Sistemas de Información Gerencial

Transcripción

1 Sistemas de Información Gerencial Tema 5: Inteligencia de Negocios y Data Warehouse Ing. Francisco Rodríguez Novoa 1

2 INDICE Inteligencia de Negocios OLTP y OLAP Data Warehouse. Procesos Diseño de Data Warehouse Data Mart 2

3 Inteligencia de Negocios Algo peor que no tener información disponible es tener mucha información Y no saber qué hacer con ella.

4 Inteligencia de Negocios Porqué? Nivel ejecutivo no cuenta con una solución integrada donde pueda analizar los indicadores operativos y financieros No cuentan con una perspectiva que les permita tomar decisiones La información reside en diferentes sistemas: ERP, CRM, archivos planos Cuando surge la necesidad de información mucha gente se ve involucrada

5 El problema El departamento de sistemas destinan mucho tiempo a la elaboración de reportes No existe una sola versión verdadera de la información No permite la realización de comparativos, análisis ni tendencias Gran cantidad de reportes

6 La solución Implementar un Sistema de Información Ejecutiva y Sistemas de Soporte a las Decisiones Utilizar las mejores tecnologías del mercado Involucramiento de los dueños de los procesos del negocio Alineación a los objetivos estratégicos de la organización

7 Los beneficios Habilidad de tomar las decisiones correctas en el momento correcto Por medio de las herramientas necesarias para poder comparar y analizar tendencias El tiempo invertido en la realización de presentaciones ejecutivas se ve reducido de forma significativa

8 Aplicaciones del BI Análisis de carteras de clientes Reducción de costos Análisis de riesgo Planificación de Marketing Segmentación de clientes 8

9 Ciclo de Vida de la Información

10 Definición de inteligencia de negocios Es el proceso de integración y tratamiento de los datos para convertirlos en información que permita apoyar a los tomadores de decisiones en la organización

11 Definición de inteligencia de negocios Es una alternativa tecnológica que permite generar conocimiento a la empresa Es el uso de tecnologías para descubrir conocimiento a partir de los datos que posee la empresa Aplica el proceso KDD (Knowledge Discovery Databases) (Descubrir conocimiento en bases de datos)

12 Inteligencia de negocios. Características La solución es un sistema: Para soporte de toma de decisiones (nivel gerencial) Con capacidades de análisis de alcance empresarial global Integración y análisis de la información desde fuentes de datos heterogéneas Plataforma integrada Herramientas ETL de gestión, administración y carga, el almacenamiento de datos y las funciones relacionadas con informes, servicios Procedimientos analíticos integrados (OLAP) Minería de datos (Uso de métodos inteligentes para extraer conocimiento )

13 Inteligencia de negocios. Características Servicios de Análisis Entorno en tiempo real Indicadores claves de desempeño Servicios de Reporte Creación, administración y visualización de informes Motor para alojar y procesar informes

14 Inteligencia de negocios. Características Inteligencia de negocios provee soluciones a nivel empresarial que permiten a los tomadores de decisiones transformar información clave de su negocio en acciones concretas traduciéndose en beneficios tangibles: Reducción de costos Mayor rentabilidad Mejores relaciones comerciales

15 Fases de una solución de Inteligencia de Negocios 15

16 ETL Extraction, Transformation and Load Herramientas de software que permiten: Extracción y Transformación de los datos desde las fuentes: Bases de datos, ERP, excel, archivos texto, etc. Carga de los datos transformados a la bodega 16

17 Bodega de Datos. Definición Es un conjunto de datos integrados o orientados a un objetivo específico, que varían con el tiempo (datos históricos) y que no son transitorios. Soportan el proceso de toma de decisiones de la administración y está orientada al manejo de grandes volúmenes de datos provenientes de diversas fuentes o diversos tipos 17

18 Bodega de Datos. Definición Una Bodega de Datos es una base de datos que organiza y almacena una colección de información derivada directamente de los sistemas operacionales y de algunos datos externos 18

19 Bodega de Datos. Información Se apoyan en tres procesos de organización de alto nivel: Operaciones del negocio: Se refiere a las transacciones cotidianas diarias del negocio. La inteligencia de negocio: se refiere a la búsqueda de una mejor comprensión de la compañía de sus productos, y sus clientes La gerencia de negocio: es la función en la cual el conocimiento nuevo y las acciones determinadas en la inteligencia del negocio se institucionalizan y se introducen en las operaciones diarias del negocio. 19

20 BI en la Empresa Fuentes de datos Extracción Almacén Herramientas Usuarios 20

21 DISEÑO ESTRUCTURAL

22 OLTP (On Line Transactional Process) Son sistemas de información operacionales que tienen transacciones en línea y de esa manera se van añadiendo datos. Gran detalle de cada operación.

