UNIVERSIDAD TECNOLÓGICA ISRAEL FACULTAD DE SISTEMAS INFORMÁTICOS

Transcripción

1 UNIVERSIDAD TECNOLÓGICA ISRAEL FACULTAD DE SISTEMAS INFORMÁTICOS ANÁLISIS DE PROCESOS DE VENTAS UTILIZANDO LA HERRAMIENTA BUSINESS INTELIGENCE PARA LA COMERCIALIZADORA NETMARK. Estudiante MARCELO JAVIER TAPIA NICOLALDE Tutor Ing. Marco Lituma Cuenca Ecuador Noviembre 2011

2 I CERTIFICADO DE RESPONSABILIDAD DEL DIRECTOR DE TESIS Ing. Marco Lituma Orellana Director de Tesis Certifica: Que el presente trabajo de investigación Análisis de Procesos de Ventas utilizando la herramienta Business Inteligence para la Comercializadora NetMark. Realizado por el Sr. Marcelo Javier Tapia Nicolalde, egresado de la Facultad de Sistemas Informáticos, se ajusta a los requerimientos técnicos - metodológicos y legales establecidos por la universidad Tecnológica Israel, por lo que se autoriza su presentación Quito, Noviembre 01 de 2011 Ing. Marco Lituma Orellana DIRECTOR DE TESIS

3 II ACTA DE CESIÓN DE DERECHOS Yo, Marcelo Javier Tapia Nicolalde, declaro conocer y aceptar la disposición de la Normativa de la Universidad Tecnológica Israel que en su parte pertinente textualmente dice: Forma parte del patrimonio de la Universidad la Propiedad intelectual de las investigaciones, trabajos científicos o técnicos y tesis de grado que se realicen a través, o con el apoyo financiero, académico o institucional (operativo) de la universidad Quito, Noviembre 01 del 2011 Marcelo Tapia Nicolalde. C.I

4 III Certificado de auditoria Los contenidos, argumentos, exposiciones, conclusiones son de responsabilidad del autor. Marcelo Javier Tapia Nicolalde. C.I

5 IV DEDICATORIA La presente tesis de grado le dedico en primer lugar a Dios, quien me ha dado la vida y la fuerza para seguir adelante, a mi madre Gladys Nicolalde, hermanos y familia en general; quienes con su amor, paciencia y comprensión me han ayudado para poder cumplir con esta meta. Que este esfuerzo sirva de ejemplo para las demás generaciones que vendrán después de mí, para que ellos cumplan con cabalidad los objetivos que se propongan.

6 V AGRADECIMIENTO El agradecimiento es una de las cualidades más ilustres de la persona, con tal razón, agradezco en primer lugar a mi tutor el Ing. Marco Zuñiga por brindarme su paciencia, apoyo y conocimiento como también a todos los profesores de la Universidad Israel lo cual me ha otorgado una gran ayuda en muchos momentos difíciles de la vida.

7 VI RESUMEN Las empresas en el día de hoy necesitan una guía para el control y dirección de la toma de decisiones, el éxito de una empresa depende del nivel de conocimientos que tenga de sus clientes y de sus necesidades. Las decisiones empresariales deben basarse en el análisis de la información, pensando en esto, mediante este trabajo de titulación, se quiere apoyar a la empresa comercial NetMark para poder mejorar su nivel de orientación realizando un estudio de la herramienta SQL server bussinesinteligencesdevelopment lo cual nos facilita el análisis de grandes volúmenes de datos que sería muy monótono y difícil consultarlos de forma manual. Con la ayuda de esta herramienta podremos mejorar y facilitar la consulta, administración y análisis de grandes cantidades de datos originales sobre clientes, productos y servicios de dicha empresa. Con esta información, NetMark podrá acelerar la salida de sus productos al mercado y ganar participación en el mismo, según el dueño de la misma.

8 VII SUMARY The companies today need guidance and direction control decisions, the success of a company depends on the level of knowledge you have of your customers and their needs. Business decisions should be based on analysis of information, thinking about this, through this work degree, is to support the NetMark commercial enterprise to improve their level of guidance a study of SQL server tool which bussines Intelligence Development provide us with the analysis of large volumes of data that would be very monotonous and difficult to consult them manually. With the help of this tool you can enhance and facilitate consultation, management and analysis of large amounts of raw data about customers, products and services of the company. With this information, NetMark may accelerate the disposal of their products to market and gain share in it, according to the owner of it.

9 VIII TABLA DE CONTENIDOS 1 CAPITULO 1: Introducción Tema de investigación Planteamiento del Problema Antecedentes Diagnostico Causa - Efecto Pronostico y Control de Pronostico Formulación de la problemática Problemática Principal Problemática Secundaria Objetivos Objetivo General Objetivo Especifico Justificación Justificación Teórica Justificación Metodológica Justificación Practica 8 2 CAPITULO 2: Marco de Referencia Marco Teórico Introducción Business Intelligence Datamart Minería de Datos Datawarehouse Objetivos que deben cumplir los metadatos Principales aportaciones de un datawarehouse SQL Server Marco Espacial Marco Legal 21 3 CAPITULO 3: Metodología Metodología Técnicas Formato de Encuestas y Entrevistas Formato de la Encuesta Resultado de la Entrevista Formato de la Entrevista 29 4 CAPITULO IV: SQL Análisis ServicesDeveloper Studio Introducción de SQL Análisis Services Developer Studio 31

10 IX Business Inteligence DataMart OLTP y OLAP OLTP - On-Line Transaccional Processing On-Line Analytical Processing Datawarehouse Principales aportaciones de un datawarehouse ETL (Extract. Trans and load) Esquema de estrella y copo de nieve ,1 Características del diagrama estrella Estudio de Inteligencia de Negocios Visión y estrategia Componentes de Sql Bussines Inteligence Development Microsoft SQL Server Analysis Services (SSAS) SQL Server Reporting Services (SSRS) SQL Server Integration Services (SSIS) Herramientas de Usuario Excel Services Performance Point Services Herramientas cliente SQL Server BIDS (Business Intelligence Development Studio) SSMS (SQL Server Management Studio) B.O.L. (BooksOn Line, libros en pantalla) Otras herramientas cliente Interfaz de Business Inteligencie Development Studio Explorador de soluciones Ventana Propiedades Ventana Cuadro de herramientas Ventana Diseñador Integration Services Introducción Características destacables del producto Requisitos de integración de datos Desafíos Tecnológicos Comparación con otras herramientas CAPITULO V: Introducción de SQL Análisis ServicesDeveloper Studio Diseño del Cubo OLAP Escenario Necesidad Definir las Fuentes de Datos del Cubo Diseño del modelo OLAP 70

11 X Definir las Tablas de Hechos y sus Medidas Diagrama Multidimensional (OLAP) Definir las Dimensiones y sus Jerarquías Esquema Multidimensional Creación de base de datos OLAP Características que debe tener las tablas generadas ETL de la BBDD de la Empresa Comercial Netmark Pasos para migrar la BBDD de Access a SqlServer ETLs de tablas dimensionales y principal ETLCliente ETLProducto ETLVendedor ETLTipoVenta ETLTiempo ETLProveedor FACTVentas Construcción del cubo OLAP (Datamart) Desarrollo de dimensiones DIM Vendedor DIM Cliente DIM Producto DIM Tiempo DIM Tipo Venta DIM Proveedor CAPITULO VI: ANALISIS E INFORME DE LAS DIMENSIONES DEL CUBO OLAP Dimensión Clientes Dimensión Vendedores Dimensión Proveedores Dimensión Productos Dimensión Tiempo Dimensión Tipo de venta CAPITULO VII: ASPECTOS QUE DEBE TENER PRESENTE EN LA CREACION DE UN CUBO CAPITULO VIII: CONCLUSIONES Y RECOMENDACIONES Conclusiones Recomendaciones 116 BIBLIOGRAFIA 117 ANEXOS 118 GLOSARIO 124

12 XI LISTA DE ANEXOS ANEXO N 1: Generador de consulta 118 ANEXO N 2: Creación de la tabla DIMCLIENTE 118 ANEXO N 3: Creación de la tabla DIMCLIENTE 119 ANEXO N 4: Creación de la tabla DIMProveedor 119 ANEXO N 5: Creación de la tabla DIMTiempo 120 ANEXO N 6: Creación de la tabla DIMTipoVenta 121 ANEXO N 7: Creación de la tabla DIMVendedor 121 ANEXO N 8: Creación de la tabla FACTVentas 122

13 XII LISTA DE GRAFICAS Figura Nº 1: Cubo de Datos 14 Figura Nº 2: Estructura de Datawarehouse 17 Figura Nº 3: Resultado de la Encuesta 27 Figura Nº 4: Ejemplo de cubo OLAP 40 Figura Nº 5: Ejemplo de Datawarehouse 42 Figura Nº 6: Esquema de un diagrama estrella 48 Figura Nº 7: Requerimientos de diagrama estrella 49 Figura Nº 8: Componentes de SQL Bussines Inteligence 52 Figura Nº 9: Interfaz al crear nuevo Proyecto de Bussines Inteligence 56 Figura Nº 10: Interfaz del motor SQL Server 57 Figura Nº 11: Ventana principal de Bussines Inteligence 59 Figura Nº 12: Tabla comparativa de Sql Bussines Inteligence VS Oracle 66 Figura Nº 13: Cuadro comparativo entre distintas herramientas BI 66 Figura Nº 14: Diseño a seguir del Cubo de Datos OLAP 67 Figura Nº 15: Diseño principal del sistema OLTP 69 Figura Nº 16: Diseño del diagrama OLAP. 71 Figura Nº 17: Esquema multidimensional 72 Figura Nº 18: Creación de tablas OLAP 74 Figura Nº 19: Icono de Microsoft Access 75 Figura Nº 20: Migración a SQL Server 76 Figura Nº 21: Asistente de migración 76 Figura Nº 22: Creación y Solución de nuevo proyecto 78 Figura Nº 23: Administrador de conexión ETLCliente 80 Figura Nº 24: Configuración de conexión ETLCliente 81 Figura Nº 25: Asignación de campo de ETLCliente 82 Figura Nº 26: Proceso completado de ETLCliente 83 Figura Nº 27: Asignación de campos de ETLProducto 84 Figura Nº 28: Asignación de campos de ETLVendedor 85 Figura Nº 29: Asignación de campos de ETLTiempo 87 Figura Nº 30: Asignación de campos de ETLProveedor 88 Figura Nº 31: Diagrama de origen de datos DIMClientes 91 Figura Nº 32: Asignación de campos DIMCLientes 92 Figura Nº 33: Diagrama de origen de datos DIMProductos 93 Figura Nº 34: Asignación de campos DIMProductos 94 Figura Nº 35: Diagrama de origen de datos DIMTiempo 95 Figura Nº 36: Asignación de campos DIMTiempo 95

14 Figura Nº 37: Diagrama de origen de datos DIMProveedor 96 Figura Nº 38: Asignación de campos DIMProveedor 96 Figura Nº 39: Diagrama de origen de datos DIMTipoVentas 97 Figura Nº 40: Asignación de campos DIMTipoVentas 98 Figura Nº 41: Asignación de campos FACTVentas 99 Figura Nº 42: Control de Flujo de FACTVentas 100 Figura Nº 43: Creación de origen de datos OLAP 101 Figura Nº 44: Asistente de origen de datos OLAP 102 Figura Nº 45: Asistente de cubo OLAP 103 Figura Nº 46: Asistente de cubo OLAP (Dimensiones) 103 Figura Nº 47: Generación de DIMVendedor 104 Figura Nº 48: Generación de DIMCliente 105 Figura Nº 49: Generación de DIMProducto 105 Figura Nº 50: Generación de DIMTiempo 106 Figura Nº 51: Generación de DIMTipoVenta 107 Figura Nº 52: Generación de DIMProveedor 107 Figura Nº 53: Cubo OLAP 108 Figura Nº 54: Cubo filtrado por clientes 109 Figura Nº 55: Cubo filtrado por vendedores 110 Figura Nº 56: Cubo filtrado por Proveedores 111 Figura Nº 57: Cubo filtrado por Productos 112 Figura Nº 58: Cubo filtrado por Tiempo 113 Figura Nº 59: Cubo filtrado por TipoVenta 113 XIII

