INGENIERÍA EN SISTEMAS COMPUTACIONALES

Transcripción

1 INGENIERÍA EN SISTEMAS COMPUTACIONALES UNIDAD 1, 2, 3,4, 5,6 Profesor: José Ramón Valdez Gutiérrez Alumnos: Cabrales Barrios Rodolfo Alejandro

2 Contenido Tema 1.- Introducción a los Negocios Inteligentes... 5 RESUMEN Qué es Negocio Inteligente (BI)... 6 Definición Qué puede hacer BI?... 6 Beneficios del BI... 6 Beneficio... 6 Toma de decisiones Quién necesita soluciones de Negocios Inteligentes?... 7 Introducción... 7 Por qué se necesitan soluciones de BI? Software de BI Aplicaciones de Software... 8 BusinessObjects Cartesis... 8 CorVu... 8 Hyperion System IBM Cognos 8 Planning... 9 LiveDashBoard... 9 IBM Cognos Express Componentes de los Negocios Inteligentes Digital Dashboards o paneles de Control Digital Query & Report Data Warehouse Data Mart Herramientas OLAP Data Mining El DM El futuro de los Negocios Inteligentes Más Allá Del Business Intelligence Conclusión Tema 2. Administración del Conocimiento... 14

3 RESUMEN Qué es la Administración del Conocimiento? Administración del conocimiento Herramientas tecnológicas de soporte de administración del conocimiento Qué son Estas Herramientas? Tipos de Herramientas La administración del conocimiento como ventaja competitiva Proceso de Implantación de Administración del Conocimiento en las Organizaciones Ventajas de la Administración del Conocimiento Conclusión Tema 3. Data Warehouse y DataMart RESUMEN Data Warehouse Objetivos Fundamentales de un Data Warehouse Elementos Básicos de un Data Warehouse Procesos básicos del Data Warehouse Qué es un DataMart Propuesta de Bases de Datos Estratégicas Arquitectura de Base de Datos Estratégicas Modelo de definición de Bases de Datos estratégicas Conclusiones Tema 4 Análisis Multidimensional RESUMEN Definiciones y conceptos del Administrador Multidimensional Definición de indicadores Modelado Multidimensional Tablas de Dimensiones Definición de Tablas de Hechos Conclusiones Tema5. Modelado Multidimensional RESUMEN Modelado multidimensional... 43

4 5.1 Modelado multidimensional, continuación Pasos a Seguir en la Construcción de un Data Warehouse Ejemplo de Construcción de un Data Warehouse Conclusiones Tema 6. Procesamiento Analítico en Línea. OLAP RESUMEN Conceptos de tecnología OLAP Herramientas OLAP Usos y Aplicaciones de la tecnología OLAP Conclusiones Referencias Bibliográficas... 56

5 Tema 1.- Introducción a los Negocios Inteligentes RESUMEN La Inteligencia de Negocios o Business Inteligencie (BI) se puede definir como el proceso de analizar los bienes o datos acumulados en la empresa y extraer una cierta inteligencia o conocimiento de ellos. Dentro de la categoría de bienes se incluyen las bases de datos de clientes, información de la cadena de suministro, ventas personales y cualquier actividad de marketing o fuente de información relevante para la empresa. BI apoya a los tomadores de decisiones con la información correcta, en el momento y lugar correcto, lo que les permite tomar mejores decisiones de negocios. La información adecuada en el lugar y momento adecuado incrementa efectividad de cualquier empresa. "La tecnología de BI no es nueva, ha estado presente de varias formas por lo menos en los últimos 20 años, comenzando por generadores de reportes y sistemas de información ejecutiva en los 80 s " Afirma Candice Goodwin [1]. Entiéndase como sinónimos de tecnología de BI los términos aplicaciones, soluciones o software de inteligencia de negocios. Tal vez le ayude a comprender mejor el concepto por medio de un ejemplo. Una franquicia de hoteles a nivel nacional que utiliza aplicaciones de BI para llevar un registro estadístico del porcentaje promedio de ocupación del hotel, así como los días promedio de estancia de cada huésped, considerando las diferencias entre temporadas. Con esta información ellos pueden: - calcular la rentabilidad de cada hotel en cada temporada del año - determinar quién es su segmento de mercado - calcular la participación de mercado de la franquicia y de cada hotel - identificar oportunidades y amenazas Estas son sólo algunas de las formas en que una empresa u organización se puede beneficiar por la implementación de software de BI, hay una gran variedad de aplicaciones o software que brindan a la empresa la habilidad de analizar de una forma rápida por qué pasan las cosas y enfocarse a patrones y amenazas.

6 1.1 Qué es Negocio Inteligente (BI) Definición Se denomina inteligencia empresarial, inteligencia de negocios o BI (del inglés business intelligence) al conjunto de estrategias y herramientas enfocadas a la administración y creación de conocimiento mediante el análisis de datos existentes en una organización o empresa. 1.2 Qué puede hacer BI? Beneficios del BI Los siguientes puntos que se presentan a continuación vienen derivados de la posibilidad de disponer de sistemas Business Intelligence y son resultados de la aplicación del BI en la empresa como lo es: Aumento de ventas por concentración de recursos Aumento de ventas por focalización en segmentos de rentabilidad de clientes. Aumento de ventas por focalización en segmentos de productos. Aumento de márgenes por focalización en segmentos de productos - clientes. Alineación de la empresa, (los empleados), según la estrategia. Toma de decisiones contando con todos los parámetros. Posibilidad de simulación de escenarios. Toma de decisiones basadas en cuadro de mando. Beneficio Ayuda al empresario a reducir costes y agiliza la producción. Una buena gestión de los datos es la clave del éxito, porque permite ahorrar tiempo y dinero. Pero también tiene algún inconveniente: al ser algo novedoso, no siempre resulta rentable, sobre todo para las empresas más pequeñas. Toma de decisiones Ayudar a obtener una visión más profunda y facilitar una mejor toma de decisiones.

