Documentos de Académico
Documentos de Profesional
Documentos de Cultura
IMPLEMENTACIÓN DE INTELIGENCIA DE
NEGOCIOS PARA EL ÁREA COMERCIAL DE LA
EMPRESA AZALEIA - BASADO EN METODOLOGÍA
ÁGIL SCRUM
Asesor:
Aures García, Álvaro Antonio
Lima – Perú
2017
1
DEDICATORIA
A Dios, por permitirme llegar a este momento tan importante en mi carrera profesional. A la
vida que a pesar de todos los momentos difíciles me ha enseñado que con esfuerzo,
dedicación y fe, se puede conseguir los objetivos trazados. A mis padres que con su
abuela Mela Povis Matos, quien es y será el gran pilar de mi vida, que desde el cielo sigue
2
AGRADECIMIENTO
Agradezco a mi asesor de tesis el Ing. Alvaro Aures, por haber invertido tiempo y
Más que un asesor, es un amigo que ha sido capaz de ganarse mi confianza y admiración
3
ÍNDICE
4
Capítulo 3: Marco Metodológico ......................................................................... 55
3.1. Modelo de negocio ........................................................................................ 55
3.3. Metodología de desarrollo ............................................................................ 55
3.3.1. EDT Implementación de Inteligencia de Negocios ............................... 56
3.3.2. Tablero Kanban ................................................................................... 57
3.4. Dimensionamiento del Proyecto .................................................................. 57
3.5. Roles y responsabilidades ........................................................................... 57
3.6. Sprint Backlog ............................................................................................... 58
3.7. Desarrollo Sprint I ......................................................................................... 60
3.7.1. Entregables.......................................................................................... 60
3.7.2. Diseño de Arquitectura Azaleia ............................................................ 60
3.7.3. Indicadores de gestión ......................................................................... 61
3.7.4. Historias de Usuarios ........................................................................... 66
3.7.5. Diseño de Prototipos............................................................................ 68
3.7.5.1. Tablero Gerencial ................................................................ 68
3.7.5.2. Ventas por Mayor ................................................................. 69
3.7.5.3. Ventas por Tienda................................................................ 70
3.7.5.4. Ventas por Catálogo ............................................................ 71
3.8. Desarrollo Sprint II ........................................................................................ 72
3.8.1. Entregables.......................................................................................... 72
3.8.1.2. Modelo Dimensional ............................................................ 73
3.8.1.3. Diseño físico de la base de datos ........................................ 73
3.8.1.4. Diseño físico de la base de datos intermedia ....................... 74
3.8.1.5. Diseño de la arquitectura técnica ......................................... 74
3.8.1.6. Selección e instalación de productos ................................... 74
3.8.1.7. Especificación de la aplicación de usuarios ......................... 75
3.8.1.8. Implementación.................................................................... 75
3.8.1.9. Diseño de Extracción Transformación y Limpieza (ETL) ...... 75
3.8.1.10. Tablas identificadas ............................................................. 77
3.8.1.11. Tabla de extracción – Esquema SSIS .................................. 79
3.8.1.12. Modelo entidad relación / Diagrama E-R .............................. 79
3.9. Desarrollo Sprint III ....................................................................................... 81
3.9.1. Entregables.......................................................................................... 81
3.9.2. Implementación de interfaz de usuario................................................. 81
3.9.2.1. Pruebas integrales ............................................................... 87
3.9.2.2. Carga de Datos .................................................................... 87
3.9.2.3. Afinamiento de rendimiento.................................................. 87
3.9.2.4. Estabilización y pase a producción ...................................... 87
3.9.2.5. Criterios de aceptación ........................................................ 88
3.10. Pruebas y resultados ............................................................................. 90
3.10.1 Contrastación de Hipótesis ................................................................... 90
3.11. Retorno de Inversión ............................................................................. 92
Conclusiones ....................................................................................................... 93
Recomendaciones ............................................................................................... 94
Referencias Bibliografía ...................................................................................... 95
Anexos .................................................................................................................. 98
5
INDICE DE FIGURAS
6
ÍNDICE DE TABLAS
7
Resumen
para el área comercial – Ventas de la empresa Azaleia del Perú, que permita apoyar la
estratégicos de la empresa.
empresa Azaleia del Perú, dónde se pudo evidenciar varios puntos importantes de los
cuales resaltan tres. Como primer punto, el manejo de diferentes sistemas que contienen
datos para poder obtener la información solicitada por los diferentes usuarios generando
un cuello de botella lo cual impacta en tiempo de respuesta en las ventas. Y como tercer
general.
empresa Azaleia del Perú, la cual se enfoca en dos puntos relevantes: mejora en la
permitiendo obtener respuestas más acertadas basado en la demanda del mercado, para
la toma de decisiones.
Palabras clave: inteligencia de negocios, metodología ágil, data marts, scrum, olap,
dashboard.
8
Abstract
The main objective of this work has been the implementation of a Datamart focused to the
commercial area of the company Azaleia of Peru, which allows support decision making
and sales growth in the market under the strategic guidelines of the company.
The implementation part from the analysis process the business area of the company
Azaleia of Peru, where it was evident several important points, which stand 3. As a first
point, handling different information systems containing commercial area generated for the
user an operational burden in obtaining and consolidating this. As according point is, the
structure of the database to obtain the information requested by different users creating a
bottleneck, which affects the time response to decision making in sales. Moreover, the third
point, the integrity of the information to support the decision of the general management.
Because of research the diagnosis and solution to be implemented in the company Azaleia
information from users, reducing dependence on technology area information and improved
decision -making, allowing the general management have more right answers depending
on market demand.
Key words: Business Intelligence, agile methodology, data marts, scrum, olap, dashboard.
9
Capítulo 1: Introducción
En ese sentido, Peña (2003) señala que la inteligencia de negocios es más que una
rendimiento empresarial que ayuda a los gerentes a tomar mejores decisiones en los
área de sistemas, sin embargo buscan herramientas que les permita obtener y
1
Representación simbólica de un atributo o variable cuantitativa
2
Empresa consultora y de investigación de las tecnologías de información
10
visualizar mejor la información siendo lo más solicitado los tableros de control 3para el
comercializando calzados, sin embargo presenta sistemas poco integrados que son
de ventas, limitando a la empresa a tomar decisiones importantes sin tener todos los
datos que permitan a los usuarios obtener información de forma fluida sin necesidad
3
Herramienta de diagnóstico y control permanente de indicadores
11
La poca visibilidad, la carencia de análisis y la falta de gestión en la información del
a los clientes, saber por qué los clientes dejan de comprar, saber que marca es la más
vendida, cuales son los clientes más rentables y pérdida de oportunidades por falta de
control.
volúmenes de información?
peruano.
empresas, las cuales usan de soporte para los objetivos estratégicos, destinando parte
toma de decisiones.
