Diseño de Soluciones de

Inteligencia de Negocios
 El pesimista se queja del viento; el
optimista espera que cambie; el realista
ajusta las velas. William George Ward.
Cómo ajustar las velas en el diseño de
software para generar valor a la
empresa?
 Cómo ajustar las velas en el diseño de
software para generar valor a la
empresa?
• Excelencia Operativa.
• Cierre de brechas.
• Reducción de costos.
• Eliminación de riesgos.
• Obtener información de valor para toma de decisiones.
• Nuevas fuentes de ingreso (monetización).
En la nueva realidad…..
 Obtener Información de Valor
Business Intelligence se refiere a la habilidad de
organizar, acceder y analizar información en orden de
aprender y entender el negocio a partir de los procesos,
las personas y la tecnología de la organización. En otras
palabras, brinda las herramientas que permiten contar
con la disponibilidad de la información para la toma de
decisiones estratégicas.

Business Analytics se refiere a la forma como se explota

la información del negocio, las prácticas, metodologías y
uso de técnicas principalmente estadísticas para obtener
una mayor profundidad en el conocimiento de la
organización. Tiene un enfoque más correlacional,
basado en búsqueda de patrones y análisis predictivos.
 Analítica Descriptiva
Bodega de Datos
Es un conjunto de datos integrados u orientados a una materia, que varían con el tiempo y que no son
transitorios, los cuales soportan el proceso de toma de decisiones de la administración y está orientada
al manejo de grandes volúmenes de datos provenientes de diversas fuentes o diversos tipos.

Porqué es necesaria un bodega

de datos?, si el sistema transaccional
tiene la información?
Arquitectura de una Bodega de Datos
 Ejemplo de analítica de datos

https://public.tableau.com/profile/solex6997#!/vizhome/COVID-19ColombiayGlobal/Colombia

https://www.youtube.com/watch?v=3oYpofW4T5A
 DSS DWH
Decision Support System Data WareHouses
Modelo de madurez de datos Situación
• Proliferación de
Típica de una Empresa fuentes de
información
• Sobrecarga operativa
en construcción de
informes
• Diferentes versiones
de la información
• Silos de información
• Uso de
“spreadmarts”
• Información mínima
o medianamente
oportuna
Características de una Bodega de Datos
INTEGRADAS: La base de datos contiene los datos de todos los sistemas operacionales de la
organización y dichos datos deben ser consistentes.

ORIENTADAS A UN TEMA PARTICULAR: Ya que los datos que contienen, están organizados por
temas, totalizados y optimizados para dar respuestas a preguntas de diversas áreas funcionales de
la organización.

VARIANTES EN EL TIEMPO: Porque contrario a las Bases de Datos Operacionales que se centran en

los datos actuales, las Bodegas de Datos representan el flujo de información a través del tiempo.

NO VOLATILES: La información no se modifica ni se elimina, una vez almacenado un dato, este se

convierte en información de solo lectura y se mantiene para futuras consultas.
Etapas para Construir una Bodega de datos
Etapa de requerimientos:
• Sensibilización y presentación de la metodología.
• Talleres de oportunidades de mejora y preguntas de negocio.
• Desarrollo del glosario institucional.
Etapa de análisis y diseño
• Fase de análisis de fuentes:
Paso 1: Ubicación de fuentes de datos.
Paso 2: Mapeo de conceptos de negocio contra fuentes de datos.
• Fase de Diseño modelo físico.
• Fase de Diseño de procesos ETL.
Etapas para Construir una Bodega de datos
Etapa de Construcción bodega de datos.
• Análisis de granularidad.
• Ajuste de dimensiones al modelo atómico.
• Construcción del modelo físico.
• Construcción de ETL y procesos de calidad de
datos.
• Construcción de tableros de visualización.
Etapa de pruebas.
Etapa de implementación
• Carga de datos al entorno de operación.
• Capacitación.
• Establecimiento de niveles de servicio.
 L A P
O
LTP VS
O
Modelo
Entidad
Relación vs
Dimensional
Modelo
Entidad
relación
vs
Dimensional
Modelo Dimensional
El modelo de datos dimensional: técnica de modelado que facilita la compresión de la
base de datos, haciéndola intuitiva para usuarios no expertos, y es comúnmente
utilizada para implementar los DWH o DM.