7 1.3 Quién necesita soluciones de Negocios Inteligentes? Introducción Todo el mundo necesita una estrategia de BI, BI porque ya no es algo algunos analistas hacen a entregar informes sobre lo sucedido en los últimos tres meses. Las empresas necesitan saber lo que está sucediendo en su entorno actual. BI y análisis están convirtiendo en una parte de las aplicaciones clave, o recibidos en los tomadores de decisiones a través de cuadros de mando de rendimiento. Por qué se necesitan soluciones de BI? Porque las empresas necesitan saber lo que está sucediendo en su entorno actual. BI y análisis están convirtiendo en una parte de las aplicaciones clave, o recibidos en los tomadores de decisiones a través de cuadros de mando de rendimiento.

8 1.4 Software de BI. Aplicaciones de Software De acuerdo con los analistas, el software de Business Intelligence es un área donde las corporaciones y las PyMES (aunque en menor medida pero en forma creciente) continúan haciendo inversiones. El segmento está dominado por empresas como Oracle, Microsoft, SAP, Cognos, Business Object, Hyperion y Microstrategy. Sistemas CRM Por CRM (Customer Relationship Management) se entiende los sistemas que permiten soportar la relación con nuestros clientes. Un sistema CRM permite almacenar información de todos y cada uno de los contactos con nuestros consumidores y con su entorno. Es un gran repositorio que nos abastece con los detalles de nuestros clientes, así como también con consejos o pautas sobre futuros contactos con los mismos. Software CRM Existen muchos productos de Business Intelligence que permiten soportar la administración de las relaciones con clientes y de diferentes tipos, funciones y alcances, no obstante, hay ciertas características comunes en todos los CRM (Customer Relationship Management) BusinessObjects Cartesis Cartesis Suite ofrece funcionalidad simplificada y basada en estándares de informes de cumplimiento adecuado para los negocios globales. CorVu Ofrece módulos CPM y BPM incluyendo la gestión stratgeic, cuadros de mando, cuadros de mando, el presupuesto de gestión de riesgos y la planificación, consolidación, gestión de incentivos, dashbaords, publicación en la Web, OLAP, inteligencia de negocios, redacción de informes, redacción de informes financieros, análisis gráfico, la minería de datos, y foreacsting. Hyperion System 9 Es un negocio de gestión de rendimiento (BPM) la integración de un conjunto modular de aplicaciones de gestión financiera con Business Intelligence (BI) para la presentación de informes y análisis.

9 1.4 Software de BI (continuación). IBM Cognos 8 Planning Ofrece una gama de business intelligence (BI) en una única arquitectura orientada a servicios (SOA). LiveDashBoard Es una solución Web 2.0 de BI que permite a los usuarios desplegar dashboards empresariales de colaboración a las 20, 50, o incluso miles de usuarios en todo tipo de infraestructura de TI. IBM Cognos Express Es una inteligencia de negocio integrado (BI) y una solución de planificación diseñado para las medianas empresas.

10 1.5 Componentes de los Negocios Inteligentes Digital Dashboards o paneles de Control Digital También conocidos como Business Intelligence Dashboards, o Dashboards Ejecutivos, Son resúmenes visuales de información del negocio, que muestran de una mirada la comprensión del global de las condiciones del negocio mediante métricas e Indicadores Clave de Desempeño (KPIs). Esta es una Herramienta de Inteligencia de Negocios muy popular desde hace unos pocos años. Query & Report Las herramientas de Query (consulta) y Report (reporte) son quizá las más conocidas en este ámbito, ya que son fundamentales para el desarrollo y manejo de listados e informes basados en la información presente en los almacenes de datos y Data Marts. Data Warehouse Un Data Warehouse (DW) o almacén de datos es una colección de datos que es extraída desde diferentes fuentes de información a lo largo de la empresa (bases de datos departamentales, intranet, sistemas transaccionales, etc.) con la finalidad de permitir la realización de consultas y análisis, fundamentalmente, para ayudar a la toma de decisiones. Data Mart Aunque para algunos se trata casi de un sinónimo de Data Warehouse, un Data Mart o cubo de datos puede entenderse como un subconjunto del repositorio de datos, que se orienta a un área específica del negocio, como recursos humanos, ventas o marketing.

11 1.5 Componentes de los Negocios Inteligentes, (Continuación) Herramientas OLAP (On Line Analytical Processing) son un conjunto de herramientas capaces de responder rápida y ágilmente a las solicitudes de información de los usuarios y que deben reflejar cualquier lógica de negocio por las que se consulte. Una de las principales cualidades de las herramientas de OLAP es identificar tendencias, es decir, permiten apoyar la toma decisiones considerando diversas variables, así como también permiten identificar cambios en las preferencias de los clientes. Sin embargo, aunque pueden responder consultas complejas y ratificar información, lo hacen siempre dependiendo del usuario, que es quien define las relaciones a considerar. Data Mining El DM El Data Mining (DM) o minería de datos es una técnica orientada a extraer información desde grandes volúmenes de datos y corresponde a una de las claves de la inteligencia de negocios. El DM es un proceso conocido como KDD (Knowledge Discovery in Databases) que consta de tres fases: preparación de los datos, extracción de información e interpretación de los resultados. Donde se prueba una hipótesis del usuario- y los métodos de descubrimiento -búsqueda de patrones (incluyendo las técnicas de predicción)-. Lo anterior se traduce en análisis exploratorios, los cuales se apoyan en herramientas de visualización de datos y construcción de modelos, con el objetivo de realizar predicciones utilizando los patrones detectados en los datos conocidos con información del pasado.

