ANÁLISIS DE DATOS EN LA TOMA DE DECISIONES ESTRATÉGICAS DE
LAS EMPRESAS POR MEDIO DE TÉCNICAS DE DATA WAREHOUSE.
Ferney Toledo Ariza, Yulian Ramírez Acuña., Yuri Johana Cuellar Trujillo, Luis Alberto Monroy, Andrés Chávez Guardo
Pregrado - Ingeniería de sistemas
Ficha: 51293
Corporación Unificada Nacional de Educación Superior CUN

Resumen – Está demostrado que todas las decisiones
que se ejecutan en una empresa deberían provenir de
las propias operaciones empresariales y de los
fenómenos que se producen en el entorno
organizacional. Estas operaciones y fenómenos se
expresan en términos de información. Por ejemplo, los
administradores no efectúan una inspección a los
almacenes de materias primas y de productos
terminados para observar físicamente las características
de rotación de ítems de inventario, sus decisiones sobre
ubicación de ítems en almacén, o sobre las
características para reordenar ítems se basan en la
información contenida en el kardex de inventario, pues
es ahí donde se refleja precisamente la rotación.
I. OBJETIVOS
OBJETIVO GENERAL
Dar a conocer los diferentes conceptos relacionados con BI
y el Data warehouse y su
Aplicación en la toma de decisiones dentro del ámbito
empresarial.
OBJETIVOS ESPECIFICOS
- Brindar información adecuada para ayudar a las
empresas a tomar decisiones basadas en datos.
- Aprovechar la BI para establecer valores de
referencia de rendimiento y de la competencia.
- Analizar los datos para tomar las mejores decisiones
estratégicas de las empresas.
II. INTRODUCCIÓN
En una empresa debe tener generalmente muchísimos datos,
reporte de datos de producción, reporte demanda futura,

reportes de ventas, información sobre fugas de clientes,
todas las áreas de una empresa generan datos y más datos
todos los días, 24 horas al día. ¿Qué estamos haciendo con
estos datos? Al pasar los años hemos aprendido que los
datos generan información cuando hay una persona o un
software que les dé un contexto que lo limpie de los errores
y los asimile. Cuando llegamos a esta parte de asimilación
hemos convertido los datos en conocimientos, es decir, los
datos no están dando información muy importante para que
nosotros tomemos decisiones.
Estamos en la era del Big Data, hace referencia a un nuevo
paradigma de procesamiento de datos que nos ha traído una
gran cantidad de datos generados a mucha velocidad, con
mucha variedad de gran valor algunos datos otros y que son
erróneos. Hay datos que genera todo el tiempo, como
dentro de una empresa como fuera de ellas tenemos redes
sociales que generan millones de datos todo el tiempo, lo
importante es que hacemos con estos datos, porque antes no
lo podíamos asimilar, pero ahora hay muchísimas formas de
extraer información de los datos integrarla dentro de las
empresas darle la importancia que se merecen y usarla en
beneficio nuestro. Ahora los datos ayudan a conocer mejor
nuestro negocio, conocer mejor nuestros clientes, conocer
mejor nuestro mercado y competencia y tener una empresa
mucho más rentable, eso es inteligencia de negocios por lo
que comúnmente se llama business intelligence. Si
queremos estar en la manguardia del mercado es
indispensable que tengamos un sistema de business
intelligenc

III. BUSINESS INTELLIGENCE
Business intelligence es un mecanismo de fundamento de
decisiones que permiten en muy corto tiempo, el acceso
interactivo, análisis y manipulación de información para la
empresa, de una forma estable y constante para su
competitividad. Estas aplicaciones facilitan a los usuarios
un mayor entendimiento permitiéndole identificar las
oportunidades y las dificultades de los negocios.
Un ejemplo business intelligence seria en la selección de
horario de trabajo en el punto de venta como promotor de
una marca de electrodomésticos especifica en almacenes de
cadena para que se genere el mayor número de ventas.
Para esta acción se llevaría a cabo las estadísticas de
ingresos de personas en los diferentes momentos del día y
que productos están comprando para esa información se
obtendrá de las diferentes facturas donde se evidenciara la
fecha y hora de la compra, de esta manera determinar los
momentos de mayor tráfico de personas en el lugar.
Fig. 1. Principales Característica de un Business
intelligence
A. Componentes de un sistema de business
intelligence
El diseño de un sistema de Business Intelligence está
compuesto por elementos que se entrelazan entre sí y cada
uno tiene su función específica.
Fuente de datos: esta fuente de datos es donde se origina la
información y esta debe ser de buena calidad verdadera,
precisa, integra, coherente, totalidad, disponibilidad,
accesible y esta hay dos tipos.
Origen interno, donde ubican los sistemas CRM (Customer
Relationship Management), ERP (Entreprise Resource
Planning) o base de dato.
Origen externo como son redes sociales o de datos abiertos
gubernamentales.
Una vez identificadas todas las fuentes de datos donde
extraeremos aquellos datos que sean importantes en su
momento y empezar ETL.
Proceso ETL: se ejecutan en 3 acciones para llevar los
datos de un lugar a otro.
 Extracción de fuentes internas y externas.
 Transformar los datos semejantes para que se
puedan relacionar con los demás.
 Carga de los datos a un Data Warehouse para un
análisis posterior.
En estos procesos se debe tener en cuenta todos los datos de
la fuente de información completa, corregir los errores o
datos que están duplicados y llenar los vacíos, estructurar
los datos de modelos de análisis, confirmar la consistencia e
integrar en distintos modelos de datos y añadir nuevos datos
al DWH.
- Data Warehouse: es una base de datos que se
compone de datos agregados de varias fuentes de
datos que pasa por el proceso del ETL para
integrarse de semejantes. El resultado de la base de
datos está diseñado para organizar y optimizar los
datos para análisis complejos.
- Online Analytical Processing (OLAP): es la
solución utilizada en el campo BI en su función es
agilizar la consulta de grandes cantidades de datos
para ello se utiliza un diseño multidimensionales
llamados cubos OLAP porque da a estos la
posibilidad de agrupar, agregar y ordenar los datos
el usuario desee para dar respuesta a preguntas
muy exactas. Es la forma de visualizar los datos de
manera completa con algún tipo de complejidad
para los usuarios que no estén familiarizados. Es la
herramienta muy practica para los analistas.
Herramientas de Visualización: es el lugar visible de un
sistema de BI para los usuarios finales. Reúnen y relacionan
gráficos de diferentes tipos, indicadores rendimiento
(KPLs) y mapas interactivos en una hoja llamada
Dashboard
Descubrir algunas herramientas que combinan varias
dashboard y unir una serie de indicadores que miden
objetivos alienados entre sí, adheridos a planes de acción
que permiten alinear la conducta de los individuos de la
organización con la estrategia de la compañía.
SISTEMAS DE INFORMACION PARA LA TOMA DE
DESICIONES
Encontramos como las organizaciones optimizan su
rendimiento del BI AL BPM de manera positiva y de gran
avance existencial.
Existe un gran avance en los estados de las materias de TIC
por diferentes entes que reflejan este grado soluciones de
una u otra forma les permite solucionar las necesidades de
diferentes negocios de manera eficiente en términos de
tiempo acelerado. sin embargo, el conjunto de diferentes
instrumentos denominados inteligencia de negocio o
gestión de rendimiento han arrojado metodologías claves
para diferentes entes involucrados en esta adaptación
versátil de manera constante en el mercado, además están
fortalecidas para la toma de decisiones aceleradas en el
negocio de manera eficaz.
La evolución del BI (business intelligence) al BPM
(business performance management) no se da por una
reutilización de la información de la tecnología que ya se
encuentra establecida ni tampoco por la conversión de los
sistemas tradicionales. No consiste en desaprovechar los
cambios que ya se establecieron o con los cuales se están
trabajando, todo lo contrario, esta evolución el BI al BPM
permite expandir todos esos activos de información de una
organización sin excluir ninguna de las funciones ni
herramientas que han servido de manera inteligente a la
organización. Toda esta innovación evolutiva quiere
renovar las aplicaciones del BI, con el fin de poder
aprovechar en lo máximo los activos de información crítico
y de esta manera estar preparados para los diferentes retos
estratégicos del mercado en el que se encuentra, lo que
quiere la BPM es la trasformación de las organizaciones
tradicionales en el mercado.
Así mismo, el BI emplea instrumentos de manera analíticos
y metodológicas a los diferentes datos que le dan los
sistemas departamentales con la visión de suministrar de
información relevante. Se tiene claro que todos los
instrumentos utilizados por las empresas en su momento
han sido efectivos y certeros, el BPM lo que les permite es
ir un paso adelante de esa efectividad.
Las soluciones de gestión de rendimiento de negocio me
dan ese lineamiento de estos resultados que me han
generado los BI con sus diferentes metodologías
operacionales y financieras, que le han suministrado
ganancias visibles y que eso es un valor positivo añadido al
negocio.
Estos cambios en la utilización de esta información, pueden
incurrir en la definición de los principales players del
momento en el mercado. Cabe resaltar que es fácil instruir
en el significado de estos grandes cambios.
En el BI no cuenta con uniones directas entre los cuadros de
mando, los resultados reconocidos de un negocio y el
sistema que debería utilizar para tomar decisiones
importantes en el éxito de la una empresa. Ejemplo si un
informe preliminar de determina que un complejo hotelero
está registrando poca ocupación, es de vital importancia que
se visualice este informe y se entienda la importancia de
este, de manera que lo notifique a quien se encuentre
capacitado tomar decisiones en base a este acontecimiento.
Esta persona deberá buscar soluciones a la situación
utilizando la información adecuada que ha generado los
sistemas operacionales y financieros, toda esta cadena de
secuencia de información puede ocasionar errores humanos
y es posible que la integridad de resultados se vea
comprometida, determinando así perdidas en la información
de vital importancia para la empresa.
Fig. 2. Componentes De Un Sistema De Apoyo A La
Toma De Decisiones (Dss)
Con el BPM, los resultados o información provenientes de
los BI, asi como las soluciones generadas de los mismo
están relacionadas, de esta manera en el cuadro de mando
de una herramienta de inteligencia de la empresa se da, que
a través de un cambio en la metodología o en los resultados
de una vez se reajustaría la metodología o los procesos en
base a la problemática existencial, este proceso lo que
realiza es un aceleramiento en la respuesta y eliminación
del riesgo o de la falla en la información, de esta manera
permite que la información y el debido proceso quede
debidamente registrado automáticamente, sin caer en
posibles fallos potenciales en la información, generando asi
transparencia y mayor gestión en las empresas.

