INSTITUTO PROFESIONAL AIEP

DE LA UNIVERSIDAD ANDRÉS BELLO

PARQUE TEMÁTICO DE LA ERA DE

DINOSAURIOS

DOCENTE:

Salinas Casas Daniela

MÓDULO:

Fundamentos de Software de Gestión

MARZO, 2020

1
Uno
 Introducción

La gran cantidad de información manejada por las diversas empresas necesita

tener una fácil lectura a la hora de tomar decisiones, no importando el área o

departamento de la compañía. Cada empresa tiene diferentes necesidades por

tanto debe ser cuidadosa al elegir un software de gestión adecuado para su

empresa, así contará con sistemas de base de datos que identificarán con

exactitud la situación actual.

En el presente informe será analizado el caso de un “Parque temático de

dinosaurios” con un complejo sistema de administración, el cual tiene gran

cantidad de datos los cual necesita un nuevo sistema de almacenamiento que sea

seguro, fiable, fácil de administrar y recuperar.

2
Uno
 Objetivos

Objetivo general

Describir los componentes y características de los Software de Gestión en la

empresa.

Objetivos Específicos

● Analizar y aplicar los ERP.

● Reconocer las bases de datos entregado en el caso práctico.

● Comprender términos técnicos y funcionamiento de software.

Índice

3
Uno
TEMA Pág.

1. 4

2. 7

2.1. 8

2.1.1. 8

2.1.2. 8

2.1.3. 8

2.1.4. 9

2.1.5. ¡Error! Marcador no definido.

3. 10

5. 12

5.1. 13

6. 14

7. 15

8. 16

Conclusión 19

Referencias 20

ANEXOS 21

1. Descripción del caso

4
Uno
Parque temático de la era de dinosaurios.

Luego de 8 años de estar operando, la empresa ya cuenta con 8 parques

temáticos distribuidos por todo el país. Aprovechando el éxito del merchandising

relacionado con los dinosaurios, la empresa logró desarrollar fuertemente su

unidad de negocios de venta de productos y comidas dentro de los parques. Esto,

junto a la venta de entradas representa más del 90% de los ingresos de la

compañía.

Los problemas surgen en cada reunión gerencial, ya que los datos sobre las

ventas de entradas y productos no parecen confiables ni están listos en tiempo y

forma para que el equipo de gerentes pueda tomar decisiones acertadas. Esto

ocurre porque los distintos gerentes (ventas, marketing, control de gestión, etc.).

se manejan con diferentes fuentes de información (en algunos casos usando

planillas de cálculo, hechas con ingreso manual de datos, minutos antes de las

reuniones) y además porque cada vez que se requiere un informe de mediana

complejidad, hay que solicitarlo al área de sistemas que demora por lo menos una

semana en confeccionarlo ya que están demasiado ocupados con la migración de

los servicios corporativos y cuentan con poco personal.

En cada reunión hay un caos por las diferentes versiones de la verdad que cada

gerente tiene y en algunos casos porque ni siquiera se llega a tener la información

necesaria o está demasiado desactualizada.

5
Uno
Debido a esta situación, la empresa decide contratarlo a Ud. para que le dé una

solución a este problema. El directorio ha escuchado hablar de palabras como

sistemas de ayuda a la decisión, business intelligence, data warehouse y otras,

pero lo que realmente necesita es una solución de negocio para afianzar el

crecimiento de la empresa.

En principio se quiere trabajar con la información de ventas, tanto de entradas

como de productos dentro de los parques, para luego ir extendiendo al alcance del

proyecto a otras áreas. Pero, luego de realizar un relevamiento inicial, se llega a

las siguientes conclusiones:

1) Los orígenes de datos que alimentarán el data warehouse serán:

a) El sistema emisor y facturador de entradas, que está presente en

todas las boleterías de cada parque. (Ver anexo I)

b) Dos (2) sistemas distintos de facturación de productos y comidas

para los locales de los parques (ya que los más nuevos tienen un

sistema que se contrató hace un año a una consultora, pero los

parques más antiguos tienen todavía un sistema desarrollado por el

sobrino de uno de los accionistas de la empresa). (Ver anexo II)

c) El sistema de administración de RRHH y liquidación de haberes. (Ver

anexo III).

Nota: los anexos muestran solo las tablas que se han evaluado como útiles, es

decir que existen otras en cada sistema, que en los anexos no se muestran.

