Introducción al Business Intelligence. Marta Zorrilla Universidad de Cantabria 2010/11

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Introducción al Business Intelligence. Marta Zorrilla Universidad de Cantabria 2010/11"

Transcripción

1 Introducción al Business Intelligence Marta Zorrilla Universidad de Cantabria

2 Tabla de contenido Qué es Business Intelligence? Campos de aplicación Evolución de los sistemas de gestión de datos hacia los sistemas de soporte a la decisión Data warehouse: justificación, definición, componentes Herramientas de análisis y consultas El proceso KDD El modelo relacional vs dimensional Tecnología OLAP 2

3 Situación actual en las organizaciones Entorno competitivo y globalizado Optimizar procesos Reducir costes, rentabilidad financiera Anticiparse a la competencia, análisis del mercado Innovar, búsqueda de nuevos productos o estrategias Ganar y fidelizar al cliente : Personalizar simular que cada cliente es único Las empresas maneja cantidades ingentes de información: Fuentes internas (Sistemas corporativos propios, aplicaciones departamentales, etc. ) Fuentes externas (INE, INEM, colegios profesionales, encuestas, hasta un 20%) Problemas Saturación de información Difícil de acceder No selectiva Business Intelligence 3

4 Qué es Business Intelligence? Convertir datos en información Es lograr que los gerentes y directivos de las organizaciones, y por extensión todos los usuarios de la información, tomen las mejores decisiones cada día accediendo de forma directa a la información clave de su negocio de manera ágil y sencilla. BI suministra el marco para: Definir y medir los indicadores relevantes del negocio, y entender su comportamiento Procesar, resumir, reportar y distribuir la información relevante a tiempo Gestionar y compartir el conocimiento del negocio con la organización Analizar y optimizar los procesos que actúan sobre los indicadores Incluye aplicaciones software, tecnología y metodologías para realizar el análisis de datos: Bases de datos Aplicaciones analíticas (OLAP) Reporting y querying Data mining, web mining, text mining, data streaming Técnicas de visualización de datos Herramientas ETL Decision Support System (DSS): sinónimo de BI 4

5 Campos de aplicación Science astronomy, bioinformatics, drug discovery, Business CRM (Customer Relationship management), fraud detection, e- commerce, manufacturing, sports/entertainment, telecom, targeted marketing, health care, Web: search engines, advertising, web and text mining, Government surveillance, crime detection, profiling tax cheaters, 5

6 Evolución de las tecnologías de bases de datos Hito histórico Pregunta de Negocio Tecnología que lo posibilita Suministrador Característica principal Data Collection (1960s) Cuáles fueron mis ingresos en los últimos 5 años? Ordenadores, cintas, discos, DBMS jerárquicos (IMS) y en red IBM, CDC Datos históricos Data Access (1980s) Cuántas unidades vendí el mes pasado en España? Bases de datos relacionales (RDBMS, SQL, ODBC) Oracle, Sybase, Informix, IBM, Microsoft Datos dinámicos a nivel de registro (histórico) Data Warehousing & Decision Support (1990s) Cuántas unidades vendí el mes pasado en España en relación con Europa? On-line analytic processing (OLAP), gestores multidimensionales Cognos, Business Objects, Microstrategy, NCR, SPSS, Comshare, etc. Datos dinámicos en múltiples niveles o jerarquías (histórico) Data Mining (2000s) Cuáles serán las ventas del próximo mes en Europa? algoritmos avanzados (data stream, weblog, bio-data ), RDBMS SPSS/Clementi ne, Lockheed, IBM, SGI, SAS, NCR, Oracle, etc. Datos de prospección (análisis de mercado, de riesgos, ) 6

7 Por qué un Data Warehouse? Los datos se encuentran en diferentes sistemas de información (uds de medida, convención de nombres y formatos, etc.) Estos no están orientadas a la toma de decisiones (KPI), sino a registrar transacciones (BD 3FN). La estructura de BD 3FN no es la adecuada para responder de forma ágil a consultas complejas, con cálculo de agregados y para ser analizadas bajo diferentes perspectivas. Sistema de de información específico dirigido por por las las necesidades de de los los usuarios de de negocio, alimentado desde las las fuentes de de datos operacionales de de la la organización y construido y presentado desde una una perspectiva sencilla 7

8 OLTP vs OLAP Almacena datos actuales Almacena datos históricos Almacena datos de detalle Almacena datos de detalle y datos agregados a distintos niveles Datos dinámicos Datos estáticos Integridad de datos Desnormalización, redundancia Dedicado al procesamiento de datos (transacción simple) Dedicado al análisis de datos (consultas complejas) Nº de transacciones elevado Nº de transacciones bajo Orientado a los procesos de la organización (aplicación) Soporta decisiones diarias Soporta decisiones estratégicas Orientado a la información relevante (negocio) Sirve a muchos usuarios Sirve a técnicos de dirección Tamaño BD : 100 Mb-Gb Tamaño BD : 100 Gb-Tb 8

9 Cuál es el proceso? Fuentes de datos internas Compras 2 Estos datos se procesan (agrupación, cálculos, etc.) y cargan en el data warehouse 3 Los datos se almacenan de forma que permita verlos fácilmente bajo diferentes perspectivas, así como cruzarlos entre ellos Contabilidad. RR/HH Web log,.. DATA WAREHOUSE ANALISTAS DE NEGOCIO (ayuda a la toma de decisiones) Medir Cómo es mi negocio? INFORMES Actuar Qué debemos hacer? PLAN Investigar Por qué es así? ANÁLISIS Simular Qué ocurre si hacemos esto? MODELIZACIÓN Fuentes de datos externas INE, INEM, 1 Como resultado del trabajo diario los empleados registran la actividad de lo que está pasando 4 Los datos se explotan mediante aplicaciones específicas de análisis de información 9

10 Análisis del negocio A qué responden? Qué hacen? Informes Data Mining Qué está pasando? Generan informes y alarmas por perfiles de usuario. Informes estáticos predefinidos Informes dinámicos configurables por el usuario: simples/complejos Visualización de resultados (Gráficos, herramientas GIS) Por qué está pasando? Identifican patrones (tendencias, regularidades, correlaciones) existentes en las BD Modelo descriptivos (indirecto) a) Asociación b) Segmentación Modelos predictivos (directo) c) Clasificación d) Estimación Simulación / Optimización Qué pasaría si...? Cuál es la mejor opción para...? Escenarios futuros y búsqueda de la mejor solución. Diseño de la estrategia óptima Simulación: dinámica de Sistemas (Jay Forrester M.I.T.) Optimización: Investigación operativa Cuál es el papel de los usuarios? Cómo se obtienen resultados? Ejemplo El usuario introduce una teoría sobre una posible relación en la base de datos, convirtiéndola en una consulta (query) Razonamiento deductivo Informes con alarmas en función de la evolución de determinadas medidas El usuario no necesita asumir nada, el modelo se encarga de identificar patrones. Los datos conducen Razonamiento inductivo Identificar qué factores (actividad, sector, región, época, etc.) influyen en la evolución de esas medidas El usuario introduce hipótesis sobre valores futuros y el modelo detecta las mejores soluciones Análisis de escenarios + hipótesis Determinar cómo evolucionaría una determinada medida (por ejemplo ventas) si se realizara una determinada acción (p. ejemplo una campaña publicitaria del tipo 2 por 1) 10

11 Informe OLAP Los informes permiten mostrar la información con diferentes niveles de agrupación. Vistas de la misma información según características de la información (dimensiones) Navegación multi-dimensional para investigar en los datos Ventas por Sector Actividad Total Agricultura 1 Comercio 34 Construcción 10 Resto 5 Transporte 10 Total 60 VENTAS POR REGIÓN Región Total Centro 33 Norte 10 Sur 17 Total 60 VENTAS POR REGIÓN Y SECTOR Región Agricultura Comercio Construcción Resto Transporte Total Centro Norte Sur Total VENTAS POR REGIÓN, SECTOR Y TAMAÑO Agricultura Cons- Trans- Agricultura Comer- Comer- Construcción Transporte Total cio cio Total trucción Total porte Total Región Mediana Grande Mediana Pequeña Grande Mediana Pequeña Grande Mediana Pequeña Centro Norte Sur Grand Total