Hay diferentes ejemplos donde se demuestra que BPM es

una de las tecnologías claves para un trabajo eficiente en la
efectividad de una empresa. Puede ocurrir que una cadena
de suministros no sea eficiente, caso tal que un proveedor
no este prevenido para cumplir con el suministro
determinado por la demanda del mercado. Entonces la
tecnología BPM esta en toda la capacidad ver
prevenidamente esta posible demanda y asi notificar para
poder cumplir con la demanda del mercado, de esta manera
el objetivo de este caso es maximizar la efectividad para
poder cumplir con la necesidad del mercado, sin embargo, a
gran medida, se encuentra la gran diferencia de disposición
de información por sí misma, para poder anteponerse a los
cambios a gran escala del mercado.
Fig. 3. Ciclo de un Dss
Por otro lado se encuentran los paradigmas
organizacionales en la cual se tiene conocimiento que las
organizaciones u empresas necesitan estar en constante
aprendizaje, no solo para poder tener éxito si no también
Entonces encontramos los paradigmas organizacionales y
para poder reflejar mayor rentabilidad, si no corren el riesgo
su huella en las habilidades de aprendizaje organizacional,
de en tiempos de grandes cambios en su entorno salir
donde autores como Thomas Khum nos comenta sobre la
fortalecida de la experiencia.
existencia de paradigmas científicos en base a una visión
Que deberían conocer las empresas sobre diferentes temas completa del diario vivir en a la realidad, además de
como; este proceso, este cliente, este proveedor, este enfocarse en el paradigma como lo relacionado con el
producto, este mercado, esta tecnología, este sistema, este manejo de tipos específicos de métodos y textos para
impacto, esta relación. procesar las posibles soluciones de un problema, de esta
manera se pueden mencionar dos inmensos paradigmas.

El poder entablar una conversación sobre aprendizaje

organizacional es importante incurrir en nuevos
conocimientos, valores que van a ser adquiridos a través de
la experiencia llamada tiempo, que los nuevos
conocimientos sean prioridad colectiva, que lo aprendido
permanezca en la empresa según la necesidad.
Paradigma Mecánico: este es un pensamiento de Newton y
Descartes, donde se abordan las problemáticas y realidades
partiendo de los mismos en partes menores, donde
prevalece la relación causa-efecto donde la secuencia de un
orden es la naturaleza.

Cabe resaltar la gran incógnita como lo es ¿la empresa está

aprendiendo verdaderamente? ¿Cómo lo hace? ¿Qué se
Paradigma Holístico: procede de una crisis intelectual de la
puede hacer para que estas enseñanzas sean efectivas?, cabe
física cuántica en los inicios del siglo XX y que a su vez se
resaltar que lo que la empresa pueda hacer, va a depender
profundizo en investigaciones de los fenómenos del clima y
únicamente de como se está observando asi misma a través
ecológicos en la segunda mitad de este siglo, donde lo
de los nuevo o viejos paradigmas.
complejo es la relación entre las partes y los procesos,
además que el orden no es considerado como el destino
final de las anomalías. Imponiéndose asi un enfoque
interdisciplinario.