12
por la cual se han visto en la necesidad de administrar de manera eficiente la
calzados, teniendo un crecimiento del 10% anual a través de sus tiendas propias,
ventas por catálogo, ventas por internet y su canal de mayorista. Este último es el que
concentra la mayor parte de los ingresos (50%) de la empresa, Azaleia Perú. (2014).
área comercial, con alcance en las ventas de la empresa Azaleia Perú, que le permita
competitivamente en el mercado.
tenga acceso a un solo repositorio de datos centralizado y tableros de control con el fin
13
1.3. Marco referencial
1.3.1. Antecedentes
La inteligencia de negocios data desde los años 60, en donde se establecieron los
En la década de los 70 aparecieron las primeras bases de datos 4como las primeras
negocios a nivel corporativo o por áreas funcionales con el fin de mejorar el análisis de
análisis de datos a una determinada empresa. Para alcanzar tales fines, propuso
14
Intelligence para su posterior aplicación en el planteamiento y diseño de una solución
tecnológica.
sencilla.
sus resultados. En este último punto, el autor procedió analizar aquellos informes que
gestión de la empresa.
7
Almacén de datos organizacional, integrado, no volátil y variable en el tiempo de apoyo a la toma
de decisiones
8
Datos que describen otros datos
15
Como conclusión, se determinó que gracias a esta solución se eliminó
un único lugar de una manera rápida, sencilla y fiable. Además cabe destacar en la
sencilla, desplegar el uso del sistema a otros departamentos, si se diera el caso, así
(2013) titulado “Business intelligence solution for managing educational resources and
inteligencia de negocios, que solían ser exclusividad de las grandes compañías, sean
9
Sistema de manejo de base de datos
10
On-Line Analytical Processing
16
utilizadas por pequeñas empresas. No obstante a la creciente crítica de las soluciones
inmediatos, sin esperar una inversión empresarial que pueda nunca llegar.
utilizar y más obsoletas. A causa de esta necesidad, sobre los años 80 comenzaron
aparecer sistemas que ofrecían soluciones de apoyo para la toma de decisiones que
Dresner del grupo Gartner en 1989. Este término pretende ser la base para reunir todo
tipo de tecnologías capaces de extraer los datos corporativos almacenados por los
persona o usuario, pueda obtener un conocimiento intelectual para así llevar a cabo
negocio.
17
Figura 2 Niveles de análisis de inteligencia de negocio
para la toma de decisiones. El primero que acuñó el término fue Howard Dresner
Por ejemplo:
11
Gartner es una consultora internacional especializada en Tecnologías de Información y
Comunicación. www.gartner.com
18
- Proceso interactivo: al hablar de inteligencia de negocio estamos suponiendo
tablas tienen registros y cada uno de los registros tiene distintos valores para
de análisis concreto.
12
Subconjunto de datos que apoyo a un área específica dentro de una organización.
19
Tabla 1. Acciones e indicadores según metodología
ESTRATEGIA
No solamente son financieros
sino, balanceados en la
Objetivos estratégicos
perspectiva del cliente, procesos
internos, personas, etc.
Iniciativa orientadas al cumplimiento de Indicadores de gestión y
los objetivos desempeño
Indicadores clave y metas que definen
Actualizado de forma mensual
el grado de cumplimiento
GESTIÓN
de resultados y estructurados
detalle deseado
Se caracteriza por la flexibilidad para
realizar una amplia variedad de análisis Actualizado de forma mensual
por tipo de usuario
Unifica en una misma aplicación la
información de diferentes sistemas
fuentes
ACTIVIDADE
Sistema y control orientado a la gestión Refleja el nivel de actividad
PROCESOS
operativa y de procesos específicos
claves
Y
S
Diseñado e implementado para Indicadores de resultados,
determinadas unidades o áreas de la actualizado diariamente
organización
Fuente: Adaptado de Navarro, 2013.
1.3.2.2. Beneficios
ayuden a la toma de decisiones. Sin embargo, aunque todos la utilicen, no todos los
pueden ser su experiencia, formación, disponibilidad, etc. Acuñado por Braulio Arturo
Macedo, 2012
20
Del mismo modo, el autor menciona que los responsables pueden necesitar
negocio nos servirá como ayuda para la toma de decisiones y, posteriormente, para
toma de decisiones hará que más usuarios utilicen dicha información y por ende
primero cuáles son los objetivos y el alcance de la solución, qué modelos de negocio
queremos analizar. Con esta información es mucho más fácil tomar las decisiones
Estos componentes los podemos ver visualmente en la siguiente (véase figura N° 3):
21
Figura 3. Modelo integral solución BI
Data Warehouse.
volúmenes de datos.
13
ETL corresponde a las siglas del inglés Extract, Transform and Load (Extracción, transformación y
carga)
14
OLAP corresponde a las siglas de inglés Online Analytical Processing.
22
Figura 4. Componentes de la inteligencia de negocio
Fuente: Navarro, 2013.
Vamos analizar las distintas fuentes de información con las que podemos
23
Existen muchos factores que contribuyen a la complejidad de cargar la
(Navarro, 2013).
que debemos acceder es elevado, puede provocar que tanto las definiciones como
las codificaciones en los distintos entornos sean diferentes, lo que añadirá dificultad a
nuestro proyecto.
negocio que hemos definido anteriormente. Una vez decididas las fuentes de
15
Por sus siglas, Structured Query Language, en español lenguaje de consulta estructurada
24
Según los especialistas L.T. Moss, las metodologías de BI deben
seas o no críticos
workflow empresarial.
organización.
El cual indica que la forma más flexible y sencilla de trabajar un Data Warehouse es
armando primero los Data marts como primer elemento del sistema de análisis y
luego ir añadiendo otros Data marts que compartan las dimensiones ya definida o
añadan nuevas.
