Un Data warehousing es una colección de tecnologías datos históricos, resumidos y consolidados son más

de soporte de decisiones, dirigido a permitir al trabajador importantes que los detalles y registros individuales.
del conocimiento (ejecutivo, administrador, analista) Como un data warehouse contiene datos consolidados,
tomar mejores y más rápidas decisiones. En los últimos quizás de varias bases de datos operacionales, por
tres años ha aumentado el número de productos y largos períodos de tiempo.
servicios ofrecidos así como la adopción de esta
tecnología por la industria. De acuerdo al grupo META, el
mercado de data warehousing, incluye hardware,
software de base de datos y herramientas. En 1997 se
proyectó un crecimiento de $2 billones en 1995 a $8 De acuerdo con W.H. Inmon, quien es considerado como
billones en 1998. Las tecnologías de data warehousing el padre del data warehouse: “
han sido aplicadas en muchas industrias:
manufactureras (ordenes de envío y soporte de clientes),
ventas al por menor (perfiles de usuarios y
administración de inventarios), servicios financieros .”
(análisis de reclamos, análisis de riesgo, análisis de Metas: obtener la información correcta para las personas
tarjetas de créditos y detección de fraudes), utilidades adecuadas en el momento conveniente para que tomen
(poderosos análisis de uso), y cuidados de salud decisiones que pueden valer millones de dólares.
(resultado de análisis).
Típicamente, el data warehouse es mantenido
Los data warehouses apuntan al soporte de decisiones. separadamente de las bases de datos operacionales de
El data warehousing (almacenamiento de datos) la organización. El data warehouse soporta
representa el proceso de reunir información histórica de procesamientos analíticos en líneas (OLAP).
una organización en un depósito central, y se ha
convertido en una tecnología común y fundamental. Los

Esta arquitectura incluye herramientas para: Carga de un dato en un data warehouse.

Extracción de datos desde múltiples bases de datos Refrescar periódicamente el warehouse para reflejar
operacionales y fuentes externas. día a día las fuentes y depurar los datos del
Depuración, transformación e integración de esos warehouse, quizás sobre almacenamientos más
datos. lentos de archivos.

2
 de una variedad de herramientas de front end:
En adición al warehouse principal, pueden haber varios herramientas de consultas, reportes escritos,
mercados de datos departamentales. Los datos en el herramientas de análisis, y herramientas de data mining.
warehouse y los mercados de datos están almacenados Finalmente, hay un repositorio de almacenamiento y
y administrados por uno o más servidores warehouse, administración de metadatos, y herramientas de
los cuales presentan vistas multidimensionales de datos monitoreo y administración de sistemas de warehousing.

Arquitectura de un
Data Warehouse

En muchos casos, el data warehouse se basa en
resúmenes de información provenientes de sistemas de
producción. Construir un data warehouse, en algunos
casos, implica comprender la forma de como estos
sistemas manejan y almacenan datos (las definiciones
de sus datos, ). Asimismo, significa entender
cómo construir extractores, los cuales transfieren datos
de los sistemas de producción al data warehouse, y el
software de sincronización que conserva
razonablemente actualizado el data warehouse con la
información del sistema de producción.
Un data warehouse guarda información histórica (y en
algunas ocasiones actual) de un negocio de manera
organizada, permitiendo consultas especializadas y
recuperaciones de datos con facilidad. Esta capacidad
es aprovechada por el usuario final para conocer,
examinar y consultar herramientas que ofrecen diversas
funciones de reporte, las cuales incluyen la capacidad de
exponer progresivamente más detalles (profundizar). Las
técnicas de comunicación proporcionan a una
organización interfaces gráficas para usuario final
convenientes y fáciles de usar para apoyar las tareas de
análisis. Una importante consideración es el uso
apropiado de técnicas gráficas como la graficación,
despliegues en forma de árbol, despliegues en red, las
curvas de tendencias y análisis multidimensionales.
Básicamente, el data warehouse es una implementación
de base de datos que usa su propio sistema de
administración. Este sistema deriva su información de
otros sistemas de bases de datos que sustentan las
operaciones empresariales diariamente. Las bases de
datos operacionales se implementan en diversas
tecnologías, tales como DB2, IMS, VSAM, Oracle,