Estos paradigmas puntualizan dos maneras de ver el

mundo, y si hacemos un acercamiento profundo a la
realidad de las empresas u organizaciones, se puede
encontrar que ambos se reflejan entre si además definen a
su vez grandes metáforas como lo es la organización como
una máquina y la organización como un organismo vivo.
Si se ve la organización bajo el paradigma mecánico o
como una “maquina”, el reflector tiene que enfocarse en ver
sus diferentes partes, bien sea cargos, funciones procesos
entre otras, correspondan en la manera en como estas
mantiene la relación causa-efecto, en cómo se
complementan para producir productos, servicios y
ganancias. Se comprende que los organigramas, diagramas
de procesos y flujos de trabajo constituyen el espacio de
visualización de esta “maquina”.
Cuando se ve la organización bajo el paradigma holístico,
como un “organismo vivo” se concreta la visualización de
un intercambio constante en el ambiente, en el cual se
adapta auto-regulándose atreves de sus relaciones entre sus
distintos componentes. Si se mira este “organismo vivo” se
puede hallar básicamente redes de relaciones sistemáticas y
sinérgicas, equipos multidisciplinarios además de
comportamientos derivados al azar, arrojando asi un
aprendizaje social como resultado a las implicaciones de
este, este resultado social constituye un nuevo enfoque
aprendido basado en los indicios de que; el humano es un
ser social, el conocimiento contiene el desarrollo de
competencias relacionada con los objetivos valorados, el
tener conocimiento se relaciona con la búsqueda de dichos
objetos involucrados activamente al mundo, lo aprendido es
producido por significados dados por la experiencia.
Debido a esto es importante entender el rol esencial del
líder ante cualquier desafío del aprendizaje organizacional
en el nuevo paradigma. En donde comprender el rol del
líder es necesario poder conocer sus retos como impulso de
los resultados a través de las personas, en el campo del
conocimiento, donde se conocer que el valor de las
empresas está dado por lo intangible como lo es el
conocimiento, en las relaciones, los retos más importantes
del líder son poder desarrollar a su gente y dar espacios
para que tengan un conocimiento y aprendizaje
organizacional, también enfrentándose a las confusiones
que se puedan generar en diferentes roles, sin perder la
objetividad en la toma de decisiones.
Es importante el liderazgo en las organizaciones ya que su
prioridad se basa en diferentes factores en beneficio y las
aspiraciones del negocio, además de la importancia en la
toma de decisiones y otras competencias, dando asi rumbo
positivo al negocio, cabe resaltar que también se refleja de
forma negativa e de ahí la importancia tener desarrollada
las habilidades de liderazgo como requisito esencian en un
líder, teniendo en claro no confundir términos como
directivo y líder.
De esta manera se puede entender la importancia del
liderazgo en las organizaciones. En sus inicios cuando se
empezó a hablar en investigaciones sobre liderazgo en
1904, sus principales lanzamientos en este ambiente u
campo de acción se dieron durante la primera guerra
mundial, con el interés pleno de identificar las
características de liderazgo y la manera en que el hombre
ascendía a cargos mas altos. Después de este tiempo se dio
la industrialización provocando de cierta manera la
necesidad de un nuevo liderazgo en las organizaciones.
En la mayoría de organizaciones las personas que están en
cargos de alto rango como los puestos directivos llegan allí
debido a que son familia de los dueños, no solo se ve en las
organizaciones también a nivel de la política aplican este
tipo de prácticas, debido a esto no son aceptables las
posiciones de directivas en base al mérito.
Los inicios de algunos estudios sobre el tema de liderazgo
se enfocaron en encontrar rasgos psicológicos inherentes a
un líder eficaz, con diferentes características como;
inteligencia, voluntad, sociabilidad y condiciones de
autoridad que fueron aceptadas, pero el resultado en
organizaciones fue infructuoso.
En otra etapa de estudios fueron las teorías del doble factor
donde básicamente estudian el comportamiento de una
persona líder, teniendo como lo principal la variable de
autoritarismo-democracia, definiéndose a esta como el
porcentaje de participación que un jefe otorga a los demás
para la búsqueda de poder tomar decisiones según las
alternativas.
Entonces los estudios de autores como Elton Mayo fueron
esenciales para que esta investigación tuviera origen y
rumbo a demás investigaciones. En donde todas estas
pensaban de dos maneras una a saber el grado de
autoritarismo-democracia y la otra la satisfacción que
podían dar los demás en sus resultados, sin embargo, estos
estudios fueron opuestos, ya que se logró identificar
razones consistentes entre los métodos de la conducta del
líder y por consiguiente el rendimiento de sus empleados.
Hubo un tiempo en donde los empleados debían tener un
mayor conocimiento y habilidades para poder conducir las
nuevas tecnologías, además el nuevo mercado necesitaba
que un líder estuviera con las capacidades a orientar los
recursos humanos, como la motivación, saber delegar, entre
otras, entonces a este estilo o modelo se le llamo liderazgo
situacional.
Es importante ya que en las organizaciones dependen de un
líder, donde debe reunir ciertas cualidades como;
compromiso, comunicación, confianza e integridad. Donde
también debe cumplir ciertas virtudes que lo ayudaran a
tomar buenas decisiones. Sus tareas no son tan
complicadas, la comunicación juega un papel importante ya
que le permite transmitir toda la energía de manera certera.
Donde el liderazgo consiste en la forma de ser, donde se va
fortaleciendo con el pasar de los días, donde no solo debe
delegar funciones si no también dar a conocer su autoridad.
Entonces un líder es como un proceso de diferentes
interacciones entre las personas que el guía, con el fin de
alcanzar un objetivo en común. Concluyendo de esta
manera que el liderazgo es importante ya que tiene gran
importancia para cualquier empresa.
De este mono se puede contar con estilos de liderazgo, los
cuales varían dependiendo sus deberes, está el líder
autocrático que es el que asume todo el rol con las
decisiones y responsabilidad, considerando que solo el
pude. El líder participativo es aquel que utiliza métodos de
consulta sin dar la opción de tomar decisiones, pero
consulta algunas ideas y opiniones. El líder liberal es el que
da sus subalternos la posibilidad de tomar decisiones, donde
ellos asumen la responsabilidad de sus acciones.
Entonces a raíz de esto se encuentra teorías del liderazgo
como; liderazgo formal, el cual ejercen personas ya que son
elegidas para ocupar el cargo formal dentro de las
organizaciones y el liderazgo informal, es aquel que se
ejerce por personas con cualidades especificas u
experiencia y satisfacen las necesidades de otros.
Se pueden encontrar teorías como las de John
Schermerhorn donde agrupa de esta forma el liderazgo; la
perspectiva de la teoría rasgos y conductividad, esta supone
que hay alunas cualidades que tiene un rol central las cuales
la diferencian de otras, un estudio en diferentes
universidades Michigan y Ohio, en el cual entrevistaron a
los directivos de una empresa, los resultados de la
universidad de Michigan concluyo que hay líderes que se
preocupan por la producción y otros por el personal. La
universidad de Ohio concluyo que un líder debe tener juntas
cualidades para poder equilibrar la empresa. La perspectiva
de situaciones o contingentes, es la cual dice que las
conductas de un líder se basan en actuar conjuntamente con
las situaciones dadas, ya que su forma de ser dependerá de
la situación que se encuentre para tomar decisiones. La
nueva perspectiva desarrollada por otro autor Bernard Bass
se concentra en el liderazgo transformacional y
transaccional, una de sus características de este enfoque es
que deben considerarse un individuo pleno y capaz de
desarrollarse según la necesidad a la que se presenten.
De esta manera se concluye que todos estos estudios o
teorías tiene cualidades como fortalezas, amenazas,
debilidades y oportunidades, considerando de esta manera
que el modelo más practico es liderazgo situacional ya que
se adecua a cualquier situación presentada, además de esto
que el líder debe conocer a su equipo de trabajo para así
tomar acción a cualquier actividad cambiante que se
presente a en la empresa.
Existen muchas teorías y es normal que un líder se
confunda en alguna de ellas, hay que tener claro que un
líder con éxito es consciente de las que tiene una mayor
fuerza de relevancia en su momento dado, es por eso que
para tener éxito como líder no puede ser impositivo o
permisivo.
En la actualidad se han trasformado todas estas prácticas en
las organizaciones y con ellos sus características que
demandan en el nuevo entorno de la empresa, dando lugar
así a que el líder de la actualidad debe de ser muy distinto al
de muchos años anteriores, es por eso que en su momento
se les exige unas cualidades o preparación diferente con el
objetivo de atender las necesidades de la empresa tomando
decisiones efectivas.
Para la toma de estas decisiones de gran importancia en las
empresas se deben de tener en cuenta el “sistema de
información en cual engloba la toma de decisiones” el cual
consiste en distintos momentos.
El primero de estos es tener claro las características de los
pasos a dar, los cuales consisten en definir el problema
como primera medida, analizar el problema y así de esta
manera se evalúan la alternativa, en la cual se elige una de
ellas para así aplicar la decisión a tomar. Segundo son las
herramientas que se deben utilizar para esto, la decisión
estratégica, el pronóstico, el presupuesto que también marca
una pauta importante, y la programación de actividades.
Como tercero tenemos la clasificación en las cuales
enmarca las DSS, GDSS, EIS, EDSS. Concluyen así con el
tipo de base de datos a emplear como lo es el OLTP u
OLAP. Nos podemos basar en cuatro tipos de sistemas de
desarrollo para la toma de decisiones las cuales son:
DSS: [SISTEMA DE SOPORTE A DESICIONES]
Sistema informático que generas información y
modelos matemáticos que da apoyo a las organizaciones
para una buena toma de decisiones para satisfacer las
condiciones del mercado y las decisiones internas de las
organizaciones o compañías.
¿QUÉ NOS BRINDA COMO APOYO EL DSS?
Nos brinda su almacenamiento de datos e información de
pasada lo cual nos permite hacer un cuadro comparativo y
