Universidad Nacional Autónoma de Honduras

Posgrado de la Facultad de Ciencias Económicas

POSFACE

Maestría en Gestión Informática

Administración de Data Warehouse y Data Mining

(MGI-203)
Catedrático: Ing. David Armando Chang Ovando

Análisis Caso de Estudio Continental Airlines

Estudiante: Asalia Alejandra Zavala Rodriguez

Fecha: 20 de septiembre de 2018

1
Análisis Caso de Estudio Continental Airlines

Watson, Wixom, Hoffer, Anderson-Lehman y Reynolds (2006) explican los resultados

que logra la empresa Continental Airlines con la implementación de su Data Warehouse
en tiempo real, la cual es implementada luego de que la aerolínea ha tenido unos años
con un desempeño malo en 1994. Inicialmente implementan un EDW y logran dar un
mayor valor al cliente y colocarse como la aerolínea número uno, y luego buscan
posicionarse como la aerolínea favorita de los clientes, para lo cual implementan una
Data Warehouse en Tiempo Real, la cual está operativa en el 2001, lo que les permite:
una administración precisa de los ingresos y costos, tener una CRM, manejo adecuado
de las tripulaciones (asignaciones operativas y pagos), tener mayor seguridad y eliminar
el fraude y un adecuado control de vuelos. Con una inversión de US$ 30 millones
durante un periodo de seis años, logra generar ingresos adicionales por US$ 500
millones, relacionados con mayores ingresos, reducción de costos de marketing,
detección de fraudes, pronósticos de demanda y mejora en el manejo de la data center.

Watson, Wixom et al. (2006) explican como Continental Airlines implantó su sistema
de BI en tiempo real. Indican como la Data Warehouse ha pasado por tres etapas antes
de llegar al tiempo real, de cómo se ha manejado el tema de latencia (de data, análisis y
decisiones) y como Continental Airlines lo ha implementado, empezando con la
implantación de la DW en 1998, hasta lograr su uso en tiempo real en el 2001, con lo
cual podían manejar los programas de manejo de ingresos y contabilidad, CRM,
administración de tripulaciones y sistema de remuneraciones, sistemas de seguridad, y
anti-fraude y operaciones de vuelo. En la parte de Marketing, a través del sistema CRM,
segmentaron mejor a los clientes e incrementaron notablemente el servicio, dándoles
finalmente un mucho mejor servicio a los clientes y mejorando los ingresos de la
compañía.
La automatización de la toma de decisiones se logra mediante la agrupación de las
principales decisiones que realizan los usuarios experimentados en un conjunto de
Reglas de Negocios las cuales son manejada en un flujo de decisiones implementadas
en un motor. Estas Reglas de Negocios pueden ser parte de un Sistema de Expertos o de
otro sistema de Inteligencia de Negocios. Existen cuatro tipos de reglas, de análisis,

2
contexto, excepción y acción. Luego están los Automated Decision Support (ADS),
también denominados Enterprise Decision Management (EDM) que son sistemas
basados en Reglas de Negocios, los cuales permiten tomar decisiones a problemas
administrativos repetitivos. Las principales características se relacionan con el hecho de
poder tomar decisiones frecuentes y/o rápidamente con información electrónica. El
conocimiento y el criterio de decisión, así como las Reglas de Negocios, deben ser muy
estructuradas y la situación y problemas deben de ser muy bien comprendidos.

Davenport y Harris (2005) explican que luego de décadas de anticipación, la promesa de

sistemas de decisiones automatizadas están llegando a ser una realidad en muchas
industrias, con aplicaciones como: configuración de productos o servicios, yield
Priceoptimization, rutinización o segmentación de decisiones, seguimiento de
indicaciones corporativas o regulatorias, detección de fraudes, pronósticos dinámicos y
control operacional.