3
 Sybase, Informix, DL/I, y Flat Files. Muchos
administradores de bases de datos actuales que
sustentan la base de datos real son relacionales.
Algunos ejemplos son la familia DB2/X, Oracle, Sybase e
Informix. Diversos mecanismos de transporte llevan los
datos de las fuentes de producción al data warehouse.
Se usan distintos métodos de propagación y duplicación
para mantener información consistente en todas las
bases de datos. Se emplean extractores para obtener y
cargar información de una base de datos a otra.
Los datos extraídos deben ser uniformes para poder
combinar los datos de diferentes fuentes dentro del data
warehouse. Este proceso se llama transformación. La
significa codificar datos que se han
decodificado en forma inconsistente en diferentes
fuentes (por ejemplo, abreviaturas de estados, código de
productos y lugares de negocios). El software de
transformación convierte los datos durante el traslado
para asegurar que la información sea compatible con la
base de datos que la recibe. Desarrollar, seleccionar e
integrar estas piezas de software requiere técnicas de
administración de datos y de administración de base de
datos. También se requieren técnicas en el área de
afinar la ejecución de consultas en la base de datos para
obtener un rendimiento aceptable de la solución del data
warehouse.

Conforme las organizaciones confían más y más en la Una aplicación de software se vuelve un sistema de
disponibilidad de información y en el acceso a un data Misión Crítica cuando se tiene confianza en sus
warehouse, éste se convierte en un operaciones y se usa todos los días. También se torna
. fundamental para la misión del negocio que apoya. Su
falla puede provocar una falla en el negocio mismo.

Cómo se incorpora una nueva

tecnología en un importante
sistema de Misión Crítica (Ciclo
de madurez de la tecnología).
Sólido
Uso diario
Uso operacional y
estratégico. Se mueve
Implementación expandida hacia un sistema primario
Ámbito más grande
Uso del personal
Uso para apoyar decisiones
Sistema secundario
Piloto Inicial
Ámbito pequeño
Resuelve un problema
determinado

Prueba de conceptos
Demostración de la
tecnología
Experimentos iniciales

4
Conforme la compañía comienza ha usar cada vez más Actividades basadas en requerimientos
la información del data warehouse para las actividades Compatibilidad con la tecnología existente y la
diarias, su disponibilidad comienza a ser cada vez más infraestructura de base.
importante. Los patrones empíricos de uso de Uso diario
información indican que conforme hay más información Uso amigable
de consulta rápida y fácil, más personas posponen hasta Desempeño
el último minuto las solicitudes de información. Cuando Verificable
esto ocurre, se vuelve muy importante que el sistema de Seguridad
data warehouse, y todas las aplicaciones que lo
acceden, estén disponibles todo el tiempo. Entender los requerimientos para un sistema de Misión
Los requerimientos para un sistema de Misión Crítica Crítica permite definir los requerimientos de data
incluyen lo siguiente: warehouse.
Disponibilidad
Consistencia y precisión
Fuerza
Estándares

El data warehouse sigue el mismo ciclo de

perfeccionamiento que todos los desarrollos de software. Ciclo de desarrollo de
Las fases son las mismas, lo mismo que su secuencia. software utilizado para el
data warehouse

Los pasos que deben seguirse para implementar la fase Es uno de los primeros pasos más importantes. La
de planeación del sistema del data warehouse son: decisión tiene mucho que ver con la cultura de la
organización y se basa en cómo se llevan a cabo
las tareas dentro de la organización. Las siguientes