balances actuales.
GDSS: [SISTEMA DE DECISIONES EN GRUPO]
analiza y da una conclusión sensata para la toma de
decisiones en grupo da facilidad a la solución de problemas
no estructuradas por un grupo de decisiones trabajando en
grupo.
La estrategia y ventaja que nos brinda GDSS serán
resultados positivos ya se genera una evaluación
cuantitativa a lo propuesto del producto a evaluar.
EIS: [ SISTEMA DE INFORMACION EJECUTIVA]
Sistema de usuarios a nivel de gerencia que permite brindar
un monitoreo los niveles variables de un área o una
organización dada a partir de una información interna y
externa del área o organización. Una de las ventajas que nos
permite el EIS perfiles no técnicos crear nuevos informes y
estrategias y brinda navegar por los datos de la
organización. Con el objetivo que permite descubrir nueva
información relevante de la organización.
Fig. 4. Diagrama de función Gdss
IV. ALMACENES DE DATOS
En las últimas décadas la tecnología ha avanzado a pasos
gigantescos y con ella el método de almacenar información
las organizaciones, por ello el científico Bill Inmon,
considerado el padre de los data warehouse (almacén de
datos) creo en 1985 el primer almacén de datos, esto con el
fin de integrar y organizar los datos dentro de la compañía,
en 1992 publicó el libro Construcción del almacén de datos,
utilizando un enfoque descendente, donde se crea un
repositorio y depósitos de datos, que contienen datos
específicos dentro del almacén de datos. Por otro lado el
experto Ralph Kimball, publico el libro Herramientas para
almacenes de datos, donde su enfoque es ascendente, es
decir que primero se crean los datos individuales para crear
un almacén de datos.
De esta forma se busca agilizar el procesamiento y consulta
de los datos de las organizaciones, ya sean financieras,
marketing y ventas, con el fin de obtener información
integrada, no volátil y orientada al apoyo de la toma de
decisiones de la Gerencia.
A. ¿Qué es un Data WareHouse?
Es un depositario de datos donde el acceso es muy
asequible, y es alimentado por grandes y numerosas
fuentes, siendo transformadas en grupos de información
sobre contenidos específicos de negocios, que permite
acceder a nuevas consultas, realizar análisis, reporteado y
decisiones.
Un Data Warehouse cumple con la función de ser una
colección de datos de información la cual se encuentra o
está integrado los datos de la institución y que se usa como
apoyo para los procesos de tomar decisiones por sus
gerencias. Aunque infinidad de empresas, instituciones,
organizaciones y personas individuales han logrado
entender lo importante de un Warehouse, los conocimientos
que adquieren más las experiencias les han demostrado que
existen diversas dificultades potenciales.
B. Características de un Almacén de datos
De acuerdo al científico Inmon, los almacenes de datos se
caracterizan por ser integrado, temático, histórico y no
volátil, de esa forma los datos almacenados son integrados
en una estructura consistente, lo que conlleva a la
eliminación de inconsistencias. Facilita el acceso a la
información y al buen entendimiento de los datos, se
pueden consultar datos históricos que pueden ser
comparados con los datos actuales, y la información es no
volátil, porque es para leerla y no modificarla.
Además de las anteriores características, el almacén de
datos también contiene metadatos, lo que significa que son
datos sobre datos.
C. Diseño de un Almacén de Datos
La capacidad analítica de los almacenes de datos permite
que los usuarios obtengan información valiosa de la
organización y a tiempo real. Para que la creación del
almacén de datos de una organización sea exitoso, debe
cumplir con ciertos requisitos dependiendo de las
necesidades de la empresa:
1. Comprensión del problema: Para que el almacén
de datos pueda ser un aliado en la toma de
decisiones, debe realizarse un análisis de la
cantidad de datos que se manejan en la
organización, además de saber que
transformaciones digitales se llevaran a cabo.
2. Identificación de la fuente de datos: Quienes lo
desarrollen, deben identificar las diversas fuentes
de datos que posee la empresa, como base de
datos, archivos de Excel, aplicaciones, encuestas,
entre otras.
3. Creación del modelo: Cuando ya se han
identificado las fuentes de datos, la base de datos
central debe proyectar los objetivos del almacén de
datos.
4. Selección de herramientas ETL adecuadas: Las
herramientas de Extracción, Transformación y
carga (ETL), deben ser sencillas, para que
alimenten el almacén de datos, pues lo que hacen
estos programas es extraer la información de las
diferentes fuentes de datos y procesarlas en una
sola.
5. Diseño del análisis: Se deben crear gráficos, tablas
que al visualizar sean analíticos y apoyen las
decisiones de la gerencia.
6. Documentar: Se debe dejar evidencia del
desarrollo del almacén de datos y los logros que se
han alcanzado, con el fin de darle continuidad de
acuerdo a la evolución de la organización.
De esta forma, las organizaciones aprovechan toda la
información almacenada en diferentes bases de datos,
integrándolas en un almacén con los criterios necesarios
para su operación, análisis y toma de decisiones.
Figura 5. Modelo de almacén de datos
D. Tipos de Almacén de datos
- Almacén de datos Departamental
El almacén de datos departamental está orientada a un área
específica de la organización, como son, ventas, recursos
humanos, contabilidad, entre otros. Esto con el fin de que se
pueda acceder a datos claves del área, como lo son, los
indicadores de rendimiento, la evaluación sobre el
cumplimiento de un objetivo y la clasificación de la
información para ser analizada.
De esta manera la organización puede identificar las
amenazas y oportunidades en la base de datos operacionales
y así subsanar los posibles errores de la información.
Aunque el almacén de datos departamental solo recoge
información de las operaciones diarias de la organización,
al combinar los datos con otras bases, es posible obtener un
análisis completo de la compañía.
Al implementar éste almacén de datos, además de que sus
costos son mínimos, más fácil de construir, aumenta
rendimientos y son independientes, la gerencia puede
apoyarse en la información generada en éstos y tomar
decisiones con rapidez y acertadas, pues se pueden realizar
consultas rápidas y generación de la información analítica
las operaciones de la organización.
- Almacén de datos Corporativo
El almacén de datos corporativo guarda gran cantidad de
datos de la organización, con el máximo detalle posible de
toda la organización. Éste se alimenta de otras bases de
datos de la compañía, obteniendo datos históricos,
generales e informes que están diseñados para generar
información analítica para la buena toma de decision
Figura 6 Integración de Data Warehouse
- Almacén de datos Operacional
Un almacén de datos operacional está diseñado para
integrar información de diferentes bases de datos y
provisional.
Sus datos siempre estarán actualizados, no son históricos y
son volátiles, es decir que están en constantes cambios. Al
ser un almacén provisional se debe limpiar los datos,
comprobar la integridad de estos, para luego ser transferida
al Almacén de datos de la empresa que almacena los datos a
largo plazo.
E. ¿Por qué es importante el almacén de datos en
una Organización?
Todas las organizaciones independientemente del tamaño,
recopila información a diario tanto de sus operaciones como
de sus clientes, al crearse el Almacén de datos en la
organización da certeza que su información está segura, que
se puede consultar cuando se necesita teniendo la confianza
que la información suministrada es integra, real y oportuna.
El almacén de datos no solo suministra información de las
operaciones financieras de las organizaciones, también
genera datos de sus clientes, por ello las organizaciones
deben identificar que almacén de datos es la más adecuada
a las necesidades de la empresa, con el fin de ser eficaces al
satisfacer a los clientes y que sus operaciones sigan en
crecimiento.
De esta forma, pueden identificar las necesidades de los
clientes para implementar medidas que eviten que éstos se
desvinculen de la organización, por lo contrario que sigan
creciendo con la empresa, dándoles la seguridad que sus
datos están protegidos, y no serán filtrados a la competencia
o dentro de la misma empresa.
El almacén de datos en una organización es una
herramienta eficaz al analizar la información para que las
decisiones tomadas sean encaminadas a las necesidades de
la empresa. Puesto que, se almacena gran cantidad de datos
conservando datos históricos, integran datos de diferentes
fuentes, facilitando el análisis y reportes, además que dan
seguridad en el almacenamiento y se puede otorgar acceso a
quienes necesiten datos específicos.
Al obtener datos integrados, las organizaciones pueden
tener la certeza que la información es de mayor calidad y
accesible, agilizando la toma de decisiones, pues al tener
formatos uniformes ya están listos para ser analizados, por
lo tanto, las organizaciones no deben esperar que se
recopile información, o tener datos incompletos para sus
decisiones, corriendo el riesgo de suministrar información
errónea o que sus decisiones afecten la actividades de la
organización.
Al identificar las necesidades de la organización y un buen
diseño del almacén de datos, les permitirá consultas rápidas,
mayor rendimiento de datos, suministrando información
específica a las necesidades del usuario final, con eso se
puede realizar un examen más minucioso para la
satisfacción de distintas demandas de la organización o de
sus clientes.
Tener a la mano informes detallados, específicos,
organizados, agiliza la toma de decisiones y que éstas sean
acertadas, que contribuyan al crecimiento de la
organización.
Para la toma de decisiones la gerencia de las organizaciones
estudian detalladamente la información suministrada por las
diferentes áreas de la empresa, (contabilidad, ventas,
marketing, financiera, administrativa y operativa), esto con
el fin de encaminar hacia el futuro la organización. Con el
almacén de datos pueden obtener la información necesaria
que los ayude a determinar qué acciones tomar para la
mejora continua y la proyección de sus finanzas para lograr
los objetivos de la empresa. De acuerdo a su diseño, la
información puede ser suministrada de forma automática en
tablas, gráficas, comparativas, que son relevantes para las
estrategias que tomaran de acuerdo al análisis del almacén
de datos.