6
Uno
 2) Se detecta que los analistas de negocio de la empresa necesitan analizar la

información de ventas de un producto o de las entradas desde diferentes

perspectivas. Por ejemplo, la venta de entradas vista por mes o por año,

por parque, por región, por empleado y demás combinaciones entre las

perspectivas.

3) El mínimo nivel de detalle que se quiere tener disponible para el análisis de

ventas ($vendido y unidades vendidas) es el de la línea del ticket.

4) De cada empleado es necesario poder hacer análisis de ventas

considerando también el impacto de las horas de capacitación recibidas.

5) Es necesario conocer también de qué manera influye, en las ventas de

productos, la zona geográfica en la que están ubicados los locales.

6) De cada escuela se sabe si es privada o pública, y se desea conocer cuáles

son las escuelas que generan mayores ingresos a la empresa.

7) Se necesitará hacer análisis diarios, mensuales, trimestrales y anuales.

2. Resolución

7
Uno
2.1. Definición de conceptos

2.1.1. Business Intelligence (BI): Inteligencia de negocio, es un conjunto de

metodologías, aplicaciones y tecnologías que permiten reunir, depurar

y transformar datos de los sistemas en información estructurada, para

su análisis y conversión en conocimiento, dando así soporte a la toma

de decisiones sobre el negocio.

2.1.2. Data Warehouse: es un repositorio o almacenamiento unificado para

todos los datos que recogen los diversos sistemas de una empresa,

permite a los ejecutivos de un negocio organizar, comprender y utilizar

sus datos para tomar decisiones estratégicas. El Data Warehouse se

caracteriza por ser:

a. Integrado: Elimina las inconsistencias creando una estructura

pura.

b. Temático: Se organiza por temas.

c. Histórico: Almacena datos en momentos concretos.

d. No volátil: La información almacenada es para ser leída pero no

modificada.

e. Metadatos: contiene datos sobre los datos.

2.1.3. ETL: Los procesos ETL son una parte de la integración de datos,

pero es un elemento importante cuya función completa el resultado de

8
Uno
 todo el desarrollo de la cohesión de aplicaciones y sistemas, en otras

palabras, genera un Data Warehouse.

Las palabras ETL corresponden a las siglas en inglés de:

● Extraer: extract

● Transformar: transform

● Carga: load

● Fase 1: Extracción

El objetivo es producir datos limpios y accesibles que puedan

utilizarse para análisis u operaciones comerciales.

● Fase 2: Transformación

Modifica la información en bruto para que presenten los datos

limpios, se efectúa mediante una serie de normas y reglamentos

que garantizan la calidad de los datos. Evita datos duplicados,

elimina datos redundantes, define como se formatea y almacena.

● Fase 3: Carga

Carga de los datos extraídos.

2.1.4. Data Mart: Sub conjunto de datos con el propósito de almacenar y

ayudar a un área específica de la empresa.

2.1.5. Cubo OLAP: es una estructura de datos que supera las limitaciones

de las bases de datos relacionales y proporciona un análisis rápido de

9
Uno
 datos. Los cubos OLAP son representaciones especificas y

segmentaciones del Data Warehouse, son la cara visible del DW.

3. Arquitectura de la solución.

10
Uno
4. Creación Data Warehouse (DW)

Para la creación del Data Warehouse que se implementará en este caso será

necesario establecer ciertos criterios y pasos a seguir.

Antes que todo se debe conocer los datos en los sistemas de origen, nos sirve

para reconocer el contenido en el sistema operativo actual e identificar la

información incompleta e incorrecta incorporando al DW datos que estén

interrelacionados y sean de calidad.

Al crear el modelo dimensional se deben diferenciar claramente las tablas de

hechos de las tablas de dimensiones.

● Tabla de hechos: contiene indicadores numéricos provenientes del origen.

● Tabla de dimensiones: contiene atributos que nos permiten filtrar y agrupar

los datos.

11
Uno
5. Modelo Multidimensional Conceptual.

Iniciamos por modelar el negocio del parque de dinosaurios identificando las

dimensiones de análisis, en base a los requerimientos del problema y los

anexos I, II y III.

