Tecnología e InteligenciaTitular

de Negocio

Semana 2

Ing. Anthony Barahona

Objetivo Titular

1. Resumen de Semana 1

2. Conocer la estructura y componentes del Datawarehouse.

3. Identificar la estructura de BI y su arquitectura tecnológica.

4. Definir el concepto de Gobierno de Datos.

Frases del Día Titular

1. Henry Ford “El fracaso es una gran oportunidad para empezar otra
vez con más inteligencia”

2. Albert Einstein: “Entre las dificultades se esconde la

oportunidad”.

3. Charlie Munger: “Nunca juegues a juegos que no entiendas,

incluso si ves a mucha gente ganando dinero en
ellos”.
Inicio de Semana 2 Titular

Resumen Semana 12
Resumen Semana 1 (MapaTitular
Conceptual)

Detectar ¿Cuando es
necesario BI?

BI Analytic Detectar ¿Cómo que no existe

¿Qué es?
Evolución una estrategia?
Beneficios BI

BI

Tipos de DSS

De Acuerdo a la
jerarquía el tipo de
info
Pirámide de Información

INICIO SEMANA2
Actividad Tareas y Pendientes
Titular

Martes 6 Septiembre Entrega de Caso de Estudio con las preguntas y Conclusiones (GRUPO) 5%

Jueves 8 Septiembre Entrega comprobante de instalación de programa KNIME foto (Individual) 2%

Sábado 10 Septiembre Exposición Tema Relacionado a BI (Individual) Min 10 Max 15 min 2%

- Inteligencia Artificial
- Big Data
- Arboles de Decisión
- Redes Neuronales
- Machine Learning
- Análisis Prescriptivos
- Análisis Predictvos
Actividad 2 (Grupo) Titular
Preguntas
 
1. ¿Tenemos que comenzar cobrando por el uso del canal de banca en línea o si debemos
empezar ofreciendo a los clientes incentivos como descuentos y precios de servicio más
bajos para motivar un mayor uso del canal?

2. ¿Los clientes en línea son en realidad clientes mejores, y si la adopción del canal en línea
produce realmente clientes mejores?

3. ¿Hacia el canal en línea más rentable a los clientes?

CASO DE ESTUDIO 4. ¿Qué implicaciones tiene esto para la decisión de la dirección de los descuentos o cargos
para el uso del canal?
Entrega
 
Martes 6 Septiembre
Conclusiones
¿Datawarehouse que es ?Titular

Es un repositorio de datos que proporciona

una visión global, común e integrada de los datos
de la organización.

con las propiedades siguientes:

estable, coherente, fiable y con información
histórica.

Que es?
¿Datawarehouse que es ?Titular
Resumiendo, el data warehouse presenta las siguientes características:

Orientado a un tema: organiza una colección de información en torno a un tema central.

Integrado: incluye datos de múltiples orígenes y presenta consistencia de datos.

Elementos de Datawarehouse
Titular
Data warehousing : es el proceso de extraer y filtrar datos de las operaciones comunes de la organización,
procedentes de los distintos sistemas de información operacionales y/o sistemas externos.
Elementos de Datawarehouse
Titular
Data mart : es un subconjunto de los datos del data warehouse con el objetivo de responder a un determinado
análisis, función o necesidad y con una población de usuarios específica. Y puede ser dependiente o
independiente de un data warehouse .
Elementos de Datawarehouse
Titular
Operational data store(ODS):

Es un contenedor de datos activos, es decir operacionales que ayudan al soporte de decisiones y a la operaci
ón. Su función es integrar los datos al igual que en el Data warehouse pero con una ventana de actualizació
n muy pequeña (del orden de minutos) y con mucho menos detalle.
Elementos de Datawarehouse
Titular
Staging area: es el sistema que permanece entre las fuentes de datos y el data warehouse con el objetivo de:
1. Facilitar la extracción de datos desde fuentes de origen con complejidad grande.
2. Mejorar la calidad de datos.
3. Ser usado como caché de datos operacionales con el que posteriormente se realiza el proceso de data
warehousing .
4. Acceder en detalle a información no contenida en el data warehouse
Elementos de Datawarehouse
Titular
Procesos ETL: tecnología de integración de datos basada en la consolidación de datos que se emplea
tradicionalmente para alimentar almacenes de datos de cualquier tipo: data warehouse , datamart , staging
área y ODS.
Elementos de Datawarehouse
Titular
Metadatos: datos estructurados y codificados que describen características que ayudan a identificar,
descubrir, valorar y administrar las información descrita en las tablas.
¿Tabla de Hechos ? Titular
Tabla de hecho: es la representación en el data warehouse de los procesos de negocio de la organización.
Por ejemplo, una venta puede identificarse como un proceso de negocio, de manera que es factible, si
corresponde en nuestra organización, considerar la tabla de hecho ventas.