15 1 CAPITULO I 1 INTRODUCCIÓN 1.1 Tema de investigación Análisis de Procesos de Ventas utilizando la herramienta Business Inteligence para la Comercializadora NetMark. 1.2 Planteamiento del Problema Antecedentes Las empresas en esta época han sido afectadas negativamente por variables externas a ellas, ya sean globales, regionales o locales; Factores como los tipos de cambio, acuerdos comerciales, costos, Ventas, factores políticos, etc. Éstas han tenido últimamente un comportamiento poco estable, debido principalmente a la crisis financiera global y a las especulaciones sobre los mercados que trae consigo ésta. En esta situación no solo hay que enfrentarse a la crisis y sobrevivir, sino sacar ventaja de ella si es posible tomando las decisiones correctas en el momento preciso porque en caso contrario muchas podrían perderlo todo. Es por esto que necesitan equiparse con las armas adecuadas como lo es la información porque quienes sepan extraerla, interpretarla y usarla

16 2 tendrán ventaja sobre los demás ya que ésta permitirá la optimización de las decisiones finales y se convertirá en una herramienta fundamental para la comunicación que apoyará a las estrategias organizacionales e impulsará al desempeño empresarial. La toma de decisiones dentro de las empresas es un factor vital que permite elegir entre varias alternativas para dar solución a un problema dentro de una empresa. En muchas ocasiones las decisiones que se toman pueden no ser las mejores o las óptimas, es por esto la necesidad de proporcionar la información adecuada a las personas indicadas en el momento oportuno. Existen hoy en día herramientas que permiten integrar la información de manera eficiente convirtiendo la información en un auténtico beneficio de negocios, a esto le llamamos Business Intelligence (BI). Las empresas necesitan tener un excelente informe y control de sus estados de ventas para poder escoger una buena opción en el momento de tomar decisiones que van a cambiar con el futuro de la misma.

17 3 Hoy en día la Comercializadora Netmark se encuentra situada en la ciudad de Cuenca Provincia del Azuay, en la calle Presidente Córdova y Benigno malo, dedicándose principalmente a la compra y venta de equipos Informáticos, ensamblaje y mantenimiento la misma que tiene un nivel bajo de dirección empresarial por lo que sufre con varios cambios continuos por el estado económico del país. Cuenta con una información muy estructural la cual es posible analizar sus procesos y estados de ventas que son muy importantes para la toma de decisión que necesita en la misma. 1.3 Diagnóstico Causa - Efecto Hoy en día, la falta de la gestión de la Información, genera muchas dificultades cuando una Empresa comienza a crecer, esto se debe a que existe una escasez de dirección y coordinación empresarial por lo que el directivo de la empresa no pueden tomar con plenitud y exactitud la decisión correcta, generando así, una deviación del objetivo principal

18 4 En el momento de escoger una dirección u una opción incorrecta, esta, tiende a cometer errores irreversibles por lo que puede llevar a la pérdida de activos o si no hasta la quiebra del negocio. Algunos de estos errores pueden ser: Baja seguridad e integridad en el momento de una toma de decisión. Proceso toma de decisión poco fiable por la poca información de los registros y procesos de ventas. Baja eficiencia y eficacia en los procesos y consultas de los registros. Deplorable administración, Organización y Control al elegir una decisión en la empresa Pronóstico y Control de Pronóstico La falta de una buena dirección en la gestión administradora de la empresa comercial, tendrá en cadena una gran pérdida de activos, contratos, etc. También a medida que esta crece, necesita cada día más de una dirección plena empresarial, a medida que pasa el tiempo, la empresa necesita tomar decisiones más fuertes que por un error o una mala decisión se va deteriorando la gestión de la misma, perjudicando el nombre del negocio.

19 5 Se observara que la comercializadora no podrá cumplir con su objetivo principal y ya no podrá crecer en el monopolio de las Microempresas, por lo que la competencia tendrá mejores ventajas frente a la comercializadora antes mencionada. Como se observa la situación de la Comercializadora, con el diagnóstico mencionado, existe una alternativa como la de Business Intelligenceque mejoren la tendencia de la Gestión de tomas de decisión en la directiva de administración Empresarial. Una de estas alternativas y la más importante de todas es analizar de Estados y Procesos de ventas de la Comercializadora NetMark, permitiendo dar una opción de mejoramiento, claridad y de forma segura en el momento de elegir una decisión corporativa. 1.4 Formulación de la Problemática Problemática Principal Permitirá el Estudio de la Herramienta Bussines Inteligence mejorar la Poca efectividad y el margen de error en la toma de decisiones gerenciales?

20 Problemática Secundarias Perdida en costos y tiempo invertidos en la organización. Baja eficiencia de la administración en el proceso de Decisión Empresarial Baja seguridad e integridad en el momento de una toma de decisión. El cumplimiento de la visión y misión de la empresa se pone en riesgo. 1.5 Objetivos Objetivo General Aportar a la Toma de Decisiones de la Comercializadora NetMark en base a un Bussines Inteligence (Inteligencia de Negocios), ayudando a minimizar costo y esfuerzo en el recurso Humano y fundamentalmente entregar información veraz, oportuna y confiable que permita una toma de decisiones más efectiva Objetivos Específicos Estudiar la Herramienta SQL Bussines Inteligence Development para el análisis del volumen de Ventas de la Comercializadora NetMark. Diseñar un Cubo de Datos OLAP. Analizar la Información del volumen de ventas de la Empresa Comercial NetMark mediante Bussines Inteligence para la toma de decisiones.

21 7 Demostrar el resultado del volumen de Ventas con la herramienta Bussines Inteligence mediante un informe para la toma de decisiones en la Empresa Comercial. Recomendar aspectos que debe tener presente en la creación de un cubo OLAP 1.6 Justificación Justificación Teórica La intención del proyecto es realizar un estudio y análisis de toda la gestión de estado de ventas, controles e informes de proveedores, stock, clientes, etc. Llevado a cabo, nuestro objetivo, el análisis de gestión de procesos de ventas con la herramienta de Business Inteligence, aplicando herramientas técnicas, metodológicas y de software, que nos servirá para el análisis planteado. Por lo que se tendrán: Según Gartner, La demanda del mercado de plataformas Business Inteligence en 2010 vino definida por una intensa lucha entre la necesidad por parte de los usuarios corporativos de un software de fácil uso y flexible

22 8 en la toma de decisiones por una parte, y la necesidad de TI de unos estándares y un control bien definidos por otra Justificación Metodológica El proceso de inteligencia de negocios está enfocado a solucionar la toma de decisiones de las empresas y obviamente a resolver el cumplimiento de sus objetivos. De acuerdo con esto, y para la elaboración del proyecto se usara herramientas que ayuden a recopilar los datos necesarios que la empresa posee y con estos presentarlos de forma ordenada para su respectivo análisis Justificación Practica El proyecto estará enfocado a el análisis dela gestión de ventas con la herramienta Bussines Inteligence facilitando de esta manera la toma de decisiones los cuales está destinado a cumplir dichos objetivos mencionados anteriormente.

23 9 Ofreciendo así, a la Comercializadora un marco para analizar la gran cantidad diaria de datos a fin de extraer valoraciones que puedan proporcionar una ventaja decisiva en la competitiva economía actual. Las herramientas de Business Intelligence permiten ampliar los conocimientos de las relaciones con clientes y partners, además de ofrecer indicadores de rendimiento clave. (Leticia Aranda Moya, 2006)

24 10 CAPITULO II 2 MARCO DE REFERENCIA 2.1 Marco Teórico Introducción Cada empresa comercial tiene por tarea realizar con regularidad una evaluación sobre el enfoque estratégico de la administración de ventas; en este caso particular, los recursos con los que cuenta una empresa son dos: la revisión del volumen de las ventas y la auditoria de ventas. La eficiencia de la administración de ventas no necesariamente se revela siempre a través de los índices de ventas actuales y las utilidades que la misma genera Business Intelligence La metodología de soluciones que brinda el sistema Business Intelligence para las empresas, hace posible que las organizaciones puedan mejorar notablemente su productividad, ya que colabora con la toma de decisiones, por lo que en la actualidad representa una de las tácticas estratégicas más importantes para lograr un verdadero potencial competitivo. Mediante la administración de la información relevante a través del método utilizado por Business Intelligence es posible llevar a cabo

25 11 diferentes actividades relacionadas con todos los sectores de la empresa, con el fin de mejorar el futuro de los negocios. (Graciela Marker para Informática-Hoy) La implementación de BI debe ser correctamente definida para ser utilizada como técnica para sectores puntuales de la compañía, con el fin de lograr alcanzar el máximo provecho de esta herramienta. En una reciente encuesta realizada por Gartner, BI fue catalogado en el número 2 en la lista de prioridades tecnológicas para el 2005, después de ubicarse en el lugar número 2 en el año Debido a este nuevo énfasis en BI, el mercado de herramientas software de BI alrededor del mundo creció un 7.7 % en 2004, basado en estimaciones preliminares del mercado compuesto. Según la página Web sinnexus.com, Business Intelligence es la habilidad para transformar los datos en información, y la información en conocimiento, de forma que se pueda optimizar el proceso de toma de decisiones en los negocios. Podemos definir Business Intelligence como el conjunto de metodologías, aplicaciones y tecnologías que permiten reunir, depurar y transformar datos de los sistemas transaccionales e información desestructurada (interna y externa a la compañía) en

26 12 información estructurada, para su explotación directa (reporting, análisis OLTP / OLAP) o para su análisis y conversión en conocimiento, dando así soporte a la toma de decisiones sobre el negocio. La inteligencia de negocio actúa como un factor estratégico para una empresa u organización, generando una potencial ventaja competitiva, que no es otra que proporcionar información privilegiada para responder a los problemas de negocio: entrada a nuevos mercados, promociones u ofertas de productos, eliminación de islas de información, control financiero, optimización de costes, planificación de la producción, análisis de perfiles de clientes, rentabilidad de un producto concreto, etc. Por otro lado, los principales componentes de orígenes de datos en el Business Intelligence que existen en la actualidad son: Datamart Datawarehouse En definitiva, una solución BI completa permite: Observar qué está ocurriendo? Comprender por qué ocurre? Predecir qué ocurriría?

27 13 Colaborar qué debería hacer el equipo? Decidir qué camino se debe seguir? El método de la Investigación en función de Business Intelligence que es una herramienta que apunta a generar soluciones para la toma de decisiones en donde nos ayudara a desarrollar un datawarehouse la cual encuentra toda la información obtenida de la base de datos de la empresa. Esta será de gran ayuda para poder consultar como una guía para el directivo administrador en el momento de decidir una decisión de la misma 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 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 sí mismo un compendio de distintas fuentes de información.

28 14 Figura Nº1: Cubo de Datos Por tanto, para crear el datamart de un área funcional de la empresa es preciso encontrar la estructura óptima para el análisis de su información. Los usuarios piensan de forma multidimensional, queriendo analizar la información desde diferentes perspectivas (dimensiones), haciéndose preguntas como las siguientes: Cuáles son las ventas actuales, comparadas con las del mismo periodo del año anterior? Quiero esta información desglosada por zona, por cliente, por vendedor, y por familia de producto. Cuál es nuestra rentabilidad por cliente? Y por producto? Cuáles son los pedidos pendientes por cliente, por tiempo y por producto? La designación de una u otra dependerá de los datos, los requisitos y las características específicas de cada departamento.