V. ARQUITECTURA DE UN DATA
WAREHOUSE
Algunas de las principales razones por las que el desarrollo
de un Data warehouse se ha incrementado de manera
vertiginosa, se debe a que dicha tecnología es muy
perceptible. Data warehousing logra representar una de las
mejores estructuras de la administración de los datos
informacionales para las empresas. Con las ganas de
percibir la manera en que se relacionan todos los diferentes
componentes involucrados en una táctica data warehousing,
es primordial tener una Arquitectura Data Warehouse.
Un Data Warehouse se crea cuando al extraer los
archivos/datos de una o varias bases de datos de
aplicaciones operacionales. La información extraída es
convertida para deshacer inconsistencias y dejar resumen de
la información si es necesario y después, subir o cargarlas
en el Data Warehouse. El procedimiento de transformar,
hacer el detalle de tiempo variante, hacer resumen y
mezclar/combinar los extractos de los datos, permite crear
el ambiente para el acceso a la información de la institución
requerida. Esta nueva forma de enfoque ayuda a los sujetos
de manera individual, en todos sus procesos o niveles de la
empresa, a q se pueda efectuar su toma de decisiones con
más claridad y responsabilidad.
A. Elementos constituyentes de una arquitectura data
warehouse
La Arquitectura Data Warehouse (Data Warehouse
Architecture - DWA) es un modo de declarar la
organización total de datos, intercambio, procesamiento y
exposición, que se realizar para el usuario final quienes
realizan el consumo final de la información a través de la
computadora.
La arquitectura se compone de unas capas interconectadas:
Base de datos
Nivel de acceso a la información
Nivel de acceso a los datos
Nivel de directorio de datos (Metadata)
Nivel de gestión de proceso
Nivel de mensaje de la aplicación
Nivel de data warehouse
Nivel de organización de datos
B. Base de datos:
Los sistemas operacionales documentan los datos para
apoyar las necesidades operacionales críticas. Para realizar
esta acción, se crearon las bases de datos operacionales
históricas que suministran una estructura de procesamiento
eficiente, para un número relativamente pequeño de
transacciones comerciales bien definidas.
No obstante, debido al enfoque limitado de los sistemas
operacionales, las bases de datos diseñadas para soportar
estos sistemas presentan problema al acceder a los datos
para otra gestión o propósitos informáticos.
Este problema en acceder a los datos operacionales es
amplificado por el hecho que muchos de estos sistemas
tienen de 10 a 15 años de arcaísmo. La transgresión de
algunos de estos sistemas de consultas de datos indica que
la tecnología en sí misma sigue siendo antigua.
Palpablemente, el objetivo de la data warehousing es librar
la información que es almacenada en bases de datos
operacionales y combinarla con la información desde otra
fuente de datos, generalmente externa.
Constantemente, las organizaciones obtienen datos
adicionales de fuentes externas. Esta información incluye
tendencias demográficas, económicas y adquisitivas.
Internet, que también se conoce como "information
superhighway" (supercarretera de la información) nos
permite tener acceso a nuevos volúmenes de información
cada día.
C. Nivel de acceso a la información:
Es el nivel en el cual el personal final se encarga
directamente. En términos generales, representa todas y
cada una de las herramientas que el usuario normalmente
usa día a día. Un ejemplo muy claro es: EXCEL, LOTUS 1-
2-3, FOCUS, ACCESS, SAS, etc.
Este nivel también contiene el hardware y software
implicados en mostrar información en pantalla y emitir
reportes de impresión, hojas de cálculo, gráficos y
diagramas para el análisis y presentación. Desde hace más
de una década que el nivel de acceso a la información se ha
expandido enormemente, en especial al personal final
quienes se han volcado a los PCS monousuarios y los PCS
en redes.
Al presente, existen herramientas más y más sofisticadas
para manipular, analizar y presentar los datos, a pesar de,
hay problemas significativos al tratar de convertir los datos
de la manera en que han sido recolectados y que se
encuentran almacenados en los diferentes sistemas en
información legible, fiable y transparente para las
herramientas del personal final. Una de las herramientas
para esto es encontrar un lenguaje de datos común que
puede usarse a través de toda la empresa.
- Nivel de acceso a los datos:
Se encuentra relacionado con el nivel de acceso a la
información para conversar en el nivel operacional. En la
era de la comunicación digital de hoy, la comunicación más
común que ha surgido es SQL. Inicialmente, SQL fue
concebido por IBM como un lenguaje estándar de consulta,
pero en los últimos veinte años ha llegado a ser el estándar
para el intercambio de datos.
Uno de los adelantos importantes de los últimos años ha
sido el adelanto de una serie de "filtros" de acceso a datos,
tales como EDA/SQL para acceder a casi todo DBMS
(Sistemas de Gestión de Base de Datos) y sistemas de
almacenamientos y distribución de archivos de datos,
relacionales o no. Estos filtros ceden a las herramientas de
acceso a la información, acceder también a la data
almacenada en sistemas de gestión de base de datos que
tienen veinte años de antigüedad.
El nivel de acceso a los datos no únicamente conecta
DBMSS diferentes y sistemas de archivos sobre el mismo
hardware, sino además a los fabricantes y protocolos de red.
Una de las claves de una estrategia data warehousing es
proveer al personal final con "acceso a datos universales".
El acceso a los datos universales representa que,
teóricamente por lo menos, el personal final sin tener en
cuenta la herramienta de acceso a la información o
ubicación, podrían ser lo suficientemente accesibles, lo cual
permitiría acceder a cualquiera y a todos los datos que se
encuentren en la empresa y sean necesario y/o
indispensables para hacer su trabajo.
El nivel de acceso a los datos es el encargado de las
interfaces entre las herramientas de acceso a la información
y las bases de datos operacionales. En la mayoría de los
casos, esto es todo lo que un usuario final necesita, en
general, las organizaciones desarrollan un plan mucho más
avanzado y actualizado para realizar el soporte de la data
warehousing.
- Nivel de directorio de datos (metadata):
Con fin de proveer el acceso a los datos universales, es
totalmente necesario mantener alguna forma de directorio
de datos o repositorio de la información metadata. Metadata
es la comunicación alrededor de los datos almacenados
dentro de la empresa.
Las descripciones de registro en cualquier aplicación
desarrollada por ejemplo en Cobol o .Net son metadata.
También lo son aquellas sentencias dimensión en un
programa de BI o las sentencias en SQL.
Con el fin de poseer un depósito totalmente funcional, es
necesario tener una variedad de metadata disponibles,
información sobre las vistas de datos del personal final e
información sobre las bases de datos operacionales.
Primeramente, los personales finales deberían de acceder a
los datos desde el data warehouse (o desde las bases de
datos operacionales), sin tener que conocer dónde residen
los datos o la forma en que se han almacenados.
- Nivel de gestión de procesos:
El nivel de gestión de procesos está involucrado con la
programación de diversas tareas que deben realizarse para
construir y mantener el data warehouse y la información del
directorio de datos, puede ser dependiente del alto control
de trabajo para diferentes procesos que deben ocurrir para
mantener el data warehouse siempre en la forma más
actualizada posible
- Nivel de mensaje de la aplicación:
El nivel de mensaje de la aplicación esta relacionado con el
transporte de información alrededor de la red de la empresa,
se refiere también como subproducto, pero puede incluir
sólo a los protocolos de red. Por ejemplo, esta puede ser
usada para aislar aplicaciones a nivel de sistema operativo o
estratégicas a partir del formato y del tipo de datos exacto,
recoger transacciones y/o los mensajes para finalmente
entregarlos a una ubicación segura en un tiempo seguro.
- Nivel data warehouse (físico):
En este nivel es donde sucede la data actual, principalmente
usada para estrategias. En unos casos, es se puede pensar
que el data warehouse es simplemente una vista lógica o
virtual de datos. En muchos casos, el data warehouse podría
no involucrar almacenamiento de datos.
En un data warehouse, en muchos casos, las copias de los
datos operacionales y/o externos, son almacenados en una
manera que es muy accesible y es totalmente flexible. Hoy
en día es más frecuente que los data warehouses son
almacenados sobre plataformas de tipo cliente/servidor,
pero generalmente se almacenan sobre recursos de gran
poder de almacenamiento para bases de datos. Es
importante mencionar que un Data warehouse está
organizado por la formación de varios Data Marts.
- Nivel de organización de datos:
Esta capa final en la arquitectura data warehouse es la
organización de los datos. Se llama también gestión de
réplica, pero, incluye todos aquellos procesos que no
pueden ser pasados por alto, como, por ejemplo,
seleccionar, editar, reducir, combinar y cargar datos en el
lugar donde se encuentre el depósito y acceder a la
información desde las diferentes bases de datos.
La organización de datos conlleva con frecuencia a una
programación más estricta y compleja, esto ha conllevado a
que, con más frecuencia, se estén creando las herramientas
data warehousing para facilitar este proceso, esto también
incluye aplicaciones de verificación de calidad de datos y
filtrados que identifiquen los diferentes modelos y
estructuras de los datos dentro de la data operacional
existente.
-Hardware:
Es importante tener un hardware potente que responda a la
necesidades analíticas y avanzadas para los usuarios, el
poder dar respuesta teniendo un montaje de hardware que lo
soporte.
Es normal que suelan acceder muy pocos usuarios con
necesidades muy grandes de información, diferente a los
sistemas operacionales que tienen muchos usuarios y
necesidades concretas de información. Debido a que es
flexible el requerimiento al momento de realizar las
consultas complejas e imprevistas, y el enorme tamaño de
información que es manejada, son unas de las necesidades
altas por la cual requiere un alto nivel de buen hardware.
-Software de almacenamiento (sgbd):
Como se ha mencionado, el sistema que gestiona el
almacenamiento de los datos (Sistema de Gestion de Base