12 1.6 El futuro de los Negocios Inteligentes Más Allá Del Business Intelligence Hoy ya no es suficiente con analizar los datos y lo sucedido en el pasado, adelantarse a los acontecimientos y predecir escenarios futuros es una necesidad. La creciente competencia y la globalización obligan a las compañías a buscar la diferenciación. Para conseguirlo, no es suficiente con analizar lo sucedido en el pasado, el BI permite ir más allá y predecir situaciones futuras, afrontando los retos con ventaja. La necesidad de anticiparse al futuro ha preocupado al hombre desde el principio de los tiempos. La gestión del mismo no es una tarea fácil. El gran desafío consiste en hacer previsiones correctas sobre acontecimientos futuros, que no se sabe cuándo ocurrirán ni qué consecuencias van a tener. La respuesta a esta necesidad es parte esencial de lo que llamamos Más allá del BI, cada vez más imprescindible en la toma de decisiones. Hoy en día, muchas veces se limita el concepto de Business Intelligence a la realización de consultas y generación de informes sobre sucesos pasados. Si damos esta definición por buena, entonces lo que realmente necesitan las organizaciones es ir más allá del Business Intelligence para obtener realmente, una ventaja competitiva. La plataforma de Business Intelligence, SAS Intelligence Plataform: Garantiza la integración de todas las funciones y tecnologías de la empresa. Facilita la accesibilidad de todos los usuarios a las soluciones de generación de inteligencia. Es una plataforma completa, integral de principio a fin. Proporciona análisis predictivos, planificación de escenarios, análisis de riesgos Asegura la calidad de datos. Proporciona almacenamiento inteligente y escalable.

13 Conclusión -Dentro de una empresa los negocios inteligentes son una herramienta de suma importación para la toma de decisiones y la realización de estrategias tomando en cuenta el apoyo de los sistemas de información. -La utilización de negocios inteligentes ha influenciado internacional. a la economía - Los negocios inteligentes proporcionan factores para tomar en cuenta en mayor o menor grado para la toma de decisiones permitiendo una mejor comunicación entre los trabajadores y la empresa. -En conocimientos acerca de los negocios inteligentes permite desarrollar habilidades en el uso de sistemas inteligentes lo cual genera ventajas competitivas sobre otra empresa.

14 Tema 2. Administración del Conocimiento RESUMEN La administración del conocimiento implica la adecuada explotación de datos e información para transformarlos en conocimiento y entendimiento. Las herramientas tecnológicas para KM, como cualquier otra herramienta, están diseñadas para facilitar el trabajo y permitir que los recursos sean aplicados eficientemente intercambiando información y conocimiento dentro y fuera de las organizaciones. En los últimos años hemos visto un acelerado crecimiento en tecnologías que sus vendedores caracterizan como soluciones para KM. Una empresa puede llegar a obtener una ventaja competitiva en la industria que compite y convertirse en líder de su segmento de mercado, si logra la excelencia en una de las siguientes cuatro disciplinas y mantiene un grado aceptable en cualquiera de las otras tres. Excelencia operativa: Innovación de productos: Conocimiento del cliente: Explotación de la Marca: El proyecto de implantación de un sistema de gestión de conocimiento implica la construcción previa de una serie de habilidades y capacidades que permitan hacer sostenible el proceso de implantación de una sólida estructura de gestión de conocimiento. Dicho proceso se fundamenta en la asimilación y gestión de los activos del conocimiento (información que debe ser alimentada, preservada y empleada lo más ampliamente posible tanto por los individuos como por las organizaciones a las que éstos pertenecen) y los procesos a los que es sometido (entendiendo como tal la creación, construcción, recopilación, organización, transformación, transferencia, aplicación y salvaguarda del conocimiento existente en la organización). La gestión del conocimiento se hace cada vez más indispensable en las organizaciones e instituciones debido a la gran competitividad existe, por a razón, utilizar la G.C, crea un sin fin de ventajas que son de gran progreso en las empresas, logrando así sobresalir de las demás.

15 2.1 Qué es la Administración del Conocimiento? Administración del conocimiento Existen un sin número de definiciones, por lo que es necesario visualizar algunas de ellas para entender y establecer en forma práctica el significado de este término: Conjunto de herramientas para mejorar la infraestructura de conocimiento en una organización, encaminadas a poner accesible el conocimiento (know-how) correcto a la gente correcta, de la manera correcta en el momento correcto. (Schreiber, 2000). Es el proceso sistemático de buscar, organizar, filtrar y presentar la información con el objetivo de mejorar la comprensión de las personas en una especifica área de interés, Thomas H. Davenport. Encarna el proceso organizacional que busca la combinación sinérgica del tratamiento de datos e información a través de las capacidades de las Tecnologías de Información, y las capacidades de creatividad e innovación de los seres humanos, Dr. Yogesh Malhotra. Es el arte de crear valor con los activos intangibles de una organización, Phd. Karl E. Sveiby -La administración del conocimiento es una infraestructura que comparte información y que puede ser útil para otros individuos en la toma de decisiones. Esta nueva forma de transmitir los conocimientos apareció a finales de los 90 s, sin embargo ha tomado auge en los últimos años. La concentración y almacenamiento de esta información, no consiste solamente en almacenar datos, si no que representa la transmisión de conocimientos, procedimientos o investigaciones a través de una base de datos compartida, apoyada por la tecnología de información para su almacenamiento y acceso, la cual representan una posibilidad de aprovechar el trabajo que ya ha sido desarrollado, ahorrando invertir costos adicionales en un trabajo que ya ha sido realizado.