Esta metodología incluye cuatro fases: Selección del proceso de negocio, definición
(SCD).
25
Figura 6. The Kimball Data Lifecycle
global “todo” para luego manejar el detalle. El Data Warehouse no está modelado
a crear los data marts para las áreas de negocio que se necesite.
26
1.3.2.5.3. Metodología Hefestos
con el equipo, que permita mayor dinamismo y adaptación al cambio, con el objetivo
27
- Respuesta ante el cambio sobre seguir un plan.
La intención es detallar las partes más prioritarias sobre las que son menos
prioritarias cuando tratamos con un proyecto ágil16. Hay que proporcionar una
rápidas (ágiles) como para no perder el tiempo pero con una frecuencia suficiente
para que los integrantes del equipo estén informados de todo. Suelen ser reuniones
una parte del producto para entregar se re-planifica la siguiente iteración a partir del
1.3.2.5.5. Scrum
funcionalidades con más prioridad y que pueden ser ejecutadas en un periodo corto
16
Manifesto for Agile Software Development. http://agilemanifesto.org/
28
En Scrum la evolución de una iteración se revisa con reuniones de
trabajo que ha terminado, el trabajo que tiene por terminar y los impedimentos que
definición detallada del producto, ni la arquitectura software tengan que estar en una
primera fase del proyecto. Como metodología ágil que es, no será un desarrollo por
fases.
adoptar las nuevas sin modificar el resultado que ya teníamos. Mientras que en una
29
1.3.2.6. Repositorio Data Mart
rápidamente para soportar una línea de negocio simple. Los Data Marts, tienen las
DW. Representan una estrategia de “divide y vencerás” para ámbitos muy genéricos
muy rápido y los distintos departamentos requieren sólo una pequeña porción de los
La creación de los Data Mart requiere de algo más que una simple réplica
de consolidación.
Dado que un Data Mart soporta menos usuarios que un Data Warehouse
se puede optimizar para recuperar más rápidamente los datos que necesitan los
- Menores cantidades de datos implican que se procesan, tanto las cargas de datos
- Las peticiones pueden acotarse al área o red que sirve esos datos, sin afectar al
2013).
30
El uso efectivo de los Data Marts en un ambiente de Data Warehousing, es
determinante en el éxito del proyecto de desarrollo. Los Data Marts son diseñados
que el propio Warehouse central. Como los Data Marts son un factor crítico para el
Warehouse corporativos, son complejos tanto para construir como para usar.
consecuencia, las empresas están construyendo Data Marts, en lugar de los Data
de los Data Marts, en comparación con los sistemas de Data Warehouse a nivel de
empresa.
31
Mart ha logrado situar la instalación de la tecnología de soporte a las decisiones
típicamente oscilan entre los $2-5 millones de dólares, los Data Marts típicamente
cuestan entre $100.000 y 1 millón de dólares al presupuesto total del proyecto. (Vitt,
2013).
Los Data Marts son los preferidos por los departamentos autónomos y las
pequeñas unidades comerciales que los emplean para crear sus propios sistemas de
soporte a decisiones. Pero los Data Marts también se han convertido en los favoritos
clave, quienes ven beneficios concretos cada 3-6 meses. (Vitt, 2013).
Con los Data Marts, resulta mucho más fácil identificar un cliente o
Data Warehouse, los Data Marts son más limitados en cuanto a alcance, y se
Los Data Marts permiten una prototificación más rápida para la captura de
los requisitos del sistema de soporte a decisiones. Las encuestas realizadas entre los
consumidores indican que los pilotos de los Data Marts se montan en 30-120 días.
32
La completa instalación del sistema se logra en un período que oscila de 3 a 6
para satisfacer la necesidad de los usuarios de acceder a muchos Data Marts, sin
necesidad de excesivas replicaciones entre ellos. Los Datamarts Virtuales son vistas
de varios Data Marts Físicos, o del Data Warehouse corporativo, brindadas a grupos
Una Meta Vista es una representación gráfica de una base de datos que
incluye tablas, columnas y joins17. Una vez que una Vista Básica es creada, múltiples
Meta Vistas se pueden derivar de ella. Una Meta Vista es una representación lógica
de partes, de una o más Vistas Básicas. Inicialmente las tablas son desplegadas
Vistas permite usar una única Vista Básica para presentar diferentes partes de la
17
Sentencia SQL, que permite combinar registros de dos o más tablas en una base de datos
relacional
33
1.3.2.9. Administración de los Data Marts
(performance) global.
18
Desempeño con respecto al rendimiento del hardware
34
El enfoque más adecuado sería la coordinación de la gestión de
y de relativamente bajo costo, que pueden ser el puntapié inicial para el desarrollo de
los Data Marts. Aunque un Data Mart es relativamente fácil de instalar, hay que tener
consistencia en la definición de los datos, y el diseño del Data Mart, para lograr un
35
1.3.2.11. Cubo Olap de estructura dimensional
resultaría ser a modo rutinario una serie de complejas consultas sobre una base de
19
Usado principalmente para crear aplicaciones OLAP, almacena registros dimensionales y
métricas para el estudio o análisis.
36
Existe una categorización para estas herramientas según su arquitectura:
M-OLAP (Multidimensional OLAP): Sistema OLAP que posee los datos almacenados
acceso a los datos ya que están pre calculados a costa de necesitar mayor espacio
un Cubo virtual o tablas en forma de estrella20 con lo que se consigue una mayor
20
Modelo dimensional que contiene una tabla de métricas que contiene los datos para el análisis y
está rodeada de tablas dimensionales.
37
Figura 14. Esquema R-OLAP
donde se almacene el dato y las operaciones que se vayan a realizar sobre él.
(Navarro, 2013)
38
En cualquier herramienta OLAP encontramos dos tipos de variables
Dimensiones, estas variables nos indican los diferentes puntos de vista con los que
de matriz, donde sobre cada uno de los ejes se sitúa una dimensión y sobre las
negocio.
39
Figura 16. Cuadro de mando MicroStrategy
y visualización de la información.
40
Figura 17. Cuadrante Gartner 2015
limpia para ser depositada a otra base de datos la cual es denominada un Data Mart
41
Figura 18. Proceso ETL
los datos en línea, optimizar el tiempo en la obtención de los datos y mejorar el análisis
42
- Elaborar un cubo OLAP de estructura dimensional que permita el
Azaleia.