5
son estrategias de implementación
demostrado su popularidad:
El enfoque de arriba hacia abajo (de lo
general a lo particular).
El enfoque de abajo hacia arriba (de lo
particular a lo general).
Una combinación de los anteriores.
En teoría, un data warehouse puede desarrollarse
por medio de cualquier metodología. En realidad,
los requerimientos de la implementación de un data
warehouse descartan el uso de
metodología que requiera una fase prolongada de
acopio de requerimientos y análisis, una fase de
desarrollo monolítico que tome muchos meses y
una fase de despliegue que ocupe también varios
meses. Las dos metodologías populares en el
desarrollo de software son:
Método de análisis y diseño estructurado
(en cascada).
Método de desarrollo espiral.
En la mayoría de las organizaciones, la motivación
principal del proyecto de data warehouse es una
primera implementación que produzca beneficios
inmediatos a un grupo de usuarios. Después de
definir un rumbo general y un conjunto general de
objetivos para el data warehouse, se hace
necesario derivar con rapidez un ámbito limitado
para la primera implementación. El ámbito del
proyecto de data warehouse puede restringirse
entre muchas dimensiones. Las dimensiones se
dividen en dos categorías principales:
Ámbito determinado a partir de la
perspectiva del usuario empresarial del
data warehouse.
Determinación del ámbito con base en
consideraciones tecnológicas.
El implementador dispone de las
opciones arquitectónicas:
que han
(un data warehouse hace copias
de información operacional e histórica y las
almacena para uso privado).
(por lo general, todas las
aplicaciones del data warehouse requieren
diversas operaciones que se aplican sobre las
fuentes de datos).
(cada departamento
funcional en una organización tiene sus propias
necesidades específicas y que un solo data
cualquier warehouse corporativo no puede satisfacer
todas las necesidades).
(las
necesidades del data warehouse específicas de
un departamento se deben abordar junto con la
necesidad de un data warehouse corporativo.
(los cortes arquitectónicos se usan para separar
la plataforma para el data warehouse, los
mercados de datos, las fuentes de datos y las
herramientas del usuario final, posee flexibilidad
y se pueden compartir plataformas).
(es el empleo de dos capas de plataformas, una
capa contiene a los clientes –aplicaciones
gráficas- y la otra al servidor –estación de
trabajo, macrocomputadora-).
(hay tres capas: una capa cliente –estación de
trabajo -, una capa intermedia con base en un
servidor y una tercera capa establecida en una
macrocomputadora).
Uno de los aspectos más importantes de la
planeación consiste en poder realizar:
Articular tanto un plan de programa como un
conjunto de planes de proyecto (un plan de
programa es una visión general de la actividad
siguientes del data warehouse y su función en la vida
diaria y semanal de la organización. El plan de
6
 programa proporciona la estrategia y los planes
de proyecto proporcionan la táctica). Recopilar varios elementos de diseño relacionados
Reservar un presupuesto adecuado para el con los metadatos. es el término que se
programa al tiempo que se compromete el gasto emplea para las definiciones de datos. Los
para proyectos específicos. La planeación de metadatos son usados para el anteproyecto
este presupuesto se basa en dos enfoques: utilizado para la construcción del data warehouse.
• Estimación del costo, con base en el historial Los metadatos reunidos durante la fase de
de la organización en el desarrollo de planeación del data warehouse provienen de las
software. siguientes fuentes:
• Estimación del costo, con base en la Los modelos empresariales (deben basarse en
arquitectura de referencia. la naturaleza del negocio) construidos por la
Proporcionar medidas para la estimación de la organización son modelos de datos abstractos
retribución del data warehouse. utilizados para caracterizar los tipos de
información que necesita, recopila y utiliza una
organización.
Las personas que utilizan el data warehouse son Los depósitos y diccionarios de datos que
distintas a los desarrolladores y gerentes, por lo manejan los administradores de datos contienen
que puede ser útil que los usuarios finales se definiciones de datos operacionales ubicados en
involucren en el establecimiento de las expectativas diversas bases de datos relacionales y no
de lo que puede ofrecer el data warehouse. Los relacionales.
escenarios empresariales son una importante Las fuentes externas de datos que se requieren
herramienta del prototipo de requerimientos. Estos para responder consultas empresariales pueden
escenarios ayudan a definir las expectativas del estar estructuradas o no para el acceso y
usuario final con respecto al data warehouse. recuperación.

Algunos de estos pasos que constituyen la planeación pueden efectuarse al mismo tiempo (en paralelo), lo cual acorta
la duración de esta fase.

Es una especificación precisa de las funciones que se toma el enfoque de abajo hacia arriba, la mayoría de los
obtendrán del data warehouse. Los requerimientos requerimientos se construyen de manera oportunista con
describirán con claridad el ambiente operativo en el que base en las esperanzas y expectativas. Aquí, el
se entregará el data warehouse, así como las conductor principal es la implementación rápida y de bajo
características y funciones necesarias. costo.
El volumen de acopio de requerimientos que se debe
realizar depende del enfoque de implementación que se •
tome. Si se toma el enfoque de arriba hacia abajo, la
actividad de acopio de requerimientos es Se trata de ver a un sistema de información desde
significativamente grande, pero debido a que las la perspectiva de varios depositarios. Cada
actividades están conducidas por el negocio están bien depositario tiene expectativas distintas del sistema,
entendidas y pueden catalogarse con facilidad. Si se

7
 los requerimientos del sistema. Pasos del análisis
de requerimientos.

Los requerimientos para la

solución del data warehouse
desde varias perspectivas de la
gente involucrada en su
planeación e implementación.