de Datos o SGBD), es uno de los elementos importantes y
claves de un Data Warehouse. Independiente de que sea
almacenada la información en el Data Warehouse esta
pueda revisar por medio de visualización multidimensional,
el SGBD puede realizarse utilizando tecnología de Base de
Datos relacionales o Multidimensionales.
-Software de extracción y manipulación de datos:
-En este espacio podremos analizar los componentes que
son fundamentales a la hora de implantar un Data
Warehouse, extracción y manipulación. Para desarrollar
esta labor, que se sitúa dentro del ámbito profesional en las
tecnologías de la información, es beneficioso el poder
contar con las herramientas que nos proporcionen lo que
necesitamos para controlar y automatizar los continuos
“mimos” y necesidades para la actualización del Data
Warehouse.
Las siguientes herramientas deberán proporcionar las
siguientes funcionalidades:
-Extracción de los datos y automatizaciones
-Acceso a diferentes tecnologías, incluyendo el hardware y
software siendo lo mas efectivo para un óptimo rendimiento
-Se proporciona la gestión integrada del Data Warehouse y
los Data Marts Existentes
-Uso de la arquitectura de metadatos
-Acceso a gran variedad de fuentes de datos diferentes
-Manejar Excepciones
-Planificación, logs, interfaces a schedulers de terceros
-Interfaz independiente de hardware
-Soporte en la explotación del Data Warehouse
-Herramientas middleware:
Forman parte de las herramientas de soporte a la gestión de
un Data Warehouse, a continuación, vamos a analizar los
dos tipos de herramientas:
-Herramienta Middleware, estas proveen de conectividad
entre entornos diferentes ayudando a la gestión de los Data
Warehouse.
-Analizadores y aceleradores que nos permiten consultas,
estos optimizar los tiempos de respuestas en las necesidades
analíticas o de carga de los diferentes tipos de datos desde
los sistemas operacionales hasta el Data Warehouse
Con el uso de estas herramientas middleware vamos a
lograr:
-Maximizar los recursos ejecutando aplicaciones
-Integrar los datos y aplicaciones existentes
-Se automatiza la distribución de datos y aplicaciones
-Se reduce el tráfico en la red, balanceando los niveles del
cliente servidor
-Explotar la capacidad de sistemas remotos sin tener que
aprender múltiplos entornos operativos
-Asegurar la escalabilidad del sistema
-El desarrollo de aplicaciones locales para explotarlas en el
servidor
VI. CAPAS DE TODA ARQUITECTURA DE
UN DATA WAREHOUSE
Los componentes son:
• Fuentes de datos o de información, desde donde será
nuestro inicio para alimentar la información del data
warehouse.
• Proceso ETL, antes de comenzar a almacenar los datos en
el data warehouse, deben ser transformados, limpiados,
filtrados y redefinidos. Generalmente, toda la información
que está contenida en los diferentes sistemas
transaccionales no está lista para la toma de decisiones.
• Data warehouse o almacén de datos junto con el Metadata
o Diccionario de datos. De esta manera se busca almacenar
los datos de una forma que optimice su flexibilidad,
facilidad de acceso y administración.
• Motor OLAP, que nos permite proveer capacidad de
cálculo, consultas, funciones de planeamiento, pronóstico y
análisis de escenarios en grandes volúmenes de datos.
• Las herramientas de visualización, que nos permitirán el
análisis y la navegación a través de estos.
Figura 7 la arquitectura de la data warehouse
A. CAPA DE FUENTE DE DATOS
- Fuentes Internas.
Se refiere a la información que se genera y se mantiene
dentro del mismo ámbito empresarial.
Contienen todos los datos provenientes de las diferentes
aplicaciones que hacen parte de la empresa (son bases de
datos operacionales de la empresa).
Contienen todos los datos heredados de aplicaciones en
desuso de la empresa (resultan importantes por su valor
histórico) o aquellos datos que actualmente no hacen parte
fundamental a la hora de tomar cualquier decisión actual
para la empresa.
Contienen todos los datos que se usan en la empresa y que
pueden no ser generados por las aplicaciones de la empresa
o que simplemente no están relacionados directamente con
el DW, estas pueden ser ficheros planos, XML, hojas de
cálculo y cualquier otro tipo de documento no relacionado
directamente con las aplicaciones transaccionales, por este
motivo son más propensos a incorporar información con
niveles de calidad inferiores.
- Fuentes Externas.
Se usan dentro del ámbito empresarial pero no pertenecen a
la organización.
Contienen datos que son llamados maestros (códigos de
barras, referencias de productos, lotes)
Contienen datos adquiridos (informes de auditorías,
investigaciones de mercado)
Con respecto a la calidad de los datos, no está demás
mencionar que esta depende directamente de la calidad con
que se encuentren los datos en las diferentes fuentes de
información y el hecho de saber encontrar una carencia y
cómo debe tratarse.
Figura 8 modelo capas de fuentes de datos
B. CAPA DE ETL
En esta capa de ETL, cuyas siglas significan en español
(Extracción, Transformación y Carga) se encarga de
transportar el dato de los sistemas origen al DW en el
formato que se desee.
El proceso ETL se divide en los siguientes subprocesos:
- Extracción: Este proceso permite recuperar los
datos físicamente de las diferentes fuentes de
información.
- Limpieza: Este proceso permite recuperar los datos
en bruto, también comprueba su calidad, elimina
los datos duplicados y, cuando es posible, corrige
los valores erróneos.
- Transformación: Este proceso permite recuperar
los datos limpios y de la mejor calidad, y a partir
de ahí los estructura y suma en los diferentes
modelos de análisis. Como resultado de este
proceso obtenemos los datos limpios, consistentes,
sumarizados y útiles.
 - Integración: Este proceso nos permite comprobar
que los datos que fueron cargados en el
datawarehouse son totalmente adecuados a las
definiciones y formatos del datawarehouse.
- Actualización: Este proceso es el que permite
agregar los nuevos datos al datawarehouse.
C. CAPA DATA WAREHOUSE O ALMACÉN DE
DATOS
La presentación de los datawarehouse o Almacenes de
datos es la perfecta manifestación de haber resuelto las
necesidades de usuarios que necesitan tener la información
siempre consistente, agrupada y preparada para ser
analizada para apoyar el proceso de toma de decisiones.
Una parte importante es el Diccionario de Datos, también
conocidos como Metadatos, dónde se describen todos los
datos almacenados con el propósito de apoyar el acceso de
estos a través de las herramientas de explotación del DW o
bien como método de documentación. Los metadatos
establecen una equivalencia entre los datos almacenados y
los conceptos que representan, de manera que han de
facilitar la extracción por parte del usuario de negocios.
En el almacenamiento, se diferencian dos formas de
almacenamiento de datos de acuerdo con la metodología
que se haya establecido para la realización del DW. Puede
existir un DW principal o primario y de él derivarse varios
DM (DataMart) o a la inversa se crearán varios DM que
podrán formar el DW (o incluso obviarlo).
Los DataMart nos permiten almacenar información de un
número limitado de áreas; pueden ser de marketing y ventas
o de producción. Generalmente se definen para acceder a
usos muy concretos. Normalmente, son más pequeños que
los DW, ya que contienen mucho menos cantidad de
información, menos modelos de negocio y son utilizados
por un número inferior de usuarios
D. CAPA DE MOTOR OLAP
Su objetivo es acelerar, optimizar y agilizar la consulta de
grandes cantidades de datos. Para esto, se utilizan diferentes
estructuras de dato, normalmente multidimensionales, o
también llamados Cubos OLAP, los cuales contienen
información resumida de grandes Bases de datos o Sistemas
Transaccionales (OLTP).
La principal razón para usar OLAP para realizar todas las
consultas es la rapidez con la que se responde. Un DBMS
almacena entidades en tablas discretas si y solo sí, estas,
han sido normalizadas
Existen diferentes tipos de herramientas OLAP, las cuales
se diferencian básicamente, depende de cómo acceden a los
datos:
ROLAP: Relational OLAP
o Las capacidades OLAP acceden directamente a la base de
datos relacional. Se accede por tanto a una base de datos
relacional (RDBMS). Accede habitualmente sobre
un modelo “estrella”. La principal ventaja es que no tiene
limitaciones en cuanto al tamaño, pero es más lento que el
MOLAP, aunque algunos productos comerciales nos
permiten cargar cubos virtuales para acelerar los tiempos de
acceso.
• MOLAP: Multimensional OLAP
o La implementación OLAP accede directamente sobre una
base de datos multidimensional (MDDB82). La ventaja
principal de esta alternativa es que es muy rápida en los
tiempos de respuesta y la principal desventaja es que, si
queremos cambiar las dimensiones, debemos cargar de
nuevo el cubo.
• HOLAP: Hybrid OLAP
o Accede a los datos de alto nivel en una base de datos
multidimensional y a los atómicos directamente sobre la
base de datos relacional. En esencia utiliza las ventajas del
ROLAP y del MOLAP.
VII. CONCLUSIÓN
Regularmente se decía que la información es poder. Pero en
este nuevo siglo se trata es de poder entender el poder, por
eso cualquier organización empresarial se deberá
desarrollar los usos de herramientas de análisis de datos
para obtener todos los datos de la empresa de esta manera
evaluar y analizar su conjunto de datos, para entender su
dinámica y hacer mejoras y ser más competitivos en el
mercado.
Hoy día, todas las empresas están con la necesidad de tener
esa confianza que les ayude a tomar decisiones sobre sus
negocios porque buscan hechos y cifras, con las que se van
a tomar decisiones las cuales estarán más aceleradas; este
tipo de motivos son requeridos a que se usen nuevas
herramientas que va ayudar a minimizar los tiempos de
análisis de la información con una gran velocidad y
precisión; la modalidad de Bussines Intelligence que
resuelve todo este tipo de caos de los datos es Data
Warehouse los cuales son paquetes de conjuntos de
procesos y acciones, una recolección de datos orientados a
‘X’ tema, integrados y no volátiles en el soporte que
colabora en la toma de decisiones por las áreas gerenciales.
Así como avanza la tecnología y las herramientas de
almacenamiento de datos, las organizaciones también deben
evolucionar y adelantarse a su competencia. El almacén de
datos les permite obtener información de todas las
operaciones organizacionales de forma integral, analítica,
que respalden las decisiones tomadas, que permitan
fidelizar a sus clientes.

