CONSULTA

DATA WAREHOUSE

KAROL ALEJANDRA YAMPUEZAN.

UNIVERSIDAD UNIREMINGTON
FACULTAD DE INGENIERÍA
PROGRAMA DE INGENIERÍA DE SISTEMAS
LÍNEA DE ÉNFASIS, BASE DE DATOS.
IPIALES – NARIÑO
2020.
 CONSULTA

DATA WAREHOUSE

KAROL ALEJANDRA YAMPUEZAN.

PROFESOR:
GERMAN PINCHAO.

UNIVERSIDAD UNIREMINGTON
FACULTAD DE INGENIERÍA
PROGRAMA DE INGENIERÍA DE SISTEMAS
LÍNEA DE ÉNFASIS, BASE DE DATOS.
IPIALES – NARIÑO
2020.
 1. ¿Qué es datawarehouse?

Es una base de datos corporativa que se caracteriza por integrar y depurar información de
una o más fuentes distintas, para luego procesarla permitiendo su análisis desde infinidad de
pespectivas y con grandes velocidades de respuesta. La creación de un datawarehouse
representa en la mayoría de las ocasiones el primer paso, desde el punto de vista técnico, para
implantar una solución completa y fiable de Business Intelligence.

Tambien se puede decir que es un almacén electrónico donde generalmente una empresa u
organización mantiene una gran cantidad de información. Los datos de un data
warehouse deben almacenarse de forma segura, fiable, fácil de recuperar y fácil de
administrar, como también llamado un repositorio unificado para todos los datos que recogen
los diversos sistemas de una empresa. El repositorio puede ser físico o lógico y hace hincapié
en la captura de datos de diversas fuentes sobre todo para fines analíticos y de acceso.

En si, es una arquitectura de almacenamiento de datos que permite a los ejecutivos de

negocios organizar, comprender y utilizar sus datos para tomar decisiones estratégicas. Un
data warehouse es una arquitectura conocida ya en muchas empresas modernas.
Normalmente, un data warehouse se aloja en un servidor corporativo o cada vez más, en la
nube. Los datos de diferentes aplicaciones de procesamiento de transacciones Online (OLTP)
y otras fuentes se extraen selectivamente para su uso por aplicaciones analíticas y de
consultas por usuarios.

La ventaja principal de este tipo de bases de datos radica en las estructuras en las que se
almacena la información (modelos de tablas en estrella, en copo de nieve, cubos
relacionales... etc). Este tipo de persistencia de la información es homogénea y fiable, y
permite la consulta y el tratamiento jerarquizado de la misma (siempre en un entorno
diferente a los sistemas operacionales).
 2. Principales aportaciones de un data warehouse.

 Proporciona una herramienta para la toma de decisiones en cualquier área funcional,

basándose en información integrada y global del negocio.

 Facilita la aplicación de técnicas estadísticas de análisis y modelización para

encontrar relaciones ocultas entre los datos del almacén; obteniendo un valor añadido
para el negocio de dicha información.

 Proporciona la capacidad de aprender de los datos del pasado y de predecir

situaciones futuras en diversos escenarios.

 Simplifica dentro de la empresa la implantación de sistemas de gestión integral de la

relación con el cliente.

 Supone una optimización tecnológica y económica en entornos de Centro de

Información, estadística o de generación de informes con retornos de la inversión
espectaculares.

3. ¿Qué es ERP,CRM,OLAP?

 Qué es ERP?
Un sistema ERP está conformado por aplicaciones y herramientas que ayudan a todas las
áreas de su empresa a comunicarse entre sí de manera más eficaz. Los sistemas ERP integran
todas las facetas de una empresa en un sistema de información integral. Por ejemplo, los
empleados que trabajan en el área de Planificación y Programación tienen acceso a los
mismos datos que el personal de Administración Financiera para sus necesidades específicas.
Todos los datos están disponibles en tiempo real, lo que permite que los empleados tomen
decisiones empresariales más informadas y con mayor rapidez. Con los sistemas ERP, todas
las funciones empresariales esenciales —estimaciones, producción, finanzas, recursos
humanos, marketing, ventas, compras— comparten una fuente central de información
actualizada. Los sistemas ERP optimizan la recolección, el almacenamiento y el uso de los
datos de su organización. El sistema ERP correcto puede ayudarlo a recolectar y almacenar
datos en un lugar centralizado de áreas como las siguientes:

