A00181

25 de marzo de 2015

Almacenamiento de datos y datos multidimensionales

Modelado

Era el 15 de enero de 2015 y Vishal Mehta, director de información de Acme Inc., un minorista indio de productos electrónicos y
duraderos de consumo, acababa de concluir una reunión con Steve Barley, vicepresidente (minorista) y varios otros importantes
proveedores regionales. y jefes nacionales de Acme. El equipo discutió los planes de la compañía para el próximo año y los
problemas clave de la infraestructura de soporte de decisiones que enfrentan las unidades operativas en el acceso, integración,
análisis, uso e interpretación de datos. Mehta presentó sus ideas sobre cómo una inversión en almacén de datos podría ayudar a
abordar muchos de estos desafíos de infraestructura de soporte de decisiones. La gerencia fue bastante receptiva a sus ideas y le
pidió que realizara un estudio de factibilidad, construyera un piloto y preparara un plan de implementación detallado.

Mehta tenía más de 15 años de experiencia en la construcción y gestión exitosa de varios proyectos de TI. Sin embargo, carecía de la
experiencia suficiente en proyectos relacionados con inteligencia empresarial (BI) o almacenamiento de datos (DW). Los proyectos BI /
DW eran más difíciles de ejecutar que los proyectos de TI normales y requerían el compromiso y el apoyo de toda la organización. Por lo
tanto, Mehta estaba considerando cómo construir una solución de almacenamiento de datos para cumplir con los requisitos comerciales
de su organización.

Acerca de Acme Inc

Acme Inc. era una de las cadenas minoristas nacionales líderes en India. La compañía tenía más de 150 tiendas repartidas en nueve
estados principales y 24 ciudades clave con superficies que iban desde 15.000 hasta
24,000 pies cuadrados. Era un minorista especializado en el mercado de la electrónica de consumo y los bienes duraderos. Un informe de la industria de

2012 había proyectado que el mercado de productos electrónicos de consumo y duraderos en la India alcanzaría los 520 mil millones de rupias en 2015 a

una tasa de crecimiento anual compuesta (CAGR) del 15%. 1 Por

En 2013, la compañía se había convertido en uno de los principales actores del mercado indio con una participación de mercado del 18-20% y 33 mil millones

de rupias (3300 millones de rupias) en ingresos por ventas.

Las tiendas de Acme ofrecían a sus clientes mercadería en una variedad de categorías de marca y sin marca: computadoras, tabletas,
cámaras, electrodomésticos, electrodomésticos de cocina, juegos, etc. Cada tienda tenía en existencia alrededor de 12,000 unidades de
mantenimiento de existencias (SKU) o productos, 180 marcas y nueve categorías principales de productos. La compañía también había
establecido una presencia en línea, vendiendo su mercancía en alrededor de 300 ciudades y pueblos.

1 ASSOCHAM. (2012). Tendencias emergentes en la industria de la electrónica de consumo y los bienes duraderos.

Preparado por el Prof. Srikumar Krishnamoorthy, Instituto Indio de Gestión, Ahmedabad.

El caso está escrito en base a nuestro análisis de un negocio minorista líder en India a partir de fuentes de datos secundarias.

Los casos del Instituto Indio de Gestión de Ahmedabad se preparan como base para la discusión en el aula. No están diseñados para presentar
ilustraciones del manejo correcto o incorrecto de problemas administrativos.

© 2014 por el Instituto Indio de Gestión, Ahmedabad.

2 de 15 A000181

Operaciones de tienda

Las operaciones de la tienda de Acme involucraban una serie de actividades que incluían sangría, manejo de inventario, servicio al
cliente, asignación y administración de la fuerza laboral. Estas actividades fueron coordinadas por un gerente de tienda y ejecutadas
por asistentes de ventas y otros empleados.

