Sistemas de Información Gerencial

Tema 5: Inteligencia de Negocios

Ing. Francisco Rodríguez Novoa

1
 INDICE

• Introducción a la Inteligencia de Negocios

• Arquitectura de un Sistema

• Importancia IN

• Conceptos de Datawarehouse

• Ciclo de vida de un Datawarehouse

• Construcción de un Datawarehouse

2
Introducción a la Inteligencia de Negocios
1. Introducción. Inteligencia de Negocio
 Se necesita entender no solo QUÉ está pasando, sino
CUÁNDO, DÓNDE, QUIÉN Y PORQUÉ.

 Solución a los requerimientos de información con

OPORTUNIDAD.

 Escalar, contribuir y compartir a todos los tipos de

usuarios en la organización.

Se necesita información y conocimiento a

partir de los datos de la empresa.

4
1. Introducción. Inteligencia de Negocio
Nace así el concepto de Inteligencia de Negocio
(Business Intelligence):
 No es una tecnología
 Es un conjunto de sistemas de información que trabajan de
forma coordinada.

 Sistemas de almacenamiento de datos (data

warehouse)
 Sistemas de minería de datos (data mining)
 Herramientas de procesamiento analítico de datos
(OLAP)
 Sistemas de administración de conocimiento (KBS)
 Herramientas de consulta y reporte de datos
 Tableros de información (Dashboards)

5
1. Introducción. Inteligencia de Negocio Definición
• “Business Intelligence es una
“ Business Intelligence se refiere herramienta crítica para el éxito y
al proceso de convertir datos en sobrevivencia de su organización hoy
conocimiento y conocimiento en en día, no se trata solo de
acciones para crear la ventaja herramientas y tecnología, sino
competitiva del negocio “. también de organización “.
• Gartner Group
The Data Warehousing Institute

Información
“La inteligencia del negocio es “La información en las
como convertir la información de organizaciones está aumentando
la empresa en una arma rápidamente, así como, las
estratégica “. decisiones críticas del negocio; el
problema es la actitud de las
Teddy Dale empresas para utilizar estos datos “.
Consultor Internacional
Gartner Group

6
1. Introducción. Inteligencia de Negocio Definición

“ Inteligencia de Negocio se refiere al proceso de

convertir datos en conocimiento y conocimiento en
acciones para crear la ventaja competitiva del
negocio “
The Data Warehousing Institute

Ventaja
Datos Información Conocimiento
Competitiva

7
1. Introducción. Inteligencia de Negocio Definición

“ Inteligencia de Negocio se refiere al proceso de

convertir datos en conocimiento y conocimiento en
acciones para crear la ventaja competitiva del
negocio “
The Data Warehousing Institute

Agregar Presentar Conocimiento Toma de

Datos Datos sobre los decisiones
datos

Database, Data Mart, Reporting Tools, Add Context to Create Decisions are
Data Warehouse, ETL Dashboards, Information, Descriptive Fact-based and
Tools, Integration Static Reports, Statistics, data mining Data-driven
Tools Mobile Reporting,
OLAP Cubes
8
 1. Introducción. Inteligencia de Negocio Uso

Si nivel de inventario
caen en 10%, que es lo
que los clientes podrían
comprar en otro lugar.
Cambiar el horario de
publicidad

Aumentar el
incremento de radio

Pueden los cambios en el perfil del

cliente respaldar un producto de alto
precio
Cambiar el nivel
de salario del
cliente 9
 2. Arquitectura de un Sistema

Dashboards
(Tableros) Reportes y
Consultas
• Análisis del
Detalle de
Información
OLAP (On-Line
Procesos de Extracción,
Analytical
Transformación y Carga
Processing)Análisis
Data Multidimensional
Warehouse • Análisis de FCE
(Data Mart) • Análisis de Datos
Sumarizados

• Modelo del Negocio Data Mining

Integrado (Business Analytics)
• Repositorio de Información
• Metadata • Estadísticas
Datos • Análisis de Tendencias
Externos y Comportamientos
• Proyecciones
10
2. Arquitectura de un Sistema
Data Warehouse. Proceso ETL

Procesos de Extracción,
Transformación y Carga

Data
Warehouse
(Data Mart)