Significa convertir los requerimientos acopiados en la
fase anterior de requerimientos, en un conjunto de
especificaciones que puedan apoyar el diseño. En lo
abstracto, hay tres especificaciones principales de
entrada para el data warehouse:
Requerimientos de enfoque empresarial
delinean las fronteras de la información que debe
comprender el data warehouse; determinará la
audiencia y sus requerimientos.
Especificaciones de requerimientos de fuentes de
datos que delinean las fronteras de información
disponible en las fuentes de datos actuales.
Especificaciones de requerimientos de usuario final
y acceso, las cuales definen cómo se utilizará la
información del data warehouse. Especificación de
los tipos de herramientas y técnicas de exhibición
que usan.
El proceso de análisis consiste en derivar modelos
físicos y lógicos de datos para el data warehouse y los
que mercados de datos y definir los procesos necesarios
para conectar las fuentes de datos, el data warehouse,
los mercados de datos y las herramientas de acceso del
usuario final.

Los modelos lógicos desarrollados en la fase de análisis warehouse/mercado de datos con herramientas de
se convierten en modelos físicos. Los procesos estación de trabajo del usuario final, se convierten en
identificados en la fase de análisis para conectar las diseños para programas que realizarán las tareas
fuentes de datos con el data warehouse, el data requeridas por los procesos. También se identifican y
warehouse con los mercados de datos y el data detallan los procesos que requiere, de manera interna,

8
cada bloque de la arquitectura de referencia del data
warehouse.
En la fase de diseño se encuentran dos actividades
principales:
Comprende las siguientes actividades:
Desarrollo de modelos físicos de datos para las
bases de datos de almacenamiento del data
warehouse y mercado de datos. Pudiera
requerirse también el desarrollo de modelos
físicos para el almacenamiento local necesario
para las herramientas de usuario final.
Correspondencia de los modelos físicos de
datos de las fuentes de datos con los modelos
físicos del data warehouse/mercados de datos.
Esta correspondencia ayuda a los procesos de
extracción, refinamiento y reingeniería
efectuar sus funciones dentro del
warehouse/mercado de datos.
Está comprendido en las siguientes aplicaciones:
Procesos que son internos a las fuentes de
datos y se relacionan con depuraciones o
Esta fase es la responsable de implementar físicamente
los diseños desarrollados durante la fase de diseño.
La construcción del data warehouse es similar a la
construcción de un sistema de base de datos relacional
grande. La mayoría de las aplicaciones que se necesitan
construir son las siguientes:
Programas que creen y modifiquen las bases de
datos para el data warehouse y los mercados de
datos. Los fabricantes ofrecen capacidades de
generación automática para dichos programas.
Programas que extraigan datos de
relacionales y no relacionales. Algunos fabricantes
ofrecen facilidades para la generación automática de
estos programas.
extracciones parciales de información y
procesos que conectan las fuentes de datos
con el data warehouse (o los mercados de
datos si no necesitan un data warehouse).
Procesos que son internos al data warehouse y
se usan para fines de manejo interno.
Procesos que conectan al data warehouse con
los mercados de datos (si se usan).
Procesos que son internos a los mercados de
datos (si se usan) y se emplean para fines de
manejo interno.
Procesos que conectan al data warehouse (o a
los mercados de datos) con herramientas de
usuario final.
Procesos que son internos al data warehouse y
a los mercados de datos y para iniciar
herramientas de análisis.
a Procesos que sustentan tareas de manejo,
data administración y prácticas internas para el data
warehouse como sistema.
Programas que realicen transformaciones de datos,
tales como integración, resumen y adición. También
los fabricantes ofrecen facilidades para la
generación automática de estos programas.
Programas que realicen actualizaciones de bases de
datos relacionales.
Programas que efectúen búsquedas en bases de
datos muy grandes. Varias herramientas de usuario
final han optimizado utilerías de búsqueda para las
consultas que generan. También varios fabricantes
de bases relacionales ofrecen utilerías de
fuentes aceleración de consultas y capacidades para
recuperación en paralelo.
9
Esta fase tiene que ver principalmente con los retos de contenida en el data warehouse en términos y
instalación, puesta en servicio y uso de la solución de lenguajes que comprendan.
data warehouse. Varias organizaciones tienen ya Al principio, el data warehouse se percibe
experiencia en el despliegue y puesta en marcha de principalmente como una capacidad de apoyo a las
sistemas de información empresarial, actividades en las decisiones, no una capacidad de misión crítica. La
que han adquirido experiencia: mayoría de los sistemas de información empresarial
Proporcionar la instalación inicial, incluyendo que proporcionan apoyo operacional están
facilidades para las conexiones básicas de datos enlazados a los resultados, a veces sin desearlo,
con las fuentes y para la actualización y como sistemas de misión crítica. Debido a estas
sincronización de datos. diferencias en la percepción, existe una necesidad
Planeación y entrega de una implementación por de promover activamente entre los usuarios finales
etapas. la información que proporciona el data warehouse.
Proporcionar capacitación y orientación a todo tipo Sólo después de que los usuarios finales usen
de usuarios. diariamente la información del data warehouse, éste
Planeación e implementación de la actualización de se convertirá en un sistema de Misión Crítica.
plataformas y el mantenimiento necesario por el
data warehouse cuando se requiere. El despliegue del data warehouse requiere las siguientes
Proporcionar la administración de usuarios y capacidades adicionales:
sistemas. este es el
Proporcionar la capacidad de generar archivos proceso de tratar a la información en sí como si
permanentes y respaldos. fuera un producto de mercancía. Un producto de
Proporcionar la capacidad de recuperación. mercancía ha exhibido con claridad los aspectos de
Asegurar la integración dentro de la infraestructura creación de demanda, atractivo y utilidad percibida
existente. por el consumidor. Para el vendedor que analiza las
Proporcionar controles de acceso y seguridad. tendencias e historia de ventas en su computadora
Asegurar la completa disponibilidad y los procesos portátil, la información de ventas del data warehouse
para manejar caídas de los sistemas y sus es simplemente una mercancía requerida para el
componentes de infraestructura. momento. Se requiere en un formato compatible con
una hoja de cálculo que se ejecute en esta estación
Además de los requerimientos normales de despliegue de trabajo. La comercialización también es mostrar a
para cualquier sistema de información empresarial, el los usuarios finales cómo desplegar la información
sistema de data warehouse tiene los siguientes del data warehouse para su provecho, mostrando
requerimientos adicionales: ejemplos de escenarios de uso.
La mayoría de los sistemas de información son el catálogo
construidos y manejados por personal técnico. El de información para el data warehouse contiene
nivel de documentación de los metadatos en dichos listas de elementos de información, consultas
sistemas con frecuencia sólo es adecuado para una empresariales estándar y reportes estándar
audiencia de técnicos. La mayoría de los usuarios disponibles a partir del data warehouse. Las listas
finales del data warehouse no son técnicos. están en un lenguaje (y posiblemente en multimedia)
Necesitan ver definiciones de la información familiar y obvio para el usuario. Los catálogos de