Fleischmann, Hall y Pyke (2004) indican que muchas empresas están manejando los
precios de una manera más eficiente conociendo el deseo de los consumidores de pagar
por sus productos cuando los precios son variados. Las decisiones de precios tienen una
gran relevancia en la parte operativa del negocio y viceversa. El yield management es la
parte más madura de los precios dinámicos, la cual toma en cuenta productos perecibles,
el tiempo restante que queda para poder realizar la venta y los diversos segmentos, de
manera de maximizar los ingresos. Inicialmente las empresas que usaron estos sistemas
fueron las líneas aéreas y luego siguieron empresas automovilísticas, negocios de venta
de publicidad y negocios de venta del gas. Los autores concluyen diciendo que todavía
hay mucho por hacer para conocer por completo el dinamismo de los precios en relación
con la parte operativa de la empresa y a la cadena de abastecimientos.

Atre (2003) en su revisión sobre los principales desafíos que enfrenta la implementación
de la Inteligencia de Negocios, indica que la misma no es un producto o un sistema,
pero si una estrategia, visión y arquitectura en constante evolución, que busca alinear la
parte operativa de la empresa y la dirección con las metas estratégicas del negocio.
Recalca que los diez puntos a tomar en cuenta son : la colaboración intraorganizacional,
la necesidad de patrocinadores originalmente del área de negocios, la necesidad de una
representación constante de ejecutivos de negocios, la necesidad de personal bien

3
 calificado, el contar con una metodología adecuada, el planear adecuadamente los
proyectos de BI, el riguroso análisis del negocio y la estandarización de la data, el
adecuado proceso de limpieza de la data, la necesidad de la meta-data, y el hecho que no
hay proyecto de BI perfecto que solucione todos los problemas.

Muchas de las actividades actuales de Business Analytics se realizan a través de la Web,

como lo es la conexión entre la Data Warehouse de la empresa y el e-commerce, con
sistemas completos de venta a través de Internet. Actualmente muchas empresas están
vendiendo a través de Internet, y en el futuro esta tendencia se intensificará, con el
apoyo de toda la tecnología. En relación a este tema, gran parte del uso de herramientas
de Business Analytics a la Web, se relaciona al análisis de la data del Clickstream que
realiza el usuario al buscar información en la red: páginas visitadas, páginas
examinadas, tiempo utilizado en la visita, etc. Con el análisis e interpretación de esta
data, se pueden estimar la efectividad de las promociones y otros resultados de la
estrategia de marketing.

Srivastava y Cooley (2003) en su trabajo sobre Inteligencia de Negocios de la Web,

indican que está constituida mayormente por Minería de Datos con la finalidad de
extraer conocimiento, puede ser usada por un individuo o una organización, y que es un
área de gran crecimiento, habiendo pasado de un uso individual a un medio multicanal,
de información, comunicación, B2B y B2C de varios tipos.

Aspectos importantes que identificó Continental Airlines para la implementación

de su solución real-time BI

A. Almacenamiento de datos activos:

 Continental utiliza en “tiempo adecuado” en lugar de en tiempo real, lo que
significa que tienen una mezcla apropiada de alimentación y comunicación de
datos basado en ciclos lo que las frecuencias de actualización de las necesidades
del negocio.
 La forma oportuna informó de los resultados tienen que ser, y lo que es el más
rentable Continental emplea a muchos en tiempo real se alimenta de los datos en
el almacén de datos, y muchos ejemplos de tiempo real y bajo demanda (escrito

4
 previamente y ad hoc) herramientas rutinas de información y consulta (por
ejemplo, Teradata QueryMan, e Hyperion Brio).
 Hasta ahora, Continental tiene casos limitados de enlaces directos desde la
analítica contra el almacén de datos de nuevo a los sistemas operativos (por
ejemplo, los resultados de la analítica en el almacén de datos que afectan a las
interacciones con los clientes en el Continental situ sitios en línea); por lo tanto,
Continental tiene muchos ejemplos de tiempo real, pero pocos ejemplos de
almacenamiento de datos activa.