El gerente de la tienda reabasteció los artículos en el inventario haciendo pedidos al almacén regional. La cantidad real de artículos
a pedir, incluidos los ajustes por tamaño de lote, se determinó automáticamente mediante un sistema de información utilizando
modelos de inventario estándar (por ejemplo, cantidad económica de pedido o EOQ). El gerente de la tienda puso una sangría
cuando el inventario de productos de la tienda alcanzó su límite de reorden. Para sincronizar las actividades entre las tiendas y un
almacén regional, la organización siguió una política de sangría una vez a la semana en días específicos. El gerente de la tienda
también colocó sangrías ad-hoc para artículos específicos, especialmente cuando hubo un aumento repentino en las ventas y el
artículo se agotó.

Los empleados de la tienda manejaban los envíos recibidos del almacén regional. Estos envíos se almacenaron primero en un almacén local.
Los artículos en el contenedor (es decir, cajas de cartón, palés o bolsas) se desempacaron luego para recuperar SKU de productos individuales.
Luego, los productos se trasladaron a las ubicaciones de las tiendas y se colocaron de acuerdo con el diseño del planograma de la tienda (o
plano de planta). Estos planogramas generalmente fueron preparados por gerentes de comercialización, quienes analizaron numerosas
variables como los historiales de compra de los clientes, los patrones de demanda, la demografía local, las calificaciones de las encuestas de
clientes, etc. Los gerentes de comercialización a menudo buscaban aportaciones de los gerentes de las tiendas locales para elaborar mejores
planos de planta para mejorar la rentabilidad de la tienda. Una de las responsabilidades del gerente de la tienda era asegurarse de que los
productos estuvieran almacenados según el diseño del planograma. Los empleados de la tienda reabastecieron los artículos en las ubicaciones
de las tiendas siguiendo el diseño del planograma. Los asistentes de tienda mantuvieron el atractivo estético de los artículos limpiándolos y
colocándolos u orientándolos correctamente después de la visita de un cliente.

Cada tienda realizó una verificación física de su inventario una vez cada dos semanas y concilió las discrepancias en el inventario físico
y real. Las discrepancias pueden ocurrir por varias razones, como robo por parte de los empleados, hurto en tiendas, productos
extraviados, errores de facturación, errores administrativos, daños durante el manejo de materiales en la tienda, vida útil del producto
vencida, etc. Estas discrepancias (comúnmente conocidas como mermas en la industria) representaron entre el 1,2% y el 1,5% de las
ventas totales de Acme. La compañía tenía como objetivo reducir este porcentaje a alrededor del 0,6% durante los próximos tres años.

El servicio al cliente fue otra área importante de las operaciones de la tienda. Esto incluyó actividades como manejar las consultas
de los clientes en la tienda, ayudar a los clientes a identificar y seleccionar los productos correctos, procesar los pedidos de los
clientes, abordar las quejas de los clientes y manejar las devoluciones de productos. El manejo efectivo de estas actividades fue de
suma importancia para Acme, y particularmente para cada uno de los gerentes de su tienda, al brindar la mejor experiencia en la
tienda a sus clientes.

Cuando un cliente realizaba un pedido, se generaba una factura en la terminal del punto de venta (POS) y el artículo se empaquetaba
y entregaba en las instalaciones del cliente. Para SKU de productos específicos (por ejemplo, electrodomésticos como refrigeradores,
lavadoras y televisores), la tienda minorista utilizó transportistas de entrega locales para garantizar la entrega oportuna de los artículos
a la ubicación del cliente.
3 de 15 A000181

Como se puede comprender a partir de la descripción de varias actividades de la tienda, había varios puntos donde se podían
recopilar datos. Acme recopiló datos de ventas en las terminales POS, datos de recepción de artículos para los artículos recibidos
del almacén regional, información de inventario de la tienda física e informes periódicos de encuestas de clientes.

(Consulte el Anexo 1 para ver una factura de muestra que describe la naturaleza de los datos recopilados en las terminales POS).

Gestion de almacenes

La empresa construyó una red de almacenes regionales para satisfacer los requisitos de las tiendas individuales de la región.
Las actividades primarias del almacén incluyeron la gestión y distribución del almacenamiento, la gestión del inventario, el
enlace con los proveedores y fabricantes de materias primas para la adquisición de artículos y el enlace con los transportistas
para la entrega adecuada y puntual de los envíos.