Diferencia Modelo :
Estrella vs Copo de Nieve
Tabla de hechos (Esquemas de estructura
de datos)
Elementos de un Datawarehouse
Titular
Dimensión: es la representación en el data warehouse de una vista para un cierto proceso de negocio. Si
regresamos al ejemplo de una venta, para esta tenemos el cliente que ha comprado, la fecha en la que se ha
realizado, etc. Estos conceptos pueden ser considerados como vistas para este proceso de negocio. Puede ser
interesante recuperar todas las compras realizadas por un cliente. Ello nos hace entender por qué la
identificamos como una dimensión.

Explicación Tabla de
hechos y una Tabla de
Dimensión.
Elementos de un Datawarehouse
Titular
Métricas: son los indicadores de un proceso de negocio; aquellos conceptos cuantificables que permiten
medir nuestro proceso de negocio. Por ejemplo, en una venta tenemos su importe.

Métricas
Actividad 1 Titular

QUIZ CONOCIMIENTO PRUEBA 1

VALOR 2 PUNTO ORO
Colocar Nombre y Apellido al entrar en la aplicación

Instrucciones son 5 Preguntas deben contestar

mínimo 2 para poder acreditar el punto oro y 4 para
los 2 puntos oro
Pasos para construir un Datawarehouse
Titular

1. Comprender el problema
El equipo de desarrollo de data warehouse debe realizar un diagnóstico de la cantidad de datos que maneja
la empresa y las transformaciones digitales que se deben implementar, en caso sea necesario.

2. Identificar la fuente de los datos

Las fuentes de datos pueden ser de cualquier tipo: otras bases de datos (SQL/NoSQL), aplicaciones, redes
sociales, encuestas, archivos de Excel, etc., esto se debe revisar con el equipo de datos o encargado de
Datawarehouse.
Pasos para construir un Datawarehouse
Titular
3. Crear el modelo de data warehouse
Una vez establecidos los data marts y definidos los datos, se crea una base de datos central para todos los
elementos que estarán incluidos en el data warehouse. Esta base de datos central debe ilustrar todos los
objetos -y sus propiedades- que irán en el almacén de datos.

4. Seleccionar las herramientas ETL adecuadas

Las herramientas ETL (Extracción, Transformación y Carga) se encargan de extraer los datos de las fuentes,
transformarlos y cargarlos al data warehouse. Es muy importante seleccionar una herramienta ETL que tenga
un manejo sencillo y represente, de manera visual, todas las transformaciones. Entre las herramientas más
conocidas podemos mencionar: Microsoft - SQL Server Integrated Services (SSIS), IBM InfoSphere
Information Server, Amazon Redshift y Oracle GoldenGate.
Pasos para construir un Datawarehouse
Titular
5. Emplear analítica inteligente
En esta etapa, se necesitan crear gráficos, cuadrículas y/o tablas para visualizar los datos y tomar las
mejores decisiones. En esta etapa existen programas que permitirán generar reportes como Oracle
BI, Microsoft PowerBI, KNIME entre otros. 

6. Documentar
Para que un data warehouse sea exitoso, necesita ser parte funcional de las operaciones de una empresa y
evolucionar a medida que el negocio también crezca. Por lo tanto, una buena documentación de cómo se
ha venido desarrollando el almacén de datos y los logros que se han alcanzado gracias a él garantizarán su
continuidad. 
Datawarehouse Titular
Arquitectura de BI

Diferencia entre :
Datalake, Datawarehouse y
Data Mart
 Titular
Diseño del proceso de ETL
Una vez implementado el modelo en el data warehouse , el siguiente paso es la carga de los datos. Para
ello, se usa la integración de datos. En un contexto empresarial, la integración puede darse en cuatro
grandes áreas:

1. Integración de datos: Se entiende por integración de datos el conjunto de aplicaciones, productos,

técnicas y tecnologías que permiten una visión única consistente de nuestros datos de negocio.