10
 información se actualizan y se entregan a los
usuarios con la regularidad de suscripción.
con el
amplio interés y popularidad de los examinadores, la
información del data warehouse también se
presenta y distribuye a los usuarios de manera que
les permita examinar y hacer copias locales de
información en forma selectiva.
El método de desarrollo en espiral es un ingrediente
clave para el despliegue rápido inicial de un data
warehouse. Este método requiere también de una rápida
evolución de características y funciones basadas en las
lecciones aprendidas en anteriores despliegues. Al
comenzarse a utilizar regularmente el data warehouse,
se podrían prever algunas de las siguientes áreas de
mejoramiento:
Consultas empresariales que no pudieran
formularse o satisfacerse debido a las limitaciones
impuestas por el metamodelo del data warehouse.
Estas limitaciones pueden surgir debido a una falta
de ciertos resúmenes o adiciones que no se
realizaron en la implementación inicial.
Consultas empresariales que comprendieran fuentes
de datos externos que no formaron parte de la
implementación inicial. Ciertas consultas
empresariales requerían información de fuentes de
datos adquiridos que se relacionen con factores
ambientales.
Desempeño no satisfactorio de componentes clave
del data warehouse. El data warehouse no se
actualizó con suficiente frecuencia. Las
El data warehouse es un método para ofrecer la
información que en el pasado controlaba y manejaba un
departamento en tecnología de la información para un
grupo de usuarios finales que entienden el negocio, pero
no necesariamente la tecnología. El concepto de
apreciar la información como una mercancía fuerza al
proveedor de información a considerar los aspectos de
comercialización de productos de mercancía y apoyarse
en el cuerpo de conocimientos desarrollado en esta área
durante años.
herramientas de acceso del usuario final
consumieron mucho tiempo para la carga inicial de
información desde el data warehouse.
Otros departamentos no querían configurar sus
propios mercados de datos. Ahora es necesario
incrementar el ámbito del metamodelo del data
warehouse.
Para explotar las ventajas que ofrece el modelo en
espiral, es importante comenzar a reunir requerimientos
para la siguiente iteración del ciclo de desarrollo tan
pronto como se entrega una iteración. Para su uso
efectivo, se requiere que la mayoría de las versiones de
software se distribuyan con intervalos mínimos de seis
meses. Gran parte de los proyectos de desarrollo de
aplicaciones se debe entregar aproximadamente dentro
del mismo marco de tiempo para que la administración la
atienda y apruebe.
11
Los data warehouses responden a las necesidades de tienen diferentes niveles de confianza y experiencia con
soporte de decisiones para un rango de usuarios que la tecnología computarizada.

