TÍTULO DEL PROYECTO:

Plan de Proyecto para la Implementación de un Datawarehouse basados en el Sistema de

Control de almacén de Moto Repuestos Zongshen en la ciudad de Piura, 2021.

PLANTEAMIENTO DEL PROYECTO:

La gestión de inventario es un factor importante debido a que una mala administración de

stock puede perjudicar al negocio, sobre todo a las empresas que operan con un margen de
ganancia relativamente bajos. La gestión de stock no consiste en reducir al máximo el stock
para reducir los costos, ni tampoco tener inventario en exceso con el fin de satisfacer las
demandas, sino más bien mantener la cantidad adecuada para que la empresa alcance sus
prioridades competitivas con mayor eficiencia. Y debido a esto hay una rotura de stock que
se producen cuando un pedido de un cliente no puede ser atendido por falta de stock, esto
puede traer como consecuencia: Servicio atrasado: Se registran los pedidos y los productos
se entregaran cuando se disponga de stock. Puede traer como consecuencia: penalizaciones
por incumplimiento de contrato, pérdida de imagen y posibles pérdidas de venta futura.
Perdida de ventas: Los pedidos no atendidos se pierden, el cliente busca otro proveedor
para que sea atendido. Dado que actualmente la toma de decisiones conlleva a un proceso
largo, el tiempo de acceso es más lento por el gran volumen de información que se maneja
, la implementación de un Datawarehouse vendría a facilitar la toma de decisiones, puesto
que no es simplemente de una base en donde se muestra la información, si no que trata
dicha información de tal manera que ésta se vuelve más útil y analizable , eliminando las
inconsistencias entre los datos, minimiza recursos y como resultado se obtienen respuestas
muchas más acertadas. En conclusión, lo descrito por los autores es correcto, la gestión de
stock en una empresa es importante para que se pueda brindar un buen servicio al cliente y
no incrementar los costos de almacenamiento.

OBJETIVOS:

OBJETIVO GENERAL:

Implementación de un Almacén de datos para mejorar la gestión de stock y pedidos en

Moto Repuestos Zongshen Piura

OBJETIVO ESPECÍFICOS:

 Elaborar un Plan de Proyecto basado en las técnicas que se realizan en los

fundamentos de proyectos, sugeridos por el PMBOK.
  Evaluar el monto, tiempo y recursos necesarios considerando la necesidad del
cliente.
 Unificar toda la información de la empresa de Zonsghen en un Datawarehouse
(DW).
 Analizar los datos obtenidos de diferentes áreas del Almacén por medio de técnicas
de Extracción, Trasformación y Carga de datos (ETL).
 Aplicar correctamente todas y cada una de las fases que comprende la gerencia de
proyectos.

REQUERIMIENTOS

 Todos los datos de la empresa como registros, pedidos de almacén estarán

integrados al Datawarehouse.
 Aplicaremos el ETL a los registros de la empresa Zonsghen para proporcionar
informes confiables.
 Garantizar la confidencialidad de todos los datos que entregue la empresa
Zongshen.
 Los datos se cargaran a diario brindando un mejor servicio manteniendo
actualizados.
 Se necesita usar un segundo servidor que permita establecer la aplicación a
desarrollarse siguiendo el esquema que consideramos a continuación.

DESCRIPCIÓN DEL ESQUEMA:

En este esquema se a detallar como va a funcionar el Datawarehouse, los datos que se

cargarán en el Datawarehouse, son provenientes de los moto repuestos del Zonsghen sobre
sus registros de almacén en cuanto a stock y pedidos. Luego usaremos la herramienta ETL
de esta manera extraeremos los datos y después se transformarán para eliminar toda
inconsistencia y al final se cargarán en la Base de Datos que compone el Datawarehouse,
para mantener los datos que trabajaremos contaremos con metadatos. Una vez terminando
todo este proceso de Datawarehouse se permitirá a los usuarios a acceder a estos datos
mediante un sistema con una interfaz agradable de esta manera generando reportes,
gráficos que ayudarán a tomar mejores decisiones.
 Fuente: Elaboración Propia

MARCO TEÓRICO:

Business Intelligence:

Desde un punto de vista pragmático, y asociándolo directamente con las tecnologías de la

información, podemos definir Business Intelligence como el conjunto de metodologías,
aplicaciones y tecnologías que permiten reunir, depurar y transformar datos de los sistemas
transaccionales e información desestructurada (interna y externa a la compañía) en
información estructurada, para su explotación directa (reporting, análisis OLTP / OLAP,
alertas...) o para su análisis y conversión en conocimiento, dando así soporte a la toma de
decisiones sobre el negocio(1).