43
la comercialización reducción de de fallas reportadas
tiempos de Aumento en el % de
respuesta de los rotación de productos
usuarios de
negocio, que dan
soporte al área
de ventas y
gerencia.
1.4.3.3. Variables
muestran en la tabla 2.
44
mercado. Para explicar la misma se han utilizado los siguientes
1.5.1. Alcance
QlikView.21
21
Software de inteligencia de negocios, para explotación y descubrimiento de datos.
45
1.5.2. Limitaciones
negocios es ágil y tiene como marco referencial Scrum22, que consiste en trabajar a
base de Sprint, de una duración de un (1) mes por Sprint, la cual se itera y revisa
constantemente con los usuarios de Azaleia Perú, para verificar que la implementación
22
Marco de trabajo que adopta estrategias de desarrollo incremental e iterativo, bajo un enfoque ágil
46
Capítulo 2: Marco Contextual
Azaleia, maneja todo un proceso para realizar la venta propia de los productos de
Cuenta con dos almacenes, de donde se distribuyen todos los pedidos realizados.
Además estos almacenes alimentan a las diferentes tiendas, ya que estas funcionan a
Actualmente cuenta con 4 canales de venta los cuales son: Venta al por mayor, venta
Canales de Venta
Maneja el mayor ingreso de las ventas, con un 70% de porcentaje de todas las
Las ventas mayoristas son manejadas a crédito, por ende cada vendedor
47
Cada vendedor maneja una cartera de clientes de los grandes centros
Este canal genera el segundo ingreso en ventas para la empresa Azaleia Perú,
cuenta con 28 tiendas que están distribuidas en lima y provincias. Cada tienda
Maneja una venta más consultiva a través de promotoras que ofrecen los
Tiene un ingreso de solo el 20% de las ventas totales en el año fiscal y está
siendo impulsada, para tener un mayor impacto en los próximos años debido a
Para el año 2014 la empresa Azaleia Perú, tuvo ventas netas en dólares por un
monto de: USD 22’065,549.82 y un total de pares vendidos de: 877,444. Para el
año 2015 se proyecta crecer un 20% en ventas, para lo cual se estima abrir unas
48
Tabla 5. Ventas anual Azaleia Perú
Número de empleados
Azaleia Perú, cuenta con un total de 229 empleados los cuales están distribuidos
Misión y Visión
a) Misión
clientes.
b) Visión
49
c) Análisis FODA
Análisis Interno
Debilidades
Fortalezas
50
2.2. Presentación del área funcional
La estructura organizacional de la Empresa Azaleia Perú, está compuesta de la
siguiente manera.
Directorio Azaleia
Gerencia Administrativa
Brasil Mayorista
Contabilidad
Almacenes
Tiendas
Productos Catalogo
Importados
Internet
apoyo o soporte.
51
Figura 20. Cadena de valor Azaleia Perú
52
Figura 21. Macro Procesos Misionales
53
Figura 23. Pedido Brasil
54
Capítulo 3: Marco Metodológico
También, se hará uso de las buenas practicas del PMBOK v5, el cual está
actividades.
23
Herramienta de Microsoft que ofrece funciones de control de código y seguimiento de
elementos de trabajo y administración de proyectos.
55
3.3.1. EDT Implementación de Inteligencia de Negocios
Mediante la estructura de desglose de trabajo (EDT), se pretende mostrar los entregables que serán ejecutados en el proceso de la
PROYECTO BI AZALEIA
5.1 Manual de
1.2 Control y 3.1 Desarrollo ETL 4.1 Casos de Prueba Configuración
1.1 Planificación 2.1 Análisis 2.2 Diseño
seguimiento
2.2.4 Prototipos de
1.1.4 Enunaciado de trabajo 1.2.4 Control de 2.1.3 Base de datos
Dashboard
de proyecto Riesgos
1.1.5 Identificación de
Riesgos
57
Rol Responsabilidades
Para poder tener un Sprint Backlog afinado, tiene que haber mucha
58
requerimientos necesarios para la implementación de la plataforma de BI. Es
Owner.
Sprint Actividades
Sprint I: Creación de historias de usuario
Especificar los requerimientos del
negocio, desarrollo de prototipos Creación de Reglas de Negocio
de tablero y reportes, para Creación de Prototipos de tablero y
identificación de las tablas y Reportes
campos a extraer para la
Creación de Arquitectura de BI
generación del Data Mart de
Ventas Identificación de Indicadores Claves de
Gestión
Creación de Base de Datos Stage
Identificación de Tablas a Extraer
Generación de un KPI en Power Pivot
Sprint II: Depuración de Datos ETL
Depurar los datos inconsistentes
de la bases de datos de Azaleia Creación de Modelo Dimensional
para proceder con la creación del
modelo dimensional, Creación de Jobs de Carga automáticas
consiguiendo integridad e
integración en los datos los Creación de Métricas y Hechos
cuales serán explotados.
Creación de Cubo Dimensional
59
3.7. Desarrollo Sprint I
3.7.1. Entregables
Sprint I
Creación de historias de usuarios
Creación de Reglas de Negocio
Creación de Prototipos de tablero y Reportes
Creación de Arquitectura de BI
Identificación de Indicadores Claves de Gestión
Creación de Base de Datos Stage
Identificación de Tablas a Extraer
Generación de un KPI en Power Pivot
los sistemas transaccionales de los cuales será extraída los datos para
60
Figura 26. Arquitectura Azaleia Perú
gestión, es una medida de desempeño, el cual está ligado con los objetivos en
Para el caso de Azaleia Perú, los objetivos establecidos están basados en las
ventas por lo cual los indicadores que desean analizar son los siguientes:
de producto, costos por canal de venta, stock existente por producto, etc.
61
Tabla 7. Indicador Total de ventas netas
Deberá contar con la dimensión tiempo el cual contenga Año, Trimestre, Mes,
Semana, y día.
Deberá contar con la opción para elegir el origen (Brasil y Asia).
Se debe contemplar campo moneda que incluya el análisis por dos tipos de moneda
(Soles y Dólares).
Manejara filtros como: Clase, Marca, Colección, Categoría y sub Categoría.