16 2.2 Herramientas tecnológicas de soporte de administración del conocimiento Qué son Estas Herramientas? Son la base sobre la cual las soluciones o aplicaciones de KM son construidas, es decir, todos aquellos repositorios de información estructurada (bases de datos) o no estructurada (correos, documentos); el groupware que provee el soporte necesario a las actividades de colaboración para compartir conocimientos, así como los servicios de redes y telecomunicaciones que permiten hacer el enlace para los grupos de trabajo. Tipos de Herramientas Repositorios de almacenamiento: En esta categoría de tecnologías se ubican a todos los medios de almacenamiento de información comúnmente encontrados con el nombre de bases de datos, bases de conocimiento e, incluso, data warehouses. Estos elementos sirven como bodegas de almacenamiento de información. El almacenamiento no es por sí mismo lo principal de estos repositorios sino su explotamiento. Tecnologías de red: Por tecnologías de red se entienden todos aquellos protocolos y avances en el ramo de las telecomunicaciones que permiten la creación de redes en cualquiera de sus modalidades incluyendo Intranet, Extranet y, por supuesto, la Internet y el flujo de información entre ellas. Plataformas de aplicaciones: Las plataformas de aplicación son un elemento clave y muchas veces determinante en la selección de una herramienta de KM ya que éstas son la base sobre las que corren las aplicaciones. Se habla básicamente de Lotus Notes y Microsoft como los dos grandes rivales.

17 2.2 Herramientas tecnológicas de soporte de administración del conocimiento (continuación) Aplicaciones Procesos: Las empresas se han dado cuenta que registrar sus procesos operativos les trae importantes beneficios, pero además, estos procesos pueden ser automatizados lo que trae consigo nuevas fuentes de ahorro y áreas de oportunidad para mejorar la calidad de su administración y la satisfacción de sus clientes. Para ello se pueden apoyar de bases de datos de procesos y aplicaciones de Workflow, entre otras herramientas. Competencias: El desarrollo de las competencias organizacionales y personales sirve a las empresas para sustentar su oferta de valor, cumplir con su misión y buscar nuevas oportunidades de negocio. Por ello, el manejo de estas competencias es muy importante y bases de datos de competencias pueden ser utilizadas para este fin y, además, herramientas a la medida que le permitan identificar sus brechas, dar seguimiento a los planes de carrera, etc. Administración de la experiencia: El conocimiento se desarrolla en el tiempo, a través de la experiencia, por ejemplo, lo que aprendemos, libros o tutores además de cualquier aprendizaje informal. La experiencia se refiere a lo que hicimos y lo que nos sucedió en el pasado. En esta área se ubican, entre otros, a las bases de datos de lecciones aprendidas y mejores prácticas.

18 2.3 La administración del conocimiento como ventaja competitiva Introducción Una de las Ventajas es el poder describir las competencias de un cargo o puesto que se exige en cualquier trabajo debido a la calidad y competencia, lo cual permite buscar al personal más idóneo o competente para que una organización de a conocer su capacidad y sea un aporte. La gestión del conocimiento no es sólo una aplicación informática, sino un conjunto de actividades en las que participan el software, el hardware y sobre todo las personas. La KM en cuanto a la enseñanza permiten detectar ciertas ventajas. Ventajas para la Organización 1.-La formación on line reduce los costos derivados de los desplazamientos para asistir a cursos de formación (online). 2.-Formación empresarial a medida, just in time. 3.-Mayor uniformidad en la formación del personal en la empresa. Ventajas para el Empleado 1.-Flexibilidad en tiempo, lugar y horario. 2.-Personal como verdadero agente de formación. Algunas de las ventajas competitivas de la gestión del conocimiento, y de cómo influye en la obtención de resultados en las corporaciones, son: -Mejora de la calidad en productos y servicios. -Mejora de la atención a los clientes. -Mejora de las relaciones con los proveedores. -Crea condiciones para mejorar el ambiente de trabajo. -Mejora la comunicación interpersonal.

19 2.4 Proceso de Implantación de Administración del Conocimiento en las Organizaciones. Proceso De La Implementación De La Gestión Del Conocimiento Las células principales de la empresa lo constituyen las divisiones, las sucursales territoriales y las subdirecciones de apoyo, cada grupo tiene variables diferentes a tener en cuenta para la elaboración de los procedimientos necesarios para el cumplimiento de los objetivos propuestos. Los procedimientos que se proponen son: Procedimiento para el trabajo en la intención organizacional: Fomentar la filosofía, en los líderes y dirigentes, de la importancia de tener la capacidad de crear y diseminar el conocimiento en la organización. Procedimiento para el comienzo de la movilidad y diseminación del conocimiento en la organización a través del desarrollo de competencias. Esto facilitará, a su vez: Identificar los conocimientos que posee la organización y su ubicación a través del diagnóstico de las competencias existentes. Identificar quienes son los expertos. La confección de los perfiles de competencias ideales y reales para cada puesto de trabajo. La identificación de las competencias claves de las diferentes áreas de trabajo. La identificación de la información que debe estar disponible para optimizar el proceso de trabajo. La mejor forma de desarrollar las competencias según la opinión de los propios especialistas.

20 2.5 Ventajas de la Administración del Conocimiento Ventajas de la Administración del Conocimiento Una de las Ventajas de la KM, es el poder describir las competencias de un cargo o puesto que se exige en cualquier trabajo debido a la calidad y competencia, lo cual permite buscar al personal más idóneo o competente para que una organización de a conocer su capacidad y sea un aporte. La gestión del conocimiento no es sólo una aplicación informática, sino un conjunto de actividades en las que participan el software, el hardware y sobre todo las personas. La KM en cuanto a la enseñanza permiten detectar ciertas ventajas y desventajas. Ventajas Para La Organización Ventajas Para El Empleado: La formación on line reduce los costos derivados de los desplazamientos para asistir a cursos de formación (online). Formación empresarial a medida, just in time. Mayor uniformidad en la formación del personal en la empresa. Flexibilidad en tiempo, lugar y horario. Personal como verdadero agente de formación.