 Finanzas y Contabilidad;
 Recursos Humanos;
 Administración de la Relación con el Cliente;
 Administración de la Producción;
 Inteligencia de Negocios;
 Administración de Almacenes;
 Administración de Inventario;
 Administración de la Cadena de Suministro;
 Punto de Venta (POS);
 Comercio Electrónico.
Principales beneficios de los sistemas ERP
¿Por qué en la actualidad más empresas de todos los tamaños implementan sistemas ERP que
antes? A continuación se detallan algunos de los principales motivos y beneficios por los que
las organizaciones utilizan sistemas ERP:

 Finanzas y Contabilidad.
 Les proporcionan a los líderes empresariales visibilidad en tiempo real de sus
operaciones.
 Les proporcionan a los líderes y equipos empresariales acceso instantáneo a sus
cadenas de suministro globales.
 Les permiten a los líderes empresariales identificar desafíos, descubrir oportunidades
y tomar decisiones más rápidas que impactan a diferentes áreas de sus empresas.
 Ayudan a automatizar y optimizar tareas tediosas y procesos redundantes.
 Les proporcionan a los empleados las herramientas y los datos que necesitan para ser
exitosos.
 Les proporcionan a las organizaciones un solo punto de información verdadera.
 Se puede acceder a los sistemas ERP desde cualquier lugar (de manera remota y
mediante dispositivos móviles).
 Ayudan a aumentar la productividad del equipo.
 Facilitan la colaboración entre los equipos y con los proveedores externos.
 Ofrecen poderosas herramientas de informes y pronósticos que puede utilizar para
tomar decisiones informadas sobre el futuro de su empresa.
 Mantienen la seguridad de los datos y ayudan a garantizar que su empresa siga
operando conforme a lineamientos y leyes reglamentarios globales.

 Que es CRM?
Es una solución de gestión de las relaciones con clientes, orientada normalmente a gestionar
tres áreas básicas: la gestión comercial, el marketing y el servicio postventa o de atención al
cliente.
El uso de un CRM forma parte de una estrategia orientada al cliente en la cual todas las
acciones tienen el objetivo final de mejorar la atención y las relaciones con clientes y
potenciales. La herramienta CRM y la orientación al cliente proporcionan resultados
demostrables, tanto por disponer de una gestión comercial estructurada y que potencia la
productividad en las ventas como por ofrecer un conocimiento profundo del cliente que
permite plantear campañas de marketing más efectivas.
Las funciones de atención al cliente de una herramienta CRM potencian además la
fidelización y satisfacción de los clientes, lo que tiene un impacto muy positivo en términos
de ventas recurrentes y cruzadas.
La definición de CRM (en inglés Customer Relationship Management, o Gestión de las
relaciones con clientes) es una aplicación que permite centralizar en una única Base de Datos
todas las interacciones entre una empresa y sus clientes.
El software CRM, por definición, permite compartir y maximizar el conocimiento de un
cliente dado y de esta forma entender sus necesidades y anticiparse a ellas. Por definición, el
CRM recopila toda la información de las gestiones comerciales manteniendo un histórico
detallado.
Una solución CRM permite dirigir y gestionar de forma más sencilla las campañas de
captación de clientes y de fidelización. Gracias al CRM se puede controlar el conjunto de
acciones realizadas sobre los clientes o clientes potenciales, y gestionar las acciones
comerciales a partir de un cuadro de mandos detallado.
Las empresas que utilizan soluciones CRM generan más oportunidades de venta, agilizando
la gestión, con presupuestos actualizados en tiempo real y procesos de ventas optimizados.
Del mismo modo las empresas que utilizan CRM pueden hacer mejores segmentaciones, y
disponen de la información para un servicio de atención al cliente y postventa de nivel
superior.

El concepto de CRM va más allá de los programas informáticos o herramientas que nos
permiten registrar la actividad e información de nuestros clientes. Hablamos de un modelo
conformado por varias estrategias que se centran en conocer a tus prospectos y clientes al
detalle.

El término CRM se ha masificado debido al desarrollo de estos software que facilitan el

trabajo. Sin embargo, el concepto esencial de adaptar el contenido de tu oferta de acuerdo a
las características del cliente no es exclusivo del marketing digital. Se ha implementado desde
siempre como una estrategia tradicional.
Entre las utilidades de un CRM podemos destacar:

 Facilitar la gestión comercial cuando cuentas con un gran volumen de contactos.