12 Cuadros de mando (dashboard, scorecard,..) 12

13 Data mining: Caso segmentación Ejemplo: evaluar qué segmentos de población cambian de establecimiento de compra habitual Cambio N: 75.70% n=1514 S: 24.30% n= 486 Estudios realizados Cambio de establecimiento Variable más discriminante SIN ESTUDIOS N: 89.10% n=278 S: 10.90% n= 34 CON ESTUDIOS N: 73.22% n=1236 S: 26.78% n= 452 Estructura familiar Estructura familiar UNIFAMILIAR PAREJA SIN HIJOS PAREJA CON HIJOS UNIFAMILIAR PAREJAS N: 93.10% n=54 S: 6.9% n= 4 N: 75% n= 54 S: 25% n= 18 N: 93.41% n=170 S: 6.59% n= 12 N: 58.44% n=90 S: 41.56% n= 64 N: 74.71% n=1146 S: 25.29% n= 388 Estudios realizados Edad Seg.1 Seg.2 Seg.3 BACHILLER UNIVERSITARIOS < 40 > 40 N: 73.33% n=66 S: 26.67% n= 24 N: 37.50% n=24 S: 62.50% n= 40 N: 73.40% n=936 S: 26.60% n= 340 N: 81.25% n=208 S: 18.75% n= 48 25% cambia de los cuales,el 71% corresponden a los seg. 4, 5 y 6 Seg.4 Seg. 5 Seg. 6 Seg.7 Nodos Finales: Población Segmentada 13

14 Qué es un Data Warehouse? Ralph Kimball: Copia de los datos transaccionales estructurados específicamente para su consulta y análisis. (2002) Def. extendida: es la plataforma para el business intelligence (DW/BI). (2006) Bill Inmom: Un Data Warehouse es una colección de datos orientada al negocio, integrada, variante en el tiempo y no volátil para el soporte del proceso de toma de decisiones de la gerencia. 14

15 Qué es un Data Warehouse? (y 2) Es un sistema de información que: Contiene la información estratégica para la toma de decisiones Se utiliza para analizar datos, detectar tendencias y diseñar estrategias Recoge datos que provienen de diferentes sistemas operacionales (integración), consolidados a una determinada fecha (variante en el tiempo) y centrados en una determinada materia de negocio (ventas, consumos, uso del sitio Web...). Su estructura se diseña para dar respuesta ágil a las consultas y facilitar la distribución de sus datos, no para soportar procesos de gestión. No se actualizan sus datos, sólo son incrementados (no volátil). 15

16 Componentes DW/BI Data Sources Data Stage Area Data Area Data access tools Operational source systems Relational Database Engine (OLTP) Sales ETL processes Star schemas Ad-hoc solution ERP. SCM ETL processes Staging Area ROLAP Aggregated values Querying and Reporting tool Web log,.. ROLAP MAP HOLAP MAP AGGREGATED VALUES Data mining EIS External data sources Statistics files, etc. MOLAP MAP DETAILED VALUES AGGREGATED VALUES OLAP Database engine 16

17 Herramientas de análisis y consulta Cuál es la diferencia entre EIS y OLAP? Un EIS (Executive Information System) es un sistema de información empaquetado: Proporciona a los directivos acceso a la información de estado y sus actividades de gestión. Está especializado en analizar el estado diario de la organización (mediante indicadores clave) para informar rápidamente sobre cambios a los directivos. La información solicitada suele ser, en gran medida, numérica (ventas semanales, nivel de stocks, balances parciales, etc.) y representada de forma gráfica al estilo de las hojas de cálculo. Surgieron en los 80, y son los progenitores del software BI de los 90 Las herramientas OLAP (On-Line Analyitical Processing) son más genéricas: Funcionan sobre un sistema de información (relacional o dimensional) Estructura de almacenamiento que permite realizar diferentes agregaciones y combinaciones de datos según distintas perspectivas de observación. 17

18 Herramientas de análisis y consulta Cuál es la diferencia entre informes avanzados y OLAP? Los sistemas de informes o consultas avanzadas: Están basados, generalmente, en sistemas relacionales u objetorelacionales, Utilizan los operadores clásicos: concatenación, proyección, selección, agrupamiento, (en SQL y extensiones). El resultado se presenta de una manera tabular. Las herramientas OLAP Están basadas, generalmente, en sistemas o interfaces multidimensionales, Utilizando operadores específicos (además de los clásicos): drill, roll, pivot, slice & dice, El resultado se presenta generalmente de manera matricial. 18

19 Herramientas de análisis y consulta Cuál es la diferencia entre OLAP y minería de datos? Las herramientas OLAP proporcionan facilidades para manejar y transformar los datos. producen otros datos (más agregados, combinados). ayudan a analizar los datos porque producen diferentes vistas de los mismos. Las herramientas de Minería de Datos: son muy variadas: permiten extraer patrones, modelos, descubrir relaciones, regularidades, tendencias, etc. producen reglas o patrones ( conocimiento ). 19

20 DW y OLAP La tecnología OLAP generalmente se asocia a los almacenes de datos, aunque se puede tener DW sin OLAP y viceversa 20

21 Knowledge Discovery Process Piatetsky-Shapiro 21

22 Data mining: definición Knowledge discovery: the non-trivial process of identifying valid, novel, potentially useful, and ultimately understandable patterns in data. (from Fayyad, U.M., Piatetsky- Shapiro, G., Smyth, P., & Uthurusamy, R. (Eds.) (1996). Advances in Knowledge Discovery and Data Mining. Boston, MA: AAAI/MIT Press.) the process of exploration and analysis, by automatic or semi-automatic means, of large quantities of data in order to discover meaningful patterns and results. (Berry &Linoff, 1997, 2000) Data mining sometimes refers to the whole process of knowledge discovery and sometimes to the specific machine learning phase. 22

23 Qué es (y no) Data Mining? Qué no es DM? buscar el producto más vendido preguntar a un motor de búsqueda por estrellas de cine conocer el estado de las cuentas de un cliente Qué es DM? conocer los productos que se compran juntos Agrupar documentos similares retornados por un motor de búsqueda de acuerdo a su contexto conocer la probabilidad de que devuelva un crédito 23

24 El modelo relacional vs dimensional Ejemplo para su justificación Caso de facturación de una empresa internacional 24

25 Modelo de datos relacional (Facturación) Clientes Codigo_cliente Nombre Direccion Codigo_empresa Facturas Numero_factura Codigo_cliente Fecha Tipo_IVA Empresas Codigo_empresa Nombre_empresa Pais Direccion_central Lineas_factura Numero_factura Numero_linea Codigo_articulo Unidades Precio_unitario Coste_unitario Paises Pais Articulos Codigo_articulo Cod_tipo_artic Descripcion Ult_coste_unitario Tipos_articulos Cod_tipo_artic Descripcion_tipo Beneficio de ventas en el año 2004 a empresas francesas según tipos de artículos? 25

26 Consultas al modelo relacional de facturación Clientes Codigo_cliente Nombre Direccion Codigo_empresa Beneficio de ventas en el año 2004 a empresas francesas según tipos de artículos? Facturas Numero_factura Codigo_cliente Fecha Tipo_IVA Empresas Codigo_empresa Nombre_empresa Pais Direccion_central Lineas_factura Numero_factura Numero_linea Codigo_articulo Unidades Precio_unitario Coste_unitario Paises Pais Articulos Codigo_articulo Cod_tipo_artic Descripcion Ult_coste_unitario Tipos_articulos Cod_tipo_artic Descripcion_tipo SELECT SUM(Unidades *(Precio_unitario-Coste_unitario)), Cod_tipo_artic FROM Empresas INNER JOIN (Clientes INNER JOIN (Facturas INNER JOIN (Lineas_factura INNER JOIN Articulos ON Lineas_factura.Codigo_articulo=Articulos.Codigo_articulo) ON Facturas.Numero_factura=Lineas_factura.Numero_factura) ON Clientes.Codigo_cliente=Factura.Codigo_cliente) ON Empresas.Codigo_empresa=Clientes.Código_empresa WHERE Fecha BETWEEN 1/1/2004 AND 31/12/2004 AND Pais= Francia GROUP BY Cod_tipo_artic 26

27 Esquema de hechos y dimensiones Fechas Fecha Clientes Ventas Fecha Codigo_articulo Codigo_cliente Unidades Importe Coste Beneficio Medida Articulos Codigo_articulo Descripción Tipo_articulo Hecho Codigo_cliente Empresa Nombre Pais Dirección Tabla de hechos: Cada fila corresponde a una medida Igual grado de detalle (grano) en todos los hechos Los hechos más útiles son los numéricos y aditivos Transformación de datos Desnormalización Aún no es el modelo dimensional Tablas de dimensión: Contienen descriptores textuales Son los puntos de entrada en la tabla de hechos 27

28 Cubos e hipercubos Una estructura de datos como la anterior admite una representación espacial en tres dimensiones. Articulos Fechas Clientes Cada cubo elemental representa una ocurrencia (fila) en la tabla de hechos. 28