21 Conclusión La Administración del conocimiento no consiste solamente en almacenar datos, si no que representa la transmisión de conocimientos, procedimientos o investigaciones a través de una base de datos compartida. Las Herramientas tecnológicas para la administración del conocimiento son la base sobre la cual las soluciones o aplicaciones de administración de conocimiento son construidas, es decir, todos aquellos repositorios de información estructurada (bases de datos) o no estructurada (correos, documentos); el groupware que provee el soporte necesario a las actividades de colaboración para compartir conocimientos, así como los servicios de redes y telecomunicaciones que permiten hacer el enlace para los grupos de trabajo. Algunas de las áreas en las que se pueden utilizar las herramientas para la administración del conocimiento son por ejemplo: Inteligencia empresarial, aprendizaje organizacional, administración de la experiencia y competencias. La gestión del conocimiento fomenta la creación y difusión de una cultura organizacional y un entorno de colaboración que favorezca dichas acciones mediante la presencia de un liderazgo, posibilita la implementación de políticas en la organización, que estimula la capacitación, el aprendizaje y la motivación de cada miembro de la organización, según sus necesidades, además de crear las condiciones necesarias para que la información fluya en forma idónea sobre la base de un soporte tecnológico que facilite y agilice el flujo de la información y el conocimiento. Así, se facilita la toma de decisiones en función del cumplimiento de la misión, visión, metas y objetivos de la organización.

22 Tema 3. Data Warehouse y DataMart RESUMEN Un Data Warehouse es una base de datos relacional que está diseñado para análisis para el procesamiento de transacciones. Por lo general contiene datos históricos derivados de los datos de transacción, pero pueden incluir datos de otras fuentes. Se separa la carga de trabajo de análisis de la carga de trabajo de transacción y permite a las organizaciones consolidar datos de varias fuentes. Un data mart es un almacén de datos limitado a un área concreta de la organización. Muchos expertos definen el data warehouse como un almacén centralizado que alimenta una serie de data marts. El Data mart es un sistema orientado a la consulta, en el que se producen procesos batch de carga de datos (altas) con una frecuencia baja y conocida. Es consultado mediante herramientas OLAP (On line Analytical Processing - Procesamiento Analítico en Línea) que ofrecen una visión multidimensional de la información. Sobre estas bases de datos se pueden construir EIS (Executive Information Systems, Sistemas de Información para Directivos) y DSS. Un modelo lógico es similar a lo que es un mapa cuando uno decide realizar un viaje. Uno necesita saber donde va y como llegar allí. Se necesita un plan, uno que sea visible y correcto. El modelo lógico es un esquema de todas las piezas de información necesarias para entender los datos y como se relacionan con el negocio. Es una técnica fundamentalmente gráfica que resulta en un modelo de datos representando la definición, características y relaciones de los datos en un ambiente de negocios, técnico o conceptual. En términos simples, un modelo de datos lógico es un borrador de alto nivel de los datos.

23 3.1 Data Warehouse Definición Un Data Warehouse es una base de datos relacional que está diseñado para análisis para el procesamiento de transacciones. Por lo general contiene datos históricos derivados de los datos de transacción, pero pueden incluir datos de otras fuentes. Se separa la carga de trabajo de análisis de la carga de trabajo de transacción y permite a las organizaciones consolidar datos de varias fuentes. Por qué es importante? Utilidad Palabras Clave Además de ser una Depósito (Warehouse) para almacenar grandes cantidades de datos, poseen sistemas que facilitan el acceso a los datos y su utilización en operaciones de día a día. Un Data Warehouse es importante ya que sirve como un sistema de apoyo a las decisiones. Además sirve para organizar la utilización de los datos para llegar a los hechos, las tendencias o las relaciones que pueden ayudarles a tomar decisiones efectivas o crear estrategias eficaces para lograr sus objetivos. Data Warehouse, Almacén de Datos, Informes, Datos, Sistemas, Organizar, Tendencias.

24 3.2 Objetivos Fundamentales de un Data Warehouse Introducción Objetivos Hoy en día toda empresa necesita depositar mucha confianza en la toma de decisiones sobre los negocios por lo que requerimos hechos y cifras, con las que tomaremos decisiones en nuestra empresa y estas deberán ser más aceleradas; por este motivo se requieren herramientas que nos ayuden a minimizar el tiempo para analizar mucha información con mayor velocidad y precisión; El Componente de Bussines Intelligence que resuelve este caos de los datos es el Data Warehouse el cual es un conjunto de procesos y acciones, es una colección de datos orientados a un tema, integrados y no volátiles en el soporte al proceso de toma de decisiones de la gerencia. Los objetivos fundamentales son: Hace que la información de la organización sea accesible: los contenidos del Data WareHouse son entendibles y navegables, y el acceso a ellos son caracterizado por el rápido desempeño. Estos requerimientos no tienen fronteras y tampoco limites fijos. Hacer que la información de la organización sea consistente: la información de una parte de la organización puede hacerse coincidir con la información de la otra parte de la organización. Es información adaptable y elástica: el Data WareHouse está diseñado para cambios continuos. Cuando se le hacen nuevas preguntas al Data WareHouse, los datos existentes y las tecnologías no cambian ni se corrompen. Cuando se agregan datos nuevos al Data WareHouse, los datos existentes y las tecnologías tampoco cambian ni se corrompen. Es la fundación de la toma de decisiones: el Data WareHouse tiene los datos correctos para soportar la toma de decisiones. Solo hay una salida verdadera del Data WareHouse: las decisiones que son hechas después de que el Data WareHouse haya presentado las evidencias. La original etiqueta que preside el Data WareHouse sigue siendo la mejor descripción de lo que queremos construir: un sistema de soporte a las decisiones.