 Favorece la ejecución de campañas publicitarias segmentadas que generan
prospectos.
 Permite definir las preferencias tanto de prospectos como de clientes.
 Permite que la información sea accesible para todo el personal de la empresa que lo
necesite, evitando los malentendidos, desinformación y errores.
 Favorece la experiencia de usuario al ofrecer un excelente servicio al cliente y un
soporte personalizado.
 Puedes anticipar problemas relacionados con los clientes al implementar sistemas de
control internos.
 Analiza el comportamiento de compra de los clientes.
 Segmentar el perfil de tu comprador objetivo a través del análisis de datos.
 Creación de reportes e informes a fin de que el equipo comercial pueda optimizar la
comunicación con los prospectos y clientes.

 Que es OLAP?
Es el acrónimo en inglés de procesamiento analítico en línea (On-Line Analytical
Processing). Es una solución utilizada en el campo de la llamada Inteligencia de
negocios(o Business Intelligence) cuyo objetivo es agilizar la consulta de grandes cantidades
de datos. Para ello utiliza estructuras de datos diversas, normalmente multidimensionales
(o Cubos OLAP), que contienen datos resumidos de grandes Bases de datos o Sistemas
Transaccionales (OLTP). Se usa en informes de negocios de ventas, marketing, informes de
dirección, minería de datos y áreas similares.

La razón de usar OLAP para las consultas es la rapidez de respuesta. Una base de datos
relacional almacena entidades en tablas discretas si han sido normalizadas. Esta estructura es
buena en un sistema OLTP pero para las complejas consultas multitabla es relativamente
lenta. Un modelo mejor para búsquedas (aunque peor desde el punto de vista operativo) es
una base de datos multidimensional.

Es procesamiento analítico en línea) permite a los usuarios extraer fácilmente y de forma

selectiva datos y verlos desde diferentes puntos de vista. Por ejemplo, un usuario puede
solicitar que se analicen los datos para mostrar una hoja de cálculo que muestre todos los
productos de pelotas de playa de una empresa que se venden en Florida en el mes de julio,
comparar las cifras de ingresos con los de los mismos productos en septiembre, y luego ver
una comparación de otras ventas de productos en Florida en el mismo período de tiempo.
Para facilitar este tipo de análisis, los datos OLAP se almacenan en una base de datos
multidimensional. Considerando que una base de datos relacional puede ser pensada como
de dos dimensiones, una base de datos multidimensional considera cada atributo de datos (tal
como producto, región geográfica de ventas, y período de tiempo) como una “dimensión"
separada. El software OLAP puede localizar la intersección de las dimensiones (todos los
productos vendidos en la región oriental por encima de un precio determinado durante un
cierto periodo de tiempo) y mostrarla. Atributos tales como períodos de tiempo se pueden
desglosar en subatributos.

La principal característica que potencia a OLAP, es que es lo más rápido a la hora de ejecutar
sentencias SQL de tipo SELECT, en contraposición con OLTP que es la mejor opción para
operaciones de tipo INSERT, UPDATE Y DELETE.

Funcionalidad
En la base de cualquier sistema OLAP se encuentra el concepto de cubo OLAP (también
llamado cubo multidimensional o hipercubo). Se compone de hechos numéricos o medidas,
que se clasifican por dimensiones. El cubo de metadatos es típicamente creado a partir de
un esquema en estrella o copo de nieve, esquema de las tablas en una base de datos relacional.
Las medidas se obtienen de los registros de una tabla de hechos y las dimensiones se derivan
de la dimensión de los cuadros.
 4. Que es la minería de datos y herramientas utilizadas?

La minería de datos es el proceso de hallar anomalías, patrones y correlaciones en grandes

conjuntos de datos para predecir resultados. Empleando una amplia variedad de técnicas,
puede utilizar esta información para incrementar sus ingresos, recortar costos, mejorar sus
relaciones con clientes, reducir riesgos y más.

El software de minería de datos es uno de una serie de instrumentos analíticos para el análisis
de datos. Permite a los usuarios analizar los datos desde muchas dimensiones o ángulos,
clasificar, y resumir las relaciones identificadas.
Técnicamente, la minería de datos es el proceso de encontrar correlaciones o patrones, entre
decenas de campos de grandes bases de datos relacionales.

Su principal finalidad es explorar, mediante la utilización de distintas técnicas y tecnologías,

bases de datos enormes de manera automática con el objetivo de encontrar patrones
repetitivos, tendencias o reglas que expliquen el comportamiento de los datos que se han ido
recopilando con el tiempo. Estos patrones pueden encontrarse utilizando estadísticas o
algoritmos de búsqueda próximos a la Inteligencia Artificial y a las redes neuronales.