• Modelo del Negocio Integrado

• Repositorio de Información
• Metadata
Datos
Externos

11
2. Arquitectura de un Sistema
Tableros, reportes y consultas

Dashboards Reportes y
(Tableros) Consultas
•Análisis del
Detalle de
Información

Data
Warehouse
(Data Mart)

12
2. Arquitectura de un Sistema
Análisis multidimensional

OLAP (On-Line Analytical

Processing)Análisis
Multidimensional
Data
Warehouse
(Data Mart) • Análisis de FCE Factores críticos de éxito
• Análisis de Datos
Sumarizados

13
2. Arquitectura de un Sistema Business
analytics (minería de datos)

Data
Warehouse
(Data Mart)

Data Mining
(Business Analytics)

•Estadísticas
•Análisis de Tendencias y
Comportamientos
• Proyecciones

14
 3. Inteligencia de Negocio. Su aporte. Su
importancia

Valor para el Negocio

•Cualquier
organización grande o
pequeña, necesita
integrar la
información de su Análisis de Información
cadena de valor, con el
objetivo de analizarla,
para poder tomar
decisiones y diseñar
estrategias de negocio

• eficientes .

Sistemas Operacionales y Datos Externos

15
 3. Inteligencia de Negocio. Su aporte. Su
importancia
Herramienta de análisis para el conocimiento del negocio

C
O
N
O
C.

Extracción Diseño D
E
Limpieza Servidor L

Transformación Red N
E
Carga Base de Datos G
O
C
I
O

16
3. Inteligencia de Negocio. Su aporte. Su
importancia

Considerado por
'Forbes' como uno
de los siete
científicos de
datos más
poderosos del
mundo

17
 Comentarios

La información en las organizaciones está

aumentando rápidamente, así como, las
decisiones críticas del negocio; el problema es la
actitud de las empresas para utilizar estos datos

18
 4. Conceptos Básicos de DWH

¿Que es un Data Warehouse?

(Bodega o almacén de datos). Colección de datos orientados a un determinado

negocio. Coloca información de todas las áreas funcionales de la organización
en manos de quien toma las decisiones. También proporciona herramientas
para búsqueda y análisis de información.

• Es un repositorio para almacenar y analizar datos con naturaleza de variables

cuantitativas y cualitativas

• Es considerado una de las partes centrales de un sistema de BI

• Permite separar los sistemas transaccionales de los informacionales en dos

entornos de manera que el análisis de los datos existentes no interfiera con
el procesamiento y registro de nuevos datos
 4. Conceptos Básicos de DWH
Data Warehouse como integrador de datos

Filiales
Cartera
Compras
Gestión human

Ventas
Producción

Inventarios
CRM
 4. Conceptos Básicos de DWH

• Los datos almacenados están orientados a un objetivo especifico,

integrando la variable del tiempo para la toma de decisiones.

• Es un sistema integrados, pues agrupa a todos los sistemas

operacionales en un sistema de información con formatos y
códigos consistentes.

• El DW es variante en el tiempo porque los datos se organizan y

almacenan en jerarquías en el tiempo, lo que permite análisis
retrospectivos, comparativos de estados actuales y de períodos
anteriores.

Propuesta 005.
Refuerce el concepto de DWH por medio del video “Benefits of a Data Warehouse”
()
 4. Conceptos Básicos de DWH
Data Warehouse
• Es el maestro o centralizador de la
información.
• Soporta múltiples áreas del negocio
• Maneja un alto detalle de la
información
• Es un integrador de las fuentes de
información
• No es necesario el uso de un modelo
dimensional pero puede alimentar a
modelos dimensionales.
• Coordina la gestión de información
de los Datamarts
Datamart
• Es una aplicación del DWH
• Está construida para soportar
una línea de negocio.
• Ideal para “sumarizar”
grandes cantidades de datos.
• Se concentra en integrar datos de
una área específica.
• Es construida usando un modelo o
esquema dimesional estrella
 4. Conceptos Básicos de DWH

Un primer acercamiento a una arquitectura descentralizada de Datamart (DM):

Almacenes
DM CRM

Inventarios
DM Riesgos

Producción

DM
Financiero
Exportación
 4. Conceptos Básicos de DWH

Data Warehouse corporativo o centralizado:

Datamarts

Almacenes DWH
Corporativo
DM CRM

Inventarios
DM Riesgos

Producción

DM
Financiero
Exportación
 5. Ciclo de Vida de un DWH

Metodología del ciclo de vida proyectos DWH/BI de Kimball:

Tecnología

Datos

Aplicaciones
 5. Ciclo de Vida de un DWH

La metodología del ciclo de vida de Kimball aunque fue concebido a

mediados de la década de los 80’s, fue publicada por primera vez
indicando los años 90’s; desde entonces, se ha utilizado con éxito
por miles de proyectos de DWH y BI, principalmente en sector
industrial, áreas de aplicación, empresarial y desarrollo tecnológico
(technical platform). Esta metodología se ha convertido en las
mejores prácticas en la industria en general.