29 Acumulados según una dimensión Articulos Clientes Las medidas (como el beneficio) tiene la propiedad de ser aditivas. Es decir, tiene sentido la suma según todas las dimensiones (beneficios en una fecha, o con un artículo o con relación a un cliente). Además de almacenar los valores elementales de las medidas, se pueden también guardar los acumulados según las dimensiones. Fechas 29

30 Acumulados según dos y las tres dimensiones Articulos Fechas Clientes 30

31 Acumulados según todas las dimensiones Articulos Fechas Clientes 31

32 Unión del cubo y sus acumulados 32

33 El cubo de medidas con todos sus acumulados Tamaño máximo del cubo: (n 1 +1) (n 2 +1) (n d +1) Donde: n i es el número de filas de la dimensión i y Articulos d es el número de dimensiones Muchos de los cubos no tiene medida (no ocupan espacio) Año 2003 Año 2004 Francia España Clientes Fechas 33

34 Modelo de datos dimensional Fechas Fecha Clientes Codigo_cliente Empresa Nombre Pais Dirección Tabla de hechos: Ventas Fecha Codigo_articulo Codigo_cliente Unidades Importe Coste Beneficio Atributos (hechos) [aditividad] Claves de referencia Clave simple (autonumérica) Claves propias sin significado Independencia ante cambios de claves de producción Articulos Codigo_articulo Descripción Tipo_articulo Fechas Id_fecha Fecha Año Mes Dia Clientes Id_cliente Codigo_cliente Empresa Nombre Pais Dirección Tablas de dimensión: Claves de gestión Atributos [criterios de agregación] Claves simples (autonuméricas) Ventas Id_venta Id_fecha Id_articulo Id_cliente Unidades Importe Coste Beneficio Articulos Id_articulo Codigo_articulo Descripción Tipo_articulo Esquema dimensional (en Estrella) 34

35 35 Del modelo relacional al dimensional Facturas Facturas Numero_factura Codigo_cliente Fecha Tipo_IVA Numero_factura Codigo_cliente Fecha Tipo_IVA Clientes Clientes Codigo_cliente Nombre Direccion Codigo_empresa Codigo_cliente Nombre Direccion Codigo_empresa Lineas_factura Lineas_factura Numero_factura Numero_linea Codigo_articulo Unidades Precio_unitario Coste_unitario Numero_factura Numero_linea Codigo_articulo Unidades Precio_unitario Coste_unitario Articulos Articulos Codigo_articulo Cod_tipo_artic Descripcion Ult_coste_unitario Codigo_articulo Cod_tipo_artic Descripcion Ult_coste_unitario Empresas Empresas Codigo_empresa Nombre_empresa Pais Direccion_central Codigo_empresa Nombre_empresa Pais Direccion_central Tipos_articulos Tipos_articulos Cod_tipo_artic Descripcion_tipo Cod_tipo_artic Descripcion_tipo Paises Paises Pais Pais Facturas Facturas Numero_factura Codigo_cliente Fecha Tipo_IVA Numero_factura Codigo_cliente Fecha Tipo_IVA Clientes Clientes Codigo_cliente Nombre Direccion Codigo_empresa Codigo_cliente Nombre Direccion Codigo_empresa Lineas_factura Lineas_factura Numero_factura Numero_linea Codigo_articulo Unidades Precio_unitario Coste_unitario Numero_factura Numero_linea Codigo_articulo Unidades Precio_unitario Coste_unitario Articulos Articulos Codigo_articulo Cod_tipo_artic Descripcion Ult_coste_unitario Codigo_articulo Cod_tipo_artic Descripcion Ult_coste_unitario Empresas Empresas Codigo_empresa Nombre_empresa Pais Direccion_central Codigo_empresa Nombre_empresa Pais Direccion_central Tipos_articulos Tipos_articulos Cod_tipo_artic Descripcion_tipo Cod_tipo_artic Descripcion_tipo Paises Paises Pais Pais Transformación Carga Extracción Fechas Fechas Articulos Articulos Ventas Ventas Id_venta Id_fecha Id_articulo Id_cliente Unidades Importe Coste Beneficio Id_venta Id_fecha Id_articulo Id_cliente Unidades Importe Coste Beneficio Id_articulo Codigo_articulo Descripción Tipo_articulo Id_articulo Codigo_articulo Descripción Tipo_articulo Id_fecha Fecha Año Mes Dia Id_fecha Fecha Año Mes Dia Clientes Clientes Id_cliente Codigo_cliente Empresa Nombre Pais Dirección Id_cliente Codigo_cliente Empresa Nombre Pais Dirección Fechas Fechas Articulos Articulos Ventas Ventas Id_venta Id_fecha Id_articulo Id_cliente Unidades Importe Coste Beneficio Id_venta Id_fecha Id_articulo Id_cliente Unidades Importe Coste Beneficio Id_articulo Codigo_articulo Descripción Tipo_articulo Id_articulo Codigo_articulo Descripción Tipo_articulo Id_fecha Fecha Año Mes Dia Id_fecha Fecha Año Mes Dia Clientes Clientes Id_cliente Codigo_cliente Empresa Nombre Pais Dirección Id_cliente Codigo_cliente Empresa Nombre Pais Dirección Esquema dimensional (en Estrella) Esquema relacional

36 Tablas de hechos compartiendo dimensiones Clientes Fechas Empleados Ventas [transacciones] Inventario [fotos (snapshot ( snapshot)] Promocion Articulos Almacenes Proveedores Compras [transacciones] 36

37 Tecnología OLAP: cubos Estructura de almacenamiento que permite realizar diferentes combinaciones de datos para visualizar los resultados de una organización (indicadores) hasta un determinado grado de detalle, permitiendo navegar por sus dimensiones y analizar sus datos desde distintos puntos de vista. 37

38 Cubos OLAP (y 2) Un cubo es un subconjunto de datos de un DW/BDR que es almacenado en una estructura multidimensional. El cubo contiene los valores agregados de todos los niveles de todas las dimensiones. Importe total y unidades vendidas durante este año de los productos del departamento Bebidas, por trimestre y por categoría Cómo varió la venta de los productos cárnicos durante el tercer trimestre del 2002 en relación al segundo trimestre? Beneficio neto por producto, área geográfica y año VENTAS Tiempo Cliente P r o d u c t o 38

39 Componentes de un cubo Miembro Cliente Argentina Bélgica Canadá Francia Italia VENTAS ( ) Producto Camembert Gorgonzola Chocolate Paté Chinoise Ravioli Celdas Niveles Día1 Día 2... Enero Febr.... Trim.1 Trim Tiempo Propiedades Producto Stock min. Obsoleto Camembert 10 N Gorgonzola 20 N Chocolate 35 N Paté Chinoise 15 N Ravioli 125 N 39

40 Definir dimensiones Identificar las columnas de las tablas que participan en la dimensión Definir los niveles y las propiedades Pueden ser: balanceada (producto) no balanceada (empleado) desigual (el padre de un miembro no se encuentra en el nivel que está por encima inmediatamente de éste, cliente) 40

41 Dimensión equilibrada 41

42 Dimensión no equilibrada 42

43 Dimensión desigual 43

44 Definir cubos Identificar la tabla de hechos Elegir las medidas Aditivas y no aditivas Métricas calculadas Nivel de detalle (filtro) Métricas calculadas: La diferencia entre medida derivada y miembro calculado es cuándo se realiza el cálculo. Una medida derivada se calcula antes que las agregaciones sean creadas y los valores son almacenados en el cubo. Beneficio = venta coste Los miembros calculados no son almacenados en el cubo y se calculan las agregaciones antes que se efectúe la operación. Margen ud. Prod. = suma(beneficio_linea) / suma(unidades_linea 44

45 Almacenamiento de los cubos Opciones de almacenamiento Rendimiento MOLAP Base Datos Multidimensional Los datos que subyacen en los hipercubos son almacenados junto con las agregaciones en una estructura multidimensional Capacidad ROLAP Base Datos Relacional HOLAP Sistema híbrido DOLAP Desktop OLAP Los datos que subyacen en los hipercubos son almacenados junto con las agregaciones en una estructura relacional Los datos que subyacen en los hipercubos son almacenados en una estructura relacional y las agregaciones en una estructura multidimensional Instalación MOLAP en un equipo cliente 45

46 Herramientas OLAP Lo interesante no es poder realizar consultas que, en cierto modo, se pueden hacer con selecciones, proyecciones, concatenaciones y agrupamientos tradicionales. Lo realmente interesante de las herramientas OLAP son sus operadores de refinamiento o manipulación de consultas. DRILL ROLL SLICE & DICE PIVOT 52