Como parte de sus actividades de distribución, cada almacén enviaba artículos a un conjunto de tiendas dentro de su región.
Normalmente, las tiendas envían sus solicitudes de artículos o productos a su almacén regional en forma de sangría. El almacén
regional luego preparó una lista de selección basada en la sangría, hizo el empaque necesario y transportó los artículos a las
tiendas en camiones / camionetas de reparto. El almacén coordinó con sus proveedores de servicios de transporte el envío de
artículos y el seguimiento de los envíos para garantizar su entrega oportuna. La empresa siguió una política de sangría semanal
para sincronizar varias actividades del almacén.

Cada almacén recibió sus suministros de varios fabricantes de forma periódica. La cantidad y la periodicidad de la colocación de pedidos se
determinaron en función de las estimaciones previstas realizadas por los gerentes de almacén. Los gerentes de almacén trabajaron en estrecha
colaboración con los fabricantes para identificar los productos adecuados para regiones específicas, proporcionando comentarios de los clientes
y haciendo que los datos de ventas estén disponibles para facilitar una mejor planificación de la producción por parte del fabricante.

Había varias áreas en las que la empresa intentaba realizar mejoras. En primer lugar, las estimaciones de las previsiones a menudo
eran inexactas y se desviaban entre un 30% y un 40% para algunos SKU. Esto resultó en un exceso de inventario en algunos casos y
falta de existencias en la mayoría de los otros casos. En segundo lugar, hubo frecuentes quejas de los minoristas por retrasos en los
envíos. En tercer lugar, ha habido muchos casos en los que se han dañado artículos. Por lo general, esto ocurría durante el envío de
productos o la manipulación de materiales dentro del almacén, lo que provocaba una mayor contracción. La empresa no pudo identificar
claramente la causa raíz del problema o el cuello de botella para tomar acciones concretas para mejorar la situación.

Promociones de productos

Acme ofrecía los productos más recientes y de buena calidad a precios razonables, dando a sus clientes una gran relación
calidad-precio. La empresa también se asoció con varias empresas de servicios financieros que ofrecían condiciones atractivas (por
ejemplo, pago inicial bajo, intereses bajos y pago flexible). En términos de promociones, la compañía ayudó a los clientes a obtener la
mejor relación calidad-precio a través de ofertas festivas, paquetes de productos, atractivos descuentos y precios psicológicos.
También promovió su oferta a través de anuncios en una variedad de canales, que incluyen televisión, Internet, radio, vallas
publicitarias, concursos / juegos de redes sociales y el portal de comercio electrónico en línea de la empresa.
4 de 15 A000181

El equipo de ventas y marketing de Acme estaba interesado en crear un programa de tarjetas de fidelización para retener clientes y
mejorar la rentabilidad general. La empresa tampoco contaba con métricas adecuadas para medir la eficacia de sus campañas
promocionales. Sus gerentes de marketing creían que se podrían realizar mejoras significativas en su gasto de promoción si se
estableciera la infraestructura adecuada de apoyo a las decisiones. Si bien los datos de ventas básicos estaban disponibles, no
había forma de obtener una vista integrada de las ventas en múltiples tiendas, cortar y cortar datos, realizar análisis de datos
multidimensionales o construir modelos de minería de datos para identificar los objetivos de clientes correctos.

Sistemas de tecnología de la información en Acme Inc.

Históricamente, la empresa había crecido mediante adquisiciones. Por ejemplo, en 2012, la empresa adquirió una gran empresa de
almacenamiento de distribución con operaciones en varios pueblos y ciudades de la India. Como resultado de esta estrategia de
crecimiento inorgánico, los procesos comerciales y los sistemas de TI en Acme eran muy heterogéneos. Algunas unidades operativas
(tiendas minoristas y almacenes regionales) utilizaron software de planificación de recursos empresariales (ERP) como parte de sus
procesos de gestión de pedidos e inventario; sin embargo, había varias soluciones de proveedores de ERP en diferentes unidades. Incluso
en unidades con las mismas soluciones de proveedor de ERP, sus configuraciones eran muy diferentes.