23 Lógica El Diseño Transaccional es: Orientado a aplicaciones con movimientos constantes. Datos normalizados. Se busca ahorrar espacio de almacenamiento. Datos volátiles No existe sumarización de datos. Grandes niveles de detalle.

24 OLAP (Online Analytical Process) Tecnología que permite la explotación de datos en diferentes niveles organizacionales y periodos de tiempo

25 Lógica El Data Warehouse esta: Orientado a áreas de la organización Integrado Los datos no son volátiles Diversos niveles de detalle con sumarizaciónes. Se disminuye la cantidad de ligas con modelos tipo estrella o copo de nieve.

26 Conceptos Generales Fundamentos. Transacciones Registrar y Controlar (OLTP) Analizar y Evaluar (OLAP) Ventas Inventarios Contabilidad Recursos Humanos Etc- Velocidad de Transacción Integridad de Información Evitar Redundancias 3ª Forma Normal On-Line Transaction Processing Velocidad de Consultas Apoyo Toma de Decisiones Desnormalizado On-Line Analytical Processing 26

27 Como operan las B.D. Relacionales Los datos se almacenan en tablas Variable Meses Cantidad Productos Sales Expenses Cost of goods Sales Expenses Cost of goods Sales Expenses Cost of goods Sales Sales Expenses Cost of goods Sales Expenses Cost of goods January January January February February February March March March Qtr1 April April April May May May Large Large Large Large Large Large Large Large Large Large Medium Medium Medium Medium Medium Medium

28 Lógica Variable Months Amount Product Sales Expenses Cost of goods Sales Expenses Cost of goods Sales Expenses Cost of goods Sales Sales January January January February February February March March March Qtr1 April Large Large Large Large Large Large Large Large Large Large Medium de esta estructura a esta se necesita Expenses April Cost of goods Variable April January 1800 February MediumMarch April May June Sales Expenses Cost of goods May May May Medium Medium Medium Sales Expenses Cost of goods

29 OLAP Vista Multidimensional Poder observar los datos desde distintas perspectivas. LA SF West Sales Margin Denver Camera TV VCR Audio Camera TV VCR Audio Accounts by Product February March Actual Budget Actual Budget position only TV VCR Profit Total Exp Margin Cogs Jan Feb Mar Qtr 1 Jan Feb Mar Qtr 1 Products by Time East West Actual Budget Actual Budget position only TV VCR Apr Mar Feb Jan East West South Total East West South Total Products by Region Actual Budget Sales Margin Sales Margin East Apr Mar Feb Jan West Actual Budget Forecast Variance Actual Budget Forecast Variance Regions by Scenario Sales Margin TV VCR TV VCR

30 Inteligencia de Negocios Componentes de Business Intelligence Todas las soluciones de BI tienen funciones parecidas, pero deben de reunir al menos los siguientes componentes: Multidimensionalidad Data Mining Agentes Data Warehouse

31 Inteligencia de Negocios Multidimensionalidad: la información multidimensional se puede encontrar en hojas de cálculo, bases de datos, etc. Por ejemplo, un pronóstico de ventas de un nuevo producto en varias regiones no está completo si no se toma en cuenta también el comportamiento histórico de las ventas de cada región y la forma en que la introducción de nuevos productos se ha desarrollado en cada región en cuestión.

32 Modelado de Datos Multidimensional Tabla de Dimensiones Ubicación Tiempo Mercado Productos Tablas de Hechos Definición de Eventos

33 Análisis de Datos Mercado.- Localización de una Sucursal o Agencia (Calle, Colonia, Delegación o Municipio) tres niveles de detalle Tiempo.- Día de Facturación, Día de Entrega a Sucursales o Agencias, Día de Entrega al Consumidor tres niveles de detalle Producto.- Suministro de Energía Eléctrica Monofásica, Bifásica y Trifásica tres niveles de detalle

34 Modelado de Datos Multidimensional

35 Inteligencia de Negocios Data Mining.- Las empresas suelen generar grandes cantidades de información sobre sus procesos productivos, desempeño operacional, mercados y clientes. Las aplicaciones de data mining pueden identificar tendencias y comportamientos, no sólo para extraer información, sino también para descubrir las relaciones en bases de datos que pueden identificar comportamientos que no muy evidentes.

36 Inteligencia de Negocios Agentes: Los agentes son programas que piensan. Ellos pueden realizar tareas a un nivel muy básico sin necesidad de intervención humana. Por ejemplo, un agente pueden realizar tares un poco complejas, como elaborar documentos, establecer diagramas de flujo, etc.

