INTEGRANTES

JOSELYN MENDOZA GUERRERO

Business Intelligence

 Conjunto de estrategias para la creación de conocimiento a partir del análisis de

datos recopilados en la empresa. Ese concepto de generación de conocimiento es la
caracterí­stica principal ya que no se trata sólo de recopilar y analizar la información;
sino de entender cómo y por qué, para adaptar las acciones destinadas a la mejora de la
rentabilidad y productividad de la empresa.
 CARACTERÍSTICAs

Este tipo de software permite a las empresas avanzar en

la mejora competitiva por medio de cinco acciones
fundamentales:

Observación, mediante la cual se recopilan los datos y se

analiza lo que está pasando.

Comprensión, favorecida por el análisis profundo y el cruce

de datos para la obtención de información valiosa.

Predicción, propiciada por la evolución de los datos que

permite realizar estimaciones a futuro.

Colaboración, gracias a la difusión de los resultados y la

cooperación entre departamentos.

Decisión, último paso en el cual se propone la estrategia a

seguir en función del análisis y las simulaciones realizadas.
BENEFICIOS

Accesibilidad de la
información, que puede Apoyo en la toma de
Mejor planificación, con
ser distribuida de forma decisiones, reduciendo
importantes ahorros de
rápida y sencilla entre tiempos y mejorando la
tiempo
los responsables efectividad.
interesados.
 DATAMART

Un Datamart es una base de datos departamental, especializada

en el almacenamiento de los datos de un área de negocio
específica.

Se caracteriza por disponer la estructura óptima

de datos para analizar la información al detalle
Se caracteriza desde todas las perspectivas que afecten a los
procesos de dicho departamento. Un datamart
puede ser alimentado desde los datos de un 
datawarehouse, o integrar por si mismo un
compendio de distintas fuentes de información
 Para crear el datamart de un área funcional de la empresa es
preciso encontrar la estructura óptima para el análisis de su
información, se pueden plantear dos tipos de datamarts:

Datamart OLAP
Se basan en los populares cubos OLAP, que se
construyen agregando, según los requisitos de
cada área o departamento, las dimensiones y los
indicadores necesarios de cada cubo relacional. El
modo de creación, explotación y mantenimiento
de los cubos OLAP es muy heterogéneo, en
función de la herramienta final que se utilice.
Datamart OLTP
Pueden basarse en un simple extracto del
datawarehouse, no obstante, lo común es introducir
mejoras en su rendimiento (las agregaciones y los
filtrados suelen ser las operaciones más usuales)
aprovechando las características particulares de cada
área de la empresa
DATA WAREHOUSE

Viene del Inglés Data = datos y WareHouse = almacén, por eso, una
data warehouse es un almacén de datos. Esta palabra se utiliza para
hablar de un almacén de datos diseñado para permitir las actividades
de inteligencia de un negocio. En definitiva sirve para ayudar analizar
los datos recopilados por la empresa con el fin de mejorar su
rendimiento, es un conjunto de datos estructurados orientados por
temas, integrados, variables con el tiempo, y no volátiles empleados
para tomar decisiones
Para Qué Sirve una Data WareHouse

Para tener un mayor conocimiento del negocio

Para tomar mejores decisiones y en un tiempo menor.
Para mejorar y ser más efectivos.
Para no perder distancia con la competencia.
En definitiva para aumentar los ingresos
Se caracteriza por ser:

•Orientado a temas: los datos están organizados por temas para facilitar el entendimiento

por parte de los usuarios, de forma que todos los datos relativos a un mismo elemento de la
vida real queden unidos entre sí. Por ejemplo, todos los datos de un cliente pueden estar
consolidados en una misma tabla, todos los datos de los productos en otra, y así
sucesivamente.

•Integrado: los datos se deben integrar en una estructura consistente, debiendo eliminarse las
inconsistencias existentes entre los diversos sistemas operacionales. La información se estructura en
diversos niveles de detalle para adecuarse a las necesidades de consulta de los usuarios. Algunas de las
inconsistencias más comunes que nos solemos encontrar son: en nomenclatura, en unidades de medida,
en formatos de fechas, múltiples tablas con información similar (por ejemplo, tener varias aplicaciones en
la empresa, cada una de ellas con tablas de clientes).
Histórico (variante en el tiempo):
Los datos, que pueden ir variando a lo largo del tiempo,
deben quedar reflejados de forma que al ser consultados
reflejen estos cambios y no se altere la realidad que había en
el momento en que se almacenaron, evitando así la
problemática que ocurre en los sistemas operacionales, que
reflejan solamente el estado de la actividad de negocio
presente. Un Data Warehouse debe almacenar los diferentes
valores que toma una variable a lo largo del tiempo. Por
ejemplo, si un cliente ha vivido en tres ciudades diferentes,
debe almacenar el periodo que vivió en cada una de ellas y
asociar los hechos (ventas, devoluciones, incidencias, etc.)