De igual forma, al implementar el almacén de datos en la

organización automatiza los procesos y tareas dentro de la
empresa, permite la toma de buenas decisiones rápidamente
a casos ocasionales, pues el acceso a la

información es instantánea. Elabora informes sencillos y

precisos, que ayudan a una mayor productividad y por ende
a una mayor rentabilidad de la organización.

Vll. REFERENCIAS

[1] bi-geek, «bi-geek,» 12 01 2015. [En línea]. Available: https://blog.bi-geek.com/arquitectura-data-

warehouse-datamart/. [Último acceso: 02 05 2021].

[2] auribox, «auribox,» 28 12 2017. [En línea]. Available: https://blog.auriboxtraining.com/business-

intelligence/objetivos-del-data-warehousing/. [Último acceso: 02 05 2021].

[3] rockcontent, «rockcontent,» 26 12 2019. [En línea]. Available: https://rockcontent.com/es/blog/data-

warehouse/. [Último acceso: 02 05 2021].

[4] WIKIPEDIA, 10 01 2021. [En línea]. Available: https://es.wikipedia.org/wiki/Almac

%C3%A9n_de_datos#:~:text=Metadatos,-Art%C3%ADculo%20principal%3A
%20Metadato&text=Uno%20de%20los%20componentes%20m%C3%A1s,almacenar%20y%20c
%C3%B3mo%20se%20relacionan.. [Último acceso: 01 05 2021].

[5] Conexionesan, 01 07 2020. [En línea]. Available: https://www.esan.edu.pe/apuntes-

empresariales/2020/07/data-warehouse-pasos-para-construirlo-con-exito/. [Último acceso: 01 05
2021].

[6] P. Rochina, «Revistadigital,» 10 02 2017. [En línea]. Available:

https://revistadigital.inesem.es/informatica-y-tics/guia-construir-datawarehouse/. [Último acceso: 01
05 20221].

[7] Bantugropu, «Blog oficial de Bantu,» 20 04 2020. [En línea]. Available:

https://www.bantugroup.com/blog/almacen-de-datos-que-es-y-como-beneficia-tu-empresa. [Último
acceso: 01 05 2021].