25 3.3 Elementos Básicos de un Data Warehouse Sistema Fuente Sistemas operacionales de registros donde sus funciones son capturar las transacciones del negocio. A los sistemas fuentes también se le conoce como Legacy System. Área de Tráfico de Datos Es un área de almacenamiento y grupo de procesos, que limpian transforman, combinan, remover los duplicados, guardan, archivan y preparan los datos fuente para ser usados en el Data Warehouse. Servidor de Presentación La maquina física objetivo en donde los datos del Data Warehouse son organizados y almacenados para queries directos por los usuarios finales, reportes y otras aplicaciones. Modelo Dimensional Una disciplina especifica para el modelado de datos que es una alternativa para los modelos de entidad relación. Procesos de Negocios DataMart Data Warehouse Un coherente grupo de actividades de negocio que hacen sentido a los usuarios del negocio del Data Warehouse. Un subgrupo lógico del Data warehouses completo. Búsquedas fuentes de datos de la empresa. Y es la unión de todos los DataMart que la constituyen. Almacenamiento Operacional de Datos OLAP Es el punto de integración por los sistemas operacionales. Es el acceso al soporte de decisiones por los ejecutivos. Actividad general de búsquedas para presentación de texto y números del Data Warehouse, también un estilo dimensional especifico de búsquedas y presentación de información y que es ejemplificada por vendedores de OLAP.

26 3.3 Elementos Básicos de un Data Warehouse (continuación) ROLAP Un grupo de interfaces de usuarios y aplicaciones que le dan a la base de datos relacional un estilo dimensional. MOLAP Un grupo de interfaces de usuarios, aplicaciones y propietarios de tecnología de bases de datos que tienen un fuerte estilo dimensional. Aplicaciones para Usuarios Finales Una colección de herramientas que hacen los queries, analizan y presentan la información objetivo para el soporte de las necesidades del negocio. Ad Hoc Query Tool Un tipo específico de herramientas de acceso a datos por usuarios finales que invita al usuario a formas sus propios queries manipulando directamente las tablas relacionales y sus uniones. Modelado de Aplicaciones Un sofisticado tipo de cliente de Data Warehouse con capacidades analíticas que transforma o digiere las salidas del Data Warehouse. Meta Data Toda la información en el ambiente del Data Warehouse que no son así mismo los datos actuales.

27 3.4 Procesos básicos del Data Warehouse. Extracción: Transformación: La etapa de extracción es el primer paso para obtener datos hacia un data warehouse. Extraer significa leer y entender los datos de los sistemas fuente y copiar las partes que se necesiten al área de staging intermedio de datos para su posterior uso. Una vez que los datos son extraídos existen numerosos procesos de transformación que se les pueden aplicar. Algunos son: Limpiar los datos corrigiendo problemas de tipeo, resolviendo problemas de dominio (tal como un nombre de ciudad incompatible con un código postal), tratar elementos de datos faltantes y estandarizar los datos. Purgar los campos seleccionados de los sistemas fuentes que no son útiles para el data warehouse. Combinar diversas fuentes de datos, haciendo coincidir los valores claves o realizando matcheos por campos no clave. Crear claves subrogadas para cada registros de dimensión de forma tal de evitar la dependencia en claves de los sistemas transaccionales. Realizar agregaciones y sumarizaciones. Carga e indexado: Cargar el datawarehouse es replicar las tablas de dimensión y las de facts utilizando comúnmente bulk loading (carga masiva). La carga masiva es importante, en contraste con la carga por registro la cual es más lenta. El datawarehouse o data mart debe entonces indexar los nuevos datos para la performance de las consultas. Aseguramiento de la calidad: Cuando el datawarehouse ha sido cargado, indexado y correctamente agregado, el último paso antes de la publicación es el aseguramiento de la calidad. Esto puede hacerse con reportes donde se verifiquen los totales.

28 3.5 Qué es un DataMart Qué es? Ejemplos Es una versión especial de almacén de datos (data warehouse). Son subconjuntos de datos con el propósito de ayudar a que un área específica dentro del negocio pueda tomar mejores decisiones. Los datos existentes en este contexto pueden ser agrupados, explorados y propagados de múltiples formas para que diversos grupos de usuarios realicen la explotación de los mismos de la forma más conveniente según sus necesidades. El Data mart es un sistema orientado a la consulta, en el que se producen procesos batch de carga de datos (altas) con una frecuencia baja y conocida. Es consultado mediante herramientas OLAP (On line Analytical Processing - Procesamiento Analítico en Línea) que ofrecen una visión multidimensional de la información. Sobre estas bases de datos se pueden construir EIS (Executive Information Systems, Sistemas de Información para Directivos) y DSS (Decision Support Systems, Sistemas de Ayuda a la toma de Decisiones). Data marts for the sales department (Datamarts para departamentos de ventas) The inventory and shipping department, (para departamentos de inventario y envios) The finance department, (para el departamento de finanzas) Upper level management, (para la gestión de nivel superior).