47 Análisis de datos: operaciones en cubos OLAP Roll up (drill-up): resumir los datos Subir en la jerarquía o reducir las dimensiones Drill down (roll down): el contrario del anterior bajar en la jerarquía o introducir nuevas dimensiones Slice and dice: Selección y proyección Pivot (rotar): Drill: Reorientar el cubo Se utilizan las coordenadas dimensionales especificadas por un usuario para una celda en un cubo para moverse a otro cubo a ver información relacionada drill across: implica utilizar más de una tabla de hechos drill through: Ir desde el nivel de máximo detalle del cubo a sus tablas relacionales (utilizando SQL) 53

48 Learner France Italy Q1-05 Q2-05 Date Course Programming Databases Slice and Dice (learners from France or Italy in Q1 and Q2 of 2005 and course Programming or Databases) Pivot Course Databases Programming Date Q Q France Italy Learner Learner Argentina Belgium Canada France Italy Course Programming Foreign Language Operating Systems Databases Arts Date Q1-05 Q2-05 Q3-05 Q4-05 Q1-06 Roll-up on Date Learner Toronto Paris Grenoble Florence Rome Buenos Aires Brussels Drill-down on Learner Learner Argentina 120 Belgium 275 Canada 155 France 150 Italy Course Programming Foreign Language Operating Systems Databases Arts Date Q1-05 Q2-05 Q3-05 Q4-05 Q1-06 Date Sem1-05 Sem2-05 Sem

49 Herramientas OLAP Las herramientas de OLAP se caracterizan por: ofrecer una visión multidimensional de los datos (matricial). no imponer restricciones sobre el número de dimensiones. ofrecer simetría para las dimensiones. permitir definir de forma flexible (sin limitaciones) sobre las dimensiones: restricciones, agregaciones y jerarquías entre ellas. ofrecer operadores intuitivos de manipulación: drill-down, rollup, slice-and-dice, pivot. ser transparentes al tipo de tecnología que soporta el almacén de datos (ROLAP o MOLAP). 55

50 Ejemplo delicatessen international

51 Ejemplo de aplicación: Ventas Empresa multinacional con sede en Nueva York y en Londres que se dedica a la venta y distribución de productos delicatessen de todo el mundo. Esta empresa tiene en su sistema de gestión corporativo los pedidos realizados por sus clientes desde el año 2002, cuando iniciaron su andadura, hasta mayo del

52 Análisis Productos más vendidos, más rentables, número de unidades vendidas por país, por empleado, por año, etc... Qué margen comercial tenemos por producto? cuáles nos ofrecen mayor rentabilidad? Comparativa de ventas del mismo producto en diferentes meses y países. Evolución de las ventas (entendido como uds vendidas en un periodo con respecto al anterior) realizadas en cada país en los últimos años. Beneficios (y ratio) obtenidos por cada empleado y acumulado por jefe Volumen de negocio ofrecido a cada agencia de transporte Cuál es el importe de pedido promedio por cliente? Cómo evoluciona nuestra cartera de clientes? En qué países nos hemos introducido y en cuales hemos perdido cuota de mercado? Etc. 60

53 Data mart Ventas Clave autonumérica (_key) Atributos Niveles de agregación Clave compuesta Medidas Dimensión degenerada Clave operacional (_ID) 62

Introducción al Business Intelligence. Marta Zorrilla Universidad de Cantabria 2007/08

Introducción al Business Intelligence. Marta Zorrilla Universidad de Cantabria 2007/08 Introducción al Business Intelligence Marta Zorrilla Universidad de Cantabria Tabla de contenido Qué es Business Intelligence? Situación del mercado y campos de aplicación Evolución de los sistemas de

Más detalles

SISTEMAS DE INFORMACION GERENCIAL LIC.PATRICIA PALACIOS ZULETA

SISTEMAS DE INFORMACION GERENCIAL LIC.PATRICIA PALACIOS ZULETA SISTEMAS DE INFORMACION GERENCIAL LIC.PATRICIA PALACIOS ZULETA Qué es inteligencia de negocios? (BI) Business Intelligence es la habilidad para transformar los datos en información, y la información en

Más detalles

OLAP 2 OLAP 1 OLAP 4 OLAP 3 OLAP 5 OLAP 6

OLAP 2 OLAP 1 OLAP 4 OLAP 3 OLAP 5 OLAP 6 OLAP EXPLOTACIÓN UN DW: EXPLOTACIÓN UN DW:... OLAP 1 OLAP 2 EXPLOTACIÓN UN DW: MOLO UN AMBIENTE OLAP EXPLOTACIÓN UN DW: LAS HERRAMIENTAS OLAP PRESENTAN AL USUARIO UNA VISIÓN MULTIDIMENSIONAL LOS DATOS

Más detalles

Sistemas de Información 12/13 La organización de datos e información

Sistemas de Información 12/13 La organización de datos e información 12/13 La organización de datos e información Departamento Informática e Ingeniería de Sistemas Universidad de Zaragoza (raqueltl@unizar.es) " Guión Introducción: Data Warehouses Características: entornos

Más detalles

Data warehouse y OLAP. Marta Zorrilla Universidad de Cantabria 2010/11

Data warehouse y OLAP. Marta Zorrilla Universidad de Cantabria 2010/11 Data warehouse y OLAP Marta Zorrilla Universidad de Cantabria Tabla de contenido Ciclo de vida de un sistema BI/DW Diseño multidimensional Modelo dimensional básico Data warehouse vs data marts Modelo

Más detalles

Fundamentos de la Inteligencia de Negocios

Fundamentos de la Inteligencia de Negocios Universidad Nacional de Salta Facultad de Ciencias Económicas, Jurídicas y Sociales Sistemas de Información para la Gestión Fundamentos de la Inteligencia de Negocios Administración de Bases de Datos e

Más detalles

CAPÍTULO 2 DATA WAREHOUSES

CAPÍTULO 2 DATA WAREHOUSES CAPÍTULO 2 DATA WAREHOUSES Un Data Warehouse (DW) es un gran repositorio lógico de datos que permite el acceso y la manipulación flexible de grandes volúmenes de información provenientes tanto de transacciones

Más detalles

Definición. Data Warehousing: almacenamiento, transformación y distribución de datos útiles para los responsables de tomar decisiones 9/29/2006 4

Definición. Data Warehousing: almacenamiento, transformación y distribución de datos útiles para los responsables de tomar decisiones 9/29/2006 4 Definición Data Warehousing: almacenamiento, transformación y distribución de datos útiles para los responsables de tomar decisiones 9/29/2006 4 Definición (cont.) Un Data Warehouse es una colección de

Más detalles

Bases de Datos. Marta Elena Zorrilla Pantaleón Rafael Duque Medina DPTO. DE MATEMÁTICAS, ESTADÍSTICA Y COMPUTACIÓN. Tema 06. Otros modelos de datos

Bases de Datos. Marta Elena Zorrilla Pantaleón Rafael Duque Medina DPTO. DE MATEMÁTICAS, ESTADÍSTICA Y COMPUTACIÓN. Tema 06. Otros modelos de datos Bases de Datos Tema 06. Otros modelos de datos Marta Elena Zorrilla Pantaleón Rafael Duque Medina DPTO. DE MATEMÁTICAS, ESTADÍSTICA Y COMPUTACIÓN Este tema se publica bajo Licencia: Creative Commons BY-NC-SA

Más detalles

Inteligencia de Negocios. Cecilia Ruz

Inteligencia de Negocios. Cecilia Ruz Inteligencia de Negocios Cecilia Ruz Inteligencia de Negocios Business Intelligence (BI) Es un paraguas bajo el que se incluye un conjunto de conceptos y metodologías cuya misión consiste en mejorar el

Más detalles

Sistemas de Información para la Gestión. UNIDAD 2: RECURSOS DE TI Información y Aplicaciones

Sistemas de Información para la Gestión. UNIDAD 2: RECURSOS DE TI Información y Aplicaciones UNIDAD 2: RECURSOS DE TI Información y Aplicaciones UNIDAD 2: RECURSOS DE TI Información y Aplicaciones 1. La Información: Propiedades de la Información. Sistemas de Información. Bases de Datos. 2. Administración

Más detalles

Fundamentos de la Inteligencia de Negocios

Fundamentos de la Inteligencia de Negocios Sistemas de Información para la Gestión UNIDAD 2: Infraestructura de Tecnología de la Información Unidad 2 Infraestructura de Tecnología de la Información Estructura de TI y tecnologías emergentes. Estructura

Más detalles

Business Intelligence

Business Intelligence Business Intelligence Curso 2012-2013 Departamento de Lenguajes y Sistemas Informáticos II http://www.kybele.es ISI/SI - 1 Introducción Nuestra misión: Hacer inteligente el negocio Buenos días. Soy Negocio.

