RECURSOS DE TI Aplicaciones - Bibliografía USO DE BD PARA MEJORAR EL DESEMPEÑO EMPRESARIAL

Transcripción

1 Sistemas de Información para la Gestión UNIDAD 3: RECURSOS DE TECNOLOGÍA DE INFORMACIÓN Aplicaciones UNIDAD 3: RECURSOS DE TI Aplicaciones 1. Administración de bases de datos e información: Sistemas de administración de bases de datos. 2. Administración del conocimiento. Sistemas de administración del conocimiento. Técnicas inteligentes. 3. Aplicaciones empresariales: Sistemas de planificación de recursos empresariales ERP. 1 2 RECURSOS DE TI Aplicaciones - Bibliografía USO DE BD PARA MEJORAR EL DESEMPEÑO EMPRESARIAL 3.1. Laudon y Laudon Parte II Cap 6 LyL LyL P Recursos TI - Aplicaciones 3.2. Laudon y Laudon Parte II Cap 8 LyL

2 Escenario actual Contamos con un conjunto de tecnologías avanzadas que nos permiten integrar y analizar información de bancos de datos. Para obtener: sus tendencias, para segmentar la información o para encontrar la correlación en los datos. Con el objeto de generar acciones con valor agregado para el negocio. Expectativas Necesitamos: la integración de herramientas avanzadas con los datos, procesos de generación de conocimiento y la segmentación de la información para obtener tendencias e información oculta. 5 6 La solución? Todo esto se hace para lograr lo que denominamos: FUNDAMENTOS DE LA INTELIGENCIA DE NEGOCIOS Administración de Bases de Datos e Información Gestión del Conocimiento Business Intelligence 7 8 2

3 Business Intelligence System es Business Intelligence System un conjunto sofisticado de Herramientas y Tecnologías; que brindan soporte a todas las fases del proceso de toma de decisiones de los ejecutivos; con el objeto de mejorar las ventajas competitivas de la organización, a través de mejores decisiones y que son utilizadas por los llamados Trabajadores del Conocimiento. Howard Dresner ( The Gartner Group ) Aplicaciones de computación que interpretan datos históricos, analizan tendencias y miden performance y que están orientadas a servir de soporte a los procesos de toma de decisiones 9 10 Business Intelligence es la Realización eficiente de todas las actividades relacionadas con la generación, extracción, organización, análisis, compartición y distribución del conocimiento de una organización. Requerimientos Capacidades y herramientas especiales para analizar extensas cantidades de datos. acceder a datos desde múltiples sistemas

4 Objetivos Que incluyan almacenamiento de datos. minería de datos y análisis predictivo. descubrimiento del conocimiento. DATA WAREHOUSE Almacén de Datos Data Warehouse Herramientas o Procesos OLAP vs OLTP El Data Warehouse es una colección de datos orientados al tema, integrados, no volátiles e historiados, organizados para el apoyo de un proceso de ayuda a la decisión. Using the Data Warehouse of Bill Inmon OLAP (On-Line Analytical Processing): Agilizan la consulta de grandes cantidades de datos. Permiten análisis multidimensional. Utilizado por analistas. OLTP (On-Line Transactional Processing): Entrada de datos y recuperación y procesamiento de transacciones. Acceso masivo

5 Análisis multidimensional Procesamiento Analítico en Línea Tiempo Año, Meses, Semanas, Días,... Producto Rubro, Artículo, Calidad,... Geográfica Zona, Sucursales, Herramientas o Procesos OLAP vs OLTP Mercado de Datos Data Mart Herramientas OLAP Data Warehouse BD Corporativa Sistemas OLTP Subconjunto del Almacén de Datos, resumido o altamente enfocado. Conjunto de tecnologías avanzadas susceptibles de analizar la información de un Data Warehouse para obtener sus tendencias, segmentar la información o encontrar la correlación en los datos. Para una población específica de usuarios. Se enfoca en un área objetivo o línea del negocio. Menor costo de implementación que un almacén de datos

6 Surge una necesidad DATA MINING MINERÍA DE DATOS Las herramientas OLTP responden a preguntas concretas: Cuánto se vendió el día...? Quién compró el producto? Cuál es el stock del producto? Cuál es la comisión del vendedor? Quiero saber Cuánto se vendió del producto X respecto de los objetivos por trimestre y región de ventas en los dos últimos años? Qué clientes compraron simultáneamente los productos X e Y en todas sus operaciones en los dos últimos años? El incremento / decremento de la venta de autos 0 Km (negocio externo) en los dos últimos años, generó algún hábito de compra en alguna de las regiones? Análisis Predictivo Utiliza técnicas de: minería de datos, datos históricos y suposiciones sobre condiciones futuras para predecir resultados de eventos

7 POR QUÉ LA MD? DESDE LO CIENTÍFICO GRANDES OPORTUNIDADES PARA RESOLVER PROBLEMAS SOCIALES Se recogen y guardan datos a gran velocidad Sensores remotos en satélites. Archivos de NASA EOSDIS más de 1PB de datos sobre la Tierra por año. Telescopios. Datos biológicos. Simulaciones científicas: generan TBs en solo unas horas La minería de datos ayuda a los científicos En el análisis automático de enormes conjuntos de datos En la formación de hipótesis Mejorar la salud y reducir costos Encontrar energías alternativas Predecir el impacto del cambio climático Reducir el hambre, la pobreza aumentando la producción agrícola Minería de datos Comprende una serie de técnicas, algoritmos y métodos cuyo fin es la explotación de grandes volúmenes de datos con vistas al descubrimiento de información previamente desconocida y que pueda servir de ayuda en el proceso de toma de decisiones, formando parte del conjunto de tecnologías de la Inteligencia de Negocio QUÉ ES LA MINERÍA DE DATOS? Minería de datos (descubrimiento de conocimiento en datos): extracción de patrones de conocimiento interesantes (no triviales, implícitos, previamente desconocidos y potencialmente útiles) de cantidades enormes de datos. Otros nombres Descubrimiento de conocimiento en bases de datos (KDD) Extracción de conocimiento Análisis de datos, análisis de patrones Arqueología de datos. Dragado de datos (datos dredging) Cosecha de información (harvest information) Inteligencia de negocios (business intelligence)