29 3.6 Propuesta de Bases de Datos Estratégicas Modelo de Datos Dimensional El modelo dimensional es una adaptación especializada del modelo relacional, solía representar datos en depósitos de datos, en un camino que los datos fácilmente pueden ser resumidos usando consultas OLAP. En el modelo dimensional, una base de datos consiste en una sola tabla grande de hechos que son descritos usando dimensiones y medidas. Una dimensión proporciona el contexto de un hecho (como quien participó, cuando y donde pasó, y su tipo). Las dimensiones se toman en cuenta en la formulación de las consultas para agrupar hechos que están relacionados. Las dimensiones tienden a ser discretas y son a menudo jerárquicas; por ejemplo, la ubicación podría incluir el edificio, el estado, y el país. Una medida es una cantidad que describe el hecho, tales como los ingresos. Es importante que las medidas puedan ser agregados significativamente - por ejemplo, los ingresos provenientes de diferentes lugares pueden sumarse. Modelos de Datos Conceptuales Son los orientados a la descripción de estructuras de datos y restricciones de integridad. Se usan fundamentalmente durante la etapa de Análisis de un problema dado y están orientados a representar los elementos que intervienen en ese problema y sus relaciones. El ejemplo más típico es el Modelo Entidad-Relación. Modelos de Datos Lógicos Son orientados a las operaciones más que a la descripción de una realidad. Usualmente están implementados en algún Manejador de Base de Datos. El ejemplo más típico es el Modelo Relacional, que cuenta con la particularidad de contar también con buenas características conceptuales (Normalización de bases de datos).

30 3.6 Propuesta de Bases de Datos Estratégicas (continuación) Modelos de Datos Físicos Son estructuras de datos a bajo nivel implementadas dentro del propio manejador. Ejemplos típicos de estas estructuras son los Árboles B+, las estructuras de Hash, etc. Multidimensional Datamarts Contienen solo datos numéricos mantienen su estructura mientras los datos ingresan al sistema solo los campos modificados se actualizan y no otros Relational Data Marts Contiene datos numéricos y alfanuméricos. Soporta los esquemas "Star" y "Snowflake" (Estrella y Copo de Nieve). Mantiene los datos estructurados emplea índices mientras crea datamarts Networked Data Marts Los datos necesitan ser limpiados y estandarizados. Todos los Datamarts distribuidos pueden ser accesados desde una estación de trabajo. Contienen un directorio de metadatos.

31 3.7 Arquitectura de Base de Datos Estratégicas Concepto Una arquitectura de Data Warehouse es una forma de representar la estructura global de los datos, la comunicación, los procesos y la presentación al usuario final. Elementos de la Arquitectura Elementos que constituyen la arquitectura de un Data Warehouse: Base de datos operacional y base de datos externa: las organizaciones adquieren datos de bases de datos externas a la propia organización, que incluyen datos demográficos, económicos, datos sobre la competencia, etc. Nivel de acceso a la información: es la capa con la que trata el usuario final. La información almacenada se convierte en información fácil y transparente para las herramientas que utilizan los usuarios. Se obtienen informes, gráficos, diagramas, etc. Nivel de acceso a los datos: comunica el nivel de acceso a la información con el nivel operacional, es el responsable de la interfaz entre las herramientas de acceso a la información y las bases de datos. Nivel de directorio de datos (metadatos): para proveer de un acceso universal, es absolutamente necesario mantener alguna clase de directorio de datos o repositorio de información de metadato que ayude a mantener un control sobre los datos. El metadato aporta información sobre los datos de la organización, de dónde proviene, qué formato tenía, cuál era su significado y si se trata de un agregado, cómo se ha calculado éste. Estructura La estructura de una data warehouse se caracteriza por los diferentes niveles de esquematización y detalle de los datos que se encuentran en él. Detalle de los datos actuales: reflejan los acontecimientos más recientes, las últimas informaciones generadas por los sistemas de producción de la organización. El nivel de detalle no tiene por qué ser el mismo que el de los sistemas de producción, ya que los datos pueden ser fruto de alguna agregación o de una simplificación de los datos originales. Una agregación es una partición horizontal de una relación según los valores de los atributos, seguida de una agrupación mediante una función de cálculo (suma, media, producto, etc)

32 3.8 Modelo de definición de Bases de Datos estratégicas Introducción Modelo lógico Una vez presentado el datawarehouse en cuanto a su definición, utilidad y procesos, este apartado presenta las particularidades del mismo en cuanto a su estructura de base de datos. Para esto analizaremos los dos componentes del modelo de un datawarehouse: Un modelo lógico es similar a lo que es un mapa cuando uno decide realizar un viaje. Uno necesita saber donde va y como llegar allí. Se necesita un plan, uno que sea visible y correcto. El modelo lógico es un esquema de todas las piezas de información necesarias para entender los datos y como se relacionan con el negocio. Es una técnica fundamentalmente gráfica que resulta en un modelo de datos representando la definición, características y relaciones de los datos en un ambiente de negocios, técnico o conceptual. En términos simples, un modelo de datos lógico es un borrador de alto nivel de los datos. Los modelos lógicos de datos son independientes de los dispositivos físicos de almacenamiento de datos. Esta es la clave del modelado lógico. La razón por la cual un modelo lógico de datos debe ser in dependiente de la tecnología es simplemente porque la tecnología cambia muy rápidamente. Lo que ocurre por debajo del modelo lógico de datos puede cambiar con la tecnología, pero el esquema delos datos debe permanecer igual. Componentes de un modelo lógico Un modelo de datos lógico es una representación de los siguientes conceptos derivados de los enunciados en el apartado anterior: Facts, Atributos, Jerarquías.