Incluirá el análisis comparativo de las ventas por mayor entre meses del año actual
con los meses del año – 1.
El total de ventas netas deberá actualizar por año y por mes.
Deberá indicar los parámetros correspondientes respecto a la meta trazada.
Definición de fórmulas:
62
Tabla 8.Indicador Costo promedio
Objetivo Estratégico:
Frecuencia de actualización:
Identificar por cada unidad de negocio los costos totales, Anual, Mensual
con el objetivo de evaluar las unidades que generan
mayores costos.
Las unidades de negocio a tomar en cuenta son: (Ventas Unidades de Medida:
por Mayor, Ventas por Tienda, Ventas por Catálogo y Soles
Ventas por NetStore)
Definición de fórmulas:
Criterios de aceptación:
Deberá contar con la dimensión tiempo el cual contenga Año, Trimestre, Mes,
Semana, y día.
Deberá contar con la opción para elegir el origen (Brasil y Asia), en forma de combo
box.
Se debe contemplar campo moneda que incluya el análisis por dos tipos de moneda
(Soles y Dólares).
Manejara filtros como: Clase, Marca, Colección, Categoría y sub Categoría.
Incluirá el análisis comparativo de las ventas por mayor entre meses del año actual
con los meses del año (- 1).
Verificar un campo que indique los costos por unidad de negocio.
Verificar actualizar los montos con cada interacción de los filtros de tiempo.
Verificar contar con filtros como: Clase, Marca, Colección y categoría para el análisis.
Definición de fórmulas:
Verificar contar con un gráfico, para el análisis de ventas vs metas, que están dadas
por: (Monto Vendido Neto y Meta).
Verificar un índice de rotación que estarán dadas por: (Ventas por Mayor, Ventas por
Tiendas, Venta por Catálogo y Ventas por NetStore).
Verificar un análisis de unidades por Stock reflejado mediante un gráfico en
cantidades respecto a: (Ventas por Mayor, Ventas por Tiendas, Ventas Catálogos,
Ventas Internet, Ventas Outlet).
63
Tabla 9. Indicador Descuento
Indicador 03 – Descuento
Definición de fórmulas:
Criterios de aceptación:
Deberá contar con la dimensión tiempo el cual contenga Año, Trimestre, Mes,
Semana, y día.
Deberá contar con la opción para elegir el origen (Brasil y Asia) en forma de combo
box.
Se debe contemplar campo moneda que incluya el análisis por dos tipos de moneda
(Soles y Dólares)
Manejara filtros como: Clase, Marcas, Colección, Categoría.
Incluirá el análisis comparativo de las ventas por mayor entre meses del año actual
con los meses del año (- 1)
En la grilla análisis por unidad de venta se verifica la columna descuento
Se verifica en la grilla una columna rentabilidad con su respectiva semaforización,
esta columna rentabilidad es un indicador derivado.
Elaboración propia, 2015
Objetivo Estratégico:
Frecuencia de actualización:
Analizar cuáles son las unidades de negocio que tienen Mensual, Diario
mejor índice de rotación en sus productos, con el fin de
saber que artículos son los más solicitados por la
demanda del mercado.
Las unidades de negocio a tomar en cuenta son: (Ventas Unidades de Medida:
por Mayor, Ventas por Tienda, Ventas por Catálogo y Unidades
Ventas por NetStore)
Definición de fórmulas:
Definición de fórmulas:
64
Criterios de aceptación:
Deberá contar con la dimensión tiempo el cual contenga Año, Trimestre, Mes,
Semana, y día.
Deberá contar con la opción para elegir el origen (Brasil y Asia) en forma de combo
box.
Se debe contemplar campo moneda que incluya el análisis por dos tipos de moneda
(Soles y Dólares).
Manejara filtros como: Clase, Marca, Colección, Categoría y sub Categoría.
Incluirá el análisis comparativo de las ventas por mayor entre meses del año actual
con los meses del año (- 1).
Para el índice de rotación se tiene el promedio de las ventas.
El menor índice de rotación indicara el que tiene mayor movimiento en sus artículos
según cada unidad de negocio.
El stock es por 2 0 3 meses.
El grafico de barras se da por vendedor.
Ver cuál es el mejor de la tienda.
El filtro por catálogo permite verificar cuanto se ha vendido y cuando.
Elaboración propia, 2015
Definición de fórmulas:
Criterios de aceptación:
Deberá contar con la dimensión tiempo el cual contenga Año, Trimestre, Mes,
Semana, y día.
Deberá contar con la opción para elegir el origen (Brasil y Asia)
Se debe contemplar campo moneda que incluya el análisis por dos tipos de moneda
(Soles y Dólares)
Manejara filtros como: Clase, Marca, Colección, Categoría y sub Categoría.
Incluirá el análisis comparativo de las ventas por mayor entre meses del año actual
con los meses del año - 1
En la meta de cobranza se pagan las comisiones y se considera de la siguiente
manera:
- Hasta 50% no se paga comisión, se representa mediante el color rojo.
- 51% hasta 89% se paga una comisión gradual menor a la pactada, se represente
mediante el color ámbar.
- 90% a más, la comisión se paga como si fuera 100%, se represente mediante el
color verde.
Elaboración propia, 2015
65
3.7.4. Historias de Usuarios
Las historias de usuarios son escritas por el cliente, tiene un peso y priorización
según el negocio.
Historia de Usuarios
Historia de Usuario
Descripción:
Historia de Usuario
66
Historia de Usuario
Descripción:
Historia de Usuario
Descripción:
Historia de Usuario
Descripción:
67
Tabla 16. Visualización por categorías
Historia de Usuario
Observaciones:
- Las Ventas deben ser por Mayor.
- Las Ventas deben ser por Tienda.
- Las Ventas deben ser por Catálogo.
- Las Ventas deben ser por Internet.
- Las Ventas deben ser por Outlet.
solicitados.
68
Figura 27. Prototipo tablero gerencial
69
Figura 28. Prototipo venta por mayor
ver la tendencia de las ventas generadas, es saber el stock que maneja cada
70
Figura 29. Prototipo venta por tienda
Fuente: P Elaboración propia, 2015
71
Figura 30. Prototipo venta por catalogo
3.8.1. Entregables
Sprint II
72
Creación del Modelo Dimensional – Data Mart Ventas
los datos que se necesita para atender los requerimientos analíticos de los
para asegurarse que el data Mart es pueda ser escalable para la organización
en el tiempo.