Perfiles del usuario

Fu n c i o n e s

J e r a r q u ía o r g a n i za c i o n al

N i v e l de c o m p et e n c i a de u s u ar i os

Desde la perspectiva de un data warehouse, los usuarios Las suposiciones básicas sobre los usuarios comunes
se dividen en categorías por jerarquía, por función, o por del data warehouse elaboradas por la mayoría de los
su nivel de competencia en cómputo en la organización. constructores de data warehouses son las siguientes:
• Los usuarios tienen conocimientos del área de la
El corte de la incluye al empresa que maneja el data warehouse.
director general y al director operativo; ejecutivos de • Los usuarios entienden la semántica de los datos
primer nivel como el director financiero y el contralor; recuperados del data warehouse.
gerentes de mandos medios; analistas empresariales y • Los usuarios aprenderán a acceder y recuperar los
de tecnología de la información; y al personal datos en el data warehouse.
administrativo o de apoyo. • Los usuarios tienen la posibilidad y la capacidad
Un corte constituye departamentos tales como para convertir los datos (recuperados del data
Contabilidad y finanzas, Comercialización y ventas, warehouse) en hechos e información, convertir los
Producción e ingeniería, Servicios de apoyo al cliente y hechos en conocimiento y, utilizar luego ese
Administración. conocimiento para tomar decisiones o plantear
El corte por en cómputo divide a recomendaciones y alternativas.
los usuarios en tres amplios grupos con niveles
crecientes: usuarios ocasionales, regulares y expertos.

12
La recuperación de la inversión en un data warehouse se empresariales pretenden extraer los datos correctos con
basa en la capacidad de los usuarios empresariales para una mínima inversión en tiempo y sin frustraciones. Hay
extraer los datos correctos del data warehouse, varias formas de extraer y analizar información valiosa
convertirlos en información y luego utilizar esa del data warehouse.
información para tomar mejores decisiones. Los usuarios

Plataforma de soporte de
decisiones

El procesamiento informático consta de tres distintos matrices, tablas y gráficas que van de sencillas a
componentes: consultas para acceder y recuperar datos complejas. El ámbito del procesamiento informático por
del data warehouse, análisis de los datos y presentación lo regular está limitado al procesamiento de dos o tres
del análisis en forma de reportes, hojas tabulares y dimensiones (2D o 3D).

