UNIVERSIDAD NACIONAL JOSÉ

FAUSTINO SÁNCHEZ CARRIÓN

FACULTAD DE INGENIERÍA INDUSTRIAL, SISTEMAS E INFORMÁTICA

CURSO: INTELIGENCIA DE NEGOCIO

SESION 1: FUNDAMENTOS DE INTELIGENCIA DE NEGOCIOS

DOCENTE: ING. JULIO CÉSAR MORALES LEÓN

HUACHO - 2019
“Parálisis por el análisis” ¿Le parece familiar?

• Tengo demasiados datos y

no suficiente información

• ¿Por qué todos mis

reportes no se unifican?

• Las respuestas
administrativas responden
al pasado

• ¿Quién tiene tiempo para

análisis?
 Preguntas del negocio

¿Cuáles son las

características de ¿Qué está
mis clientes? requiriendo mi
¿Quién compró, cliente?
donde y cómo
compraron?
Los gerentes
siempre se han
preguntado ¿Qué región nos
provee mejores
ventas?

¿En qué período se vendió más?.

¿Qué segmento de
¿Cómo vendimos?
clientes respondió mejor a
la promoción?
 Algunos datos

“En las gerencias el 93% de los gerentes sienten presión para

hacer decisiones efectivas en periodos cortos de tiempo”

“62% de los gerentes admiten no haber recibido la información

adecuada para la toma de decisiones”

“88% de los gerentes admiten utilizar la “intuición” sobre los

“hechos” el 75% de las veces para tomar decisiones”
 FRUSTRACIONES DE LOS EJECUTIVOS

 Desfase entre disponibilidad de información y oportunidad

comercial
 Usuarios no tienen acceso autónomo a la información
 Muchos datos pero no suficiente información
 Los reportes no coinciden
 Poco tiempo para análisis de la información
 No se soporta una visión global de la empresa
 No se dispone de análisis histórico de información
 No pueden hacerse preguntas complejas del negocio
 NECESIDADES DE INFORMACIÓN

Estrategia

Alta Dirección
Estratégica
Business
Intelligence Gerentes y/o
Jefes de línea
Táctica

Personal
ERP, Sistemas Operacional Operativo
transaccionales

Día a Día
 El Poder de la Información

"Hace diez años les pude decir cuántos productos vendimos al

Oeste del Mississipi. Hoy no sólo les puedo decir eso mismo,
sino cuántos vendimos y de que tipo, en California, en el
Condado de Orange, en la ciudad de Irvine, en el Supermercado
local Von’s, en una promoción especial, al final del pasillo 4, los
Jueves".

D. Wayne Calloway Director Ejecutivo de Operaciones de Pepsico en una asamblea general de accionistas
 Business Intelligence

“ Business Intelligence se refiere al proceso de convertir datos en

conocimiento y conocimiento en acciones para crear la ventaja
competitiva del negocio “

The Data Warehousing Institute

Datos Ventaja
Información Conocimiento
Competitiva
 Datos e Información
• Número de pedidos
• Productos pedidos
Ventas • Clientes que realizaron
los pedidos
• Datos de llamadas de
Servicio nuestros clientes
al Cliente • Información sobre el log de
nuestra página web
• Número de campañas
Marketing realizadas y características
de cada una
• Productos que salen
Distribución
diariamente del almacén
• Tiempo teórico de entrega
• Clientes más rentables
• Pedidos más frecuentes
• Productos más rentables
• % de nuevos clientes
• Qué clientes visitan nuestra
página web ?
• % pedidos realizados por nuestros
canales de ventas
• Qué consulta es más frecuente?
• % éxito de las campañas
• Qué tipo de clientes han
respondido mejor a cada una de
las campañas realizadas ?
• Número de pedidos retrasados
• Distribuidor que tiene el mayor
número de retrasos
• Tiempo medio de entrega
Fuente : Deloitte & Touche
 Arquitectura Business Intelligence

Reportes, Consultas
Data Mining
Olap
Dashboard
Procesos de
Web
Extracción,
Transformación y Data
Carga
Warehouse Mail
(Data Mart)
Celular
Aplicaciones • Modelo del Negocio
Integrado
• Repositorio de
Excel
Información
Datos • Metadata
Externos
 Data Warehouse o Data Mart
“Podemos comenzar construyendo Data Marts con resultados
inmediatos, para no postergar las decisiones de negocios y el análisis
de información, pero hacerlos siempre teniendo una visión integral
del negocio”
Teddy Dale
Consultor Internacional

Data Mart
Ventas Data Mart
Marketing
Data Mart
Finanzas
Dw
 Qué no es Business Intelligence?