Más detalles

BUSINESS INTELLIGENCE

BUSINESS INTELLIGENCE BUSINESS INTELLIGENCE PRESENTACIÓN Ramón Díaz Hernández Gerente (1.990) Nuestro Perfil Inversión permanente en formación y nuevas tecnologías. Experiencia en plataforma tecnológica IBM (Sistema Operativo

Más detalles

Bases de Datos Otoño 2012 Maestría en Ingeniería de Software L.I Yessica Sugeidy Morales Mateo. 22/09/2012 Bases de Datos

Bases de Datos Otoño 2012 Maestría en Ingeniería de Software L.I Yessica Sugeidy Morales Mateo. 22/09/2012 Bases de Datos Bases de Datos Otoño 2012 Maestría en Ingeniería de Software L.I Yessica Sugeidy Morales Mateo 22/09/2012 Bases de Datos 1 Antecedentes A principios de la década de los sesenta, el software de acceso a

Más detalles

SQL SERVER 2008 R2 BI 07/07/2010 BUSINESS INTELLIGENCE

SQL SERVER 2008 R2 BI 07/07/2010 BUSINESS INTELLIGENCE Todo en la vida comienza con código VII Encuentro Desarrolladores Microsoft BUSINESS INTELLIGENCE Ana María Bisbé York Servicios Profesionales VII Encuentro Desarrolladores Microsoft Todo en la vida comienza

Más detalles

Inteligencia de Negocios

Inteligencia de Negocios Inteligencia de Negocios Las herramientas de exploración: El análisis multidimensional, el reporte y distribución pro activa. 1 Esquema de la clase 1. Distintos tipos de necesidades de información 2. Herramientas

Más detalles

FACULTAD DE INGENIERÍA. Bases de Datos Avanzadas

FACULTAD DE INGENIERÍA. Bases de Datos Avanzadas FACULTAD DE INGENIERÍA Ingeniería en Computación Bases de Datos Avanzadas Datawarehouse Elaborado por: MARÍA DE LOURDES RIVAS ARZALUZ Septiembre 2015 Propósito Actualmente las empresas necesitan contar

Más detalles

v.1.0 Clase 1 Docente: Gustavo Valencia Zapata

v.1.0 Clase 1 Docente: Gustavo Valencia Zapata v.1.0 Clase 1 Docente: Gustavo Valencia Zapata Temas Clase 1: Introducción a la Inteligencia de Negocios Hitos y personajes Arquitectura de BI Evolución de la Información Inteligencia de Negocios (BI)

Más detalles

Oracle Business Intelligence Suite Standard Edition One. Antonio Akiyama (antonio.akiyama@gbsperu.net) Consultor Senior Business Intelligence

Oracle Business Intelligence Suite Standard Edition One. Antonio Akiyama (antonio.akiyama@gbsperu.net) Consultor Senior Business Intelligence Oracle Business Intelligence Suite Standard Edition One Antonio Akiyama (antonio.akiyama@gbsperu.net) Consultor Senior Business Intelligence Desafíos actuales Visibilidad y Transparencia Rentabilidad,

Más detalles

Analysis Server 2008 Diseño multidimensional. Tecnología OLAP Tutorial

Analysis Server 2008 Diseño multidimensional. Tecnología OLAP Tutorial Analysis Server 2008 Diseño multidimensional. Tecnología OLAP Tutorial Marta Zorrilla Universidad de Cantabria 2010 Tabla de contenidos 1. Uso de Microsoft Analysis Services 3 1.1. Cómo crear un cubo OLAP

Más detalles

Business Intelligence: Competir con Información

Business Intelligence: Competir con Información Business Intelligence: Competir con Información Reus, 16 de Noviembre de 2011 Página 1 Página 2 Sumario Sistemas de Información - Introducción Introducción Business Intelligence Datawarehouse OLAP Data

Más detalles

BUSINESS INTELLIGENCE

BUSINESS INTELLIGENCE BUSINESS INTELLIGENCE Técnicas, herramientas y aplicaciones María Pérez Marqués Business Intelligence. Técnicas, herramientas y aplicaciones María Pérez Marqués ISBN: 978-84-943055-2-8 EAN: 9788494305528

Más detalles

Inteligencia en Redes de Comunicaciones. Tema 7 Minería de Datos. Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda

Inteligencia en Redes de Comunicaciones. Tema 7 Minería de Datos. Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda Inteligencia en Redes de Comunicaciones Tema 7 Minería de Datos Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda {jvillena, rcrespo, rueda}@it.uc3m.es Índice Definición y conceptos

Más detalles

Business Intelligence.

Business Intelligence. Business Intelligence. Qué es inteligencia de negocios? Es el proceso de analizar los bienes o datos acumulados en la empresa y extraer una cierta inteligencia o conocimiento de ellos. Dentro de la categoría

Más detalles

Cátedra: BI Business Intelligence. Asignatura BI Business Intelligence Ciclo Lectivo 2012 Vigencia del Ciclo lectivo 2012.

Cátedra: BI Business Intelligence. Asignatura BI Business Intelligence Ciclo Lectivo 2012 Vigencia del Ciclo lectivo 2012. Asignatura BI Business Intelligence Ciclo Lectivo 2012 Vigencia del Ciclo lectivo 2012 programa Plan 2008 Área Complementaria Carga horaria semanal Anual/ cuatrimestral Coordinador de Cátedra Objetivos

Más detalles

Business Intelligence

Business Intelligence Business Intelligence Metodología > 1 Implantación tecnológica de un balanced scorecard Precio 1.000 Este curso introduce al alumno en la metodología de BSC y su implantación tecnológica para el seguimiento

Más detalles

Sistemas de Datos. Data warehouse y Business Intelligence

Sistemas de Datos. Data warehouse y Business Intelligence Data warehouse y Business Intelligence Esquema de la clase 1. Los tres problemas del OLTP 2. Qué es Data warehouse y Business Intelligence? 3. La arquitectura de la solución. 5. Construcción de la solución

Más detalles

Inteligencia de Negocios Introducción. Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS

Inteligencia de Negocios Introducción. Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS Inteligencia de Negocios Introducción Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS Agenda 1.Introducción 2.Definición 3.ETL 4.Bodega de Datos 5.Data Mart

Más detalles

DATAMART PASO A PASO WWW.RUEDATECNOLOGICA.COM

DATAMART PASO A PASO WWW.RUEDATECNOLOGICA.COM DATAMART PASO A PASO WWW.RUEDATECNOLOGICA.COM Historial de revisiones Versión Fecha Autor: Descripción del cambio 1.0 31/08/2007 Rayner Huamantumba. Manual para diseño y desarrollo de Datamart INDICE 1-

Más detalles

Licencia GNU FDL. Detalle del cambio. Ing. Bernabeu Ricardo Dario, Ing. García Mattío Mariano Alberto. Versión incial. 05/11/2009

Licencia GNU FDL. Detalle del cambio. Ing. Bernabeu Ricardo Dario, Ing. García Mattío Mariano Alberto. Versión incial. 05/11/2009 Licencia GNU FDL Copyright 2009 Ing. Bernabeu Ricardo Dario, Ing. García Mattío Mariano Alberto. Se otorga permiso para copiar, distribuir y/o modificar este documento bajo los términos de la Licencia

Más detalles

Proyecto técnico MINERÍA DE DATOS. Febrero 2014. www.osona-respon.net info@osona-respon.net

Proyecto técnico MINERÍA DE DATOS. Febrero 2014. www.osona-respon.net info@osona-respon.net Proyecto técnico MINERÍA DE DATOS Febrero 2014 www.osona-respon.net info@osona-respon.net 0. Índice 0. ÍNDICE 1. INTRODUCCIÓN... 2 2. LOS DATOS OCULTOS... 3 2.1. Origen de la información... 3 2.2. Data

Más detalles

Módulo Minería de Datos

Módulo Minería de Datos Módulo Minería de Datos Diplomado Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS Análsis Dimensional OLAP On-Line Analytical Processing Estructura del Proceso

Más detalles

www.itconsulting.com.bo B. Las palmas C./ San Miguel#420 Telf. Of.: 591-3-3210356 Cel.76364838 Santa Cruz - Bolivia

www.itconsulting.com.bo B. Las palmas C./ San Miguel#420 Telf. Of.: 591-3-3210356 Cel.76364838 Santa Cruz - Bolivia Señor(a): CLIENTE Presente.- Santa Cruz, 14 Noviembre del 2012 REF.: COTIZACION ESPECIALISTA EN ANALISIS DE DATOS & INTELIGENCIA DE NEGOCIOS EN EXCEL 2007-2010 Distinguido Señores: Consultores en Tecnologías