Cada una de las tiendas y almacenes regionales de la empresa utilizó una base de datos relacional para mantener los datos operativos
generados a partir de sus procesos comerciales. Las unidades individuales utilizaron diferentes productos de bases de datos relacionales
y posiblemente diferentes versiones y / o configuraciones de los productos de bases de datos. Si bien hubo muchas diferencias en la
forma en que se almacenaron los datos, el diseño de la base de datos subyacente podría entenderse utilizando un diagrama
entidad-relación (ER). (El diagrama ER que se muestra en el Anexo 2 ofrece una vista parcial de cómo se relacionan las diferentes
entidades pertinentes al negocio de Acme y la naturaleza de sus relaciones).

La heterogeneidad de los sistemas de TI en el hardware, el software del sistema, las aplicaciones comerciales y los niveles de datos hizo
que fuera extremadamente difícil para los gerentes de Acme obtener información oportuna, relevante y precisa para tomar mejores
decisiones. Por ejemplo, la información sobre el movimiento de productos a lo largo de la cadena de suministro de Acme estaba disponible
en varios sistemas. Sin embargo, acceder a la información de estos sistemas de manera oportuna para determinar la mejora de la eficiencia
operativa de la cadena de suministro fue una tarea abrumadora.

La promesa de un almacén de datos

Bill Inmon, considerado el padre del almacenamiento de datos, definió un almacén de datos de la siguiente manera:

“Un almacén de datos es una recopilación de datos no volátil, integrada, variable en el tiempo y orientada al tema
en apoyo de la gestión ' s proceso de toma de decisiones ". 2

Los términos clave en la definición anterior son:

2 Han, J. y Kamber, M. (2011). Minería de datos: conceptos y técnicas ( 3a ed). NewDelhi: Harcourt India Private Ltd, Morgan Kaufmann

Publishers.
5 de 15 A000181

• Orientado al tema: Los datos en un almacén de datos se organizaron por tema, por ejemplo, proveedores, productos,
tiendas, socios, etc.

• Integrado: Un almacén de datos integró datos de múltiples fuentes de datos heterogéneas. Las diferencias en las
definiciones de datos y las inconsistencias en varios sistemas de origen se resolvieron antes de cargar los datos en el
almacén de datos.

• Variante de tiempo: A diferencia de un sistema operativo, un almacén de datos mantenía datos históricos. Por ejemplo, mientras que un
sistema operativo contiene los detalles de ubicación del cliente más recientes (o número / dirección de teléfono móvil), un almacén de datos
podría usarse para mantener todos los cambios en los detalles de ubicación del cliente (números / direcciones de teléfono móvil).

• No volátil: El almacén de datos era un tipo de sistema de escritura única y lectura múltiple. Es decir, los datos, una vez escritos en un almacén
de datos, rara vez se actualizaban. La consecuencia de esto era que un sistema de almacenamiento de datos no necesitaba soportar
costosos procedimientos de control de recuperación y procesamiento de transacciones como en el caso de los sistemas de bases de datos
operacionales.

En En resumen, un almacén de datos organizó y almacenó los datos de la manera más adecuada para realizar

consultas analíticas. Sirvió como base básica para la creación de aplicaciones analíticas. Varias empresas en múltiples verticales de la industria
(comercio minorista, servicios financieros, telecomunicaciones, juegos de azar, transporte, etc.) obtuvieron beneficios significativos al invertir en
infraestructura de almacenamiento de datos. Según las estimaciones de los analistas de Gartner, el mercado general de sistemas de
almacenamiento de datos por sí solo se estimó en alrededor de US $ 9 mil millones en 2013 y se esperaba que creciera a una tasa compuesta
anual del 7%. 3 El tamaño del mercado, su crecimiento continuo y las historias de éxito de la industria demostraron claramente el valor que las
organizaciones podrían derivar de tales inversiones en infraestructura de TI.