29 15 Los datamarts que están dotados con estas estructuras óptimas de análisis presentan las siguientes ventajas: Poco volumen de datos Mayor rapidez de consulta Consultas SQL Validación directa de la información Minería de Datos De acuerdo a la información ya almacenada en el DataWarehouse, aparece la "minería de datos" o DataMining (DM). La minería de datos está asociada al escalón más alto de la pirámide (Nivel Estratégico) y tiene por objeto eliminar los errores cometidos por las personas al analizar los datos debido a prejuicios. La Empresa ya tiene Implementado de un sistema gestor de base de datos, siendo este muy indispensable ya que es una medida administrativa donde los datos son organizados automáticamente que no servirá para llenar nuestro cubo de datawarehouse en el análisis de la gestión de la dirección

30 Datawarehouse Un Datawarehouse es una base de datos corporativa que se caracteriza por integrar y depurar información de una o más fuentes distintas, para luego procesarla permitiendo su análisis desde infinidad de perspectivas y con grandes velocidades de respuesta. La creación de un datawarehouse representa en la mayoría de las ocasiones el primer paso, desde el punto de vista técnico, para implantar una solución completa y fiable de Business Intelligence. "DataWarehouse" contendrá toda la información transaccional de la empresa, como análisis de mercado, medición del periodo de ventas, etc. Esto permitirá que el directivo pueda comparar las operaciones y transacciones que tiene la empresa. Es importante que en cada empresa tenga un centro de almacenamiento de datos, un solo DataWarehouse, porque este será el repositorio de una cantidad de información que deberá compartir toda la compañía 1. La ventaja principal de este tipo de bases de datos radica en las estructuras en las que se almacena la información (modelos de tablas en estrella, en copo de nieve, cubos relacionales... etc.). 1:

31 17 Figura Nº 2: Estructura de Datawarehouse El término Datawarehouse fue acuñado por primera vez por Bill Inmon, y se traduce literalmente como almacén de datos. No obstante, y como cabe suponer, es mucho más que eso. Una característica del datawarehouse es que contiene metadatos, es decir, datos sobre los datos. Los metadatos permiten saber la procedencia de la información, su periodicidad de refresco, su fiabilidad, forma de cálculo etc.

32 Los objetivos que deben cumplir los metadatos, según el colectivo al que va dirigido, son: Dar soporte al usuario final, ayudándole a acceder al datawarehouse con su propio lenguaje de negocio, indicando qué información hay y qué significado tiene. Ayudar a construir consultas, informes y análisis, mediante herramientas de Business Intelligence como DSS, EIS o CMI. Dar soporte a los responsables técnicos del datawarehouse en aspectos de auditoría, gestión de la información histórica, administración del datawarehouse, elaboración de programas de extracción de la información, especificación de las interfaces para la realimentación a los sistemas operacionales de los resultados obtenidos... etc. Por último, destacar que para comprender íntegramente el concepto de datawarehouse, es importante entender cuál es el proceso de construcción del mismo, denominado ETL (Extracción, Transformación y Carga), a partir de los sistemas operaciones de una compañía:

33 19 Extracción: obtención de información de las distintas fuentes tanto internas como externas. Transformación: filtrado, limpieza, depuración, homogeneización y agrupación de la información. Carga: organización y actualización de los datos y los metadatos en la base de datos Principales aportaciones de un datawarehouse Proporciona una herramienta para la toma de decisiones en cualquier área funcional, basándose en información integrada y global del negocio. Facilita la aplicación de técnicas estadísticas de análisis y modelización para encontrar relaciones ocultas entre los datos del almacén; obteniendo un valor añadido para el negocio de dicha información. Proporciona la capacidad de aprender de los datos del pasado y de predecir situaciones futuras en diversos escenarios. Simplifica dentro de la empresa la implantación de sistemas de gestión integral de la relación con el cliente. Supone una optimización tecnológica y económica en entornos de Centro de Información, estadística o de

34 20 generación de informes con retornos de la inversión espectaculares SQL SERVER Son bases de datos muy utilizados ya que estas contienen muchas ventajas frente a otras bases de datos, una de las características es la multiplataforma, por lo que es utilizado en la mayoría de lenguajes y entornos de programación. Se utilizara programas que nos ayuden en la interfaz del usuario como también en el diseño de sistema web, ya que los usuarios comúnmente tiende a familiarizarse con el entorno y este tiene que estar agradable a la vista para los que utilicen dicho sistema

35 Marco Espacial En el trabajo del análisis de procesos de Ventas se desarrollara en la Comercializadora NetMark, logrando así mejorar las dificultades por lo cual atraviesa la empresa. 2.3 Marco Legal NetMark Es una empresa que se formó hace 12 años, la misma que tiene personería natural con número de R.U.C.: , dedicada a la prestación de servicios y venta de equipos informáticos. Los paquetes informáticos para el desarrollo del trabajo de este proyecto son de tipo OEM (licencias de prueba por 60 días) el cual perimirá facilitar el desarrollo y las experiencias, obteniendo los resultados para la empresa por medio de estos paquetes de software pre instalados.

36 22 CAPITULO III 3 METODOLOGÍA 3.1 Metodologías Nos basaremos en los siguientes métodos: En el desarrollo de un estudio sustentable, un método que se utilizara es la observación Científica que nos sirve tener una idea rápida de lo que se quiere desarrollar, observando detenidamente para asimilar con detalle la investigación que se va a aplicar. Hipotético-Deductivo.- Los cuales nos ayudará a crear una hipótesis durante el progreso del trabajo y por su puesto se hará su demostración en una clara deducción para sustentar la investigación. Histórico y Lógico.- La cual es el que nos ayudara en el estudio y recolección de la información en base a los antecedentes históricos teniendo una clara visión 3.2 Otro método es la recolección de Información que se aplicara en base a las Técnicas e se utilizaran y son: las Encuestas es una forma de recolección de información, que son útiles en el estudio de las opiniones, conocimientos y actitudes de los sujetos que nos proporcionaran una visión rápida de las necesidades que existe en la Empresa.

37 23 La Encuestas se realizaran a todo el personal administrativo y de ventas de la empresa, para tener una idea clara y una visión distinguida, que nos será muy indispensable para nuestro Estudio Un método muy importante son las entrevistas, que nos dan una respuesta rápida a o que se va a Investigar, en base a esto, se podrá tener el conocimiento e información indispensable para comenzar a proyectar dicho Estudio La revisión documental es esencial y está enfocado a analizar la información existente. La ayuda del criterio de los expertos en base a sus experiencias, nos servirán como guía para la Investigación Formato de encuestas y entrevistas que se realizaran en la empresa Formato de la Encuesta, realizado al personal de Interno de la Empresa Comercial NETMARK Cía. Ltda.

38 24 1. Cree que es bueno el proceso y dirección estratégico empresarial? Si No Por qué? Al momento de consultar el volumen de ventas de un producto, esta transacción es o no demorada? Si No Por qué? Cuando se obtiene información de algún producto en la empresa para el gerente, se da algún momento una equivocación del producto investigado?

39 25 Si No Por qué? 4. Con la tecnología de hoy, la empresa debería mejorar el análisis de volumen de ventas? Si No Por qué? 5. Le gustaría mejorar el proceso de inteligencia de negocios? Si No Por qué?

40 26 6. Cree usted, que con una herramienta en la empresa, ayude a mejorar el proceso de estratégico? Si No Por qué? Agradecemos sus comentarios, siendo este, nuestro objetivo, el realizar un estudio de una herramienta para la empresa Casa Mónica Resultados de la encuesta

41 Respuesta SI Respuesta NO Preguntas Figura Nº 3: Resultado de la Encuesta En este grafico se ve determinadamente que a la mayoría del personal tiene el afán de mejorar su empresa por medio de la ayuda que se le quiere brindar. En la primera pregunta se observa que el proceso de planificación es regular porque el 60 % opino en el Si y un 40% opinó lo contrario. En la segunda pregunta se puede apreciar que la mayoría del personal en este caso un 70% dice que Si es demorado una consulta sobre el volumen de ventas y un 30% dice que No En la tercera pregunta se aprecia que el personal en la mayoría no suele equivocarse al momento de conseguir información de un producto, este

42 28 caso es de un porcentaje del 70 % y el 30 si tiene dificultados. En la cuarta pregunta, casi todo el personal siendo este caso un 80% opina que con la tecnología de hoy la empresa debe mejorar el análisis del volumen de ventas, la contra parte apenas un 20% dice no estar de acuerdo. En la quinta pregunta el 80% del personal dice que debe mejorar el control del volumen de ventas, el 20% opina que no es necesario una mejora en dicho proceso En la sexta y última pregunta de la encuesta, la mayoría del personal, en este caso el 70 % cree que con la ayuda de una herramienta, puede mejorar el rendimiento de la planificación de la empresa, un 30% opina que no es necesaria una herramienta para su mejoramiento.

43 Formato de la Entrevista realizada a Andrea Álvarez, Presidenta de la Empresa NETMARK Cía. Ltda. 1. A qué se dedica la empresa? La empresa comercial se dedica en la compra y venta de productos como también en soluciones informáticas o servicios 2. Cuáles son los servicios que presenta la empresa? Informática legal Auditoría en informática Proyectos informáticos Ingeniería de software Desarrollo web Venta de equipos 3. Qué gestor de base de datos utiliza? La empresa se encuentra trabajando bajo Microsoft Access 4. Cómo maneja los volúmenes de venta de los productos en la empresa? Se realiza manualmente, a medida que el stock se va disminuyendo se va anotando la necesidad de los productos.

44 30 5. Ha tenido usted, problemas en el proceso de estrategia de los productos? Surge equivocaciones en el momento de la selección del producto más aceptado por el consumidor 6. Cómo controlan los volúmenes de los productos en la empresa? Por medio de inventarios, imprimiendo un informe de la base de datos de la propia empresa y realizan un conteo a todos los productos cada dos veces al año

45 31 CAPITULO IV 4. SQL ANÁLISIS SERVICESDEVELOPER STUDIO 4.1 Introducción Muchas empresas comerciales en la actualidad tienen la necesidad de llevar a cabo, mediante la administración de ventas, realizar una revisión de todos sus objetivos. Cada empresa comercial tiene por tarea realizar con regularidad una evaluación sobre el enfoque estratégico de la administración de ventas; en este caso particular, los recursos con los que cuenta una empresa son dos: la revisión del índice de las ventas y la auditoria de ventas. La eficiencia de la administración de ventas no necesariamente se revela siempre a través de los índices de ventas actuales y las utilidades que la misma genera. Habitualmente, los buenos resultados que se obtengan por la administración de ventas pueden ser consecuencia de que la misma fue aplicada en el lugar correcto y en el momento apropiado, y no a que la administración haya sido desarrollada en una manera eficiente. Las mejoras que se puedan aplicar en la administración de ventas pueden llegar a aumentar todos los resultados, provocando que pasen de regulares a buenos y hasta excelentes, y por último no queremos dejar de lado el hecho de

46 32 que muchas veces la administración de ventas puede tener malos resultados a pesar de haber sufrido de una excelente planificación Business Intelligence Según la página Web sinnexus.com, Business Intelligence es la habilidad para transformar los datos en información, y la información en conocimiento, de forma que se pueda optimizar el proceso de toma de decisiones en los negocios. Podemos definir Business Intelligence como el conjunto de metodologías, aplicaciones y tecnologías que permiten reunir, depurar y transformar datos de los sistemas transaccionales e información desestructurada (interna y externa a la compañía) en información estructurada, para su explotación directa (reporting, análisis OLTP / OLAP, alertas...) o para su análisis y conversión en conocimiento, dando así soporte a la toma de decisiones sobre el negocio. 1:

47 33 La inteligencia de negocio actúa como un factor estratégico para una empresa u organización, generando una potencial ventaja competitiva, que no es otra que proporcionar información privilegiada para responder a los problemas de negocio: entrada a nuevos mercados, promociones u ofertas de productos, eliminación de islas de información, control financiero, optimización de costes, planificación de la producción, análisis de perfiles de clientes, rentabilidad de un producto concreto, etc. Los principales productos de Business Intelligence que existen hoy en día son: 1. Cuadros de mando Integrales (CMI) Herramienta de gestión que facilita la toma de decisiones y que recoge un conjunto coherente de indicadores que proporciona a la alta dirección y a las funciones responsables, una visión comprensible del negocio o de su área de responsabilidad. La información aportada por el CMI, permite enfocar y alinear los equipos directivos, las unidades de negocio, los recursos y los procesos con las estrategias de la organización. Según la norma UNE de Noviembre de 2003 en su apartado Sistemas de Soporte a la Decisión(DSS) Un Sistema de Soporte a la Decisión (DSS) es una herramienta de Business Intelligence enfocada al análisis de los datos de una organización.