 NO es una tecnología, se apoya en ella

 NO da una única solución, se enfoca en la visión y
las necesidades de cada negocio
 NO brinda un sistema de Tecnología, brinda un
medio para analizar la información para gente del
negocio
El Reto

ANÁLISIS DE LA INFORMACIÓN
VISIBLE

Datos – Invisible
- Limpieza
- Integridad
- Oportunidad
- Homogeneidad
- Privacidad
- Acceso
- Auditoría
- Mantenimiento
 La tecnología Business Intelligence

Los proveedores de tecnología se fueron adaptando a las

necesidades

No hay productos buenos ni

malos
40% de las empresas en Perú utilizan BI
 El gran mensaje …
 Business Intelligence es un proceso de negocios, no un
proyecto de tecnología.
 La tecnología adecuada debe de soportar el proceso, así
como una metodología de implantación.

Análisis de Datos

Data Warehouse
Acciones de Valor
Control Ejecución Planificación
Reality #2: ‘Consumerization’ of IT

–Expectativas de tomar decisiones en

tiempo real, en momentos de riesgos y
oportunidades

–Expectativas de los clientes de tener

experiencias de negocio tan satisfactoria
como la experiencia personal.

–La gente espera respuestas al instante,

respuestas a cualquier pregunta.
 Metodología

3. Extracción
Inicial
de datos
2. Arquitectura
1. Análisis de Tecnológica y 5. Explotación de
0. Anteproyecto Datos
Requerimientos Modelamiento
de datos
4. Actualización
Periódica de
datos

ADMINISTRACION DEL PROYECTO

Gestión de Gestión de Gestión de Gestión de Gestión de

Riesgos RRHH Comunicación Calidad Proveedores
 Metodología. Entregables
Diseño Preliminar Procesos
Especificaciones ETL
de Dashboards de Carga • Reportes
• Capacitación
Análisis de Modelo • Pase Producción
Requerimientos Dimensional • Validación Reportes
• Validación Dashboards

3. Extracción Inicial
de datos

2. Arquitectura y
1. Análisis de 5. Explotación de
Modelamiento
Requerimientos Información
de datos

4. Actualización
Periódica de
datos

ADMINISTRACION DEL PROYECTO

 Análisis de Requerimientos

1. Definir usuarios responsables

2. Establecer plan de entrevistas
3. Identificar riesgos
.
4. Entrevistas a usuarios responsables
5. Validación de requerimientos
6. Formalizar “Alcance de Requerimientos”
 Ejemplo - Análisis de Ventas (Industriales)
Características :
• Detalle de ventas en unidades monetarias y físicas
• Análisis de ventas Anual, mensual y semanal
• Evaluación de ventas por Empresa y países
• Niveles de detalle por Familia, línea y producto
• Detalle por cliente, identificando los clientes corporativos
• Detalle por Proceso de Producción
• Análisis de ventas por Vendedor
Consideraciones :
• Comparativo de ventas entre unidades de tiempo
• Análisis de ventas de uno o más años a la vez
• Suma acumulada de ventas
• Participación porcentual de las variables de ventas
 Requerimientos de Consultas (Star Net)

Tiempo
Ventas Semana
Mes
Año
Vendedor Vendedor

Ventas Soles País Empresa

Ventas Dólares Organización
Ventas Unidades
Familia
Línea
Tipo Producto
Cliente Producto
Procesos

Cliente
Producción
MODELO ESTRELLA
CUBO MULTIDIMENSIONAL
 ARQUITECTURA BI

FUENTES
DE DATOS MODELO BSC
DATAMART
CUBOS
VENTAS

STAGING SD
SCM
AREA
COMPRAS

Data FI-
Stage CO
Cuentas
por Pagar MONITOREO
FINANZAS
Adquisiciones DE LA
ESTRATEGIA
GDH Comercial

EGP
GDH
CRM
GARTNER
 Inteligencia
de Negocios

Análisis
Multidimensional
poderoso
Necesidades del
Software Volúmenes grandes de datos
Negocios
Tiempos de respuestas rápidas
Empresarial *Toma de decisiones mejorada
* Soporta la operatividad del *Utilidad Mejorada
negocio (OLTP) ¿Qué pasó? *Menores Costos
* Requieren conocimiento ¿Qué esta pasando? Mejor Calidad
técnico informático
*Contiene capacidades
¿Qué pasará? Mayor satisfacción de los
mínimas de análisis Amigable con el usuario final clientes
 ¿QUÉ ES BIG DATA?