No volátil:
la información de un Data Warehouse, una vez introducida, debe ser
de sólo lectura, nunca se modifica ni se elimina, y ha de ser
permanente y mantenerse para futuras consultas. Por ejemplo, si en
el origen se modifica la cantidad de un producto que entra en el
almacén, en el Data Warehouse no podemos hacer directamente una
actualización sobre ese registro sin dejar ni el más mínimo rastro de
que hubo antes otro valor.
VENTAJAS

• Los almacenes de datos hacen más fácil el acceso a

una gran variedad de datos a los usuarios finales
• Facilitan el funcionamiento de las aplicaciones de los
sistemas de apoyo a la decisión tales como informes
de tendencia, por ejemplo: obtener los ítems con la
mayoría de las ventas en un área en particular dentro
de los últimos dos años; informes de excepción,
informes que muestran los resultados reales frente a
los objetivos planteados a priori.
• Los almacenes de datos pueden trabajar en conjunto
y, por lo tanto, aumentar el valor operacional de las
aplicaciones empresariales, en especial la gestión de
relaciones con clientes.
INCONVENIENTES

A menudo existe una delgada

línea entre los almacenes de
datos y los sistemas
A lo largo de su vida los operacionales. Hay que
A veces, ante una petición de
almacenes de datos pueden determinar qué funcionalidades
Los almacenes de datos se información estos devuelven
suponer altos costos. El de estos se pueden aprovechar y
pueden quedar obsoletos una información su óptima,
almacén de datos no suele ser cuáles se deben implementar en
relativamente pronto. que también supone una el data warehouse, resultaría
estático. Los costos de
pérdida para la organización. costoso implementar operaciones
mantenimiento son elevados.
no necesarias o dejar de
implementar alguna que sí vaya a
necesitarse.
 DATA MINING

Data Mining (minería de datos) es el proceso de extracción de información significativa de grandes

bases de datos, información que revela inteligencia del negocio, a través de factores ocultos,
tendencias y correlaciones para permitir al usuario realizar predicciones que resuelven problemas
del negocio proporcionando una ventaja competitiva. Las herramientas de Data Mining predicen las
nuevas perspectivas y pronostican la situación futura de la empresa, esto ayuda a los mismos a
tomar decisiones de negocios proactivamente.
 Determinación de los objetivos. Trata de la delimitación de los
objetivos que el cliente desea bajo la orientación del
especialista en data mining.

Preprocesamiento de los datos. Se refiere a la selección, la

limpieza, el enriquecimiento, la reducción y la transformación
de las bases de datos. Esta etapa consume generalmente

ETAPAS alrededor del setenta por ciento del tiempo total de un

proyecto de data mining.

Determinación del modelo. Se comienza realizando unos

análisis estadísticos de los datos, y después se lleva a cabo una
visualización gráfica de los mismos para tener una primera
aproximación. Según los objetivos planteados y la tarea que
debe llevarse a cabo, pueden utilizarse algoritmos
desarrollados en diferentes áreas de la Inteligencia Artificial.
Análisis de los resultados. Verifica si los resultados obtenidos
son coherentes y los coteja con los obtenidos por los análisis
estadísticos y de visualización gráfica. El cliente determina si
son novedosos y si le aportan un nuevo conocimiento que le
permita considerar sus decisiones
 VENTAJAS

Permite descubrir
información que Antes de usar los
Los resultados
no esperábamos Da a las empresas modelos, estos
son muy fáciles La empresa
obtener. Esto se Es capaz de la posibilidad de son comprobados Ahorra costes a la
de interpretar y puede mejorar la
debe a su analizar bases de Permite ofrecer a los mediante empresa y abre
no es necesario atención al
funcionamiento datos con una encontrar, atraer clientes los estadísticas para nuevas
tener cliente a partir de
con algoritmos, enorme cantidad y retener clientes. productos o verificar que las oportunidades de
conocimientos en la información
ya que permite de datos. servicios que predicciones negocio.
ingeniería obtenida.
hacer muchas necesitan. obtenidas son
informática.
combinaciones válidas.
distintas.
Sin embargo, también puede aparecer algún inconveniente
a la hora de utilizar técnicas de Data Mining, por ejemplo,
dependiendo del tipo de datos que se quieran recopilar,
nos puede llevar mucho trabajo, o a veces la inversión
inicial para obtener las tecnologías necesarias para la
recopilación de datos puede tener un coste elevado.