48 34 En principio, puede parecer que el análisis de datos es un proceso sencillo, y fácil de conseguir mediante una aplicación hecha a medida. Sin embargo, no es así: estas aplicaciones suelen disponer de una serie de informes predefinidos en los que presentan la información de manera estática, pero no permiten profundizar en los datos, navegar entre ellos, manejarlos desde distintas perspectivas... etc Sistemas de Información ejecutiva (EIS) Un Sistema de Información para Ejecutivos o Sistema de Información Ejecutiva es una herramienta software, basada en un DSS, que provee a los gerentes de un acceso sencillo a información interna y externa de su compañía, y que es relevante para sus factores clave de éxito. La finalidad principal es que el ejecutivo tenga a su disposición un panorama completo del estado de los indicadores de negocio que le afectan al instante, manteniendo también la posibilidad de analizar con detalle aquellos que no estén cumpliendo con las expectativas establecidas, para determinar el plan de acción más adecuado 2. 1: 2:

49 35 Por otro lado, los principales componentes de orígenes de datos en el Business Intelligence que existen en la actualidad son: Datamart Datawarehouse Los sistemas y componentes del BI se diferencian de los sistemas operacionales en que están optimizados para preguntar y divulgar sobre datos. Esto significa típicamente que, en un datawarehouse, los datos están des normalizados para apoyar consultas de alto rendimiento, mientras que en los sistemas operacionales suelen encontrarse normalizados para apoyar operaciones continuas de inserción, modificación y borrado de datos. En este sentido, los procesos ETL (extracción, transformación y carga), que nutren los sistemas BI, tienen que traducir de uno o varios sistemas operacionales normalizados e independientes a un único sistema des normalizado, cuyos datos estén completamente integrados. En definitiva, una solución BI completa permite: Observar qué está ocurriendo? Comprender por qué ocurre? Predecir qué ocurriría? Colaborar qué debería hacer el equipo? Decidir qué camino se debe seguir?

50 36 El método de la Investigación en función con la herramienta del Business Intelligence que es una herramienta que apunta a generar soluciones para la toma de decisiones en donde nos ayudara a desarrollar un datawarehouse la cual encuentra toda la información obtenida de la base de datos de la empresa. Esta será de gran ayuda para poder consultar como una guía para el directivo administrador en el momento de decidir una decisión de la misma 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 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 sí mismo un compendio de distintas fuentes de información. Los datamarts que están dotados con estas estructuras óptimas de análisis presentan las siguientes ventajas: Poco volumen de datos Mayor rapidez de consulta Consultas SQL Validación directa de la información\n

51 37 De acuerdo a la información ya almacenada en el DataWarehouse, aparece la "minería de datos" o DataMining (DM). La minería de datos está asociada al escalón más alto de la pirámide (Nivel Estratégico) y tiene por objeto eliminar los errores cometidos por las personas al analizar los datos debido a prejuicios. La diferencia de un DataMart con respecto a un DataWarehouse es solamente en cuanto al alcance. Mientras que un DataWarehouse es un sistema centralizado con datos globales de la empresa y de todos sus procesos operacionales, un DataMart es un subconjunto temático de datos, orientado a un proceso o un área de negocio específica. Debe tener una estructura óptima desde todas las perspectivas que afecten a los procesos de dicha área. 1. 1:

52 OLTP y OLAP OLTP - On-Line TransactionalProcessing Sistemas OLTP son bases de datos orientadas al procesamiento de transacciones (proceso de transacciones en línea). Una transacción genera un proceso, y que puede constar tareas de registro, edición y eliminación de datos. El proceso transaccional es típico de las bases de datos operacionales. El acceso a los datos está optimizado para tareas frecuentes de lectura y escritura. (Por ejemplo, la enorme cantidad de transacciones que tienen que soportar las BD de bancos o hipermercados diariamente). Los datos se estructuran según el nivel aplicación (programa de gestión a medida, sistema de información departamental). Los formatos de los datos no son necesariamente uniformes en los diferentes departamentos (es común la falta de compatibilidad y la existencia de islas de datos). El historial de datos suele limitarse a los datos actuales o recientes.

53 OLAP - On-Line AnalíticaProcessing El Procesamiento analítico en línea (OLAP) tiene como objetivo agilizar la consulta de grandes volúmenes de información. Para ello utiliza estructuras multidimensionales, conocidas como cubos OLAP, que contienen datos re calculados y agregados. Estos sistemas tienen una velocidad de respuesta muy superior a los sistemas OLTP 1. Un cubo OLAP es un vector multidimensional, de N dimensiones. En él la información se almacena en cada una de estas dimensiones, de carácter concretada y jerarquizada, lo en el cual nos permite un rápido análisis de su contenido. Los usuarios piensan de forma multidimensional, queriendo analizar la información desde diferentes perspectivas (dimensiones), haciéndose preguntas como las siguientes: Cuáles son las ventas actuales, comparadas con las del mismo periodo del año anterior? Quiero esta información desglosada por zona, por cliente, por vendedor, y por familia de producto. Cuál es nuestra rentabilidad por cliente? Y por producto? 1:

54 40 Cuáles son los pedidos pendientes por cliente, por tiempo y por producto? Cada uno de estos y por sería una dimensión, mientras que las unidades, cantidades, importes, beneficios de ventas, compras, pedidos serían las medidas. Mostrar las ventas de Portátiles Durante el mes de junio 27 Unidades $ 2800 Valor Vendedor: Johnny N $ 3000 Precio Alicia P. Andrea A. Figura Nº 4: Ejemplo de cubo OLAP Por tanto, un cubo OLAP está estructurado en dimensiones, que son las diferentes perspectivas desde las que queremos analizar la información, y en medidas, que son los diferentes hechos con valores concretos que solicita el usuario.

55 41 Tanto cuando nos refiramos a bases de datos multidimensionales, como a OLAP, o al término cubos, o cubos OLAP, nos estamos refiriendo al mismo concepto explicado anteriormente. Los sistemas OLAP son bases de datos orientadas al procesamiento analítico. Este análisis suele implicar, generalmente, la lectura de grandes cantidades de datos para llegar a extraer algún tipo de información útil: tendencias de ventas, patrones de comportamiento de los consumidores, elaboración de informes complejos etc. Este sistema es típico de los datamarts. El acceso a los datos suele ser de sólo lectura. La acción más común es la consulta, con muy pocas inserciones, actualizaciones o eliminaciones. Los datos se estructuran según las áreas de negocio, y los formatos de los datos están integrados de manera uniforme en toda la organización. El historial de datos es a largo plazo, normalmente de dos a cinco años. Las bases de datos OLAP se suelen alimentar de información procedente de los sistemas operacionales existentes, mediante un proceso de extracción, transformación y carga (ETL) Datawarehouse Un Datawarehouse es una base de datos corporativa que se caracteriza por integrar y depurar información de una o más fuentes distintas, para luego procesarla permitiendo su análisis desde infinidad de perspectivas y con

56 42 grandes velocidades de respuesta. La creación de un datawarehouse representa en la mayoría de las ocasiones el primer paso, desde el punto de vista técnico, para implantar una solución completa y fiable de Business Intelligence. "DataWarehouse" contendrá toda la información transaccional de la empresa, como análisis de mercado, medición del periodo de ventas, etc. Esto permitirá que el directivo pueda comparar las operaciones y transacciones que tiene la empresa. Es importante que en cada empresa tenga un centro de almacenamiento de datos, un solo DataWarehouse, porque este será el repositorio de una cantidad de información que deberá compartir toda la compañía. Figura Nº 5: Ejemplo de Datawarehouse La ventaja principal de este tipo de bases de datos radica en las estructuras en las que se almacena la información (modelos de tablas

57 43 en estrella, en copo de nieve, cubos relacionales... etc.). Este tipo de persistencia de la información es homogénea y fiable, y permite la consulta y el tratamiento jerarquizado de la misma (siempre en un entorno diferente a los sistemas operacionales) Principales aportaciones de un datawarehouse Proporciona una herramienta para la toma de decisiones en cualquier área funcional, basándose en información integrada y global del negocio. Facilita la aplicación de técnicas estadísticas de análisis y modelización para encontrar relaciones ocultas entre los datos del almacén; obteniendo un valor añadido para el negocio de dicha información. Proporciona la capacidad de aprender de los datos del pasado y de predecir situaciones futuras en diversos escenarios. Simplifica dentro de la empresa la implantación de sistemas de gestión integral de la relación con el cliente. Supone una optimización tecnológica y económica en entornos de Centro de Información, estadística o de generación de informes con retornos de la inversión espectaculares.

58 44 El término Datawarehouse fue acuñado por primera vez por Bill Inmon, y se traduce literalmente como almacén de datos. Según definió el propio Bill Inmon, un datawarehouse se caracteriza por ser: Integrado: los datos almacenados en el datawarehouse deben integrarse en una estructura consistente, por lo que las inconsistencias existentes entre los diversos sistemas operacionales deben ser eliminadas. La información suele estructurarse también en distintos niveles de detalle para adecuarse a las distintas necesidades de los usuarios. Temático: sólo los datos necesarios para el proceso de generación del conocimiento del negocio se integran desde el entorno operacional. Los datos se organizan por temas para facilitar su acceso y entendimiento por parte de los usuarios finales. Por ejemplo, todos los datos sobre clientes pueden ser consolidados en una única tabla del datawarehouse. De esta forma, las peticiones de información sobre clientes serán más fáciles de responder dado que toda la información reside en el mismo lugar. Histórico: el tiempo es parte implícita de la información contenida en un datawarehouse. En los sistemas operacionales, los datos siempre reflejan el estado de la actividad del negocio en el momento presente. Por el contrario, la información almacenada en el datawarehouse sirve, entre otras cosas, para realizar análisis de

59 45 tendencias. Por lo tanto, el datawarehouse se carga con los distintos valores que toma una variable en el tiempo para permitir comparaciones. No volátil: el almacén de información de un datawarehouse existe para ser leído, pero no modificado. La información es por tanto permanente, significando la actualización del datawarehouse la incorporación de los últimos valores que tomaron las distintas variables contenidas en él sin ningún tipo de acción sobre lo que ya existía. Otra característica del datawarehouse es que contiene metadatos, es decir, datos sobre los datos. Los metadatos permiten saber la procedencia de la información, su periodicidad de refresco, su fiabilidad, forma de cálculo... etc. Los metadatos serán los que permiten simplificar y automatizar la obtención de la información desde los sistemas operacionales a los sistemas informacionales. Los objetivos que deben cumplir los metadatos, según el colectivo al que va dirigido, son: Dar soporte al usuario final, ayudándole a acceder al datawarehouse con su propio lenguaje de negocio, indicando qué información hay y qué significado tiene. Ayudar a construir consultas,

60 46 informes y análisis, mediante herramientas de Business Intelligence como DSS, EIS o CMI. Dar soporte a los responsables técnicos del datawarehouse en aspectos de auditoría, gestión de la información histórica, administración del datawarehouse, elaboración de programas de extracción de la información, especificación de las interfaces para la realimentación a los sistemas operacionales de los resultados obtenidos... etc ETL (Extract, Transform and Load) Por último, destacar que para comprender íntegramente el concepto de datawarehouse, es importante entender cuál es el proceso de construcción del mismo, denominado ETL (Extracción, Transformación y Carga), a partir de los sistemas operaciones de una compañía: Extracción: obtención de información de las distintas fuentes tanto internas como externas. Transformación: filtrado, limpieza, depuración, homogeneización y agrupación de la información. Carga: organización y actualización de los datos y los metadatos en la base de datos.