Más detalles

BUSINESS INTELLIGENCE. www.sbi-technology.com

BUSINESS INTELLIGENCE. www.sbi-technology.com BUSINESS INTELLIGENCE www.sbi-technology.com SBI Technology SRL Maipú 1492 Piso 2 S2000CGT - Rosario Rep. Argentina Tel: (54 341) 530 0815 www.sbi-technology.com Copyright - SBI Technology SRL - Todos

Más detalles

SQL Server Business Intelligence parte 1

SQL Server Business Intelligence parte 1 SQL Server Business Intelligence parte 1 Business Intelligence es una de las tecnologías de base de datos más llamativas de los últimos años y un campo donde Microsoft ha formado su camino a través de

Más detalles

RECURSOS DE TI Aplicaciones - Bibliografía FUNDAMENTOS DE LA INTELIGENCIA DE NEGOCIOS

RECURSOS DE TI Aplicaciones - Bibliografía FUNDAMENTOS DE LA INTELIGENCIA DE NEGOCIOS Sistemas de Información para la Gestión UNIDAD 3: RECURSOS DE TECNOLOGÍA DE INFORMACIÓN Aplicaciones UNIDAD 2: RECURSOS DE TI Aplicaciones 1. Administración de bases de datos e información: Sistemas de

Más detalles

Sistemas de Información para la Gestión. Unidad 3 Aplicaciones de Sistemas

Sistemas de Información para la Gestión. Unidad 3 Aplicaciones de Sistemas para la Gestión Unidad 3 Aplicaciones de Sistemas U.N.Sa. Facultad de Cs.Económicas SIG 2010 UNIDAD 3: APLICACIONES DE SISTEMAS Aplicaciones empresariales: Sistemas empresariales. Sistemas de administración

Más detalles

UNIDAD DIDÁCTICA No. 5 OLAP (ON-LINE ANALITICAL PROCESING) PREGUNTAS GENERADORAS

UNIDAD DIDÁCTICA No. 5 OLAP (ON-LINE ANALITICAL PROCESING) PREGUNTAS GENERADORAS UNIDAD DIDÁCTICA No. 5 OLAP (ON-LINE ANALITICAL PROCESING) PREGUNTAS GENERADORAS DIEGO ALBERTO PARRA CAMPOS JUAN PABLO GAITAN MORENO LUZ ELENA QUIRIGA CARRILLO PIEDAD GUZMAN RODRIGUEZ UNIVERSIDAD DEL TOLIMA

Más detalles

Por qué BI? Avances tecnológicos y su costo de adquisición

Por qué BI? Avances tecnológicos y su costo de adquisición Business Intelligence Seminario Business Intelligence Por qué BI? Avances tecnológicos y su costo de adquisición Definición de Intelligence Transformación de información en conocimiento Ciclo de Inteligencia

Más detalles

Sistema de análisis de información. Resumen de metodología técnica

Sistema de análisis de información. Resumen de metodología técnica Sistema de análisis de información Resumen de metodología técnica Tabla de Contenidos 1Arquitectura general de una solución de BI y DW...4 2Orígenes y extracción de datos...5 2.1Procesos de extracción...5

Más detalles

DATA WAREHOUSE DATA WAREHOUSE

DATA WAREHOUSE DATA WAREHOUSE DATA WAREHOUSE DATA WAREHOUSE Autor: Roberto Abajo Alonso Asignatura: Sistemas Inteligentes, 5º Curso Profesor: José Carlos González Dep. Ing. Sistemas Telemáticos, E.T.S.I. Telecomunicación Universidad

Más detalles

Business Intelligence (Inteligencia de Negocios) Bases de Datos Masivas (11088) Universidad Nacional de Luján

Business Intelligence (Inteligencia de Negocios) Bases de Datos Masivas (11088) Universidad Nacional de Luján Business Intelligence (Inteligencia de Negocios) Bases de Datos Masivas (11088) Universidad Nacional de Luján Qué es Business Intelligence (BI)? Se entiende por Business Intelligence al conjunto de metodologías,

Más detalles

Alicia Iriberri Dirección de Tecnologías de Información. I.- Definición del foco estratégico

Alicia Iriberri Dirección de Tecnologías de Información. I.- Definición del foco estratégico Alicia Iriberri Dirección de Tecnologías de Información I.- Definición del foco estratégico II.- Establecimiento de mediciones a través del Balanced Scorecard (Tablero de Comando) III.- Despliegue del

Más detalles

Kais Analytics Business Intelligence

Kais Analytics Business Intelligence Analizador de datos Analice toda la información estratégica y mejore la toma de decisiones Con la globalización de la información en los últimos años nace el concepto Business Intelligence. La gran cantidad

Más detalles

Unidad 10: DATAWAREHOUSING y OLAP. Cátedra Bases de Datos

Unidad 10: DATAWAREHOUSING y OLAP. Cátedra Bases de Datos Unidad 10: DATAWAREHOUSING y OLAP Cátedra Bases de Datos Introducción Dentro de una organización o empresa coexisten dos grupos diferentes de aplicaciones Aplicaciones Tradicionales Aplicaciones de Análisis

Más detalles

SISTEMAS DE INTELIGENCIA DE NEGOCIOS

SISTEMAS DE INTELIGENCIA DE NEGOCIOS Estructura de contenidos INTRODUCCIÓN...3 1. BODEGA DE DATOS (DATA WAREHOUSE)...3 1.1. Componentes...3 1.1.1. Orígenes de datos...4 1.1.1.1. Sistemas propios...4 1.1.1.2. Origen externos...4 1.1.2. Área

Más detalles

MOLAP REALIZADO POR: JOSE E. TABOADA RENNA

MOLAP REALIZADO POR: JOSE E. TABOADA RENNA MOLAP REALIZADO POR: JOSE E. TABOADA RENNA BASE DE DATOS Conjunto de datos estructurados, fiables y homogéneos organizados independientemente en máquina, m accesibles en tiempo real, compatible por usuarios

Más detalles

Capítulo 2 Tecnología data warehouse

Capítulo 2 Tecnología data warehouse Capítulo 2 Tecnología data warehouse El objetivo de éste capítulo es mostrar la tecnología data warehouse (DW) como una herramienta para analizar la información. Este capítulo se encuentra organizado de

Más detalles

Business Intelligence

Business Intelligence Business Intelligence Definición Business Intelligence es una aproximación estratégica para identificar, vigilar, comunicar y transformar, sistemáticamente, signos e indicadores en información activa en

Más detalles

Carlos Daniel Quattrocchi

Carlos Daniel Quattrocchi PRESENTA Lic. Héctor Iglesias Licenciado en Informática. Profesional independiente, ha desempeñado la actividad en informática desarrollando e implementando sistemas, capacitando y asesorando a numerosas

Más detalles

UN PASEO POR BUSISNESS INTELLIGENCE

UN PASEO POR BUSISNESS INTELLIGENCE UN PASEO POR BUSISNESS INTELLIGENCE Ponentes: Agreda, Rafael Chinea, Linabel Agenda Sistemas de Información Transaccionales Qué es Business Intelligence? Usos y funcionalidades Business Intelligence Ejemplos

Más detalles

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 5 -

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 5 - Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 5 - Juan Alfonso Lara Torralbo 1 Índice de contenidos Data Warehouse Modelo multidimensional Diagrama

Más detalles

Datamining Introducción

Datamining Introducción Pontificia Universidad Católica de Chile Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Datamining Introducción Yerko Halat 2 de Octubre del 2001 1 Cuál es la diferencia entre

Más detalles

Control Informático de Gestión. Tema 5: Sistemas de Apoyo a la Toma de Decisiones

Control Informático de Gestión. Tema 5: Sistemas de Apoyo a la Toma de Decisiones Control Informático de Gestión Tema 5: Sistemas de Apoyo a la Toma de Decisiones Índice Revisión de los sistemas de información en la empresa La información y la toma de decisiones Sistemas transaccionales

Más detalles

Data Warehousing - Marco Conceptual

Data Warehousing - Marco Conceptual Data Warehousing - Marco Conceptual Carlos Espinoza C.* Introducción Los data warehouses se presentan como herramientas de alta tecnología que permiten a los usuarios de negocios entender las relaciones

Más detalles

Clase 1 Módulo: Data Warehouse & Datamart Docente: Gustavo Valencia Zapata

Clase 1 Módulo: Data Warehouse & Datamart  Docente: Gustavo Valencia Zapata v.1.0 Clase 1 Docente: Gustavo Valencia Zapata Temas Clase 1: El Rol de TI en BI BI Retos de TI en BI Evolución de la Información Arquitectura de BI Referencias www.gustavovalencia.com Evolución de la