Almacenamiento de datos en Acme Inc.

Después de la reunión de la alta dirección, Mehta organizó un equipo dirigido por Aditi Patel, director de TI, para iniciar el proyecto de
almacén de datos. También contrató a Neil Clarke, un consultor de SAP especializado en diseño y desarrollo de data warehouse, para
ayudarlos en esta iniciativa. Patel le pidió a Clarke que explicara los procesos involucrados en la construcción de una solución de
almacenamiento de datos exitosa:

Patel: Buenos días Neil, ¿cómo estás?

Clarke: Genial. ¿Cómo va su nueva iniciativa sobre almacenamiento de datos?

Patel: Estamos en las primeras etapas de este proyecto y nos gustaría buscar su ayuda para impulsar con éxito
esta iniciativa. En este contexto, ya he compartido con ustedes los detalles de nuestro proceso
empresarial organizativo.

No tenemos claro cómo abordar este proyecto. ¿Por dónde deberíamos empezar y cómo deberíamos
proceder? ¿Puede compartir sus pensamientos sobre algunas de las mejores prácticas de la industria?

3 Informes de Gartner. El estado del almacenamiento de datos en 2012, 2013 y 2014.

6 de 15 A000181

Clarke: Si. Revisé los documentos que había compartido. Basándome en mi revisión, preparé una matriz de negocios de
almacenamiento de datos [consulte el Anexo 3] y se la envié por correo electrónico esta mañana.

Patel: Eché un vistazo al documento de matriz empresarial del almacén. Pero, ¿cómo interpreto y utilizo
realmente esta matriz empresarial para crear un almacén de datos?

Clarke: Dejame explicar. La matriz de negocios contiene información sobre sus procesos de negocios, las
filas de la matriz y su contexto o dimensiones, las columnas. Las celdas individuales están
marcadas con una 'x' si hay un contexto asociado con la fila del proceso empresarial específico. Por
ejemplo, el contexto para el proceso comercial de ventas de productos minoristas incluye tiempo,
producto, tienda, cliente, promoción y geografía.

Al crear un almacén de datos, seleccione algunos procesos comerciales de la matriz y diseñe un

modelo de datos multidimensional. Luego, el modelo se utiliza para construir un almacén de datos. El
proceso anterior se repite para todos los procesos comerciales, según sus requisitos analíticos.

Patel: Bueno. ¿Es una especie de proceso iterativo de abajo hacia arriba para construir un almacén de datos?

Clarke: Si. Es necesario priorizar algunos procesos comerciales en función de las demandas comerciales actuales. A
continuación, se crea un data mart (un mini almacén) para cada uno de los procesos comerciales seleccionados.

Patel: Genial. ¿Cómo debemos proceder después de priorizar y seleccionar algunos procesos comerciales para su
implementación?

Clarke: Una de las mejores prácticas de la industria en esta área es aplicar un proceso de cuatro pasos para
diseñar y construir un data mart / warehouse: (1) Seleccionar un proceso de negocio, (2) declarar el
grano, (3) elegir las dimensiones y (4) identificar los hechos. Supongamos que deseamos aplicar los
cuatro pasos a uno de sus procesos comerciales.

Como primer paso, escojamos el proceso de negocio "pedido de cliente". En el segundo paso,
debemos declarar la esencia del proceso empresarial. El grano se elige en función de sus
requisitos analíticos. Por ejemplo, si desea analizar sus datos de ventas con la menor
granularidad, el grano se declara como el artículo de línea de la transacción. Por otro lado, si su
análisis no requiere datos de nivel transaccional, entonces el grano se declara a nivel semanal o
mensual.

Patel: Bueno, si el grano se define en un nivel superior, ¿no limitará mi capacidad para analizar los datos?

Clarke: Tienes razón. Es necesario hacer una compensación entre el tamaño de los datos almacenados en
un almacén de datos y los requisitos analíticos. Por ejemplo, si
7 de 15 A000181

el usuario empresarial rara vez o nunca accede a los datos de nivel transaccional para su análisis, entonces
será un desperdicio innecesario de espacio de almacenamiento de datos. Alternativamente, es posible crear
múltiples repositorios de datos con diferentes niveles de granos para cumplir con diferentes requisitos de
análisis.