Gestión y administración de servicios.

• Extracción de datos.
• Transformación de datos.
• Carga de datos.
• Gestión de datos.

Ejemplo: KNIME
 Titular
Diseño del proceso de ETL
2) Integración de aplicaciones: proporciona una visión unificada de todas las aplicaciones tanto
internas como externas a la empresa. Esta integración se consigue mediante la coordinación de los
flujos de eventos (transacciones, mensaje o datos) entre aplicaciones.

3) Integración de procesos de negocio: proporciona una visión unificada de todos los procesos de
negocio. Su principal ventaja es que las consideraciones de diseño del análisis e implementación de los
procesos de negocio son aislados del desarrollo de las aplicaciones.

4) Integración de la interacción de los usuarios: proporciona una interfaz segura y personalizada al

usuario del negocio (datos, aplicaciones y procesos de negocio).
Análisis OLAP Titular

Se entiende por OLAP, o proceso analítico en línea, el método para organizar y consultar datos sobre
una estructura multidimensional. A diferencia de las bases de datos relacionales, todas las potenciales
consultas están calculadas de antemano, lo que proporciona una mayor agilidad y flexibilidad al usuario
de negocio.

Creación de un Cubo OLAP

Gobierno de Datos ¿QuéTitular
es?

Que es gobierno de datos

El gobierno de datos consta de la gestión eficiente de toda la información digital corporativa

posicionándose, de este modo, como un poderoso generador de insights y la base para la toma de
decisiones empresariales.

Básicamente, el Gobierno de datos abarca de forma directa o indirecta los siguientes aspectos:
1. Políticas corporativas.
2. Procesos de producción.
3. Recursos humanos.
4. Uso de recursos tecnológicos.
Actividad 2 (Grupo) Titular
Preguntas
 
1. ¿Tenemos que comenzar cobrando por el uso del canal de banca en línea o si debemos
empezar ofreciendo a los clientes incentivos como descuentos y precios de servicio más
bajos para motivar un mayor uso del canal?

2. ¿Los clientes en línea son en realidad clientes mejores, y si la adopción del canal en línea
produce realmente clientes mejores?

3. ¿Hacia el canal en línea más rentable a los clientes?

CASO DE ESTUDIO 4. ¿Qué implicaciones tiene esto para la decisión de la dirección de los descuentos o cargos
para el uso del canal?
Entrega
 
Martes 6 Septiembre
Conclusiones
Conclusiones Titular
• EL diseño de un Datawarehouse puede ser bastante variado en su estructura ya que pueden contener datos tantos estructurados como no estructurados, lo
que en ambos escenarios sirven para analizar de forma cuantitativa y cualitativa para el caso de los agrupados en filas o listas y en el caso de por ejemplo
videos o imágenes puede ser un suministro importante para incluso la realidad virtual.

• El diseño elegido del datawarehouse deberá estar enfocado principalmente en la necesidad del usuario y su crecimiento a corto, mediano y largo plazo
aunado con las políticas y reglamentos generados desde el gobierno de datos.

• Antes de implementar un data warehouse, debemos entender bien su funcionamiento y los data mart que este alimentará, debemos asegurarnos de que las
fuentes de datos sean confiables y recaben datos necesarios (sean estos o no estructurados) para resolver las necesidades de la empresa y asegurar una
correcta transformación de estos, de tal manera que contemos con un data warehouse robusto y con apertura al crecimiento de la compañía y del flujo de
la información.
• Los modelos de la data warehouse deben seleccionarse según las necesidades y situación de la empresa a corto y mediano plazo, sin descartar uno u otros,
o considerar que hay mejores o peores modelos en la estructura de los data warehouse.
• El datawarehousing podemos deducir que es un sistema que engloba todos los procesos de la empresa, y que a su vez esta segmentado a través de
Datamart donde podemos observar toda aquella información necesaria para realizar el análisis de un área en específico.
• El gobierno de datos proporciona lineamientos y se rige por políticas que permite que la información sea más transparente. Cada una de las áreas debe
regirse mediante procesos que estén previamente determinados.