73
datos. También se definen los índices preliminares y la estrategia de
particionamiento.
74
se define una técnica estándar de evaluación así como los factores de
evaluación.
para los usuarios finales, ya que no todos los usuarios del negocio necesitan
usuario final definen las plantillas de los reportes, los parámetros manejados
3.8.1.8. Implementación
los datos y las aplicaciones de usuario final accesibles desde el escritorio del
(ETL)
75
Pasos a ejecutar en el proyecto:
AZALEIA PERÚ.
Mart.
primera fase.
reportes a mostrar.
76
Pruebas Integrales.
usuarios.
Carga de Datos.
de los datos.
Afinamiento de Rendimiento.
Esta actividad considera las acciones necesarias para lograr que el Data
planeamiento.
datos que maneja Azaleia Perú, las cuales intervendrán para el desarrollo del
proceso de ETL.
77
Tabla 17. Fuente de datos transaccionales_Azaleia
AlmArticulos AlmColeccion
AlmCampanias AlmMateriales
AlmClase AlmMaterialesDetalle
AlmColeccion AppEmpresa
AlmColores ArtClase
AlmCtrlMovArtCab ArtDatos
AlmCtrlMovArtDet ArtGrupos
AlmLineas ArtProductos
AlmLineasColores CATA_MAELIDERES
AlmLineasReferencias CtaDocumentosDeAbono
AlmLineasReferenciasColores CtaDocumentosDeAbonoD
AlmLineasReferenciasTallas etalles
AlmMateriales MaeCatalogos
AlmMaterialesDetalle MaeClientes
AlmTallas MaeColores
AlmTallasDetalle MaeTarjetas
AlmTallasGrupos MaeTemporadas
CtaCanalesVentaMetas MaeTipoCambio
CtaDocumentosDeAbono MaeUbiGeo
CtaDocumentosDeAbonoDetal PcsMovimientos
le PcsMovimientosDetalles
CtaFacturaImportacion SisAdmUsers
CtaFacturaImportacionDetalle SisTabEstados
CtaPlanillaCobranzas SisTabFormasDePago
CtaVendedoresMetasAnual UbigeoCourier
MaeClientes VtaDocumentosDeCargo
MaeGrupos VtaDocumentosDeCargoDe
SisAdmUsers talles
SisTabEstados VtaDocumentosDeCargoPa
SisTabEstadosPcs gos
SisTabParamRegDet VtaPedidosDeVenta
SisTabUbiGeo VtaPedidosDeVentaDetalle
VtaDocumentosDeCargo PcsTransferencia
Vtadocumentosdecargodetalle PcsTransferenciaDetalle
VtaGuiaRemisionCab
VtaGuiaRemisionDet
VtaPedidoImportCab
VtaPedidoImportDetalle
VtaPedidosPorFacturar
78
3.8.1.11. Tabla de extracción – Esquema SSIS24
Extraer DimCliente
Extraer DimEstado
Extraer DimProducto
Extraer DimTiempo
Extraer DimTienda
Extraer DimUbigeo
Extraer DimVendedor
Extraer FactCobranza
Extraer FactMetaCobranzaVendedor
Extraer FactMetaTienda
Extraer FactPedido
Extraer FactStock
Extraer FactStockPendiente
Extraer FactVenta
Extraer FactVentaStockIR
de Negocios.
24
SQL Server Integration Services, componente de Microsoft SQL Server utilizado para la
migración de datos
79
Figura 31. Modelo dimensional Data Mart
80
3.9. Desarrollo Sprint III
Explotación de la información consta de: La generación de Tableros de
desarrollaran reportes por cada canal de venta (Por mayor, tienda, catalogo e
3.9.1. Entregables
Sprint III
Desarrollo de Tablero Gerencial
Desarrollo de Reportes
Cargas Incrementales del Cubo
Despliegue
Pruebas
Asimismo los reportes que servirán para el análisis a nivel de detalle para
81
Figura 33. Tablero gerencial
82
Figura 34. Tablero canal de ventas por tienda
83
Figura 35. Tablero canal de ventas por tienda
84
Figura 36. Tablero ventas por mayor
85
Figura 37. Tablero de ventas por catalogo
86
3.9.2.1. Pruebas integrales
plataforma Qlikview.
etapa de planeamiento.
producto, el cual contempla los aspectos logísticos necesarios para lograr una
87
a) Capacitación a usuarios Finales
usuarios finales.
c) Documentación Técnica
d) Documentación de Usuario
e) Pase a Producción
cliente.
88
o Políticas y normatividad de Azaleia Perú, que permita asegurar el
comprenden aspectos:
Auditoría de la información
análisis.
del plazo.
89
3.10.Pruebas y resultados
Sobre la base de las encuestas aplicadas, Evaluación de resultados, a un número
Calidad de información
18 17
16
14
N° En cuestados
12
10
8
6
4 2
2 1
0
SI No NA
Registro de cumplimiento
b) Eficiencia y efectividad
Eficiencia y efectividad
19
20
N° Encuestados
15
10
5
1
0
0
SI No NA
Registro de cumplimiento
90
Del total de 20 encuestados, 95% están de acuerdo que ha mejorado su
eficiencia y productiva con el sistema de inteligencia de negocios, mientras que un
0.05% no opina al respecto. Con lo se cumple con la hipótesis propuesta en la tesis
15
N° Encuestados
10
5
2
0
0
SI NO NA
Registro de cumplimiento
91
3.11.Retorno de Inversión
(VAN positiva) al finalizar el cuarto mes de funcionamiento del Data Mart, con
explotación, producto del ahorro y/o aumento en ventas previsto, con un flujo
92
Conclusiones
viene a ser el 50% del tiempo laboral que emplean. Luego de la implementación
de BI, este tiempo ha sido reducido a horas (4 horas), las cuales están
indicadores.
93
Recomendaciones
un Data Warehouse con mayores alcances, con el objetivo de tener una mayor
diseñar una nueva arquitectura, que soporte el crecimiento del Data Mart sin
afectar la performance.
- Por otro lado, será importante también revisar las prestaciones del motor de
Data Mart.
usuario.