8 QUÉ ES LA MINERÍA DE DATOS? Ejemplo real de la NBA Información jugada a jugada guardada por los equipos Quién está en la cancha. Quién lanza. Resultados. Los entrenadores quieren saber qué es lo que funciona Jugadas que van bien contra un rival dado. Combinaciones buenas / malas de jugadores. DESCUBRIMIENTO DEL CONOCIMIENTO DATOS, INFORMACIÓN Y CONOCIMIENTO TIPOS DE CONOCIMIENTO Conocimiento: capacidad de convertir datos e información en acciones efectivas

9 Tipos de conocimiento (según su nivel de abstracción) PIRÁMIDE BASELINE Conocimiento evidente: fácilmente recuperable (SQL) Conocimiento multi-dimensional: considera los datos con una cierta estructura (OLAP) Conocimiento oculto: información no evidente, desconocida a priori y potencialmente útil (Data Mining) Conocimiento profundo: información que está almacenada en la base de datos, pero que resulta imposible de recuperar a menos que se disponga de alguna clave que oriente la búsqueda 33 Jill DychéE-data. Transformando los datos en información con Data Warehousing, Prentice Hall, Descubrimiento del conocimiento EVOLUCIÓN PASO EVOLUTIVO PREGUNTA TECNOLOGÍA Recolección de datos (1960s) Acceso a los datos (1980s) Cuáles fueron mis ingresos totales en los últimos cinco años? Cuáles fueron las ventas unitarias en el NOA en Marzo? computadoras, cintas, discos computadoras más rápidas, más baratas, más almacenamiento, bds relacionales Almacenes de datos, soporte a la toma de decisiones Cuáles fueron las ventas unitarias en el NOA en Marzo, por producto y por edad? Hacer zoom en Salta. computadoras más rápidas, más baratas, más almacenamiento, OLAP, bases de datos multidimensionales, almacenes de datos Jill Dyché, Federico Plancarte Minería de datos Qué es probable que pase respecto a las ventas de Salta el mes que viene? Por qué? computadoras más rápidas, más baratas, más almacenamiento, algoritmos avanzados

10 DESCUBRIMIENTO DEL CONOCIMIENTO (KD) Descubrimiento del Conocimiento: es la extracción no trivial de información: implícita previamente desconocida potencialmente útil a partir de los datos W. J. Frawley, G.Piatetsky-Shapiro, C. J. Matheus Knowledge Discovery in Databases (KDD) Nombre técnico con que se denomina al proceso global de extracción de conocimiento de bases de datos. 37 Verificación vs. descubrimiento Verificación 1. Elaborar una hipótesis sobre la existencia de una información de interés 2. Convertir la hipótesis en una consulta 3. Ejecutar la consulta contra un sistema de información 4. Interpretar los resultados 5. Refinar la hipótesis y repetir la ejecución Descubrimiento 1. Identificar un objetivo o problema de negocio 2. Habilitar un acceso a los datos de interés y acondicionarlos 3. Seleccionar una técnica de explotación de los datos adecuada para el problema 4. Ejecutar la técnica contra los datos 5. Interpretar los resultados Las técnicas de minería de datos son herramientas que facilitan el descubrimiento de la información 38 Tienen sentido las respuestas obtenidas? Tienen sentido las respuestas obtenidas?

11 Caso de estudio: Pérdida de clientes (attrition rate) Situación: una compañía de celulares suele perder del 25 a 30% de sus clientes al año. Con esto en mente, cuál es nuestra tarea? Suponga que tenemos información sobre clientes de los últimos N meses. Caso de estudio: Pérdida de clientes Tarea: Predecir quién probablemente dejará el servicio en el próximo mes. Estimar el valor de ese cliente y qué oferta nos conviene hacer a ese cliente para que no se vaya Caso de estudio: Pérdida de clientes Minería de datos y privacidad Resultados: Verizon Wireless construyó un almacén de datos de clientes. Identificó posibles desertores. Desarrolló modelos múltiples, según la región. Contactó a clientes con alta probabilidad de aceptar la oferta. Redujo la pérdida de clientes de más de 2%/mes a menos de 1.5%/mes (impacto enorme, por tener >30 M clientes) (Datos de 2003) En 2006, se informó que la NSA (National Security Agency) estaba minando años de datos de llamadas para identificar redes terroristas El análisis de redes sociales puede ayudar a encontrar redes terroristas

12 Para tomar decisiones GESTIÓN DEL CONOCIMIENTO - RESUMEN OLTP Data Mart BI Transacciones Conocimientos Decisión IECO 05/13/2010 Pág. 12 (sección Bonus) Duchos para revelar el secretos de los números GESTIÓN DEL CONOCIMIENTO EDUCACIÓN

13 UNIVERSIDAD NACIONAL DE BUENOS AIRES 49 13