61 Esquema en estrella (starschema) y en copo de nieve (snowflakeschema) A la hora modelar el DataMart o DataWarehouse, hay que decidir cuál es el esquema más apropiado para obtener los resultados que queremos conseguir. Habitualmente, y salvo excepciones, se suele modelar la base de datos utilizando el esquema en estrella (starschema), en el que hay una única tabla central, la tabla de hechos, que contiene todas las medidas y una tabla adicional por cada una de las perspectivas desde las que queremos analizar dicha información, es decir por cada una de las dimensiones. Están basadas en los procesos de negocio. Organizan los datos en función de un área de interés. Describen un aspecto del negocio y proporcionan el acceso intuitivo y simple. Proveen al usuario de combinaciones e intersecciones para analizar datos.

62 48 Figura Nº 6: Esquema de un diagrama estrella Esquema compuesto por una tabla central - tabla de hechos - y un conjunto de tablas organizadas alrededor de ésta - tablas de dimensiones. En las puntas de la estrella se encuentran las tablas de dimensión que contienen los atributos de las aperturas que interesan al negocio que se pueden utilizar como criterios de filtro y son relativamente pequeñas. Cada tabla de dimensión se vincula con la tabla de hechos por un identificador

63 Características del diagrama estrella: El centro de la estrella es la tabla de hecho. Los puntos de la estrella son las tablas de dimensiones. Cada esquema está compuesto por una sola tabla de hechos Generalmente es un esquema totalmente des normalizado, pudiendo estar parcialmente normalizado en las tablas de dimensiones. Figura Nº 7: Requerimientos de diagrama estrella Un hecho es un concepto de interés primario para el proceso de toma de decisiones, corresponde a eventos que ocurren dinámicamente en el negocio de la empresa.

64 50 Dimensiones:aquellos datos que nos permiten filtrar, agrupar o seccionar la información, Cada dimensión se define por su clave primaria que sirve para mantener la integridad referencial en la tabla de hechos a la que se relaciona. Las dimensiones que son textuales se almacenan en las tablas de dimensiones. Medidas: Las medidas, siempre son numéricas, se almacenan en las tablas de hechos. La otra alternativa de modelado es la utilización del esquema en copo de nieve (snowflakeschema). Esta es una estructura más compleja que el esquema en estrella. La diferencia es que algunas de las dimensiones no están relacionadas directamente con la tabla de hechos, sino que se relacionan con ella a través de otras dimensiones. En este caso también tenemos una tabla de hechos, situada en el centro, que contiene todas las medidas y una o varias tablas adicionales, con un mayor nivel de normalización (ver imagen): La Empresa ya tiene Implementado de un sistema gestor de base de datos, siendo este muy indispensable ya que es una medida administrativa donde los datos son organizados automáticamente que no servirá para llenar nuestro cubo de datawarehouse en el análisis de la gestión de la dirección.

65 Estudio de Inteligencia de Negocios (SQLBussinesInteligenceDevelopment) Es el IDE de Microsoft utilizado para el desarrollo de análisis de datos e Inteligencia de negocio soluciones que utilizan el Microsoft SQL Server AnálisisServices, ReportingServices e IntegrationServices. Se basa en el entorno de desarrollo de Microsoft Visual Studio, pero personaliza con servicios específicos de SQL Server y las extensiones de los tipos de proyectos, incluyendo las herramientas, los controles y los proyectos de informes, ETL flujos de datos, cubos OLAP y de minería de datos estructurados Visión y estrategia Básicamente se trata de acercar la potencia y funcionalidad de las soluciones de Inteligencia de Negocio al usuario final para así poder llegar a todos los usuarios de la organización. Obviamente ahí Microsoft lleva ventaja, puesto que dispone de la suite ofimática más implantada del mercado, Microsoft Office. Cumpliendo con las necesidades de los usuarios En cualquier solución de BI hay una serie de necesidades que tienen los usuarios que deben ser cubiertas.

66 Componentes de SQL Bussines Inteligence Development Figura Nº 8: Componentes de SQL Bussines Inteligence Microsoft SQL Server es un servidor de bases de datos relacionales, desarrollado por Microsoft: Es un producto de software cuya principal función es la de almacenar y recuperar datos según lo solicitado por otras aplicaciones de software, ya sea los que en el mismo equipo o que funcionan con otro ordenador a través de una red (incluyendo el Internet). Hay por lo menos una docena de diferentes ediciones de Microsoft SQL Server destinadas a diferentes públicos y diferentes cargas de trabajo (que van desde pequeñas aplicaciones que almacenar y recuperar datos en el mismo equipo, a millones de usuarios y equipos que el acceso a enormes cantidades de datos a través de Internet al mismo tiempo).

67 53 Los lenguajes de consulta que tiene Microsoft SQL Server son de T-SQL y ANSI SQL AnalysisServices (SSAS): nos rinda tareas de procesamiento analítico en línea (OLAP) y minería de datos para aplicaciones de Business Intelligence. Analysis Services acepta cubos de datos y permite diseñar, crear y administrar estructuras multidimensionales que contienen datos agregados desde otros orígenes de datos (cubos OLAP), como bases de datos relacionales. También permite diseñar, crear y visualizar modelos de minería de datos que se construyen a partir de otros orígenes de datos mediante el uso de una gran variedad de algoritmos de minería de datos estándar del sector SQL Server Reporting Services (SSRS) es un servidor basado en la generación de informes del sistema de software de Microsoft. Se puede utilizar para preparar y entregar una variedad de informes interactivos e impresos. Se administra a través de un web interface. Reporting Services cuenta con una web de servicios de interfaz para apoyar el desarrollo de aplicaciones de informes personalizados SQL Server Integration Services (SSIS) es un componente del Microsoft SQL Server del software de base de datos que se pueden utilizar para llevar a cabo una amplia gama de migración de datos tareas. SSIS es una plataforma de integración de datos y aplicaciones de flujo de trabajo. Cuenta con un rápido y flexible de almacenamiento de

68 54 datos herramienta que se utiliza para la extracción, transformación y carga (ETL). La herramienta también se puede utilizar para automatizar el mantenimiento de bases de datos SQL Server y actualizaciones multidimensional datos del cubo Herramientas de Usuario Tenemos a SharePoint Server, que es la plataforma de colaboración empresarial con la que podemos administrar los contenidos a través de la conocida interfaz de Office. Éste permite a todos los usuarios participar en la administración de contenidos de una forma regulada y conforme a las normativas establecidas en la organización. A SharePoint se le han incorporado dos servicios que van a ser ampliamente utilizados cuando construimos una solución de BI, estos son: Excel Services: simplifican la forma de usar, compartir, proteger y administrar libros de Excel como informes interactivos de manera coherente para toda la empresa. Como es un componente de SharePoint, puede aprovechar muchas de sus características, como controlar, proteger y administrar acceso a las hojas de cálculo, el rendimiento del servidor y la posibilidad de agregar nuevos usuarios.

69 Performance Point Services: permite a los usuarios navegar por la información disponible de una forma fácil, sintética, concreta, visual e intuitiva para ellos. Nos permite crear paneles interactivos que muestran los indicadores clave de rendimiento (KPI) y visualizaciones de datos en forma de cuadros de mandos. También permite la realización de informes analíticos, y aplicar filtros sobre dichos informes y paneles interactivos Herramientas cliente de SQL Server A continuación las herramientas que vienen incluidas con SQL Server, que van a permitir tanto a desarrolladores como a administradores gestionar el producto e implementar soluciones basadas en él BIDS (Business Intelligence Development Studio) BIDS es Visual Studio con una serie de tipos de proyectos adicionales específicos para Business Intelligence. Es el entorno de desarrollo para soluciones y proyectos de Integration Services, Analysis Services y Reporting Services, disponiendo de plantillas de proyecto específicas para la creación de los objetos requeridos en una solución de BI, y ofrece una serie de diseñadores, herramientas y asistentes para trabajar con dichos objetos.

70 56 Figura Nº 9: Interfaz al crear nuevo Proyecto de Bussines Inteligence Si no tiene instalado Visual Studio, se instalará en su equipo incluyendo solamente elgrupo de proyectos de Business Intelligence, y si ya tiene instalado Visual Studio, lomantendrá, agregando dicho grupo de proyectos a los existentes SSMS (SQL Server Management Studio) SSMS es una herramienta integrada para acceder, configurar, administrar y desarrollar sobre SQL Server. Lo que incluye, además de poder trabajar con el motor relacional, hacerlo con Integration Services, Analysis Services, Reporting Services y SQL Server Compact. Nos permite conectarnos a cualquier instancia de cualquier servidor con el que tengamos conectividad. Con él podemos hacer tareas tan diversas como ejecutar un script TransactSQL, crear y gestionar objetos de forma visual, ejecutar consultas sobre un servidor de Analysis Services, crear un plan de mantenimiento de una

71 57 base de datos, crear trabajos y programar su ejecución, importar o exportar a un servidor un paquete de Integration Services, y un largo etcétera. Figura Nº 10: Interfaz del motor SQL Server B.O.L. (Books On Line, libros en pantalla) Los Books Online son la Ayuda de SQL Server. Es una documentación que siempre debemos tener instalada y a mano, ya que tiene una gran calidad, cubre prácticamente todos los aspectos del producto, y es muy clara a la hora de mostrar cualquier concepto, función, componente o cualquier otro detalle del producto.

72 Otras herramientas cliente Hay otra serie de herramientas cliente, que vienen incluidas en el producto, y que novamos a describir aquí, simplemente las vamos a citar para que el lector conozca su existencia y pueda buscar información de ellas, tanto en la propia ayuda del producto como en internet Interfaz de Business Intelligence Development Studio Business Intelligence Development Studio incluye un conjunto de ventanas para todas las fases del desarrollo y la administración de proyectos. Por ejemplo, Business Intelligence Development Studio incluye ventanas que permiten administrar varios proyectos como una unidad, así como ver y modificar las propiedades de objetos en proyectos. Estas ventanas están disponibles para todos los tipos de proyecto en Business Intelligence Development Studio. El diagrama siguiente muestra las ventanas de Business Intelligence Development Studio con la configuración predeterminada.

73 59 Figura Nº 11: Ventana principal de Bussines Inteligence Business Intelligence Development Studio consta de cuatro ventanas principales: Explorador de soluciones Ventana Propiedades Ventana Diseñador Cuadro de herramientas Otras ventanas incluidas en Business Intelligence Development Studio permiten ver resultados de búsqueda y obtener información sobre mensajes de

74 60 error e información que generan los diseñadores o depuradores del proyecto. El Explorador de servidores enumera conexiones de base de datos; el Examinador de objetos muestra los símbolos que están disponibles para utilizarlos en un proyecto; la Lista de tareas presenta las tareas de programación definidas por el usuario; y la Lista de errores proporciona descripciones detalladas de errores. Para obtener más información sobre estas ventanas de herramientas, haga clic en el menú Ver, seleccione la opción correspondiente a la ventana que le interese y, a continuación, presione F1 desde la ventana Explorador de soluciones En el Explorador de soluciones se pueden crear soluciones vacías y, a continuación, agregar proyectos nuevos o existentes a la solución. Si crea un proyecto sin antes crear una solución, Business Intelligence Development Studio crea automáticamente la solución. Cuando la solución incluye proyectos, las tres vistas incluyen nodos para objetos específicos del proyecto. Por ejemplo, el proyecto de Analysis Services incluye un nodo Dimensiones, el proyecto de Integration Services incluye un nodo Paquetes y el proyecto de modelos de informes incluye un nodo Informes.

