nivel operacional: Contiene datos primitivos (operacionales) que estn

siendo

permanentemente

actualizados,

usados

por

los

sistemas

operacionales tradicionales que realizan operaciones transaccionales.

Almacn de datos: Contiene datos primitivos correspondientes a sucesivas
cargas del Almacn de Datos y algunos datos derivados. Los datos
derivados son datos generados a partir de los datos primitivos al aplicarles

algn tipo de procesamiento (resmenes).

Nivel departamental (Data Mart): Contiene casi exclusivamente datos
derivados. Cada departamento de la empresa determina su nivel
departamental con informacin de inters a dicho nivel. Va a ser el blanco
de salida sobre el cual los datos en el almacn son organizados y
almacenados para las consultas directas por los usuarios finales, los

desarrolladores de reportes y otras aplicaciones.

Nivel individual: Contiene pocos datos, resultado de aplicar heursticas,
procesos estadsticos, etc., a los datos contenidos en el nivel anterior. El
nivel individual es el objetivo final de un Almacn de Datos. Desde este

nivel acceder el usuario final y se podrn plantear diferentes hiptesis, as

como navegar a travs de los datos contenidos en el Almacn de Datos.

9. Diferencia entre cubos OLAP - ROLAP y OLAP MOLAP.

Rta:

MOLAP - Multidimensional On Line Analytical Processing: Son cubos

multidimensionales (mas de tres

dimensiones). Esta arquitectura se

basa en que todos los datos se carguen directamente a los cubos sin

tener un DWH y que de all se consulten los datos.

ROLAP - Relational On Line Analytical Processing: Esta arquitectura se
basa en tener todos los datos en bases de datos relacionales (en un
DWH), explotandose toda la informacin desde all, tanto la detallada
como la agregada. Esta es una de las formas que mas se ha
comenzado a adoptar en los desarollos de BI por la versatilidad que da

tener los datos en una base de datos relacional.

HOLAP - Hybrid On Line Analytical Processing: Esta es una forma
hbrida entre las dos anteriormente explicadas. Se tiene un DWH donde
se lleva toda la informacin detallada y luego se lleva la informacin
agregada a los cubos, con esta arquitectura lo que se gana es mucha
velocidad aunque es cierto que se debe tener mayores componentes de
ETL para llevar la info tanto al DWH como a los cubos.

Diferencias:
En los ltimos aos se han producido debates alrededor de los tipos de
almacenamiento MOLAP y ROLAP. Por lo general, las implementaciones de

MOLAP presentan mejor rendimiento que la tecnologa relacional; sin embargo,

tienen problemas de escalabilidad, por ejemplo, la adicin de dimensiones a un
esquema ya existente. Por otra parte, las implementaciones de ROLAP son ms
escalables y a menudo son ms atractivas debido a que aprovechan las
inversiones efectuadas en tecnologa de BD relacionales.
En la siguiente tabla se resume las diferencias entre ambas tecnologas.

10. Significado de KDD.

Rta: El KDD ( Knowledge Discovery from Databases) es el proceso no trivial
de identi-car patrones vlidos, novedosos, potencialmente tiles y en ltima
instancia, comprensibles a partir de los datos.
El objetivo fundamental del KDD ( Knowledge Discovery from Databases), es
encontrar conocimiento til, vlido, relevante y nuevo sobre una determinada
actividad mediante algoritmos, dadas las crecientes rdenes de magnitud en los
datos .