37 Inteligencia de Negocios Data Warehouse: Es la respuesta de la tecnología de información a la descentralización en la toma de decisiones. Coloca información de todas las áreas funcionales de la organización en manos de quien toma las decisiones. También proporciona herramientas para búsqueda y análisis.

38 Data Warehouse Ø Un Data Warehouse es un almacenamiento separado y homogéneo donde son cargados datos transformados provenientes de diferentes bases de datos.

39 Data Warehouse Colección integrada de información corporativa diseñada para la recuperación y el análisis en apoyo a los procesos de toma de decisiones. Una sola visión de la información de su empresa. Múltiples y ambiguas definiciones habrían sido eliminadas... Mecanismo para entregar información de negocios integrada.

40 Data Warehouse Colección de datos integrados, variantes en el tiempo, no volátiles, orientados a temas de interés para la gestión de una organización o empresa, que ayuda en los procesos de toma de decisiones. Es una combinación de conceptos y tecnologías destinadas a satisfacer los requerimientos de una organización o empresa, en términos de mejorar la gestión, con eficiencia y facilidad de acceso. 40

41 Conceptos Generales Características de un DataWarehouse Orientado a Temas Integrado Variantes en el Tiempo No Volátil Los datos se organizan y estructuran de acuerdo a las áreas temáticas que son de interés para los directivos de la empresa y no en función de procesos operacionales específicos. Todos los datos relativos a una misma entidad quedarán en una tabla. Debido a que la información procede desde distintos sistemas, es tarea del DW integrar las diversas fuentes y normalizar los datos. Un DW se organiza como una sucesión de fotografías de la organización o empresa, cada una asociada a un periodo o punto específico del tiempo, lo que permite realizar análisis en función del tiempo, con la finalidad de realizar pronósticos y análisis de tendencias. No se realizan actualización o eliminaciones de los datos, los datos se insertan como nuevos registros y por tanto no sobrescriben los existentes. 41

42 Conceptos Generales Componentes del Cubo Tabla de Hechos Almacena los indicadores del negocio (datos numéricos), tanto básicos como elementos calculados. Tabla de Dimensiones Almacena los datos descriptivos, por lo general son tablas con un porcentaje muy bajo de filas en relación a las tablas de Hechos, pero pueden contener muchas más columnas. Una correcta y completa definición de campos en la tabla de dimensiones puede ayudar a realizar análisis robusto sobre los datos.

43 Topología Conceptos Generales Estrella Las dimensiones se relacionan directamente con la tabla de hechos. Por lo general esta estrategia es utilizada cuando hay grandes volúmenes de información y/o cuando existe un proceso robusto de administración de Información (por ejemplo EIAD). Copo de Nieve Las dimensiones se pueden relacionar con las tablas de hechos, o con otras dimensiones. Esta estrategia es mejor para la administración directa en el modelo de DW. 43

44 Cómo justificar la inversión en un data warehouse? - Están las ventas de artículos deportivos sujetas a tendencias por temporada? Qué artículos se ven afectados y cuándo? - Cuántos autos se vendieron el mes pasado? Cómo se compara esta cantidad con el mismo mes en los últimos cinco años? - Quiénes son los diez primeros vendedores o clientes en Latinoamérica? Qué porcentaje del ingreso generan? - Cuáles son los diez artículos de menor rentabilidad en el catálogo de ventas?

45 Ventajas - Data Warehouse Datos de toda la compañía, organizados para facilitar las consultas más analíticas que transaccionales. Modelo de datos multidimensional para hacer más fácil la navegación y explotación de datos. Provee acceso a los datos organizacionales y corporativos. Integra y asocia información de diversas fuentes de datos. Brinda consistencia de datos y conceptos. La información es de calidad, consistente y garantizada. Soporta grandes volúmenes de información. Puede resumir y totalizar la información.

46 Data Warehouse. Principales Procesos 46

47 Data Warehouse. Principales Procesos Extracción de Información : Extracción de datos desde los sistemas operacionales (alimentar procesos de transformación de datos). Carga de Datos : Carga de datos en el DW. Control de Calidad : Garantizar que los datos son limpios y consistentes. 47

48 Data Warehouse. Principales Procesos Unificación, Transformación y limpieza de datos : Unificación, validación y limpieza de tatos que pueden estar en mas de un sistema. Auditoria y Seguridad : Cuidar que los usuarios accedan a la información que les corresponde y registrar un seguimiento del acceso a los datos. 48