Sus características son:

• Dispone y estructura los datos de manera comprensibles para el usuario de negocio
• Genera un alto rendimiento en las búsquedas desde la capa de reportes.
Dentro del modelado de datos dimensional destacan 2 conceptos clave: hechos y
dimensiones.
Dimensión: Datos que califican y / o describe una medida, como cantidades o
duraciones.
Hechos: Una colección de medidas, y el información para interpretar esas medidas en
un determinado contexto.
Características de la tabla de hechos
• La tabla de hechos contiene valores numéricos de lo
que mide.
• Cada tabla de hechos contiene las claves de las tablas
de dimensiones asociadas. Estos son
• llamadas claves foráneas en la tabla de hechos.
• Las tablas de hechos generalmente contienen una
pequeña cantidad de columnas.
• En comparación con las tablas de dimensiones, las
tablas de hechos tienen una gran cantidad de filas.
• La información en una tabla de hechos tiene
características, tales como:
- Es numérico y se utiliza para generar agregados y
resúmenes.
- Los valores de datos deben ser aditivos, o semi-
aditivos, para habilitar resumen de una gran
cantidad de valores.
Características de la tabla de dimensiones
• Las tablas de dimensiones contienen los detalles
sobre los hechos.
• Las tablas de dimensiones contienen información
descriptiva sobre el valor numérico.
• Las tablas de dimensiones generalmente contienen
significativamente menos filas de datos que la tabla
de hechos.
• Los atributos en una tabla de dimensiones se usan
típicamente como fila y columna encabezados en un
informe.
Tipos de modelo dimensional

• Estrella

• Copo de nieve
 Modelo Dimensional: Esquema Estrella
Un esquema de estrella tiene una tabla de hechos y varias tablas de dimensiones. Las tablas de dimensiones no están
desnormalizadas.
 Modelo Dimensional: Copo de nieve
Una dimensión está nevada cuando las columnas de baja cardinalidad en la dimensión se han eliminado y han llevado a
otras tablas que luego se vinculan de vuelta a la tabla de dimensiones original.
Del modelo Relacional al Dimensional
1. Identifique el proceso de negocio del modelo E / R.
2. Identifique tablas de muchos a muchos en el modelo E / R para convertirlas en
tablas de hechos.
3. Desormalice las tablas restantes en tablas de dimensiones planas.
4. Identifique las tablas de fechas del modelo E / R.
 Identificar los requisitos del proceso empresarial.

 Cuál es el top de los productos vendidos,

 Cual es el promedio de venta mensual.
 Qué pasa si un empleado pasa de la región Andina a la Costa,
cómo se verán las cifras históricas?
 Identificar la granularidad.

 Un ítem de una Factura.

 La factura o recibo de compra.
 El valor mensual de la compra.
 Identificar las dimensiones y los hechos.
 Verificar el modelo .
 Consideraciones de diseño físico.
 Gestión de metadatos .
GRANULARIDAD
EJEMPLO
 EJERCICIOS

1) Imagínese cuales serian los hechos y dimensiones

del negocio en un consultorio médico.

2) Imagínese cuales serian los hechos y dimensiones

del negocio en una universidad.

3) Imagínese cuales serian los hechos y dimensiones

En la presidencia de la república.
VIDEO SOBRE MODELADO DIMENSIONAL

https://www.youtube.com/watch?v=x2keCD2lCuk

https://coggle.it/diagram/W4NxVIdcxgwZL1Ue/t/del-modelo-entidad-relacion-al-modelo-
dimensional
• Llaves subrogadas
https://www.youtube.com/watch?v=OjoOSWusBsc LLaves subrogadas, 7:02

• DIMENSIONES LENTAMENTE
CAMBIANTES
https://www.youtube.com/watch?v=vOYSVTSYvW8 Slowly changing dimensión, 12:27