94
Referencias Bibliografía
Connolly, T., Begg, C., (2015). Sistemas de base de datos: un enfoque práctico
para diseño, implementación y gestión. Buentos Aires: Pearson Education.
95
Nase, (2010) Inteligencia de Negocios. 5 pasos para lograr un proyecto de
Business Intelligence exitoso. Recuperado de: http://www.nase-
it.com/pdf/PasosparaBI.pdf
España S.A.
Aamodt, Agnar; Nygard, Mads (1995). “Different roles and mutual dependencies
Kimball, Ralph; Ross, Margy (2002). The Datawarehouse Toolkit. New York:
Wiley.
96
Suarez J.C, Gomez A. “Sistemas de Información Herramientas Prácticas para la
Gestión Empresarial”. Ra-Ma. Madrid. 2003
Vitt E, Luckevich M, Misner S. "Business Intelligence. Técnicas de análisis para la
toma de decisiones estratégicas". McGrawHill. 2002
Cano J.L. “Business Intelligence: Competir con Información”. 2007. Libro publicado
por ESADE, Banesto, Banesto Pyme.
97
Anexos
Código
Nombre
Actor
Historia de
Usuario
Tabla
Referencia
ESCENARIO 1
Resultados
Esperados
ESCENARIO 2
Resultados
Esperados
98
1.2 Acta de reunión
FECHA DE
FECHA DE MODIF.:
CREACION:
ACTA DE REUNIÓN
ELABORADO POR: REVISADO POR:
Proyecto / Tema
ID Agenda Tiempo
ID Temas Tratados
99
1.2 Acta de cierre
FECHA DE
CREACION:
ACTA DE CIERRE DE PROYECTO 05/12/2014
ELABORADO POR:
Jubitza Salazar
Participantes Cargo
Por medio de la presente acta se deja constancia que AZALEIA PERU representado por
los firmantes considera como Cerrado la “IMPLEMENTACION BI DATA MART DE
VENTAS” a cargo de PROVEEDOR.
Luego de la aprobación del producto final, pasa al período de garantía de 02 meses, siendo
días calendarios*, período con el cual el PROVEEDOR se compromete a solucionar
cualquier error o vicio oculto encontrado en la solución en este periodo.
_________________________ _________________________
Firma: Firma:
PROVEEDOR CLIENTE
PROVEEDOR PROVEEDOR
Nota:
100
* Se adjunta el Anexo 1 – Actividades realizadas
Backlog Sprint I:
%
Actividades
Tipo Avance
%
Tipo Actividades
Avance
%
Tipo Actividades
Avance
101
Planificado Despliegue Qlikview 100%
1. Objetivo de la Garantía
Asegurar que la solución desarrollada en este proyecto esté libre de defectos que impidan su funcionamiento de
acuerdo a las especificaciones funcionales correspondientes.
2. Alcance de la Garantía
Solamente defectos atribuidos durante esta consultoría que se presenten después de su puesta en producción.
3. Vigencia
La garantía entra en vigencia desde el día siguiente de la firma del acta de “Cierre del Proyecto”. La puesta en
producción del sistema se considera una aceptación tácita de los entregables de este proyecto.
La duración de la garantía es de 60 días - días calendarios posteriores a la fecha en que se inicia la vigencia como
se indica en el párrafo previo.
4. Condiciones de la Garantía
En caso que cliente o terceros realicen cambios en la aplicación original, la garantía automáticamente queda
anulada.
102
La garantía podrá ser activada solo si el cliente certifica la solución y/o la pone en producción.
En caso de aplicar la garantía fuera del ámbito de la ciudad de Lima Metropolitana, los costos de traslado,
alimentación y alojamiento del personal técnico, corren por cuenta del cliente.
En el siguiente cuadro mostramos el proceso de atención a las solicitudes de garantía y el contacto para las
coordinaciones respectivas:
Persona de Contacto :
Teléfono :
Correo Electrónico :
103
1.3 Diagrama Ishikawa
104
1.4 Cronograma
105
1.5 Diseño Multidimensional
Cliente
Jerarquías
Descripcion Niveles de cliente
Tipo Regular
1. Cliente Natural Sí
106
Tiempo
Jerarquías
Descripcion Niveles del Calendario
Tipo Regular
Natural Sí
Estado
Producto
107
Descripción: Permitirá analizar los productos de la organización
Tipo: Regular
Cambiante: Sí
Frecuencia de Diario
carga:
Jerarquías
Descripcion Listado de Productos por Clasificación
Tipo Regular
1. Por Clasificación Natural Sí
Nivel Atributo de base
Pais Pais
Marca Marca
Clase Clase
Coleccion Coleccion
Categoria Categoría
SubCategoría SubCategoría
Linea Linea
Referencia Referencia
Material Material
Color Color
Talla Talla
Ubigeo
108
Descripción Refiere a la ubicación geográfica de los diferentes puntos de análisis de la
aplicacion.
Tipo Regular
Cambiante Sí
Frecuencia de carga Diaria
Jerarquías
Descripcion Como se divide la ubicación geográfica
Tipo Regular
1. Ubigeo Natural Sí
Nivel Atributo de base
Departamento Departamento
Provincia Provincia
Distrito Ubigeo
Tienda
Jerarquías
Descripcion Tipo de Tienda
Tipo Regular
1. Por Tipo Natural Sí
Nivel Atributo de base
Tipo Tipo
109
Tienda Tienda
Vendedor
Fact Venta
FactMeta Tienda
110
Frecuencia de carga: Mensual
Descripción: Permite analizar las metas y cobranza de los vendedores del canal
de venta mayorista.