75 Ventana Propiedades La ventana Propiedades enumera las propiedades de un objeto. Utilice esta ventana para ver y cambiar las propiedades de objetos. Los campos de la ventana Propiedades tienen incrustados distintos tipos de controles que se abren al hacer clic en ellos. El tipo de control de edición depende de la propiedad concreta. Entre estos campos de edición se incluyen cuadros de edición, listas desplegables y vínculos a cuadros de diálogo personalizados. Las propiedades que aparecen atenuadas son de sólo lectura Ventana Cuadro de herramientas La ventana Cuadro de herramientas muestra varios elementos que se utilizan en los proyectos de Business Intelligence. Las fichas y los elementos disponibles en el cuadro de herramientas varían en función del diseñador o editor que se esté utilizando. La ventana Cuadro de herramientas muestra siempre la ficha General y puede que también muestre fichas como Elementos de flujo de control, Tareas de mantenimiento, Orígenes de flujo de datos o Elementos de informe Ventana Diseñador La ventana Diseñador es la ventana de herramienta donde se crean o modifican objetos de Business Intelligence. El diseñador proporciona una vista

76 62 de código y una vista de diseño de un objeto. Cuando se abre un objeto en un proyecto, el objeto se abre en un diseñador especializado en esta ventana. Por ejemplo, si abre una vista de origen de datos en uno de los proyectos de Business Intelligence, la ventana del diseñador se abre con el Diseñador de vista de origen de datos. La ventana Diseñador no está disponible hasta que se agrega un proyecto a una solución y se abre un objeto en ese proyecto IntegrationServices (Herramienta con la que vamos a trabajar) Introducción Integration Services es una herramienta que apareció con SQL Server 2005, dando un salto radical con respecto a las herramientas proporcionadas por versiones anteriores Microsoft Integration Services es una plataforma para la creación de soluciones empresariales de transformaciones de datos e integración de datos. Integration Services sirve para resolver complejos problemas empresariales mediante la copia o descarga de archivos, el envío de mensajes de correo electrónico como respuesta a eventos, la actualización de almacenamientos de datos, la limpieza y minería de datos, y la administración de objetos y datos de SQL Server.

77 63 En nuestros procesos de ETL, utilizaremos Integration Services para extraer los datos de orígenes de datos muy diversos, como la base de datos relacionales (SQL Server, Oracle, MySQL, u otra), archivos de texto, libros de Excel, etc. Los transformaremos, limpiaremos y almacenaremos, posiblemente en un área intermedia y finalmente en un DataMart siendo ambas, bases de datos relacionales, alimentadas con datos de los orígenes citados anteriormente Características destacables del producto: Permite la integración con sistemas de bases de datos y con ficheros Obtiene un alto rendimiento al mantener los datos en memoria, además permite concurrencia y paralelismo. Permite gestionar alertas y notificaciones Podemos concluir que es una potente herramienta que abarca todo el ciclo de vida de un proyecto de integración de datos, desde su fase inicial de desarrollo, pasando por la puesta en marcha en diferentes entornos, su ejecución programada y tareas de administración (log, auditoría, ) La capacidad de transformar datos corporativos en información con sentido y que se pueda procesar es la ventaja competitiva más importante del mundo de los negocios actual. Controlar la explosión de datos para entender mejor el pasado y prepararse para el futuro se ha convertido en uno de los mayores

78 64 desafíos de los departamentos de tecnologías de la información de las organizaciones internacionales Requisitos de integración de datos Si tenemos en cuenta esta diversidad de datos, de necesidades empresariales y de requisitos de los usuarios, el departamento de tecnología de la información ha especificado el siguiente conjunto de requisitos de integración de datos: Deben proporcionar datos históricos y actuales, que sean confiables y coherentes, integrados de distintos orígenes, tanto internos como externos. Necesitan limpiar y eliminar datos duplicados y exigir la calidad de los datos. Las exigencias cada vez mayores de las disposiciones legales internacionales requieren que la empresa mantenga pistas de auditorías transparentes. Mantener datos confiables no es suficiente; se debe poder realizar un seguimiento de los datos y certificarlos Desafíos de la integración de datos En un nivel, el problema de la integración de datos en nuestro escenario real es extraordinariamente simple. Obtener datos de distintos orígenes, limpiar y transformar los datos, y cargarlos en almacenes que permitan su análisis y la creación de informes.

79 Desafíos Tecnológicos Los desafíos más pertinentes son: Diversos orígenes con formatos diferentes. Datos estructurados, semi estructurados y sin estructura. Suministros de datos de sistemas de origen que llegan en distintos momentos. Grandes volúmenes de datos. En un mundo ideal, aunque logremos tener todos los datos que necesitamos en un lugar, comienzan a surgir nuevos desafíos, incluso: Calidad de los datos. Comprender los diferentes formatos de los datos. Transformar los datos en un formato que tenga sentido para los analistas empresariales. Como resultado tenemos: Cada vez más presión para cargar los datos de la forma más rápida posible. La necesidad de cargar diversos destinos al mismo tiempo. Diversos destinos.

80 Comparación con otras herramientas. De acuerdo con un reciente artículo publicado en Comunicaciones de la ACM, (documento está disponible en la biblioteca digital de ACM) de SQL Server BI solución se ha demostrado que la mayor cuota de mercado para el mercado de BI, mientras que Oracle ha llegado en el séptimo lugar Las áreas de liderazgo e innovación Microsoft SQL Server Oracle Excelente Buena Mala Excelente Buena Mala Base de datos en soportar la auto-configuración y auto-sintonización OK OK Base de datos con OLAP integrado OK OK Base de datos con Servicios de Transformación de Datos integrado OK OK El Data Warehousing Framework OK OK Base de datos en proveer administración de multi-servidor para cientos de servidores OK OK La más amplia gama de opciones de replicación de cualquier base de datos OK OK La mejor integración con Windows NT Server OK OK La mejor integración con Microsoft Transaction Server OK OK Figura Nº 12: Tabla comparativa de Sql Bussines Inteligence VS Oracle A pesar del hecho de que SQL Server 2005 ha agregado muchas características muy potentes a la característica de su grupo de inteligencia de negocios. SQL Server es considerada la mejor solución integrada de BI Figura Nº 13: Cuadro comparativo entre distintas herramientas BI

81 67 CAPITULO V 5. DESARROLLO DEL CUBO 5.1 Diseño del cubo OLAP Figura Nº 14: Diseño a seguir del Cubo de Datos OLAP En este diagrama indica cómo se va a generar el cubo de una forma correcta Escenario NetMark es una Empresa de Comercialización de Equipos Informáticos, que está enfocada a prestar servicios a la comunidad y el entorno en la que le rodea. Actualmente desarrolla sus actividades en la ciudad de Cuenca. Si bien su desarrollo es exitoso dentro de la ciudad, su mayor preocupación está en ampliar su mercado de comercialización en base a mejores precios y promociones Necesidad

82 68 Los analistas, por pedido de sus directivos, necesitan realizar informes en donde se pueda analizar: Listado de las cantidades de Ventas Realizadas en Productos El coste inducido en las Ventas de los Articulo Facturados El Valor de Venta de los artículos Facturados Por motivos de fidelidad por parte de los clientes hacia la empresa y agradecimiento a estos, se busca tener un listado de Clientes que más Compras hagan en un determinado Periodo y según esto poder darles descuentos en sus siguientes compras. Posteriormente a esto se requiere información de los Vendedores que más ventas tengan en un lapso de un Año, para poder darles premios e incentivos. Se recomienda listar por tipos de ventas para el mayor ingreso de cada una de ellas. Es indispensable saber el proveedor de los productos vendidos levando así un volumen de cantidad de stock por el mismo. 5.2Definir las Fuentes de Datos del Cubo. Aquí se va a extraer un fragmento muy importante de la base de datos que utiliza el sistema de la empresa para sus transacciones diarias, lo cual por medio de este, nos vamos a vasar para el desarrollo del diseño de diagrama de base de datos OLAP que será indispensable para la creación del cubo.

83 Diseño de la vista del Diagrama OLTP PK ventas vencont numfac fechaventa fechavence fechacobro banco valor meses estado tipoventa ncaja extra1 extra2 extra3 PK ncaja ncaja nuncierre valorcontado valorcheque volortarj valorcred numcheques numvaucher fechacierre extra1 extra2 extra3 FACTURA_CAB FACT_DETAL PK NUMFAC PK FC PK clientes codigoc nombrec apellidoc direcc telt FECHAF CODCLIF SUBTOTAL DESC IVA TOTAL ARTENTREG aux1 aux2 aux3 aux4 CODFACCAB CODARTDET CANTIDADDET SERIESDET NUMPAG upsize_ts PK articulo codart PK Proveedor codpro nompro dirpro telpro ciudad vendedor observacion contribuyente upsize_ts PK pago_proveedor numpago codpro numfact cantidad fechaemision fechavence estado_cancelado extra1 extra2 extra3 extra4 extra5 bodega upsize_ts Figura Nº 15: Diseño principal del sistema OLTP nombrea maarca precio costo precio venta cantidad stock porc

84 Diseño del modelo OLAP Un modelo de datos, es un conjunto de conceptos (constructores) utilizados para describir la estructura de una base de datos El modelado multidimensional se relaciona sobre la unión entre el hecho y la dimensión, un hecho representa una actividad (acción) objeto de análisis 5.3.1Definir la Tabla de Hechos y sus Medidas. En el Diagrama multidimensional, los hechos están definidos por un conjunto de atributos (medidas), usualmente de tipo numérico que describen la actividad, por ejemplo las medidas para Ventas podrían ser: cantidad de unidades de un producto vendido, importe total de la venta, el coste (Precio de compra) incluido en las ventas, Los descuentos hechos en cada venta Las dimensiones están distribuidas en un grupo de atributos ordenadas jerárquicamente, así como ejemplo la dimensión DIMTiempo está formado por tres atributos: mes, año, fecha; la dimensión DIMProveedor está formado por dos Atributos: Nombre, Dirección; La dimensión DIMProducto está formado por dos atributos: Producto, Categoría; La dimensión DIMCliente está formado por dos atributos: Nombre, Dirección. Estas jerarquías que están en lo atributos o dimensión de un hecho, dan a conocer un organización de los valores de la dimensión lo cual nos ayudaran a estimar las medidas de la actividad a diferentes niveles de atributos

85 Diagrama Multidimensional (OLAP) Figura Nº 16: Diseño del diagrama OLAP Definir las Dimensiones y sus Jerarquías. El esquema multidimensional para la actividad de ventas en la empresa NetMark, la actividad registrada son las ventas diarias de productos de la Comercializadora, en el cual, en este esquema multidimensional las Ventas son los hechos y las dimensiones son: Cliente, Producto, Tiempo, Vendedor, Tipo, Proveedor.

86 Esquema Multidimensional El hecho que vamos a Analizar es: Ventas de la Empresa o FACTVentas. Dimensiones Medidas Cliente Producto Tiempo Vendedor Tipo Proveedor Uni. Vendidas x x x x x x Costos Ventas x x x x x x Valor Ventas x x x x x x Descuento x x x x x x Figura Nº 17: Esquema multidimensional Creación de base de datos OLAP Para el desarrollo de la BBDD OLAP, vamos a manejar la herramiento SQL Server 2008 R2 y crearemos una nueva base datos que se llamara BD-OLAP- NetMarkSQLProyecto, luego, comensamos a cada una de las tablas de dimension. Las tablas de dimension tendran al princiio de su nombre la palabra DIM lo cual les diferencia para saber que es un tabla dimension Caracterisitcas que debe tener las tablas generadas: Una de ellas es no permitir valores nulos, pero por motivo de que es una base de datos no integra, oviamos esta opcion si se permite. Las claves primarias deven ser de tipo int en la mayoria de los casos.

87 73 Si es una tabla Independiente creada, se habilitara el especificador de identidad, habilitando el incremento automatico de la columna clave Las variables de los campos del tablas se deven ligar en base a la BBDD OLTPque se extrajo de la empresa. Estas tablas se crean desde el diseñador de tablas de SQL Server Management Studio, pero si desea se puede crear en modo de consulta. En anexos se podra ver las sentencias Sql que se ah generado en el momento de crear cada una de las tablas del Diagrama OLAP de la BBDD BD-OLAP-NetMarkSQLProyecto.