Por tanto, los datos son el medio o la base para llegar a conclusiones y transformar estos
datos en información relevante, para que las empresas puedan abarcar mejoras y soluciones
que les ayuden a conseguir sus objetivos.

Los mineros o exploradores de datos a la hora de llevar a cabo un análisis de Data Mining,
deberán realizar cuatro pasos distintos:

1. Determinación de los objetivos: El cliente determina qué objetivos quiere conseguir

gracias al uso del Data Mining.
2. Procesamiento de los datos: Selección, limpieza, enriquecimiento, reducción y
transformación de la base de datos.
3. Determinación del modelo: Primero se debe hacer un análisis estadístico de los datos
y después visualización gráfica de los mismos.
4. Análisis de los resultados: En este paso se deberán verificar si los resultados
obtenidos son coherentes.

Actualmente este tipo de trabajos se están realizando en seguridad de datos, finanzas, salud,
marketing, detección de fraude, búsquedas online, procesamiento del lenguaje natural,
coches inteligentes, entre otros. Es por este motivo, que la minería de datos se está
convirtiendo en uno de los trabajos con mayor proyección para el futuro.

Herramientas de la minería de datos

 Clementine / SPSS: Herramienta de data mining que permite desarrollar modelos
predictivos y desplegarlos para mejorar la toma de decisiones. Está diseñada teniendo
en cuenta a los usuarios empresariales, de manera que no es preciso ser un experto en
data mining.
Clementine es la más avanzada herramienta de Data Mining del mercado, combina
modernas técnicas de modelamiento con poderosas herramientas de acceso, manipulación y
exploración de datos en una interfaz simple e intuitiva.
Características de Clementine:

 Fácil entendimiento de los datos.

 Visualización interactiva.
 Poderosa preparación de los datos.
 Combina datos de múltiples fuentes.
 Especifica valores perdidos.
 Deriva nuevas variables.
 Produce información resumida.
 Incrementa la productividad con su enfoque visual de la manipulación de datos.
 Técnicas de Modelado.
 Técnicas Supervisadas: C&RT, Redes Neuronales, C5.0, Quest, CHAID, Regresión
Lineal y Regresión Logística.
 Técnicas No Supervisadas: K-medias, Kohonen, Bi-etápico, Apriori, GRI, Sequence,
Carma, Detección de Anomalías.
 Técnicas de Evaluación: Tablas Estadísticas, Gráficos de Ganancia y ROI.
 Técnicas de Publicación de modelos: Punteo o Scoring de Bases de Datos, Scoring
en tiempo real.

Clementine cuenta con los métodos de redes neuronales de mayor uso (Kohonen, Prune,
Radial Basis). Las redes neuronales son, junto a los árboles de decisión, las más importantes
herramientas de data mining disponibles actualmente debido a su capacidad para encontrar
relaciones ocultas entre las variables y su flexibilidad para enfrentar distintos tipos
de problemas de negocios.

El uso más común de esta herramienta para un investigador será la ejecución automatizada
de los experimentos y el análisis estadístico de sus resultados. Esta herramienta no está
diseñada para ofrecer un tiempo real del progreso de los algoritmos. Trabaja muy bien
en ambiente distribuido de sistemas.

Otras Herramientas para la Minería de Datos

 Métodos estadísticos.
 Reglas de asociación (si-entonces).
 Árboles de decisión.
 Modelos Gráficos.
 Redes Neuronales.
 Algoritmos Genéticos Lógica Difusa
Blibliografias:

https://www.sinnexus.com/business_intelligence/datawarehouse.aspx

https://www.powerdata.es/data-warehouse

https://www.epicor.com/es-mx/resource-center/articles/que-es-un-erp/?utm_source=lac-mfg-
google&utm_medium=paidsearch&utm_content=webpage&utm_campaign=7012T000001YmUa&
gclid=CjwKCAjwqJ_1BRBZEiwAv73uwO0WoGAsjiCcvGo3kZE1c2QXxX6GPY5FV5gViSZmYZ9l8lNSDZp
t9hoCq_AQAvD_BwE
https://www.elegircrm.com/crm/que-es-un-crm

https://searchdatacenter.techtarget.com/es/definicion/Definicion-de-OLAP-procesamiento-
analitico-en-linea

https://www.tecnologias-informacion.com/mineria-de-datos.html
https://www.redalyc.org/pdf/3783/378343637009.pdf