33 3.8 Modelo de definición de Bases de Datos estratégicas (continuación) Modelo físico Un modelo físico está basado en el modelo de datos lógico. El modelo lógico concierne a objetos lógicos del modelo de negocios tales como día, ítem, sucursal o cuenta. Mientras que el modelo lógico de datos dice qué facts y atributos crear, el modelo físico dice dónde van a ubicarse físicamente los datos de esos objetos. El esquema físico describe cómo los datos se almacenarán en el datawarehouse. Dos componentes claves conforman el esquema físico de un datawarehouse: tablas, columnas. Las columnas y tablas de un datawarehouse físico representan facts y atributos de un modelo de datos lógico. Las filas de una tabla representan los elementos de los atributos y los datos fact propiamente dichos. Modelo Multidimensional Los datos en un DW se modelan en data cubes ( cubos de datos sería su traducción literal), estructuras multidimensionales (hiper cubos, en concreto) cuyas operaciones más comunes son: Roll up (incremento en el nivel de agregación de los datos). Drill down (incremento en el nivel de detalle, opuesto a roll up). Slice (reducción de la dimensionalidad de los datos mediante selección). Dice (reducción de la dimensionalidad de los datos mediante proyeccción). Pivotaje o rotación (reorientación de la visión multidimensional de los datos). Modelos de datos como conjuntos de medidas descritas por dimensiones. Adecuado para resumir y organizar datos (p.ej. hojas de cálculo). Enfocado para trabajar sobre datos de tipo numérico. Más simple: Más fácil de visualizar y entender que el modelado E/R

34 Conclusiones El uso de bases de datos históricas nos facilita el entendimiento de la información y su rol en la toma de decisiones, como podemos ver en el tema 3 estos datos históricos pueden obtenerse a través de diferentes tipos de lugares y de bases de datos y una vez que se tienen los datos se empieza el proceso de selección de los elementos que serán útiles en el proceso de extracción de información (data mining) desde selección hasta toma de decisiones, pudimos entender que las data warehouse son iguales que las bases de datos a fin de que pueden ser analizadas mediante querys para encontrar patrones útiles, se vio que las bases de datos se pueden organizar dependiendo de cómo queramos acceder a la información ya sea de forma física, lógica o multidimensional es muy útil comprender para saber cómo se organizan los datos en un DWH, y entre lo más básico conocimos el significado de data warehouse y de data mart cada uno específicamente diseñado para ayudar a responder las dudas de toda o solo de una parte de la misma transformando la data a información útil, o simplemente como medio de almacenaje de información valiosa resguardándola como algo vital.

35 Tema 4 Análisis Multidimensional RESUMEN El análisis multidimensional consiste en un método de analizar un problema de negocio basándose en la n-dimensión que lo define. El análisis multidimensional permitirá conocer, referido a cualquier subconjunto de dimensiones, los datos de negocio que se quieren estudiar. Por ejemplo, en un balance las partidas que lo forman serían los datos de negocio y los objetos a los que se refiere el balance, las dimensiones: clientes, segmentos, centros, redes, bancos. El análisis multidimensional nos permitirá obtener el balance de un segmento dentro de un centro, ver ese mismo balance referido al centro respecto a una red, verlo como balance del segmento dentro de la misma red, o como análisis del segmento dentro del banco, etc. En términos generales, un indicador es la medida cuantitativa o la observación cualitativa que permite identificar cambios en el tiempo y cuyo propósito es determinar qué tan bien está funcionando un sistema, dando la voz de alerta sobre la existencia de un problema y permitiendo tomar medidas para solucionarlo, una vez se tenga claridad sobre las causas que lo generaron. En este sentido, los indicadores se convierten en uno de los elementos centrales de un sistema de referenciación, ya que permiten, dada su naturaleza, la comparación al interior de la organización (referenciación interna) o al exterior de la misma (referenciación externa colectiva). Modelado multidimensional es el proceso de modelado de los datos en un universo definido mediante el modelado constructos proporcionado por un modelo de datos multidimensional. En pocas palabras, los modelos multidimensionales clasifican los datos como hechos con sus correspondientes medidas numéricas, o como dimensiones que caracterizan a los hechos y son principalmente textuales. Por ejemplo, en un negocio de venta al por menor, los productos se venden a los clientes en determinados momentos en ciertas cantidades y en ciertos precios. Un hecho típico sería una compra. Las medidas típicas serían la cantidad y el precio de la compra. Las dimensiones típicas serían el lugar de la compra, el tipo de producto que se compra, y el momento de la compra. Las Consultas luego pueden agregar valores que miden rangos de valores de dimensión para producir resultados, tales como las ventas totales por mes y tipo de producto.

36 4.1 Definiciones y conceptos del Administrador Multidimensional Análisis Multidimensional Método de analizar un problema de negocio basándose en la n- dimensión que lo define. El análisis multidimensional permitirá conocer, referido a cualquier subconjunto de dimensiones, los datos de negocio que se quieren estudiar. Por ejemplo, en un balance las partidas que lo forman serían los datos de negocio y los objetos a los que se refiere el balance, las dimensiones: clientes, segmentos, centros, redes, bancos. El análisis multidimensional nos permitirá obtener el balance de un segmento dentro de un centro, ver ese mismo balance referido al centro respecto a una red, verlo como balance del segmento dentro de la misma red, o como análisis del segmento dentro del banco, etc. Consiste En el análisis multidimensional, el objetivo es transformar los juicios de los consumidores de similitud o preferencia (por ejemplo, preferencias por tiendas o marcas comerciales) en distancias. Representadas en un espacio multidimensional. Si los objetos A y B son en opinión de los encuestados más similares que el resto de los pares posibles de objetos, las técnicas de análisis multidimensional situarán a los objetos A y B de tal forma que la distancia entre ellos en un espacio multidimensional es menor que la distancia entre cualquier otro par de objetos. OLAP y las Bases de Datos Multidimensionales. En el mundo de las soluciones para Business Intelligence, una de las herramientas más utilizadas por las empresas son las aplicaciones OLAP, ya que las misma han sido creadas en función a bases de datos multidimensionales, que permiten procesar grandes volúmenes de información, en campos bien definidos, y con un acceso inmediato a los datos para su consulta y posterior análisis. Como hemos mencionado en un artículo anterior, las herramientas OLAP proporcionan a las compañías un sistema confiable para procesar datos que luego serán utilizados para llevar a cabo análisis e informes que permitan mejorar las operaciones productivas, tomar decisiones inteligentes y optimizar la competitividad en el mercado.