[8] «Evaluando Software,» 04 10 2016. [En línea]. Available: https://www.evaluandosoftware.com/abc-

del-data-warehouse/. [Último acceso: 01 05 2021].

[9] «Outsourcing ti,» 10 06 2015. [En línea]. Available:

https://www.outsourcingti.com.mx/2015/06/arquitectura-basica-de-un-data-warehouse.html. [Último
acceso: 01 05 2021].

[10] «Computerworld,» 30 03 2007. [En línea]. Available: https://www.computerworld.es/business-

intelligence/del-bi-al-bpm-como-las-organizaciones-optimizan-su-rendimiento. [Último acceso: 01
 05 2021].

[11] Semana, 03 07 2013. [En línea]. Available:

https://www.semana.com/actualidad/noticias/articulo/inteligencia-negocios-herramienta-
empresas/179039/. [Último acceso: 01 05 2021].

[12] Bantugroup, «Bantugroup,» 04 2020. [En línea]. Available:

https://www.bantugroup.com/blog/almacen-de-datos-que-es-y-como-beneficia-tu-empresa. [Último
acceso: 01 05 2021].

[13] «S.A.S.,» [En línea]. Available: https://www.sas.com/es_co/insights/data-management/data-

warehouse.html. [Último acceso: 01 05 2021].

[14] «Conexionesan,» 01 07 2020. [En línea]. Available: https://www.esan.edu.pe/apuntes-

empresariales/2020/07/data-warehouse-pasos-para-construirlo-con-exito/. [Último acceso: 01 05
2021].

[15] «Lis data solutions,» [En línea]. Available: https://www.lisdatasolutions.com/blog/data-warehouse-

dw-el-almacen-de-datos-usable-y-con-objetivos-de-negocio/. [Último acceso: 01 05 2021].

[16] Powerdata, [En línea]. Available: https://www.powerdata.es/data-warehouse. [Último acceso: 01 05

2021].

[17] «IBM,» [En línea]. Available: https://www.ibm.com/ar-es/analytics/data-warehouse?

p1=Search&p4=43700057855883180&p5=e&cm_mmc=Search_Google-_-1S_1S-_-LA_ISA-_-data
%20warehouse%20que%20es_e&cm_mmca7=71700000065287847&cm_mmca8=kwd-
386451302825&cm_mmca9=Cj0KCQiAvbiBBhD-ARIsAGM48bzZUMFKYxEn. [Último acceso:
01 05 2021].

[18] Wikipedia, 08 08 2019. [En línea]. Available:

https://es.wikipedia.org/wiki/%C3%81rea_de_stage_(datos). [Último acceso: 01 05 2021].

[19] Wikipedia, 11 01 2021. [En línea]. Available:

https://es.wikipedia.org/wiki/Extract,_transform_and_load. [Último acceso: 01 05 2021].

[20] AWS, [En línea]. Available: https://aws.amazon.com/es/data-warehouse/. [Último acceso: 01 05

2021].

[21] Powerdata, 19 12 2016. [En línea]. Available: https://blog.powerdata.es/el-valor-de-la-gestion-de-

datos/lo-que-necesitas-saber-acerca-de-la-arquitectura-de-un-datawarehouse#:~:text=Capa%20l
%C3%B3gica%20de%20datos%3A%20Aqu%C3%AD,puedes%20ver%20en%20los%20informes..
[Último acceso: 01 05 2021].

[22] Wikipedia, 13 06 2018. [En línea]. Available: https://es.wikipedia.org/wiki/Reglas_de_negocio.

[Último acceso: 01 05 2021].

[23] IBM, 2015. [En línea]. Available:

https://www.ibm.com/support/knowledgecenter/SSYMRC_6.0.0/com.ibm.rational.reporting.overvie
w.doc/topics/c_ovr_reports_dashboards.html. [Último acceso: 01 05 2021].

[24] Logicalis, 14 04 2016. [En línea]. Available: https://blog.es.logicalis.com/analytics/gestin-de-los-

metadatos. [Último acceso: 01 05 2021].

[25] Kestenbaum, 2020. [En línea]. Available: https://www.kestenbaum.net. [Último acceso: 01 05

2021].
[26] «Los recursos Humanos,» 14 02 2017. [En línea]. Available:
https://www.losrecursoshumanos.com/para-que-sirve-la-mineria-de-datos/. [Último acceso: 01 05
2021].

[27] Powerdata, 09 05 2019. [En línea]. Available: https://blog.powerdata.es/el-valor-de-la-gestion-de-

datos/que-es-un-gestor-de-datos-y-para-que-sirve. [Último acceso: 01 05 2021].

[28] Platzi, 2017. [En línea]. Available: https://platzi.com/tutoriales/1183-bd/1520-breve-resena-de-los-

origines-de-las-bases-de-datos/. [Último acceso: 01 05 2021].

[29] Universidad de alicante, [En línea]. Available: https://www.unniun.com/los-sistemas-de-

informacion-como-apoyo-a-la-toma-de-decisiones-francisco-ochando-pcg/. [Último acceso: 01 05
2021].

[30] Slideshare, 15 07 2010. [En línea]. Available: https://es.slideshare.net/rosmelys/business-

intelligence4511579. [Último acceso: 01 05 2021].

[31] Slideshare, 30 11 2014. [En línea]. Available: https://es.slideshare.net/elemento3000/componentes-

de-business-intelligence . [Último acceso: 01 05 2021].

[32] J. A. M. Soto, 13 07 2010. [En línea]. Available: https://www.gestiopolis.com/business-intelligence-

teoria-y-conceptos/. [Último acceso: 01 05 2021].

[33] M. d. Graterol, 2008. [En línea]. Available: https://www.aacademica.org/000-096/678.pdf. [Último

acceso: 01 05 2021].

[34] L. E. Sucre, «Cesoftco,» [En línea]. Available: https://cesoftco.net/el-rol-del-lider-en-el-nuevo-

paradigma-de-las-organizaciones-y-las-comunidades-de-practica/. [Último acceso: 01 05 2021].

[35] I. Martinez, 04 06 2017. [En línea]. Available: http://ignaciomartineza.com/liderazgo/importancia-

del-liderazgo-en-las-organizaciones/. [Último acceso: 01 05 2021].

[36] E. Lopez, 15 05 2013. [En línea]. Available:

https://ddd.uab.cat/pub/tfg/2013/110463/TFG_elopezmartinez.pdf. [Último acceso: 01 05 2021].

[37] Slideshare, 07 02 2015. [En línea]. Available: https://es.slideshare.net/ecastrom/introduccion-

datawarehouse-44384485. [Último acceso: 01 05 2021].

[38] L. Reyes, «La inteligencia de negocio como apoyo a la toma de decisiones en el ámbito académico,»
Gecontec, vol. 3, nº 2, 2015.

[39] Computerworlddigital, 30 03 2001. [En línea]. Available: https://www.computerworld.es/business-

intelligence/del-bi-al-bpm-como-las-organizaciones-optimizan-su-rendimiento. [Último acceso: 01
05 2021].

[40] C. Murillo, «Business intelligence,» Realyc, vol. 5, p. 21, 01 06 2013.

[41] Y. Rodriguez, «Modelo de uso de información para la toma de decisiones estratégicas en

organizaciones de información,» Sielo, vol. 30, nº 1, 2017.

[42] J. H. Martinez Gracia, «La inteligencia de negocios como herramienta para la toma de decisiones
estratégicas en las empresas: análisis de su aplicabilidad en el contexto corporativo colombiano,»
Biblioteca Digital, 2010.

[43] A. Rozenfarb, «Impacto de la Business Intelligence en el Proceso de Toma de Decisiones,» p. 8,

2008.
[44] M. Guadalupe, «La importancia del liderazgo en las,» vol. 12, nº 36, p. 5, 12 2008.

[45] «El cambio de paradigma en las organizaciones como fundamento del estilo de liderazgo,» p. 19,
2008.