A continuación se mencionan brevemente las etapas de la propuesta

de Kimball:
Planeación del Proyecto (Project Planning)
Definición y alcance del proyecto de DWH, incluyendo la
evaluación y justificación del proyecto.
 5. Ciclo de Vida de un DWH

Modelación Dimensional (Dimensional Modeling)

La definición de los requerimientos del negocio (área funcional)
determinarán los datos necesarios para hacer frente a los requisitos
analíticos de los usuarios finales.

Diseño Físico (Physical Design)

Definición de las estructuras físicas para apoyar el diseño de datos
lógico. Claramente se requiere de un diseño lógico para convertirlo
en una base de datos física, debido a que los detalles de
implementación varían ampliamente de acuerdo a la tecnología
(hardware y aplicaciones), tipo de proyecto, modelo lógico, volumen
estimado, SGDB y las herramientas de acceso; estos elementos dan
directrices en dicho diseño.
 5. Ciclo de Vida de un DWH

Diseño e Implementación de ETL (Data Staging Design and

Development)
Este Etapa se divide en tres elementos: Extracción, Transformación y
Carga.
El proceso de extracción expone los problemas de calidad de datos,
debido a que la calidad de los datos impactará significativamente la
credibilidad del DWH, es necesario solucionar los problemas de
calidad. Es importante tener presente dos realidades:

• Los problemas de calidad son usualmente un reflejo del pobre

diseño de datos y/o la implementación de los sistemas.
• La mayoría de estos problemas pueden ser reparados y
monitorizados para reducir el impacto sobre las aplicaciones
 5. Ciclo de Vida de un DWH
Diseño Físico
Estándares

Modelo Físico de Datos Plan Global

Plan de indexación

Diseño y construcción Estructura Física de

de la instancia de DB Almacenamiento

Monitorización
 5. Ciclo de Vida de un DWH
Diseño Técnico de Arquitectura (Technical Architecture Design)
En esta etapa se considera la integración de múltiples tecnologías. Se
consideran tres factores: Requerimientos del negocio, ambiente
tecnológica actual y el direccionamiento técnico futuro.

Selección e Instalación de Producto (Product Selection and Installation)

Con base al diseño técnico de arquitectura, se especifica los componentes
de arquitectura tales como plataforma del hardware, herramientas de
acceso a los datos, sistema de gestión de base de datos entre otros. En
este etapa el elemento de integración toma singular importancia.

Especificación de Aplicaciones Usuario Final (End User Application

Specification) Se definen las aplicaciones de usuario, restringiendo el
acceso ad hoc al DWH. Estas aplicaciones cubren los complementes de
visualización, exploración, data mining y herramientas de BI tales como EIS
y Dashboard.
 5. Ciclo de Vida de un DWH
Desarrollo de Aplicaciones Usuario Final (End User Application
Development) Aborda la configuración de las herramientas de usuario final,
dependiendo de la dimensión del proyecto, estas aplicaciones demandarán
su propia arquitectura que soporte los usuarios y la integración con el
DWH.
Despliegue (Deployment)
Convergencia y funcionamiento de la tecnología, datos y aplicaciones de
usuario final desde la estación de cada unos de los analistas o estrategas
de BI. Se deben tener presente procesos de capacitación y de soporte al
usuario sobre las aplicaciones.
Mantenimiento y Crecimiento (Maintenance and Growth)
Frente al usuario final: se les debe entregar apoyo y formación.
Funcionamiento eficaz del DWH: monitorización de los procesos y
procedimientos, estas métricas serán argumento para una posible etapa de
crecimiento.
 5. Ciclo de Vida de un DWH

Gestión de Proyectos (Project Management)