Pasos del procesamiento

informático

13

Una hipótesis o cuestión empresarial tal como “¿existe
una tendencia por temporada en las ventas trimestrales
de artículos deportivos?”, se debe traducir a una consulta
de cómputo para proponerla al data warehouse. Esta
traducción la lleva a cabo ya sea un profesional de
tecnología de la información, o bien, un usuario
empresarial que utilice herramientas de un fabricante o
una aplicación personalizada. El reto consiste en traducir
los términos empresariales en términos que la
computadora entienda (y, por lo tanto, términos que
comprendan las herramientas de acceso de acceso y
consulta del data warehouse).
Las herramientas de acceso proponen la consulta de
cómputo al data warehouse y recuperan los datos
adecuados. El proceso de acceso y recuperación pudiera
incluir la capacidad de realizar cálculos, tal como
clasificar resultados o crear subtotales por artículo. Por
ejemplo: las cifras de ventas de cada tienda se resumen
en forma semanal y por artículo.
El usuario empresarial puede realizar mayores cálculos y
manipulación sobre los datos reunidos por la consulta. El
propósito del análisis adicional sería convertir los datos
recuperados en información o hechos. A fin de convertir
datos en información para derivar recomendaciones, se
Cuando los analistas empresariales utilizan el data
warehouse para determinar lo que están haciendo sus
clientes, ¿por qué lo hacen?. Comprender la conducta de
los clientes o el comportamiento empresarial es
fundamental para mejorar el balance de la empresa y
tener clientes complacidos. Los administradores y
analistas empresariales buscan respuestas para lograr
objetivos como:
Localizar y llegar a mejores clientes no sólo a
cualquier clienta nuevo.
utilizan diversas técnicas de análisis, tales como cuadros
y gráficas; por ejemplo, cuadros de ventas mensuales y
trimestrales por tienda para cada artículo y ventas por
territorio y región. La experiencia, intuición y destreza del
usuario empresarial tienen un papel principal en el éxito
del análisis de los datos y la formulación de
recomendaciones.
Los resultados del análisis se presentan como reportes,
cuadros y gráficas, o como datos preprocesados para un
mayor análisis. Existen varias opciones, tales como
reportes de corte simple y tabulares, gráficas de pastel,
de barras en dos o tres dimensiones, histogramas y de
dispersión, y la elección depende de la naturaleza de la
información analizada y de las necesidades particulares,
estilo de comunicación y cultura de la organización.
Las recomendaciones se podrían divulgar como una
copia en bruto o con formato, o enviarse por correo
electrónico al usuario empresarial. Ahora, cada vez con
mayor frecuencia, los resultados del análisis se exportan
a herramientas de escritorio como hojas de cálculo, (para
un mayor análisis) o a procesadores de texto para
incorporarse a reportes y documentos.
Descubrir nociones empresariales vitales que
ayuden a controlar la participación en el mercado y
elevar las utilidades.
Comprender la relación total con cada cliente para
desarrollar las estrategias de precios adecuadas y el
mayoreo de productos correcto, con base no sólo en
la intuición, sino en el uso real del producto y la
experiencia del cliente.
Discernir un valor de por vida para el cliente.
14
 Reducir los gastos promocionales e incrementar al
mismo tiempo la efectividad neta de las
promociones en general (analizar el comportamiento
de compras y la respuesta a las promociones).
Para lograr estos objetivos, el data warehouse
proporciona al gerente empresarial dos ingredientes
esenciales:
Una gran cantidad de datos sobre sus clientes, así
como la historia entre el cliente y la organización.
Mucho más importante, es el carácter único de sus
datos, ninguno de los competidores los posee.
La empresa tiene su propia mina de datos, y tiene el
potencial de encontrar y extraer la información de
revelaciones fundamentales en el comportamiento de
sus clientes, sus propios productos, e incluso sus
proveedores. Para esta capacidad, la solución del data
warehouse debe incorporar la minería de datos a su
plataforma de soporte de decisiones. La minería de
Metas del soporte de
decisiones
El valor de un análisis para los gerentes es más alto
cuando genera una recomendación factible. Comprender
el comportamiento y los pronósticos de clientes y
mercados, y lo que puede hacerse, son retos para las
técnicas tradicionales de análisis. Las consultas, reportes
y análisis multidimensional tradicionales se concentran
en lo que está sucediendo y, en menor medida, en el por
qué. La minería de datos se concentra en llenar la
necesidad de descubrir el por qué, para luego predecir y
pronosticar las posibles acciones con cierto factor de
confianza para cada predicción.
Las herramientas de minería de datos son un
componente importante del sub-bloque de Análisis y
reportes del bloque de Acceso y uso de la arquitectura
de referencia. Las herramientas de minería de datos
datos es un arma esencial en el arsenal del soporte de
decisiones del analista.
La minería de datos auxilia a los usuarios empresariales
en el procesamiento de vastas reservas de datos para
descubrir “relaciones insospechadas”, por ejemplo, entre
productos y clientes o patrones de compra de los