Data Warehouse:

Tras las dificultades de los sistemas tradicionales en satisfacer las necesidades

informacionales, surge el concepto de Data Warehouse, como solución. Este término, se
traduce literalmente como Almacén de Datos. No obstante, si el Data Warehouse fuese
exclusivamente un almacén de datos, los problemas seguirían siendo los mismos que en
los Centros de Información (2).
Data Mart:

Otro concepto de mucha importancia en lo que es BI es el de Data Mart. Un Data Mart, es

un subconjunto del Data Warehouse, con un alcance de contenido limitado. Éste se usa
para un solo departamento de una organización y/o un problema particular de análisis
dentro de la organización (3).

OLAP:

En lo que es consultas para la presentación de los datos, es importante explicar el concepto

de OLAP (Online Analytical Processing). OLAP proporciona un modelo de datos intuitivo
y conceptual, para que los usuarios que no tengan experiencia como analistas puedan
comprender y relacionar los datos mostrados. Este modelo es llamado análisis
multidimensional, siendo habilitado para ver los datos a través de múltiples filtros, o
dimensiones (4).

Proceso de ETL (extracción, trasformación y carga):

Existe un conjunto básico de procesos de suma importancia detrás de una implementación

de un DW, que permitan garantizar la calidad de los datos que en ella se almacenaran. A
este proceso se le conoce con el nombre de ETL o proceso de integración de datos que
cumple con la función principal de organizar e integrar el flujo desde múltiples fuentes
hacia un destino definido que es el almacén de datos (5).

Modelo dimensional de una DW:

Un DataWarehouse adopta un modelo dimensional en su estructura de almacenamiento por

ser un esquema de estrella o copo de nieve, lo que permite maximizar el rendimiento de las
consultas. A continuación, se nombra una definición de un modelo dimensional. “Es una
técnica para modelar bases de datos simples y entendibles al usuario final La idea
fundamental es que el usuario visualice fácilmente la relación que existe entre los distintos
componentes del negocio (Carmen Gloria Wolff)” (6).

Esquema estrella:

Se considera la técnica más popular para el diseño de un DW, es un paradigma en la cual

el único objeto en el centro (es conocido como una tabla de hechos), se encuentra conectado
radialmente con otros objetos alrededor llamados tablas de dimensiones formando así una
estrella (7).
 Fuente: Elaboración Propia

Tablas de Hechos:

La tabla de hechos, es una tabla central en el esquema dimensional, que contiene valores
de las medidas del negocio a ser analizadas como se observa a continuación, en un modelo
de tipo de datos de estrella. Este tipo de tabla representa el hecho o actividad del negocio
como, por ejemplo, las ventas, movimientos, pedidos, clientes, Etc. Por lo general estos
datos son de tipo numérico y pueden agruparse en valor total, las medidas de referencia
pueden ser, por ejemplo, cantidad vendida, costo, precio. Es decir, son los indicadores que
permitan medir los hechos que se realizan en el negocio (8).

Fuente: Elaboración Propia

Dimensiones:

Son las tablas que describen a la tabla de hechos, mediante los atributos descriptores que
poseen de acuerdo a un tema específico del negocio como, por ejemplo: clientes, productos,
Ubicación geográfica (9).

