UNIVERSIDAD NACIONAL DEL SANTA

ESCUELA PROFESIONAL DE INGENIERIA DE

SISTEMAS

TEMA:
INTELIGENCIA DE NEGOCIOS

INTEGRANTES: MENDOZA OVIEDO MICHAEL NAY

PROFESOR: MS. MILLA RAMIREZ LUIS ENRIQUE

CURSO: BASE DE DATOS II

CICLO:
VI

Nuevo Chimbote,26 de octubre del 2019

 INDICE

I. INTRODUCCION........................................................................................................................2
II. GLOSARIO.................................................................................................................................4
III. MARCO TEORICO......................................................................................................................5
3.1. ¿QUÉ BENEFICIOS PUEDEN APORTAR LAS BI?.....................................................5
3.2. BI COMO HERRAMIENTA.............................................................................................5
3.3. NECESIDADES DE TOMA DE DECISIONES..............................................................................5
3.4. OLAP......................................................................................................................................6
3.5. DATA MINIG............................................................................................................................7
OBJETIVOS...............................................................................................................................7
CONCEPTOS.............................................................................................................................7
TÉCNICAS.................................................................................................................................7
APLICACIONES..........................................................................................................................7
3.6. DATA WAREHOUSE................................................................................................................7
3.7. DATA MART............................................................................................................................7
IV. RESULTADOS........................................................................................................................9
V. CONCLUSIONES......................................................................................................................10
VI. RECOMENDACIONES..........................................................................................................10
 I. INTRODUCCION

Actualmente muchas empresas ya sean grandes o pequeñas, se plantean implantar en su

organización un sistema de información que les ayude en la toma de decisiones. Una de
las tendencias actuales es implantar un sistema de BI (Business Intelligence). Muchas
organizaciones implantan este tipo de sistemas sin haber realizado un estudio previo de
las necesidades y problemas de la empresa, de los beneficios que se pretenden obtener
con la implantación del sistema, de la aceptación y formación de los usuarios, de las
herramientas y proveedores de BI.
La Inteligencia de Negocios BI (Business Intelligence) es una herramienta bajo la cual
diferentes tipos de organizaciones, pueden soportar la toma de decisiones basadas en
información precisa y oportuna; garantizando la generación del conocimiento necesario
que permita escoger la alternativa que sea más conveniente para el éxito de la empresa.
La investigación comienza con la definición y aplicaciones de BI; además se muestran
trabajos relevantes en algunas de las herramientas para hacer BI, como son Data
Warehouse (Bodega de Datos), Olap (Cubos Procesamiento Analítico en Línea),
Balance Scorecard (Cuadro de Mando) y Data Mining (Minería de Datos).
Ahora bien, ¿Por qué no utilizamos estos datos para tomar mejores decisiones que nos
lleven a un aumento de beneficios del negocio? ¿Por qué no utilizar estos datos de
forma predictiva para ayudarnos a tomar mejores decisiones? ¿Y si utilizamos esta
información como herramienta de marketing? ¿Cómo puedo tomar ventaja sobre mi
competencia? Estas y otras cuestiones similares pueden ser respondidas mediante la
implantación de sistemas de BI (Business Intelligence).
Hay que tener en cuenta que el coste de implantación de un sistema BI puede llegar a
ser bastante elevado, tanto a nivel económico como a nivel temporal y de organización.
Para conseguir una exitosa implantación de un sistema BI se debe tener en
consideración diversos factores que se tratarán posteriormente y tener una gran
capacidad de adaptabilidad de criterios, para que la implantación coincida con el tipo de
negocio de la empresa. Existen organizaciones que gracias al BI han conseguido un
notable ahorro de costes y aumento de beneficios, pero en otras organizaciones debido a
malas decisiones y un erróneo conocimiento de la empresa, los gastos de implantación
han sido superiores a los beneficios obtenidos.
II. GLOSARIO

1. DATA WAREHOUSE: es una colección de datos orientada a un tema

específico, integrado, variante en el tiempo y no volátil, que soporta el proceso
de toma de decisiones.

2. OLAP: es el 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.

3. BALANCE SCORECARD: es una herramienta de gestión que permite

implementar la estrategia de una empresa a partir de una serie de medidas de
actuación, permitiendo un control permanente sobre todos los factores de la
organización, interrelacionando objetivos y relacionándolos con acciones
concretas.

4. DATA MINING: es el conjunto de técnicas y tecnologías que permiten

explorar grandes bases de datos, de manera automática o semiautomática, con el
objetivo de encontrar patrones repetitivos, tendencias o reglas que expliquen el
comportamiento de los datos en un determinado contexto
 III. MARCO TEORICO

3.1. ¿QUÉ BENEFICIOS PUEDEN APORTAR LAS BI?

Los beneficios que pueden aportar la implantación de sistemas BI son: incremento de la

eficiencia en la toma de decisiones, mejora de comunicación entre las diferentes áreas
de la organización, mejora de rentabilidad, atracción de nuevos clientes, retención de los
clientes actuales, predicción de ventas, reducción del fraude, identificación de riesgos,
presentación de soluciones basadas en el conocimiento del negocio.