Patel: Mmm. Quizás deberíamos declarar el grano a nivel de transacción como los últimos 90 días de datos
recientes. Para datos históricos de más de 90 días, podríamos declarar un grano semanal / mensual. Esto
permitiría el archivo periódico de los datos más antiguos a un nivel superior.

Clarke: Estás en el clavo. Así es precisamente como las organizaciones cumplen con sus requisitos analíticos y al mismo
tiempo optimizan el espacio de almacenamiento del almacén.

Pasemos al tercer paso de elegir la dimensión, un paso bastante fácil si ha declarado correctamente la
esencia del proceso empresarial. Por ejemplo, si el grano para el proceso de la orden de venta se
declara como ventas por artículo de línea, entonces las dimensiones típicas son el contexto de la venta,
como artículo, tienda, cliente, tiempo y geografía.

El paso final en el proceso de diseño dimensional es la identificación de hechos. Estas son las medidas de
desempeño que uno desea monitorear. Para el proceso comercial de órdenes de venta, los hechos son
generalmente la cantidad de artículos vendidos, el valor en dólares de las ventas, los ingresos brutos y el margen
bruto.

Patel: Esto es muy interesante. Ahora, tengo una idea clara de cómo funciona el modelado dimensional para
un data mart / warehouse. Pronto comenzaremos a trabajar para priorizar nuestros procesos
comerciales y aplicar este marco para diseñar el data mart / warehouse.

Neil, volveremos a conectarnos contigo para comprender los próximos pasos. Más específicamente, deseamos
comprender las mejores prácticas para tomar las decisiones arquitectónicas correctas y construir una
infraestructura de almacenamiento de datos.

Clarke: Por supuesto. Sin duda, ayudaré a su organización en este proceso de almacenamiento de datos. Volvamos a
conectarnos la semana que viene para profundizar en el diseño y desarrollo del almacén de datos.

Patel y su equipo mantuvieron una serie de conversaciones con Clarke para comprender mejor varios aspectos del diseño y
desarrollo del almacén de datos. A través de este proceso, el equipo obtuvo una buena comprensión de la arquitectura del
almacén de datos y sus componentes.

(En el Cuadro 4 se muestra un diagrama de arquitectura de almacén de datos de muestra. Uno de los componentes de la arquitectura es el
motor de procesamiento analítico en línea (OLAP). OLAP es una herramienta interactiva de análisis de datos que permite ver los datos
desde una perspectiva multidimensional. El Cuadro 5 proporciona una lista ilustrativa de operaciones que se pueden realizar en OLAP. El
Cuadro 6 muestra algunas de las opciones arquitectónicas clave disponibles para la implementación del almacén de datos.

El equipo tuvo que decidir qué arquitectura sería la más adecuada para Acme.
8 de 15 A000181

Solución piloto de Data Mart: requisitos analíticos clave

Patel y su equipo entrevistaron a las partes interesadas clave de Acme para comprender sus requisitos analíticos. De los
muchos requisitos que se identificaron, el equipo, en consulta con las unidades de negocio, dio prioridad al siguiente conjunto
de requisitos para el proyecto piloto:

Usuarios comerciales minoristas

A nivel minorista, los usuarios comerciales estaban interesados en analizar el desempeño de las ventas en diferentes dimensiones.
La capacidad de realizar un inventario detallado e interactivo y un análisis promocional para detectar tendencias, patrones y
correlaciones también fue de vital importancia. Algunas de las consultas analíticas específicas de interés para ellos incluyen:

• ¿Cuáles son los 30 SKU principales por ingresos por ventas, volumen de ventas y rentabilidad? ¿Qué productos

• y clientes tienen los márgenes brutos más altos o más bajos?

• ¿Cuáles son las tendencias clave de ventas y margen bruto por tipo de producto, tienda y geografía?