88 74 Figura Nº 18: Creación de tablas OLAP Estas tablas de dimensiones debe estar relacionadas con la tabla principal llamada FACTVentas, la cual sera la tabla de hechos que contendra las medidas del mismo.

89 75 La tabla principal FACTVentas debe tener claves foraneas de las claves principales de las tablas dimenciones las cuales deben asi mismo tener el mismo tipo de dato y ancho. Asi mismo se puede tambien crear desde una consulta de Sql la cual le podra encontrar en Anexos. 5.4 ETL de la BBDD de la Empresa Comercial NetMark La empresa NetMark cuenta con un sistema Contable interno, la cual trabaja con una base de datos desarrollada en Microsoft Access, lo que dificulta el traslado de datos a la BBDD OLAP Figura Nº 19: Icono de Microsoft Access Entonces comenzamos a migrar la BDNetMark a SQLSERVER con el nuevo nombre llamado BDNetMarkSQLProyect, se realiza este paso porque SQL SERVER es compatible como también posible realizar una extracción, trasportación y carga de los datos a la nueva base de datos OLAP que también es desarrollada en SQL SERVER.

90 76 Figura Nº 20: Migración a SQL Server Pasos para migrar la BBDD de Access a SqlServer Abrimos la base de datos BDNetmark desarrollada en Access, algunas bases de datos piden contraseña, después, nos ubicamos en la barra de herramientas el menú Herramientas de base de datos, y seguimos el asistente Figura Nº 21: Asistente de migración

91 77 Lo primero elegimos si se va a modificar la base de datos Access o si se va a crear una nueva, en este caso creamos una nueva, después se elige el servidor de la base de datos como también insertamos en nombre de la misma, luego movemos las tablas que van a hacer convertidas damos siguiente y por último finalizar. Una vez realizado esta migración, se procede a la extracción de los datos de las tablas de BDNetMarkSQLProyect, estos datos son extraídos y transportados a tablas de la base de datos OLAP llamada BD-OLAP- NetMarkSQLProyecto. Los datos de las tablas extraídas son seleccionados según el diseño del diagrama OLAP, esto quiere decir que se debe llenar de información a las tablas vacías de la base de datos OLAP donde se va a encontrar información específica de Empresa NetMark, ya sea de productos proveedores, ventas, clientes etc. Abrimos la segunda aplicación de SQL SERVER llamada: SQL Server Business Intelligence Development Studio. Aquí podremos hacer la extracción de la información de dichas tabas. Nos dirigimos a archivo nuevo proyecto, nos saldrá un nuevo menú donde elegimos Proyectos de Business Intelligence y escogemos Proyecto de Integration Services En el momento de generar un nuevo proyecto de Integration Services, nos va a pedir que le asignemos un nombre en el que se va a llamar SSISNetMark.

92 78 Donde se van a crear cada uno de los ETLs de las tablas de la base de datos OLAP (en este caso BD-OLAP-NetMarkSQLProyecto). Figura Nº 22: Creación y Solución de nuevo proyecto Es necesario arreglar la tabla fac_detall porque esta, no tiene el promedio entre unidades vendidas con valor de venta, comenzamos a actualizar dicha tabla agregando un campo nuevo llamado valorptm, el código se encuentra en Anexos. Una vez realizado este pasó, comenzamos a crear un nuevo paquete para el proyecto dando un clic derecho en el explorador de soluciones en carpeta Paquetes de SSIS y eligiendo en el menú nuevo paquete de SSIS

93 ETLs de tablas dimensionales y principal Los ETLs se desarrollaran de la siguiente manera: ETLCliente En el momento de crear el nuevo paquete nos indica que debemos asignar un nombre, en este caso sería ETLClientes. Se nos abrirá una ventana llamada Flujo de Control de Paquetes, luego arrastramos del cuadro de herramientas, la el control Tarea de flujo de datos, damos doble clic y se nos abrirá la ventana de Flujo de datos Después, Agregamos dos nuevas conexiones de datos OLE DB. Esto es necesario para el origen y destino de los datos, esto se refiere a los datos de extracción de nuestra base de datos OLTP llamada (local).bdnetmarksqlproyect a la trasportación y carga de datos de la base de datos (local).bd-olap-netmarksqlproyecto.

94 80 Figura Nº 23: Administrador de conexión ETLCliente En la parte inferior de la ventana principal, existe una ventana llamada administradores de conexión, dando clic derecho, seleccionamos Nuevo Conexión OLE DB.. En el momento de crear la conexión, nos pedirá el nombre del servidor, en este caso sería el servidor local, lo cual le asignamos (local) y seleccionamos el nombre, de la base de datos origen o destino si ya se creó la conexión de origen. Damos clic en probar conexión y aceptar. Ahora tenemos creadas las conexiones de las BBDDs tanto Origen como Destino.

95 81 En la ventana de tarea de flujo de datos arrastramos los controles de Origen de OLE DB y el control de Destino OLE DB y los dando clic en la flecha verde hasta destino de OLE DB. Por ahora nos va salir unas en lado derecho de los controles indicando existe un error, esto sucede porque aún no hemos configurado el control detalladamente para el traslado de los datos. Una vez diagramado el Flujo de datos pasamos a configurar su Transportación, primero damos doble clic en el control Origen de OLE DB Figura Nº 24: Configuración de conexión ETLCliente Nos indicara en Administrador de conexiones que tenemos que seleccionar una conexión, en este caso eligiéremos la conexión de la base de datos donde se encuentra la información de la empresa, seria:

96 82 (local).bdnetmarksqlproyect, el modo de acceso a datos será tablas o vistas y elegimos la tabla clientes, después el menú seleccionamos en Columnas y elegimos todos los campos de la tabla y damos en clic en aceptar. Ahora se nos desaparece la del control, esto se debe a que se ha configurado correctamente. Un paso similar es con el control Destino de OLE DB. Solo con la diferencia que en el menú asignaciones se debe asignar a que campos deben estar destinados los determinados campos de origen, la forma de asignar los campos unos con otros es dando clic en el campo origen arrastrando y manteniendo pulsado el clic hasta el campo destino. Figura Nº 25: Asignación de campo de ETLCliente Entonces sería: El campo codigoc de la tabla origen (OLTP) con el campo IdCliente de la tabla destino (OLAP)

97 83 El campo nombrec de la tabla origen con el campo Nombre de la tabla destino El campo direcc de la tabla Origen con el campo Dirección de la tabla destino Por último el campo telf. De la tabla origen con el campo Teléfono de la tabla destino Figura Nº 26: Proceso completado de ETLCliente Por Ultimo damos clic en aceptar, también se podrá observar que no estará en el control de destino de OLE DB Y luego damos clic en Tendríamos ejecutando el programa así: Como se ve observa, existen 4248 clientes registrados en la BBDD del sistema de la empresa NetMark. Cuando sale el relleno de color verde significa que se ha efectuado correctamente la operación, si se va a repetir la operación debe estar asegurado que la tabla de destino este vacía caso contrario saldría un

98 84 error de transportación por códigos primarios duplicados existentes en la tabla de destino. Estas operaciones se realizan en todas las demás tablas, teniendo en cuenta que tienen sus diferencias ETLProducto El paso sería el mismo solo con la diferencia que las asignaciones de las columnas son: Figura Nº 27: Asignación de campos de ETLProducto El campo codartde la tabla origen (OLTP) con el campo IdProducto de la tabla destino (OLAP)

99 85 El campo nombrea de la tabla origen con el campo Producto de la tabla destino El campo marcaa de la tabla Origen con el campo Categoria de la tabla destino ETLVendedor El mismo paso se repetiría con la diferencia de las columnas asignadas, este caso sería: Figura Nº 28: Asignación de campos de ETLVendedor El campo COD de la tabla origen (OLTP) con el campo IdVendedor de la tabla destino (OLAP) El campo NOM de la tabla origen con el campo Nombre de la tabla destino

100 ETLTipoVenta Esta acción no se va a realizar por que en la tabla DIMTipoVenta tendrá solo tres valores que se encuentra en la tabla VENTAS de la BD se la empresa. Estos valores encontrados son: CO significa que se realizó la factura al contado CH significa que se realizó la factura con un cheque TA significa que se realizó la factura con tarjeta Entonces nosotros vamos a agregar a la tabla estos tres tipos de valores para poder diferenciar la factura con esta dimensión. Ahora, el ETL no se podrá realizar porque en la tabla VENTAS existen muchos registros con los mismos valores y nos va a llenar la tabla DIMVentas con los mismos campos ETLTiempo En este caso especial, el campo origen de tiempo se encuentra en FACTURA_CAB, el problema radica en el campo que se encuentra en dd/mm/aa por lo que es necesario ejecutar una consulta separando en campos a días / meses/ años.

101 87 En el momento de generar el Origen OLE DB el modo de acceso a datos seria por medio de comando SQL y este sería: Select month(fechaf) as Mes, year(fechaf) as año, FECHAF From FACTURA_CAB Por medio de esto el campo FECHAF nos dará tres nuevos campos llamado Mes, año, fecha. En el destino de datos OLE BD la asignación seria de la siguiente manera: Figura Nº 29: Asignación de campos de ETLTiempo El campo FECHAF de la tabla origen (OLTP) con el campo fecha de la tabla destino (OLAP). El campo Mes de la tabla origen con el campo Mes de la tabla destino.

102 88 El campo año de la tabla Origen con el campo Año de la tabla destino. FC es el campo donde se encuentro el número de registro de la factura detalle se va a asignar para el campo auxiliar auxfc el cual nos va a servir para nuevamente hacer una comparación y devolver los campos de nuestra tabla DIMTiempo ETLProveedor Por último se realiza el mismo paso también para este ETL con las siguientes asignaciones: Figura Nº 30: Asignación de campos de ETLProveedor El campo codpro de la tabla origen (OLTP) con el campo IdProveedor de la tabla destino (OLAP)

103 89 El campo nompro de la tabla origen con el campo Nombre de la tabla destino El campo dirpro de la tabla Origen con el campo Dirección de la tabla destino El campo telpro de la tabla Origen con el campo Teléfono de la tabla destino FACTVentas En este caso se comienza a desarrollar en el panel de flujos de datos un diseño donde se tendrán que juntar la información de las tablas de dimisiones de la BD OLAP a la tabla FACTVentas, conteniendo este también la información de la empresa, información que está en la BD OLTP. Entonces comenzamos a introducir la información una por una de las dimensiones con la tabla principal de la BD OLTP. Ahora bien, sería muy factible si nuestra base de datos de la empresa NetMark esté bien sistematizada y ordenada pero en este caso no es así, como se ve en el diagrama central de BD OLTP, algunas tablas se relacionan por campos auxiliares de tablas que no están relacionadas, los mismos campos que no son código claves si no que son campos secundarios como nombre, fechas, auxiliares, extras, etc.

104 90 En el flujo de datos comenzando con la primera integración, agregaremos un control de origen de datos llamado origen de OLE DB PRINCIPAL, el cual este tendrá una consulta primordial en el que se guiara a las demás tablas dimensionales, la consulta abarcara todas las dimensiones de nuestro cubo de datos OLAP para que se pueda realizar los filtros e uniones respectivos. Esta consulta se puede fácilmente desarrollar en el generador de SQL Server. La consulta principal del origen de datos será: SELECT dbo.articulo.codart, dbo.articulo.[precio costo], dbo.articulo.[precio venta], dbo.fact_detal.cantidaddet, dbo.fact_detal.valorptm, dbo.factura_cab.fechaf,dbo.factura_cab.codclif, dbo.factura_cab.aux2, dbo.factura_cab.aux1, dbo.pago_proveedor.numpago, dbo.proveedor.codpro,dbo.ventas.tipoventa, dbo.factura_cab.numfac, dbo.fact_detal.fc, dbo.articulo.stock, dbo.articulo.cantidad FROM dbo.proveedor INNER JOINdbo.pago_proveedor ON dbo.proveedor.codpro = dbo.pago_proveedor.codpro INNER JOIN dbo.factura_cab INNER JOINdbo.FACT_DETAL ON dbo.factura_cab.numfac = dbo.fact_detal.codfaccab INNER JOINdbo.articulo ON dbo.fact_detal.codartdet = dbo.articulo.codart ON dbo.pago_proveedor.numpago = dbo.fact_detal.numpag INNER JOINdbo.ventas ON dbo.factura_cab.numfac = dbo.ventas.vencont Ahora bien, tenemos todas las tablas del sistema interconectadas por nuestra consulta de origen de datos principal.