Más detalles

INTELIGENCIA DE NEGOCIOS: GESTIÓN ESTRATÉGICA DE LA INFORMACIÓN

INTELIGENCIA DE NEGOCIOS: GESTIÓN ESTRATÉGICA DE LA INFORMACIÓN Centro Integral de Educación Continua (CIEC) Curso de Educación Continua (CEC) INTELIGENCIA DE NEGOCIOS: GESTIÓN ESTRATÉGICA DE LA INFORMACIÓN Del 21 de julio al 25 de agosto de 2015 Martes y jueves de

Más detalles

SpagoBI Open Source Business Intelligence

SpagoBI Open Source Business Intelligence SpagoBI Open Source Business Intelligence La plataforma SpagoBI Open Source Business Intelligence Conceptos Inteligencia empresarial (Business Intelligence) es un agregado de aplicaciones y herramientas

Más detalles

Tecnologías de la Información en la Gestión Empresarial

Tecnologías de la Información en la Gestión Empresarial Tecnologías de la Información en la Gestión Empresarial 1 Sesión No.8 Nombre: Procesos de Negocio y Gestión en Business Intelligence Objetivo: Al término de la sesión, el alumno ilustrará un proceso de

Más detalles

Sistemas de Data Warehousing

Sistemas de Data Warehousing Federación Médica del Interior (FEMI) Sociedad Uruguaya de Informática en la Salud (SUIS) Información en Salud Edición 2009 Sistemas de Data Warehousing Dr. Ing. Adriana Marotta (In.Co - F.Ing - UDELAR)

Más detalles

PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR FACULTAD DE INGENIERÍA ESCUELA DE SISTEMAS DISERTACIÓN DE TESIS PREVIO A LA OBTENCIÓN DEL TÍTULO DE

PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR FACULTAD DE INGENIERÍA ESCUELA DE SISTEMAS DISERTACIÓN DE TESIS PREVIO A LA OBTENCIÓN DEL TÍTULO DE PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR FACULTAD DE INGENIERÍA ESCUELA DE SISTEMAS DISERTACIÓN DE TESIS PREVIO A LA OBTENCIÓN DEL TÍTULO DE INGENIERO EN SISTEMAS GUÍA PARA IMPLEMENTAR UNA SOLUCION

Más detalles

UNIVERSIDAD DE SANTIAGO DE CHILE INGENIERIA COMERCIAL APLICACIÓN COMPUTACIONAL I INTELIGENCIA DE NEGOCIOS

UNIVERSIDAD DE SANTIAGO DE CHILE INGENIERIA COMERCIAL APLICACIÓN COMPUTACIONAL I INTELIGENCIA DE NEGOCIOS UNIVERSIDAD DE SANTIAGO DE CHILE INGENIERIA COMERCIAL APLICACIÓN COMPUTACIONAL I INTELIGENCIA DE NEGOCIOS Integrante: Profesor: Maximiliano Heise Luis Ríos Fecha de entrega: miércoles 18 de abril de 2012

Más detalles

Por qué DW y DM? Data Warehouse and Data Mining. Información en las empresas. Data Warehouse

Por qué DW y DM? Data Warehouse and Data Mining. Información en las empresas. Data Warehouse Data Warehouse and Data Mining José A. Royo http://www.cps.unizar.es/~jaroyo email: joalroyo@unizar.es Departamento de Informática e Ingeniería de Sistemas Por qué DW y DM? Mayor poder de procesamiento

Más detalles

Informática II Ing. Industrial. Data Warehouse. Data Mining

Informática II Ing. Industrial. Data Warehouse. Data Mining Data Warehouse Data Mining Definición de un Data Warehouses (DW) Fueron creados para dar apoyo a los niveles medios y altos de una empresa en la toma de decisiones a nivel estratégico en un corto o mediano

Más detalles

Business Intelligence

Business Intelligence 2012 Business Intelligence Agenda Programas Diferencias de OLTP vs OLAP Arquitectura de una solución de BI Tecnologías Microsoft para BI Diferencias entre OLTP v/s OLAP Alineación de Datos OLTP Datos organizados

Más detalles

TECNOLOGÍA SOFTWARE PARA EL DESARROLLO DE SISTEMAS DE INFORMACIÓN. Sistemas Informacionales (BI Business Intelligence) Sonia Marrero Cáceres

TECNOLOGÍA SOFTWARE PARA EL DESARROLLO DE SISTEMAS DE INFORMACIÓN. Sistemas Informacionales (BI Business Intelligence) Sonia Marrero Cáceres TECNOLOGÍA SOFTWARE PARA EL DESARROLLO DE SISTEMAS DE INFORMACIÓN Sistemas Informacionales (BI Business Intelligence) Sonia Marrero Cáceres Sistemas Informacionales Sistemas informacionales: Sistemas de

Más detalles

BUSINESS INTELLIGENCE SYSTEMS (BIS)

BUSINESS INTELLIGENCE SYSTEMS (BIS) SEMINARIO BUSINESS INTELLIGENCE SYSTEMS (BIS) Una nueva filosofía de Management cuyo objetivo consiste en... Capturar, diseminar y reusar el conocimiento disperso que poseen las organizaciones y que junto

Más detalles

CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN.

CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN. SISTEMA EDUCATIVO inmoley.com DE FORMACIÓN CONTINUA PARA PROFESIONALES INMOBILIARIOS. CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN. Business Intelligence. Data Mining. PARTE PRIMERA Qué es

Más detalles

04/11/2008. Las preguntas que nunca pensó que podría responder! Ahora es posible con Business Intelligence y Data Mining

04/11/2008. Las preguntas que nunca pensó que podría responder! Ahora es posible con Business Intelligence y Data Mining 04/11/2008 Las preguntas que nunca pensó que podría responder! Ahora es posible con Business Intelligence y Data Mining Business Intelligence Qué es Business Intelligence? Business Intelligence Qué es

Más detalles

LOS CINCO GRADOS DE MADUREZ DE UN PROYECTO BI

LOS CINCO GRADOS DE MADUREZ DE UN PROYECTO BI LOS CINCO GRADOS DE MADUREZ DE UN PROYECTO BI INTRODUCCIÓN Se habla en multitud de ocasiones de Business Intelligence, pero qué es realmente? Estoy implementando en mi organización procesos de Business

Más detalles

Cómo aprovechar la potencia de la analítica avanzada con IBM Netezza

Cómo aprovechar la potencia de la analítica avanzada con IBM Netezza IBM Software Information Management White Paper Cómo aprovechar la potencia de la analítica avanzada con IBM Netezza Un enfoque de appliance simplifica el uso de la analítica avanzada Cómo aprovechar la

Más detalles

Sesión 8: Inteligencia de Negocios (Business Intelligence)

Sesión 8: Inteligencia de Negocios (Business Intelligence) Universidad Cesar Vallejo Escuela Profesional de Ingeniería de Sistemas Curso de Fundamentos de TI Sesión 8: Inteligencia de Negocios (Business Intelligence) Ing. Ivan Crispin Sanchez 1 Agenda 1. Introducción

Más detalles

INGENIERÍA EN SISTEMAS COMPUTACIONALES

INGENIERÍA EN SISTEMAS COMPUTACIONALES INGENIERÍA EN SISTEMAS COMPUTACIONALES UNIDAD 1, 2, 3,4, 5,6 Profesor: José Ramón Valdez Gutiérrez Alumnos: Cabrales Barrios Rodolfo Alejandro 09040304 Contenido Tema 1.- Introducción a los Negocios Inteligentes...