Tipo: Contable
Cambiante: Sí
Frecuencia de carga: Diaria
FactStock
CodClienteA N N
VARCHAR(17) Codigo Cliente Anexo No Ninguno
nexo
CodEstadoS N N
VARCHAR(3) Codigo Estado No Ninguno
tock
N N
CodProceso VARCHAR(2) Codigo de Proceso No Ninguno
N N
CodItm INT Codigo Item No Ninguno
111
N N
CodMov INT Codigo Movimiento No Ninguno
N N
CodMon VARCHAR(3) Codigo Moneda No Ninguno
N N
CodCaja VARCHAR(10) Codigo Caja No Ninguno
N N
CodCatalogo INT Codigo Catalogo No Ninguno
N N
CodDoc VARCHAR(3) Codigo Documento No Ninguno
N N
NroSer VARCHAR(5) Numero de Serie No Ninguno
N N
NroDoc VARCHAR(20) Numero de Documento No Ninguno
N N
MovTipo VARCHAR(6) Tipo de Movimiento No Ninguno
N N
MovCpto VARCHAR(11) Movimiento Concepto No Ninguno
N N
OrgCodEmp INT Codigo Empresa Origen No Ninguno
N N
OrgCodAlm INT Codigo Almacen Origen No Ninguno
N N
DstCodAlm INT Codigo Almacen destino No Ninguno
N N
DstCodEmp INT Codigo Empresa destino No Ninguno
N N
ArtCant SMALLINT Cantidad de productos No Ninguno
N N
ArtValor NUMERIC(18,2) Valor del productos No Ninguno
NUMERIC(22,1 N N
ValorDefFac Costo Unitario en dolares No Ninguno
0)
ValorDefFac NUMERIC(22,1 N N
Total costo en dolares No Ninguno
Tot 0)
NUMERIC(22,1 N N
ValorOtrFac Costo unitario en soles No Ninguno
0)
ValorOtrFac NUMERIC(22,1 N N
Total costo en soles No Ninguno
Tot 0)
N N
Ingresos INT Ingresos No Ninguno
N N
Salidas INT Egresos No Ninguno
Stock INT N N Stock(ingreso-egresos) Si Ninguno
FactStock Pendiente
112
Atributos Tipo PK FK Descripcion Visible Comport
amiento
CodAlmacen INT N N Codigo Almacen No Ninguno
113
N N Par Precio Final No Ninguno
ParPrecioFinalMon VARCHAR(5)
Monto
ParFob MONEY N N Precio Fob de un par No Ninguno
ParCostoDef MONEY N N Par costo en dolares No Ninguno
ParCostoDefMon VARCHAR(5) N N Moneda de Par No Ninguno
CodLote TINYINT N N Codigo Lote No Ninguno
CodLado CHAR(1) N N Codigo Lado No Ninguno
CodParhl TINYINT N N Codigo Parihuela No Ninguno
CodRac VARCHAR(3) N N Codigo Rac No Ninguno
VtaEstado VARCHAR(2) N N Estado de Caja No Ninguno
VtaProceso VARCHAR(2) N N Porceso de Caja No Ninguno
VtaSelec VARCHAR(2) N N Selección de Caja No Ninguno
OrgFacCod VARCHAR(10) N N Original de código No Ninguno
factura
ParPrecioOriginal NUMERIC(18, N N Precio orginal por par No Ninguno
2)
FactCobranza
114
NO NO Numero de No Ninguno
PagoDocNro VARHCAR(10)
documento de pago
NUMERIC(18, NO NO No Ninguno
TipCam Tipo de cambio
5)
MONEY NO NO Importe en moneda No Ninguno
CbrImporte
de pago
MONEY NO NO Interés en moneda de No Ninguno
CbrInteres
apgo
MONEY NO NO Gastos en moneda No Ninguno
CbrGastos
de pago
MONEY NO NO Percepción en No Ninguno
CbrPercepcion
modena de pago
NO NO Total en moneda de No Ninguno
CbrTotal MONEY
pago
NO NO No Ninguno
CbrMoneda VARHCAR(3) Moneda de pago
NO NO No Ninguno
DefImporte MONEY Importe en dolares
MONEY NO NO No Ninguno
DefInteres Interés en dolares
MONEY NO NO No Ninguno
DefGastos Gastos en dolares
MONEY NO NO Percepcion en No Ninguno
DefPercepcion
dolares
DefTotal MONEY NO NO Total en dolares No Ninguno
OtrImporte MONEY NO NO Importe en soles No Ninguno
OtrInteres MONEY NO NO Interses en Soles No Ninguno
OtrGastos MONEY NO NO Gastos en Soles No Ninguno
OtrPercepcion MONEY NO NO Percepción en Soles No Ninguno
OtrTotal MONEY NO NO Total en soles No Ninguno
TxtObserv VARCHAR(50 NO NO Observaciones No Ninguno
0)
Fact Pedido
115
NO NO Ninguno
ParCant1 SMALLINT Cantidad de Talla 1 No
NO NO Numero de Talla de Ninguno
ParTalla2 VARCHAR(5) No
Par 2
NO NO Ninguno
ParCant2 SMALLINT Cantidad de Talla 2 No
NO NO Numero de Talla de Ninguno
ParTalla3 VARCHAR(5) No
Par 3
NO NO Ninguno
ParCant3 SMALLINT Cantidad de Talla 3 No
NO NO Numero de Talla de Ninguno
ParTalla4 VARCHAR(5) No
Par 4
NO NO Ninguno
ParCant4 SMALLINT Cantidad de Talla 4 No
NO NO Numero de Talla de Ninguno
ParTalla5 VARCHAR(5) No
Par 5
NO NO Ninguno
ParCant5 SMALLINT Cantidad de Talla 5 No
NO NO Numero de Talla de Ninguno
ParTalla6 VARCHAR(5) No
Par 6
NO NO Ninguno
ParCant6 SMALLINT Cantidad de Talla 6 No
NO NO Numero de Talla de Ninguno
ParTalla7 VARCHAR(5) No
Par 7
NO NO Ninguno
ParCant7 SMALLINT Cantidad de Talla 7 No
NO NO Numero de Talla de Ninguno
ParTalla8 VARCHAR(5) No
Par 8
NO NO Ninguno
ParCant8 SMALLINT Cantidad de Talla 8 No
NUMERIC(18, NO NO Ninguno
ValorVenta Valor venta No
2)
NUMERIC(18, NO NO Ninguno
ValorIgv Valor IGV No
2)
NUMERIC(18, NO NO Ninguno
PrecioUnitario 2) Precio Unitario No
NUMERIC(18, NO NO Ninguno
PrecioVenta 2) Precio Venta No
116
1.6 Cubo OLAP
Jerarquía Cliente
117
Jerarquía Producto
118
Jerarquía Tiempo
119
1.6 Encuestas de satisfacción
120
1.7 Evaluación de resultados
SI NO NA
121