• Definición básica:
Big data es un término que se aplica a los conjuntos de datos cuyo tamaño
está más allá de la capacidad de uso común (wikipedia)

• 3 características comunes de los conjuntos "Big Data" de datos:

- Volumen: La cantidad de datos más allá de RDBMS tradicional

- Variedad: texto relacional, y / o tipos de datos multimedia
- Velocidad: frecuencia de la generación de los datos o de la entrega de
datos Deshacer cambios
 ¿QUÉ ES BIG DATA?

• HMV Japón se dio cuenta de un 300% de crecimiento en ingresos por

transacción por predicción de los intereses del cliente

• AOK Hessen ahorró $ 3,2 M mediante la identificación de fraude de seguro

reclamaciones.

• Los clientes experimentan un Marketing Integrado aumentado las ventas por

conducir en un 22% el uso de modelos predictivos para determinar cliente
patrones de compra.
“By 2012, 70% of Global 1000 organizations will load detailed data
into memory as the primary method to optimize BI application
performance.”
- Gartner
SAP In-Memory Appliance (SAP HANA™)
SAP HANA™
SAP BusinessObjects BI Other In-Memory software + hardware
Solutions Applications (HP, IBM, Fujitsu, Cisco, Dell)
Data Modeling and Data Management
Real-time Data Replication
SAP HANA™ SAP BusinessObjects Data Services for ETL
SAP HANA
SAP capabilities from SAP Business Suite, SAP
Information
Studio NetWeaver Business Warehouse (SAP
Composer
NetWeaver BW), and 3rd Party Systems
SAP HANA Database

Calculation Row & Column In- Capabilities Enabled

Engine Memory
Analyze information in real-time at
unprecedented speeds on large volumes of non-
Real-Time Data SAP BusinessObjects
Replication Data Integrator aggregated data
Create flexible analytic models based on real-
time and historic business data
Foundation for new category of applications
Non SAP Data
SAP Applications
sources (e.g., planning, simulation) to significantly
outperform current applications in category
Minimize data duplication
 ¿BD Basadas en Columnas?
• Si, estas bases de datos se basan en columnas para almacenar la
información no como las bases de datos ya usadas como Oracle,
MySQL o MS SQLServer que son basadas en filas.
• Como su nombre lo indica, las bases de datos están organizados de
columna por columna en lugar de la fila: es decir, todos los casos de
un solo elemento de datos se almacenan de modo que se puede
acceder como una unidad.
• Esto los hace especialmente eficaz en las consultas analíticas, como
la lista de selecciones, que a menudo lee unos pocos elementos de
datos, pero necesitamos ver todas las instancias de estos
elementos.
• Los datos por filas, por lo que toda la información de un registro
(fila) es inmediatamente accesible. Esto tiene sentido para las
consultas transaccionales, que suelen referirse a un registro a la vez
pero si no es así es mas eficiente por columnas.
 HP Oracle Database Machine
Pre-Configured High Performance Data Warehouse

• 8 DL360 Oracle Database servers

– 2 quad-core Intel Xeon, 32GB RAM
– Oracle Enterprise Linux
– Oracle RAC
• 14 Exadata Storage Cells (SAS or SATA)
– Up to 14 TB uncompressed user data on SAS
– Up to 46 TB uncompressed user data on SATA
• 4 InfiniBand switches
• 1 Gigabit Ethernet switch
• Keyboard, Video, Mouse (KVM) hardware
• Hardware Warranty
– 3 YR Parts/3 YR Labor/3 YR On-site
– 24X7, 4 Hour response time

Add more racks for unlimited scalability

© 2008 Oracle Corporation –
Proprietary and Confidential – 37
–
“Como se obtenga, administre y use la
información, podremos determinar si
ganamos o perdemos”
(Bill Gates)