clientes. La meta es descubrir “ revelaciones estratégicas
competitivas” para controlar la participación en el
mercado y las utilidades. Una vez extraídas las
relaciones y presentadas a los analistas empresariales,
éstos las examinan y seleccionan las más interesantes y
útiles.
Los analistas empresariales tienen un rango de
necesidades:
Comprender qué está sucediendo en el negocio.
Por qué está sucediendo, ¿Cuál es el
comportamiento de clientes y mercados?
¿Qué puede hacerse?, ¿Cuáles acciones se pueden
tomar?
utilizan el sub-bloque de Análisis y recuperación para
tener una interfaz con el data warehouse y con el
mercado de datos. Muchas de las herramientas de la
minería de datos también emplean el componente de
depósito local del bloque de Acceso y recuperación, a fin
de almacenar los datos en estructuras de datos de
propietario para análisis subsecuentes y presentaciones
de los resultados. La mayoría de las herramientas de
minería de datos puede con facilidad saltarse el data
warehouse o el mercado de datos y acceder de manera
directa la fuente de los datos. Tradicionalmente, las
herramientas de minería de datos acceden los datos de
la fuente. Sin embargo, los datos del data warehouse o
del mercado de datos están refinados, integrados y
estandarizados. La estandarización eliminó aspectos
15
como las convenciones de nombres múltiples, las
estructuras ocultas de codificación y los campos
faltantes. Los datos operacionales en la fuente son por lo
general inconsistentes y están dispersos en muchas
aplicaciones. Además, se requieren datos históricos para
descubrir patrones temporales de interés.
Los datos en el data warehouse deben estar al nivel de
detalle correcto. Debido a la naturaleza incipiente de la
tecnología de minería de datos, es necesaria (en
especial al principio) una estrecha cooperación entre los
analistas empresariales y los profesionales en tecnología
de la información.
Para formar la mezcla correcta de actividades de minería
de datos, son cruciales tres ingredientes: usuarios,
aplicaciones empresariales y tecnología y herramientas.
Los usuarios clave en perspectiva de la minería de datos
son los analistas empresariales, los peritos en
estadística y los profesionales en tecnología de la
información que auxilian a los usuarios empresariales.
Quienes obtienen beneficios de los resultados de minería
de datos son los gerentes empresariales y los ejecutivos,
que desean entender los factores de éxito del negocio
con base en datos completos del cliente, y utilizan luego
este conocimiento para afinar las estrategias de
producción, precios y comercialización; mejorara el nivel
de éxito de las estrategias; e impulsar el balance.
Hasta la fecha, las empresas han dependido del
procesamiento informático y analítico para medir y
comprender la estabilidad de un negocio. El
procesamiento informático (consultas y reportes) es más
sencillo de usar, pero requiere de una estrecha dirección
del analista. Los analistas preguntan cuestiones
específicas y verifican las cuestiones e hipótesis con los
datos. Para este fin, los datos deben estar bien
organizados. El procesamiento analítico (OLAP) requiere
de menos dirección del analista, aunque los datos deben
estar organizados en una forma especial (base de los
datos multidimensionales), o accederse bien de manera
especial (visión multidimensional). En ocasiones se
utiliza una combinación de técnicas de consulta y OLAP
para comprender el comportamiento del cliente o para
construir perfiles de segmentos de mercado; pero el
proceso de aplicar estas técnicas es conducido
esencialmente por el analista empresarial. En estos
casos, este proceso también se conoce como
(modalidad de descubrimiento del soporte de
decisiones, la cual es conducida por los datos y no por el
analista empresarial).
En las aplicaciones empresariales, a la fecha, la
tecnología de minería de datos se ha utilizado
principalmente en aplicaciones de comercialización,
ventas y análisis de créditos; y se ha aplicado con éxito
en áreas empresariales con el más alto potencial, tales
como la segmentación de clientes y del mercado y el
análisis de comportamiento del cliente, en particular en
los sectores de menudeo, bancario y financiero. Hasta
aquí, la tecnología por lo general era costosa de aplicar y
desplegar pero esta situación esta cambiando con
rapidez. Hoy en día, una confluencia de tres fuerzas
importantes conduce el crecimiento en la minería de
datos:
La tecnología del data warehouse para proporcionar
un gran banco de datos bien organizados e
históricos.
Hardware en paralelo, productos de base de datos y
herramientas a precios razonables.
Tecnologías y herramientas para minería de datos
cada vez más desarrolladas.
Se espera que se acelere el uso de la minería de datos.
La cantidad de aplicaciones del data warehouse crece
con rapidez, y los precios de hardware en paralelo y los
productos de apoyo de software disminuyen con rapidez.
Existe una amplia variedad de tecnología para la minería
de datos y todavía va a aparecer más en el mercado.
Estas herramientas y tecnologías de datos se clasifican
en tres grandes categorías:
Análisis estadístico o de datos.
Descubrimiento de conocimientos.
Otros, como sistemas de visualización, sistemas de
información geográfica, análisis fractal y
herramientas de propietario.
16