• ¿Cuál es el valor de venta total de un SKU (por ejemplo, TV LED Samsung de 48 '') este trimestre? ¿Cómo se compara con
el último trimestre?

• ¿Qué productos estaban en promoción pero no se vendieron? Divida los datos por geografía, categoría de
producto y mes.

• ¿Cuáles son mis rotaciones de inventario y los días totales de suministro? Analiza las tendencias por tienda, producto y tiempo.

• ¿Cuál es el retorno de la inversión (ROI) del margen bruto total para un SKU (por ejemplo, Apple iPhone
6)? Reúna los datos por categoría de producto, hora y tienda.

Usuarios comerciales de almacén

Los usuarios del almacén querían saber el tiempo necesario para trasladar un producto del almacén a la tienda. El movimiento rápido y
eficiente de productos ayudó a las empresas a minimizar los niveles de inventario y reducir los costos de mantenimiento o mantenimiento.
Los usuarios comerciales de almacenes querían tener la capacidad de realizar análisis de flujo de trabajo e identificar los cuellos de botella
en su proceso de cumplimiento de pedidos. Una lista ilustrativa de consultas analíticas que eran de interés para los usuarios comerciales
del almacén incluía:

• ¿Cuáles son los tiempos máximo, mínimo y promedio para enviar un pedido desde el almacén a la tienda minorista?
Divida los datos por tienda, categoría de producto, geografía y tiempo.

• ¿Cuál es el tiempo promedio necesario para las actividades individuales (recolección, empaque, envío, transporte y
entrega) en el proceso de cumplimiento de pedidos? ¿Cuáles son los valores de tiempo de procesamiento máximo y
mínimo para las actividades de cumplimiento de pedidos individuales?

• ¿Cuáles son las tendencias de rendimiento del tiempo de entrega por mes, categoría de producto y tienda? ¿Cuáles son las áreas clave de los

cuellos de botella?
9 de 15 A000181

• ¿Cuál es el rendimiento del tiempo de entrega del pedido de transportistas externos? ¿Cómo se compara con el
acuerdo de nivel de servicio contractual? Analice su desempeño por tiempo, categoría de producto y geografía.

Como un siguiente paso inmediato, el equipo necesitaba aplicar los principios de diseño de datos dimensionales

modelar y construir un data mart. El equipo tuvo que considerar varias opciones de diseño alternativas y elegir la que mejor
respondiera a sus requisitos de análisis empresarial. Posteriormente, se tuvieron que implementar otros componentes del
almacén de datos (o data mart) para completar los casos de uso identificados.

Conclusión: construcción de una infraestructura de apoyo a la toma de decisiones

Mehta y su equipo estaban preparando un plan para cumplir con los requisitos analíticos de la organización. Si bien el equipo creía
que un almacén de datos era la mejor manera de cumplir con esos requisitos, varias preguntas permanecían en sus mentes.

¿Cuáles fueron los posibles obstáculos al integrar un sistema de almacén con los sistemas de TI existentes? ¿Cuáles fueron
las consideraciones de diseño que se tuvieron que tomar para cumplir con todos los requisitos analíticos? ¿Cómo deben llevar
a cabo el dimensionamiento / estimación para tomar decisiones sobre la infraestructura de hardware necesaria? ¿Cuáles eran
las opciones arquitectónicas disponibles y cuál era la opción que mejor se adaptaba a sus necesidades? A nivel
organizacional, ¿qué iniciativas de gestión del cambio y planes de comunicación serían necesarios para una implementación
exitosa?

Mehta contempló cuidadosamente las preguntas anteriores. Sabía que las respuestas serían fundamentales para organizar un estudio
piloto, preparar un plan de implementación detallado y presentar los hallazgos a Barley y otras partes interesadas clave en julio de 2015, a
solo seis meses de distancia.