Garantiza las actividades en el ciclo de vida de funcionamiento y sincronía,
que se enfocan en el estado de procesos de monitorización, seguimiento
de problemas y gestión de cambios; por otra parte, le corresponde
desarrollar el plan de comunicación del proyecto.
 6. Construcción de un DWH

Hardware
Hardware DWH
Corporativo Garantizar que tenga altas
características técnicas acorde a los
complejos requerimientos de
App. Almacenamiento
información de los usuarios.
(SGDB)
Capacidad de potencializar (crecer)
App. De extracción y
manipulación de datos Procesamiento paralelo:
SMP (Symmetric Multiprocessing)
MPP (Massively Parallel Processing)
Herramienta NUMA (Non-Uniform Memory
Middleware Architecture)
 6. Construcción de un DWH
SGDB
Un Sistema de Gestión de Base de
Datos consiste en una colección de
DWH datos interrelacionados y un
Hardware conjunto de programas para
Corporativo
acceder a los mismos.

App. Almacenamiento • El programa de almacenamiento

(SGDB) (servidor) es independiente al
programa de consulta (Cliente)
de los usuarios
App. De extracción y • El objetivo son las consultas
manipulación de datos complejas en lugar de la
visualización
• Contempla un esquema de
Herramienta concurrencia de múltiples
Middleware usuarios
 6. Construcción de un DWH

Extracción y manipulación (ETL)

Hardware DWH
Corporativo Funcionalidades básicas:

• Control de la extracción de los

App. Almacenamiento datos y su automatización
(SGDB) • Acceso a diferentes tecnologías.
• Uso de la arquitectura de
metadatos
App. De extracción y • Interfaz independiente del
manipulación de datos hardware

Herramienta
Middleware
 6. Construcción de un DWH
Herramientas Middleware

Proveen conectividad entre

entornos diferentes, para ayudar a
Hardware DWH la gestión del Data Warehouse.
Corporativo
Analizadores y aceleradores de
consulta: Optimizan tiempos de
App. Almacenamiento respuesta desde los Sistemas
(SGDB) operacionales al DW.

Deben estar abiertas a todos los

App. De extracción y entonos de:
manipulación de datos • Almacenamiento de datos (OLE,
ODBC, etc.)
• Bases de datos (DB2, SQL,
Herramienta Oracle, MySQL, etc.)
Middleware • Estándares de capa de
transporte: (SNA LU6.2,
DECnetr, etc.
 6. Construcción de un DWH

Elementos a tener presente en la construcción de un DWH:

• Detectar y corregir errores (duplicados, eliminar valores sin

sentido, procesos básicos de imputación)
• Manejo de valores codificados para las variables. Es importante
tener un adecuado diccionario de datos disponible para los
usuarios.
• Reestructurar y añadir nuevos campos (enriquecer el sistema)
de acuerdo las necesidades del usuario.
• Emplear el concepto de Metadatos (datos que describen otros
datos)
• No debe soportar procesos transaccionales del negocio.
 6. Salidas de un DWH

Querys - Reporting DWH

Corporativo
Generación de consultas y Querys - Reporting
reportes. Pueden ser informes
predefinidos o dinámicos.
Fundamentales para procesos de
Análisis
Monitorización (Dashboard). Es
multidimensional
posible ubicar las herramientas y
metodologías EIS (Decision Support
System) y CPM (Corporate
Performance Managemnet) Dara Mining
dependiendo de este componente
de explotación del DWH.
 6. Salidas de un DWH
Análisis Multidimensional

Facilitan el análisis de datos por

medio de dimensiones y jerarquías,
utilizando consultas rápidas y DWH
predefinidas. Corporativo
Querys - Reporting
OLAP: Su objetivo es agilizar la
consulta de grandes cantidades de
datos. Utiliza estructuras Análisis
multidimensionales que contienen multidimensional
datos de grandes Bases de datos

Dara Mining
 6. Salidas de un DWH
Data Mining

Es la aplicación de modelos
matemáticos sobre la información
almacenada en el DWH. El DWH
resultado de los modelos soporte Corporativo
la toma de decisión en el proceso Querys - Reporting
de BI.

Es fundamental garantizar la Análisis

optimización de los modelos y su multidimensional
ejecución automática según la
necesidad del negocio.

Data mining requiere de una Dara Mining

arquitectura propia que
interconecta a los usuarios con el
DWH por medio de un servidor
negociador.
.
FIN

41