DISTRIBUCIÓ
DISTRIBUCIÓ N
N
EMPLEADO
EMPLEADO TIEMPO
TIEMPO ESCUELA
ESCUELA PRODUCTO
PRODUCTO
GEOGRÁ
GEOGRÁ FICA
FICA

Rango
Rango Añ
Añ o
o Tipo
Tipo Regió
Regió n
n Categoría
Categoría

Sub
Sub
capacitació
capacitació n
n Trimestre
Trimestre Escuela
Escuela Providencia
Providencia categoría
categoría

Empleado
Empleado Mes
Mes Ciudad
Ciudad Producto
Producto

Día
Día Parque
Parque

Local
Local

Monto vendido / Cantidad vendida

Al modelo multidimensional conceptual se agregó a su estructura lo siguiente,

según los anexos I, II y III.

1.1.1. Stock disponible x día y local.

1.1.2. Compras x cliente

1.1.3. Ventas, tiempo de servicio y salario x empleado

12
Uno
 1.1.4. Monto y ventas x metros cuadrados y distancia respecto a la

boletería.

5.1. Modelamiento de datos: Modelo estrella y modelo Copo de nieve

Las estructuras bajo las cuales se guía la creación de un Data Warehouse son

modelo estrella y modelo copo de nieve.

El modelo estrella es el más sencillo, consta de una tabla de hechos y varias

dimensiones, lo que quiere decir que la única tabla que tiene relación es la de

hechos al centro de la estructura.

Para la resolución de este caso y en base a la cantidad de datos entregada en el

Modelo DW objetivo y el Modelo DW subjetivo se usó la estructura Copo de Nieve,

en este modelo la tabla de hechos deja de ser la única relacionada con otras

tablas mostrando mayor orden. Contiene categorías de dimensiones que constan

de múltiples tablas para representar jerarquía de datos.

13
Uno
6. Modelo Data Warehouse Objetivo

Para la construcción del Modelo Data Warehouse Objetivo usamos los datos del

caso práctico y el diseño multidimensional conceptual, en el centro ubicamos la

Tabla de hechos: VENTA, segmentada en las tablas de dimensiones que se

relacionan con ella.

14
Uno
7. Modelo Data Warehouse Subjetivo

El Modelo Data Warehouse Subjetivo se nutre del DW objetivo por un proceso de

ETL que extrae los datos, los transforma si es necesario, y luego los carga.

15
Uno
8. Problema

8.1. Defina qué cambios haría en la Base de datos objetivo, el subjetivo y en el

diseño multidimensional conceptual para los nuevos requerimientos que se

describen a continuación.

1. Si los directores del parque decidieran información acerca del stock

disponible de sus productos en la base de datos. El stock deberá estar

disponible a nivel de producto, día y local.

16
Uno
2. Si se lanzará una tarjeta de fidelización de clientes y se pudiera

identificar a qué cliente se hizo cada venta (tanto de entradas como de

otros tipos de productos).

3. Poder evaluar el impacto que tiene en las ventas, la antigüedad y

salario de los empleados.

17
Uno
4. De cada local es necesario poder analizar las ventas (importe y

cantidad) con respecto a los metros cuadrados que disponen y distancia

respecto de las boleterías.

18
Uno
 Conclusión

El Data Warehouse entrega a las empresas u organizaciones un práctico sistema

de almacenamiento de información actualizada en base de datos que facilita la

comunicación entre departamentos en la misma empresa, por tanto, en el

desarrollo de un DW se debe tener muy clara la información que se pretende

analizar y qué objetivos se persiguen.

El DW cumple un papel fundamental en la visión tecnológica y moderna de la

compañía, cubriendo todas las necesidades de un negocio y creando versatilidad

y confianza en la toma de decisiones para sus gerentes, jefaturas y colaboradores.

Existen distintos softwares de gestión por lo que es importante entender las

capacidades de un sistema de gestión a la hora contratarlo, para así evitar en el

futuro los bloqueos del crecimiento de la empresa por falta de flexibilidad en la

tecnología.

La competitividad es la mayor tendencia en la actualidad entre empresas,

optimizar los recursos y hacerlos afables a los colaboradores infringe mayor

productividad, servicio y reducción de costos en resultado de mayores ganancias a

largo plazo.

19
Uno
 Referencias

https://www.yunbitsoftware.com/blog/2018/02/27/software-de-gestion-empresarial-y-

sistemas-erp-alguna-diferencia/

https://blog.powerdata.es/el-valor-de-la-gestion-de-datos/qu-son-los-procesos-etl

https://www.youtube.com/watch?v=jFsRdTcljeU

https://www.youtube.com/watch?v=mNwRPxzsMQc

https://www.youtube.com/watch?v=vb0OAhQFoXY

20
Uno
 ANEXOS

21
Uno
22
Uno
23
Uno