Las empresas que tienen una página web deben plantearse si su página presenta la
suficiente inteligencia para que la oferta de sus productos y servicios se convierta en una
venta. Para conseguir este hecho se pueden adoptar técnicas de BI que nos permitan
obtener información acerca de las preferencias de los usuarios del sitio web, tanto para
aumentar la rentabilidad del negocio como para focalizar los esfuerzos de
mantenimiento y futuro crecimiento.
3.2. BI COMO HERRAMIENTA

Las herramientas BI ofrecen la posibilidad de analizar las transacciones con una mayor
probabilidad de fraude, para, así si es posible, poder evitarlas. También son capaces de
detectar patrones de riesgos, de esta forma se pueden mejorar los procesos y evitar
riesgos.
La mayor parte de los beneficios de la implantación de un sistema de BI son intangibles,
ya que derivan en la mejora de la gestión de la compañía. Esto dificulta la tarea de
calcular su ROI (Return On Investment) para obtener beneficios cuantificables. Gracias
a la implantación de un sistema de BI, se evidencia una reducción de costes al
aumentar el rendimiento de la infraestructura TIC de la organización y un incremento
de la productividad de los empleados debido a la disponibilidad de información y la
calidad de ésta.

3.3. NECESIDADES DE TOMA DE DECISIONES

3.4. OLAP

OLTP

Son los sistemas conocidos como On-Line Transactional Processing. Estos procesan
las transacciones de tiempo real de un negocio. Contienen estructuras de datos
optimizadas para la introducción y a la adición de los datos.
Su principal desventaja es que proporciona capacidades muy limitas para la toma de
decisiones.
Se podría decir que estos sistemas definen el comportamiento operacional de un
entorno operacional de gestión:

● Altas, bajas, modificaciones, consultas.

● Consultas rápidas y encuestas.
● Poco volumen de información.
● Transacciones rápidas.
● Gran volumen de concurrencia.

OLAP vs OLTP

Las principales diferencias con los sistemas OLAP se pueden observar

Características OLTP OLAP
La mano BBDD Giga Bytes Giga Bytes a Tera Bytes
Origen de Datos Interno Interno y Externo
Actualización Actual Histórico
Consultas Predecible Ad Hoc
Actividad Operacional Analítica
3.5. DATA MINIG

Una forma esquemática y gráfica de visualizar el propósito de un proyecto de minería

de datos es pensar en la siguiente ecuación:
Resultados = Modelos + Descubrimientos
Es decir, el propósito de un proyecto de minería de datos no son solo los modelos,
que son por supuesto importantes, sino también los descubrimientos, que podríamos
definir como cualquier cosa aparte del modelo que contribuye a alcanzar los objetivos
de negocio o que contribuye a plantear nuevas preguntas, que a su vez son
decisivas para alcanzar los objetivos de negocio.

TIPOLOGÍA DE TAREAS Y MÉTODOS

En esta sección presentaremos, en primer lugar, las principales tareas que se

pueden resolver utilizando técnicas de minería de datos. Veremos las características
básicas de estas tareas y los objetivos principales que persiguen. En segundo lugar,
describiremos brevemente los dos grandes grupos de métodos que existen en la
minería de datos y el aprendizaje automático (machine learning).

TIPOLOGÍA DE TAREAS

Las tres tareas o problemas clave de la minería de datos son la clasificación,

regresión y agrupamiento. Todas ellas se basan en el paradigma del aprendizaje
inductivo. La esencia de cada una de ellas es derivar inductivamente a partir de los
datos (que representan la información del entrenamiento) un modelo (que representa
el conocimiento) que tiene utilidad predictiva, es decir, que puede aplicarse a nuevos
datos.
APLICACIONES

3.6. DATA WAREHOUSE

3.7. DATA MART

Históricamente, los datos de la corporación suelen residir en Bases de datos (BD)

que se disenaron principalmente para introducir y almacenar datos, me- diante el
llamado Proceso de Transacciones On Line (OLTP). Este método es idóneo para
insertar, modificar o borrar registros, pero no lo es tanto para responder a complejas
consultas. La relación entre los datos responde, cuando existe, a unas técnicas
llamadas de Entidad-Relación (modelo-Relacional).
Los Data Warehouse surgen precisamente en respuesta a los problemas asociados a
realizar análisis de datos sobre Bases de Datos del tipo OLTP. La solución
propuesta por el Data Warehouse es extraer los datos de una (o más) bases
operacionales y moverlos a una Base de Datos independiente y orientada a las
consultas.
Pero el problema surge cuando los data warehouse crecen y se tornan más
complejos, debido a esto el rendimiento de las consultas decae y el modelo
centralizado deja de ser óptimo. En estos casos, la solución propuesta es crear unos
almacenes de datos especializados por áreas como Ventas o Compras, que reciben
los datos desde el almacén centralizado (DW) y que pueden residir en diferentes
máquinas, BD, redes, etc..Estos almacenes se conocen como Data Marts (DM).
Dado que un Data Mart soporta menos usuarios que un Data Warehouse se puede
optimizar para recuperar más rápidamente los datos que necesitan los usuarios.

Existen dos tipo de data mart:

Data mavt dependsente: los datos son extraídos de data warehouse.

Data mavt sndependsente: los datos son extraídos de los sistemas opera- cionales.

IV. RESULTADOS
V. CONCLUSIONES

VI. RECOMENDACIONES