B. Estrategias y planes para el almacenamiento en tiempo real:

 Para cambiar la sociedad, Continental decidió estar en la vanguardia de la

aplicación de tecnologías de alto valor y conceptos de negocio, y en tiempo real
de almacenamiento distingue Continental entre sus competidores.
 Cada elemento del Plan Go Forward puede traducirse en consecuencias para la
gestión de datos e inteligencia empresarial.
 El Go Forward Plan se vio obstaculizado en general por el hecho de que la
información (de una única versión de la verdad) no estaba disponible dentro de
Continental para tomar decisiones críticas, sin embargo, eran ricas en datos con
muchas sofisticado, sistemas de toma de decisiones operativa y separada.
 La aplicación inicial de almacenamiento de datos concentrado en una de las
áreas más críticas del Continental para ir de peor a la primera gestión de los
ingresos; por lo tanto, desde el principio, almacenamiento de datos se posiciona
como el apoyo a la estrategia de negocio, lo que le dio la iniciativa de gran
visibilidad.
 La aplicación inicial también se dirigió a uno de los problemas operativos más
problemáticos que enfrenta Continental la incapacidad para entender el
comportamiento del mercado y del cliente, incluyendo el itinerario de un cliente
de origen a destino (lo que ha llevado a la base de datos PNR).
 El almacenamiento de datos se benefició de ser asociados con las victorias
iniciales para el negocio en torno a su vez, esfuerzo, lo que le otorga un punto de
apoyo para jugar un papel en las futuras inversiones en la implementación de la
nueva estrategia de negocio.

5
C. Estrategias para la gestión de datos:

 La fecha y la gestión del tiempo es amplificado por la granularidad de los datos;

aunque las técnicas disponibles para manejar la fecha y sellado de tiempo son
los mismos para cualquier almacén de datos, los usuarios en un entorno de
tiempo real tienen que estar mejor capacitados para lidiar con el tiempo en las
consultas y el gran volumen de datos requiere calificaciones en tiempo sea
tratada lo antes
 como sea posible (por ejemplo, el uso de la bandera activa identifica
rápidamente los valores más recientes)
 vistas personalizadas (con índices, combinaciones y agregaciones) mejorar
significativamente el rendimiento de las consultas y reducir la carga en el
almacén de datos.
 Con el gran número de línea en sitio, los usuarios en tiempo real, puntos de vista
también proporciona un nivel adicional de seguridad contra el acceso no
autorizado a los datos.
 cargas de datos vienen en a través de muchas rutas diferentes y métodos (push-
pull, suscribirse, colas, goteo por lotes, etc.), componentes de modo
generalizables para manejar la carga de datos se utilizan para guardar el esfuerzo
de empezar desde cero para desarrollar cada nuevo proceso de carga.
 El gran volumen de carga de datos constante significa que no es humanamente
posible ver todos los procesos ETL, por lo que las aplicaciones de vigilancia
automatizados se utilizan para alertar al personal de almacén de datos a través de
buscapersonas cuando se necesita su atención por alguna anomalía.
 Los datos de carga se ponen en colas estandarizados, de la que los servicios
públicos de carga pre-escritos extraer datos para la carga en el almacén de datos,
sin importar cuál sea la fuente de los datos son Debido a que hay un montón de
datos, consultas tácticas (escritos previamente y ad hoc) y consultas estratégicas,
cada una con diferentes patrones de uso de almacén de datos, las prioridades
específicas se dan a los diferentes tipos de cargas contra el almacén.

6
  Las prioridades también cambian según el tipo de día. Mayor prioridad se da a
las preguntas que requieren menos recursos de procesamiento de
almacenamiento de datos.

Bibliografía

Gonzales, G. (2006). IMPACTO DE LA DATA WAREHOUSE E INTELIGENCIA DE

NEGOCIOS EN EL DESEMPEÑO DE LAS EMPRESAS: INVESTIGACIÓN
EMPÍRICA EN PERU, COMO PAIS EN VÍAS DE DESARROLLO . Perú.
researchgate. (Octubre de 2018). La venta de sistemas Business Intelligence (B.I.): una
reflexión ética sobre la información que el proveedor posee y la que traslada al cliente
sobre costes y beneficios reales del sistema. Obtenido de
https://www.researchgate.net/publication/277769887_La_venta_de_sistemas_Business_
Intelligence_BI_una_reflexion_etica_sobre_la_informacion_que_el_proveedor_posee_
y_la_que_traslada_al_cliente_sobre_costes_y_beneficios_reales_del_sistema