.
10 de 15 A000181

Anexo 1: Factura de venta

FACTURA

Acme Inc

345 Victoria Street

Calcuta 702207

Dirección de facturación: Enviar a la dirección:

Sr. Vaghela, Shankar Sr. Vaghela, Shankar

Calle de la menta, Kolkata Calle de la menta, Kolkata

Factura no I10005 N º de pedido O123456

Almacenar ninguna S303 Fecha de orden 06-Sep-14

ID de emp E777 Código promocional Ninguno

Precio unitario Cantidad

Número de serie. Código de producto Descripción del producto Cant. (INR) (INR)

1 TV1001 Televisor LCD de 24 pulgadas 1 35000 35000

2 W1002 Garantía extendida 1 3000 3000

Cantidad de ventas 38000

Impuesto de venta 4750

Transporte 300

Descuento Nulo

Cantidad total 43050

Fuente: Creado por el autor.

11 de 15 A000181

Figura 2: Diagrama entidad-relación

Descripción de la tabla de muestra para el diagrama ER

Nombre de la tabla Atributos representativos

CLIENTE ID de cliente, nombre, dirección, ciudad, estado, país, código PIN

ORDEN ID de pedido, ID de cliente, ID de tienda, ID de vendedor, fecha de pedido, impuesto sobre las ventas, descuento,
flete, monto

TIENDA ID de tienda, nombre, descripción, ubicación

VENDEDOR ID de vendedor, nombre, designación, edad, fecha de nacimiento, dirección

FACTURA ID de factura, ID de cliente, nombre del cliente, dirección, ID de pedido, monto

ELEMENTO EN LINEA ID de línea de pedido, ID de pedido, nombre, descripción, precio

ARTICULO ID de artículo, nombre del producto, marca, categoría, departamento

PROMOCIÓN ID de promoción, nombre de la promoción, descripción, fecha de inicio, fecha de finalización

PROVEEDOR ID del proveedor, nombre del proveedor, descripción, ubicación

ENVÍO ID de envío, fecha de envío, fecha de entrega

CATEGORÍA ID de categoría, nombre de categoría, descripción

PERFIL DE CLIENTE ID de cliente, perfil demográfico, perfil psicográfico

Fuente: Creado por el autor.

12 de 15 A000181

Anexo 3: Matriz empresarial de almacenamiento de datos

Transportador
Procesos de negocio

Promoción

Geografía

Proveedor
Depósito
Producto

Cliente
Tienda
Fecha
Ventas de productos al por menor X X X X X X

Inventario minorista X X X X

Recibos de productos minoristas X X X X X

Promociones minoristas X X X X X

Comprador frecuente X X X X

Devoluciones de productos minoristas X X X X X

Órdenes de almacén X X X X X X

Inventario de almacén X X X X

Recibos de almacén X X X X X X

Previsión de ventas de almacén X X X

Orden de compra X X X X

Fuente: Creado por el autor.

13 de 15 A000181

Figura 4: Arquitectura de almacenamiento de datos de alto nivel

DATOS AD HOC NEGOCIO

OLAP
MINERÍA CONSULTA APLICACIONES

METRO
S
mi Almacén de datos empresariales /
mi
T
Data Mart C
A
U
R
D
I
A
T
T EXTRACCIÓN, TRANSFORMACIÓN, CARGA
Y
A

DB ERP CRM ARCHIVOS ERP

Fuente: Creado por el autor.

.
14 de 15 A000181

Anexo 5: Operaciones OLAP

Fuente: Creado por el autor.

15 de 15 A000181

Anexo 6: Alternativas de arquitectura de almacenamiento de datos

Centro de datos independiente Data Mart con dimensión vinculada

Usuarios Usuarios Usuarios Usuarios

DM-Finanzas DM-Marketing DM-Finanzas DM-Marketing

ETL ETL ETL ETL

Datos fuente Datos fuente

Almacén de datos empresariales Almacén de datos virtual

Usuarios
Usuarios

Almacén de datos

Almacén de datos virtual

ETL

Datos fuente Datos fuente

Almacén de datos empresarial y centro de datos

Usuarios Usuarios
Usuarios

DM-Finanzas DM-Marketing

Almacén de datos empresariales

ETL

Datos fuente

Fuente: Creado por el autor ..