Más detalles

El diseño de la base de datos de un Data Warehouse. Marta Millan millan@eisc.univalle.edu.co www.eisc.univalle.edu.co/materias

El diseño de la base de datos de un Data Warehouse. Marta Millan millan@eisc.univalle.edu.co www.eisc.univalle.edu.co/materias El diseño de la base de datos de un Data Warehouse Marta Millan millan@eisc.univalle.edu.co www.eisc.univalle.edu.co/materias El modelo Multidimensional Principios básicos Marta Millan millan@eisc.univalle.edu.co

Más detalles

ALCANCE DEL SERVICIO INDICADORES EN ÁREAS CLAVE DE LA EMPRESA

ALCANCE DEL SERVICIO INDICADORES EN ÁREAS CLAVE DE LA EMPRESA Presupuestación DESCRIPCIÓN DEL SERVICIO ALCANCE DEL SERVICIO Objetivo Diseño e implementación de un sistema de gestión de la performance y el riesgo (CRPM) para empresas. Conjunto de procesos, metodologías

Más detalles

Sistemas de Soporte a la Decisión (Business Intelligence) para las Pymes de Collado Villalba

Sistemas de Soporte a la Decisión (Business Intelligence) para las Pymes de Collado Villalba Sistemas de Soporte a la Decisión (Business Intelligence) para las Pymes de Collado Villalba 1 Manual básico de Inteligencia de negocio para PYMEs Índice 1. 1. Introducción 2. 2. Sistemas de Reporting

Más detalles

PROYECTO DE TESIS DIEGO GALLARDO. ESPEL - Diego Gallardo

PROYECTO DE TESIS DIEGO GALLARDO. ESPEL - Diego Gallardo PROYECTO DE TESIS DIEGO GALLARDO TEMA DISEÑO E IMPLEMENTACIÓN DE UN SISTEMA DE ADMINISTRACIÓN DE TIEMPOS EN PROYECTOS DE DESARROLLO DE SOFTWARE Y CONTROL DE DESEMPEÑO MEDIANTE CUBOS DE INFORMACIÓN PARA

Más detalles

BUSINESS INTELLIGENCE POWER BI

BUSINESS INTELLIGENCE POWER BI BUSINESS INTELLIGENCE POWER BI o Introducción El Business Intelligence o inteligencia empresarial nos proporciona todo el soporte para la toma de decisiones críticas del negocio. Gracias a un potente sistema

Más detalles

Programa Internacional Business Intelligence

Programa Internacional Business Intelligence Fecha de inicio: 18 de junio de 2012 Programa Internacional Business Intelligence En un ambiente globalizado y de alta competitividad entre las empresas, la adecuada administración del capital intelectual

Más detalles

Business Intelligence. Octubre 2007 1

Business Intelligence. Octubre 2007 1 Business Intelligence 1 1. Introducción al Business intelligence Qué es? En qué nivel de negocio se aplica? 2. Componentes del BI Esquema de una solución BI DataWarehouse Query & Reporting OLAP Cuadro

Más detalles

CURSO INTRODUCCIÓN A BUSINESS INTELLIGENCE

CURSO INTRODUCCIÓN A BUSINESS INTELLIGENCE CURSO INTRODUCCIÓN A BUSINESS INTELLIGENCE Ponente: Ibertia Fecha: del 19 al 23 de octubre Horario: 17:00 a 21:00 Nº horas: 20 Lugar: Centro Nacional de Formación en Nuevas Tecnologías de La Rioja- Think

Más detalles

Introducción a la Minería de Datos

Introducción a la Minería de Datos Introducción a la Minería de Datos Abdelmalik Moujahid, Iñaki Inza y Pedro Larrañaga Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad del País Vasco Índice 1 Minería de

Más detalles

Algunos de sus clientes están por entrar en Default, sepa cuales son

Algunos de sus clientes están por entrar en Default, sepa cuales son Algunos de sus clientes están por entrar en Default, sepa cuales son Lo que nunca pensó que podría responder, ahora es posible hacerlo con Business Intelligence y Data Mining Business Intelligence Qué

Más detalles

CONSTRUCCION DE INDICADORES DE GESTION Y HERRAMIENTAS OLAP PARA PEQUEÑAS Y MEDIANAS EMPRESAS

CONSTRUCCION DE INDICADORES DE GESTION Y HERRAMIENTAS OLAP PARA PEQUEÑAS Y MEDIANAS EMPRESAS CONSTRUCCION DE INDICADORES DE GESTION Y HERRAMIENTAS OLAP PARA PEQUEÑAS Y MEDIANAS EMPRESAS 1. RESEÑA HISTORICA Las exigencias competitivas del mercado hacen que las organizaciones busquen mecanismos

Más detalles

Desarrollo de Sistemas de Información

Desarrollo de Sistemas de Información Desarrollo de Sistemas de Información Tema 9. Diseño Mul0dimensional Marta Elena Pantaleón DPTO. DE MATEMÁTICAS, ESTADÍSTICA Y COMPUTACIÓN Este tema se publica bajo Licencia: Crea0ve Commons BY NC SA 3.0

Más detalles

Datawarehousing : fundamentos

Datawarehousing : fundamentos Datawarehousing : fundamentos Business Intelligence Es un paraguas bajo el que se incluye un conjunto de conceptos y metodologías cuya misión consiste en mejorar el proceso de toma de decisiones en los

Más detalles

Gestión Analítica de Negocios y herramientas de Business Intelligence BI

Gestión Analítica de Negocios y herramientas de Business Intelligence BI 33 Gestión Analítica de Negocios y herramientas de Business Intelligence BI Fundamentos de las herramientas y tecnologías de la Inteligencia de Negocios (BI) El concepto de Business Intelligence (BI) es

Más detalles

3.3.3 Tecnologías Mercados Datos

3.3.3 Tecnologías Mercados Datos 3.3.3 Tecnologías Mercados Datos TECNOLOGIAS DATAMART: Aspect Data Mart es una solución completa de reportes para la empresa, que le proporciona un mayor entendimiento de las operaciones de sus negocios

Más detalles

Botón menú Objetivo de la Minería de datos.

Botón menú Objetivo de la Minería de datos. Titulo de Tutorial: Minería de Datos N2 Botón menú: Introducción. Las instituciones y empresas privadas coleccionan bastante información (ventas, clientes, cobros, pacientes, tratamientos, estudiantes,

Más detalles

Comunicación para Tecnimap 2010. Contenido: 1. Itourbask como elemento de un Sistema de Gestión de Destino Turístico 2. El Data Mart de Itourbask

Comunicación para Tecnimap 2010. Contenido: 1. Itourbask como elemento de un Sistema de Gestión de Destino Turístico 2. El Data Mart de Itourbask Comunicación para Tecnimap 2010. EL BI APLICADO AL ANÁLISIS DE LAS VISITAS TURÍSTICAS Contenido: 1. Itourbask como elemento de un Sistema de Gestión de Destino Turístico 2. El Data Mart de Itourbask Autor:

Más detalles

Comparación de características entre las ediciones Estándar y Enterprise

Comparación de características entre las ediciones Estándar y Enterprise Comparación de características entre las ediciones Estándar y Enterprise Enterprise Enterprise es una plataforma completa de datos para ejecutar aplicaciones de misión crítica OLTP (Online Transaction

Más detalles

Construcción de cubos OLAP utilizando Business Intelligence Development Studio

Construcción de cubos OLAP utilizando Business Intelligence Development Studio Universidad Católica de Santa María Facultad de Ciencias e Ingenierías Físicas y Formales Informe de Trabajo Construcción de cubos OLAP utilizando Business Intelligence Development Studio Alumnos: Solange

Más detalles

El presente artículo se centra en el conocimiento

El presente artículo se centra en el conocimiento Herramientas para el Diseño de Sistemas de Gestión del Conocimiento Basadas en Inteligencia Empresarial Lilian Judith Sandoval.¹ Salvador Peña.² Resumen El presente artículo se centra en el conocimiento

Más detalles

BI BUSINESS INTELLIGENCE

BI BUSINESS INTELLIGENCE ESCUELA SUPERIOR POLITECNICA DEL LITORAL MAESTRÍA EN SISTEMAS DE INFORMACION GERENCIAL 7 ma. PROMOCIÓN BI BUSINESS INTELLIGENCE Grupo No. 1 Geannina Aguirre Henry Andrade Diego Maldonado Laura Ureta MATERIA:

Más detalles

MINERÍA DE DATOS. Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE. Octubre - 2003

MINERÍA DE DATOS. Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE. Octubre - 2003 MINERÍA DE DATOS Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE Octubre - 2003 CONTENIDO Qué es Data Warehousing Data Warehouse Objetivos del Data Warehouse

Más detalles

Gestión de la Información

Gestión de la Información Gestión de la Información Sociedad de la Información Recurso Información Sistemas de Información Tecnologías de la Información Internet ii Fundamentos de SI: Gestión de la Información 49 Un Sistema de

Más detalles

Soluciones de Business Intelligence para su empresa

Soluciones de Business Intelligence para su empresa Soluciones de Business Intelligence para su empresa Sinnexus - Business Intelligence + Informática estratégica Página 2 Sinnexus es una empresa de nuevas tecnologías, cuya principal fuerza impulsora es

Más detalles

Ciclo Evolutivo - Fundamentos

Ciclo Evolutivo - Fundamentos TECNOLOGIA DE RECURSOS EMPRESARIALES, BUSINESS INTELLIGENCE Y DATAWAREHOUSE Ciclo Evolutivo - Fundamentos 1 Evolución de los ERP - OLTP 50-60 Cantidad Económica de Pedidos, Stock Mínimo, Punto de Pedido,

Más detalles