Fuente: Elaboración Propia

Relaciones

Las relaciones definidas son de vital importancia ya que mantienen la integridad de la

información referenciando datos entre distintas tablas, en este caso relacionando
dimensiones con los hechos, como por ejemplo la relación de Producto – Ventas, Bodega
– Pedidos(10).
 Fuente: Elaboración Propia

Gerencia de Proyectos

Como se especificó en uno de los objetivos usaremos el PMBOK como herramienta para
lograr la aplicación e implementación de los procesos como inicio, planificación,
ejecución, seguimiento y control y cierre.

A continuación se detallará los procesos de la gerencia de proyecto:

Inicio: Aquí se va a desarrollar la constitución del proyecto en cuanto a fechas de inicio a

fin, nombre del proyecto, objetivos, descripción, y necesidad del producto.

Planificación: Aquí se programa los recursos, tareas y tiempo para la ejecución de

diferentes fases de un proyecto. Esta es una tarea a largo plazo ya que se debe actualizar
constantemente el plan de gestión de proyecto, con base a los cambios que se aprueben en
cada fase.

Ejecución: Consiste en las dirección y ejecutamiento del plan del proyecto que se
desprende de la planificación, se toma en cuenta las coordinaciones con las personas y
recursos para cumplirlo en el plazo planificado.

Seguimiento y control: Se da seguimiento a las fases del avance del proyecto, para
controlar los cambios que se presenten; con la idea de potenciar oportunidades que se
presenten.

Cierre: Formaliza la finalización del proyecto, concluyendo todas las actividades y

entregar el producto final.
REFERENCIAS BIBLIOGRÁFICOS:

1. ¿Qué es Business Intelligence? [Internet]. Sinnexus.com. 2021 [citado el 24 de

septiembre de 2021]. Disponible en:
https://www.sinnexus.com/business_intelligence/
2. ¿Qué es un Data Warehouse? | Dataprix TI [Internet]. Dataprix.com. 2021 [citado
el 24 de septiembre de 2021]. Disponible en: https://www.dataprix.com/es/un-data-
warehouse
3. ¿En qué consiste un data mart (frente a un almacén de datos)? - Talend [Internet].
Talend: líder en integración e integridad de datos. 2021 [citado el 24 de septiembre
de 2021]. Disponible en: https://www.talend.com/es/resources/what-is-data-
mart/#:~:text=Un%20data%20mart%20es%20una,como%20Ventas%2C%20Fina
nzas%20o%20Marketing.
4. OLAP - Conecta Software [Internet]. Conecta Software. 2021 [citado el 24 de
septiembre de 2021]. Disponible en: https://conectasoftware.com/glosario/olap/
5. ¿En qué consiste un proceso de ETL (Extraer, Transformar y Cargar)? - Talend
[Internet]. Talend: líder en integración e integridad de datos. 2021 [citado el 24 de
septiembre de 2021]. Disponible en: https://www.talend.com/es/resources/what-is-
etl/
6. Valero M. Modelo Dimensional - BI Geek Blog [Internet]. Blog de BI Geek. 2021
[citado el 24 de septiembre de 2021]. Disponible en: https://blog.bi-
geek.com/modelo-dimensional/
7. Esquema de la estrella [Internet]. Etl-tools.info. 2021 [citado el 24 de septiembre
de 2021]. Disponible en: https://etl-tools.info/es/bi/almacendedatos_esquema-
estrella.htm
8. Pesquera C. Qué son las tablas de hechos y de dimensión | Carlos Pesquera Nieto
[Internet]. Carlos Pesquera Nieto. 2021 [citado el 24 de septiembre de 2021].
Disponible en: https://carlospesquera.com/que-son-las-tablas-de-hechos-y-de-
dimension/
9. IBM Docs [Internet]. Ibm.com. 2021 [citado el 24 de septiembre de 2021].
Disponible en: https://www.ibm.com/docs/es/ida/9.1.2?topic=models-fact-tables-
entities
10. Tomás S, Tomás S. Relaciones entre tablas en PowerBI y funciones para manejarlas
- biti.es. Power BI en Español [Internet]. Biti.es. 2021 [citado el 24 de septiembre
de 2021]. Disponible en: https://www.biti.es/relaciones-entre-tablas-en-powerbi-y-
funciones-para-manejarlas/