105 91 Comenzamos a desarrollar con un origen de datos para DIMClientes, una vez creado, aquí se va a encontrar los únicos campos llamados IdCliente, Nombre, Dirección, Teléfono, el origen de datos principal, tiene un campo también llamado CODCLIF donde luego pasamos a filtrar con el control Ordenar por dichos campos de códigode ambas tablas de origen, esto nos permitirá que todo el resultado de del origen de datos que nos dé, se ordene según el código del cliente. Después tenemos que utilizar un control llamado Combinación de mescla. Esto sería así: Figura Nº 31: Diagrama de origen de datos DIMClientes Una vez diseñado, comenzamos a configurar la combinación de mezcla, entonces se va a unir a la tabla de origen de datos principales con la tabla DIMClientes por medio del IdClientes en relación con el CODCLIF. Se selecciona todos los campos necesarios que vamos a utilizar, en ambas tablas no deben repetirse el mismo código Id de clientes,

106 92 suficiente seleccionando uno y marcando los códigos de clave por lo cual se van a unir la información, entonces seria: Figura Nº 32: Asignación de campos DIMCLientes Una vez realizado la combinación de la información, tendremos un origen de datos o una tabla, con campos adicionales que pertenecieron de la otra tabla DIMCliente, esto quiere decir que el origen de datos tiene integrado ya a IdCliente. La combinación de mezcla nos permite que los registros de las dimensiones se puedan unir o combinar con nuestro origen datos principal con el objetivo de poder llenar a nuestra tabla FACTVentas los datos conjuntamente con sus dimensiones. Una vez realizado esta combinación entre el origen de datos principal y la dimensión DIMClientes, seguimos con DIMProductos, entonces

107 93 comenzamos a diseñar un nuevo origen de datos y se comenzara a diseñar a continuación del diseño anterior, así: Figura Nº 33: Diagrama de origen de datos DIMProductos Entonces iniciamos a crear un nuevo Origen de datos OLE DB para DIMProductos el cual tendrá todos los registros de productos de esa dimensión, así mismo ordenamos con el control Ordenar, filtrando el código del producto (IdProducto), como también ordenamos a él origen del lote de datos con dicho campo (codart). Generamos una combinación de mezcla los orígenes de datos, y desarrollamos los parámetros así:

108 94 Figura Nº 34: Asignación de campos DIMProductos Donde los filtros de código de los productos ordenados se van unir o combinar a una nueva salida de origen de datos. Una vez, realizado comenzamos a generar un origen de datos para la tabla DIMTiempo, así mismo se aplica el mismo paso. Se diseña un origen de datos para la tabla DIMTiempo donde se va a obtener su información, luego se ordenara por el campo llamado auxfc, también se ordenara al origen de lote datos con un campo llamado FC el cual es el número de registro de las facturas.

109 95 Figura Nº 35: Diagrama de origen de datos DIMTiempo Después se comenzara a combinar según los campos auxiliares, para que asiera, se integre el código único de tiempo al lote de datos principal. Figura Nº 36: Asignación de campos DIMTiempo

110 96 Una vez finalizadas, empezamos con la cuarta dimensión que sería DIMProveedor y repetimos el mismo paso. Se diseña un origen de datos para la tabla DIMProveedor donde se va a obtener su información, luego se ordenara por el campo llamado IdProveedor también se ordenara al origen de lote datos con un campo llamado codpro el cual es el Id de los productos Figura Nº 37: Diagrama de origen de datos DIMProveedor Después se comenzara a combinar según los campos IDs, para que se integre el código único del producto al lote de datos principal. Figura Nº 38: Asignación de campos DIMProveedor

111 97 Esto hará que se cruce le información de DIMProveedor a el lote datos Principal de una forma ordenada. También creamos para DIMTipoVenta un origen de datos y conseguimos sus registros. A cada origen de datos se le ordena por medio del nombre de Tipo de venta, en este caso para el OLE DB de lote principal seria aux1 donde aquí se encontrara si dicho registro se realizó al contado, cheque, diferido, y en el caso de DIMTipoVentas, el campo Nombre. El diseño seria: Figura Nº 39: Diagrama de origen de datos DIMTipoVentas La combinación seria:

112 98 Figura Nº 40: Asignación de campos DIMTipoVentas Una vez realizadas las combinaciones con sus dimensiones, tendríamos solo que ordenarles por el campo NUNFC y al flujo llevarle a un destino de datos OLE DB donde se almacene información la tabla FACTVentas.

113 99 Realizamos las asignaciones de las dimensiones y unidades de medidas de los campos de FACTVentasen el destino de OLE DB así: Figura Nº 41: Asignación de campos FACTVentas Y ahora se tendrá la tabla principal de FACTVentas con su respectiva información. En fin el diagrama general del ETLFACTVentas seria:

114 Figura Nº 42: Control de Flujo de FACTVentas 100

115 Construcción del cubo OLAP (Datamark) Crearemos un control nuevo proyecto de AnálisisServices llamado SSASNetMark, el paso de la creación del cubo OLAP es desarrollo inmediato. Se va a trabajar con ventana de Explorador de soluciones, primero crearemos un origen de datos con el asistente, dando clic derecho con en la carpeta origen de datos, seguimos el asistente de conexión y elegiremos la conexión BD-OLAP-NetMarkSQLProyecto (si no hay dicha conexión solo crearemos una nuevo eligiendo el servidor y nuestra base de datos OLAP) Figura Nº 43: Creación de origen de datos OLAP Damos clic siguiente, luego seleccionamos la opción utilizaremos la cuenta del servidor y clic en finalizar.

116 102 Así mismo crearemos una nueva vista de datos por medio del asistente, elegimos como el anterior caso el origen de datos, damos clic en siguiente, por default se encuentra seleccionado opciones en el panel de coincidencia de nombres, damos clic en siguiente, luego elegimos las tablas que vamos a utilizar Figura Nº 44: Asistente de origen de datos OLAP Y por último damos un clic en finalizar. Con eso ya tenemos creado la vista de datos. Ahora comenzamos a crear el cubo de datos OLAP, damos clic derecho en la carpeta cubos luego se nos abrirá el asistente, elegimos la opción usar tablas existentes, luego elegimos en el panel seleccionar tablas de grupo de medidas la tabla principal OLAP llamada FACVentas donde se encuentra todas las medidas calculadas.y no seleccionamos la última dimensión que genera automáticamente el asistente.

117 103 Figura Nº 45: Asistente de cubo OLAP Seleccionamos todas las dimensiones, damos clic en siguiente, proporcionamos un nombre y finalizamos. Figura Nº 46: Asistente de cubo OLAP (Dimensiones)

118 104 En la finalización del asistente tendríamos las medidas y dimensiones que se van a visualizar, como también en el explorador de soluciones tendríamos ya cargado nuestras dimensiones, ahora tenemos que desarrollar cada dimensión asignándoles atributos y jerarquías. 5.6 Desarrollo de dimensiones DIM Vendedor Comenzamos a configurar la dimensión dando doble clic en el icono del explorador de soluciones luego se nos abrirá un cuadro de dialogo donde nos pide asignar atributos y jerarquías desde la tabla dimensión. Figura Nº 47: Generación de DIMVendedor En este caso, vamos a arrastra el campo nombre a la columna atributos como también vamos a arrastrar Id Vendedor de la columna atributos a la columna jerarquías.

119 DIM Cliente El mismo procedimiento realizamos con DIM Cliente. Figura Nº 48: Generación de DIMCliente Así mismo, vamos a arrastra el campo nombre a la columna atributos como también vamos a arrastrar Id Cliente de la columna atributos a la columna jerarquías DIM Producto El mismo procedimiento realizamos con DIM Producto. Figura Nº 49: Generación de DIMProducto

120 106 Esta vez, vamos a arrastra los campos Producto y Categoría a la columna atributos como también vamos a arrastrar Id Producto de la columna atributos a la columna jerarquías DIM Tiempo El mismo procedimiento realizamos con DIM Tiempo. Figura Nº 50: Generación de DIMTiempo Ahora, vamos a arrastra los campos Año y Mes a la columna atributos como también vamos a arrastrar Id Tiempo de la columna atributos a la columna jerarquías DIM Tipo Venta El mismo procedimiento realizamos con DIM Tipo Venta.

121 107 Figura Nº 51: Generación de DIMTipoVenta Esta vez, vamos a arrastra el campo Tipo Venta a la columna atributos como también vamos a arrastrar Id Tipo Venta de la columna atributos a la columna jerarquías DIM Proveedor El mismo procedimiento realizamos con DIM Proveedor. Figura Nº 52: Generación de DIMProveedor Arrastramos los campos Nombre, Dirección y Teléfono a la columna atributos como también vamos a arrastrar Id Proveedor de la columna atributos a la columna jerarquías.

122 108 Por último damos clic derecho en el cubo de datos OLAP y elegimos generar ahora nos saldrá un cuadro de dialogo dando una pregunta: desea generar e implementar primero el proyecto? Y elegimos si, por ultimo damos clic en ejecutar para generar la carga del examinador. Ahora el cubo se lo puede visualizar, en los costados se filtrar por las dimensiones y el la grilla se visualizara las medidas. Figura Nº 53: Cubo OLAP Como se observa en esta imagen, se podrá visualizar las medidas (unidades vendidas, costo, valor de venta subtotal) de los productos vendidos por la persona llamada Andrea Álvarez en el año Así mismo podremos arrastrar varias dimensiones y combinarlas, obteniendo diferentes tipos de filtro en el cubo de datos.

123 109 CAPITULO VI 6. ANALISIS E INFORME DE LAS DIMENSIONES DEL CUBO OLAP 6.1 Dimensión Clientes Aquí es donde vamos a obtener los mejores clientes ordenados en forma descendentemente del último año. Figura Nº 54: Cubo filtrado por clientes Como se puede observar el cliente Jorge ha realizado más de 20 compras con un valor de dólares como total durante el año 2011

124 Dimensión Vendedores Aquí es donde vamos a obtener los mejores vendedores ordenados en forma descendentemente del último año. Figura Nº 55: Cubo filtrado por vendedores Como se observa, el vendedor más importante de la empresa es el ing. Johnny Nicolalde el cual ha realizado 400 ventas con un promedio de en el año Dimensión Proveedores Aquí es donde vamos a obtener los mejores proveedores el cual la empresa ha comprado, ordenados en forma descendente según la cantidad de compra del último año.

125 111 Figura Nº 56: Cubo filtrado por Proveedores Como se puede observar en la figura, el proveedor más importante de la empresa NetMark es Tegnomega con una compra de 230 unidades vendidas y con un valor de dólares. 6.4 Dimensión Productos Aquí es donde vamos a obtener los mejores productos vendidos ordenados en forma descendentemente del último año.

126 112 Figura Nº 57: Cubo filtrado por Productos Como se observa, el producto más vendido de la empresa es la impresora canon mp 250 multif el cual ha realizado 32 ventas con un promedio de 2464 dólares en el año Dimensión Tiempo Aquí es donde vamos a obtener las cantidades compradas por mes según sus años

127 113 Figura Nº 58: Cubo filtrado por tiempo Como se observa, el mes de junio es donde se realiza mayores ventas factibles con una venta de índice de 5906 productos vendidos. 6.6 Dimensión Tipo de venta Aquí es donde vamos a obtener la cantidad y precio según tipo de venta ordenadas según su vendedor del último año. Figura Nº 59: Cubo filtrado por TipoVenta Como se observa, se ha vendido en forma de contando la mayor parte del año 2011 y el vendedor que más ha realizado este tipo de venta es el Ing. Johnny Nicolalde