49 Sistema de Data Warehousing 49

50 CONCEPTO ESENCIAL Tecnología DATAWAREHOUSE 50

51 Concepto Esencial Los Hechos : Un hecho es un dato sensible al tiempo que es funcionalmente dependiente de las dimensiones que lo definen. Ejemplo : Una matrícula. Una matrícula es un hecho en el que un estudiante, en una determinada fecha, a través del banco o el departamento de finanzas, paga la matrícula de una determinada carrera. Las dimensiones son estudiante, fecha, medio de pago y carrera. La matrícula es un valor agregado del hecho. 51

52 Metodología de Diseño Tecnología DATAWAREHOUSE 52

53 Diseño de Data Warehouse 53

54 Diseño de Datawarehouse Etapa I : Análisis de los sistemas de Información - Averiguar con los administradores de sistemas sobre posibles datos desconocidos o anormales (tratamiento de los valores nulos). - Seleccionar las fuentes operacionales en función de la calidad de los datos y estabilidad de sus esquemas (sincronización devistas). - Determinar cuales datos pueden ser totalmente integrados con el objeto de obtener un vista completa del dominio de la base de datos. 54

55 Diseño de Datawarehouse Etapa II : Especificación de Requerimientos - Consiste en recolectar y filtrar los requerimientos de los usuarios. Como resultado se obtiene la definición de los hechos e indicaciones concernientes a las cargas de trabajo. - La selección de los hechos se basa en la documentación de los sistemas de información. Los hechos son conceptos de interés primario para los procesos de toma de decisiones. - De la comparación de los datos preliminares de la etapa anterior es posible saber que requerimientos pueden ser satisfechos. 55

56 Diseño de Datawarehouse Etapa III : Diseño Conceptual Suponiendo que los sistemas operacionales son relacionales, para cada Hecho se deben realizar las siguientes acciones : Construir el árbol de atributos Podar e injertar el árbol de atributos Definir las Dimensiones Definir las Medidas Definir las Jerarquías 56

57 Diseño de Datawarehouse Etapa III : Modelo de Hechos Dimensional (MHD) Un Esquema Dimensional, que es una representación de la realidad usando el MHD, consiste en un conjunto de esquemas de hechos (uno o mas hechos) cuyos elementos básicos son hechos, dimensiones y jerarquías. Las metas del modelo de [Go99] son : Soportar eficientemente el diseño conceptual Proveer un ambiente expresivo para formular consultas Favorecer el refinamiento de los requerimientos Proveer una plataforma sólida para el diseño lógico Producir documentación expresiva y no ambigua 57

58 Diseño de Datawarehouse 58

59 Diseño de Datawarehouse Etapa III : Conceptos Claves Una Instancia de Hecho Primario es una unidad de información presente en el DW. Una Instancia de Hecho Secundaria corresponde a una agregación de una conjunto de hechos primarios. Una Jerarquía es una relación de Muchos a Uno que se da entre los valores de un determinado conjunto de atributos pertenecientes a una dimensión. Una Dimensión es un conjunto de atributos pertenecientes a una entidad asociada a uno o más hechos. Los atributos pertenecientes a una dimensión se utilizan como elementos de agrupación de los hechos o como mecanismos de búsqueda. Frecuentemente, los atributos de una dimensión conforman una jerarquía. 59

60 Diseño de Datawarehouse Etapa IV : Refinamiento de Cargas y Validación de Esquemas Esta fase esta orientada a: 1. Reformular las cargas de trabajo preliminares por medio de una reformulación detallada y profunda de los esquemas dimensionales. 2. Validar los esquemas desarrollados en las etapas anteriores. Las consultas correspondientes a las cargas de trabajo pueden ser correctamente formulada si las dimensiones o medidas han sido identificadas, jerarquizadas y correctamente formuladas. 60

61 Diseño de Datawarehouse Etapa V : Diseño Lógico La etapa del diseño lógico recibe como entrada un diseño multidimensional, cargas de trabajo e información adicional (frecuencias de actualización, disponibilidad de espacio de disco, etc.) para producir un esquema de DW que debería minimizar los tiempos de respuesta a las consultas, respetando las restricciones de espacio de disco. Existen distintas alternativas de implementación tales como : OLAP, HOLAP, MOLAP o ROLAP. 61

62 Diseño de Datawarehouse Etapa V : Modelo Estrella Se denomina modelo estrella cuando se define una gran tabla central con tablas más pequeñas desplegadas en torno a ellas. 62

63 Diseño de Datawarehouse Etapa V : Modelo Copo de Nieve (Snowflake) Cuando la normalización no interfiere en el rendimiento de DW esta se puede aplicar y en este caso se obtienen estructuras que se denominan snowflake. 63

64 Datamart Un subconjunto del Data Warehouse para cierto grupo de usuarios o funciones del negocio.

65 Datamart o Qué es o Es una parte de un DWH o De un fin específico o actividad de negocio o Una solución táctica o Porqué construir un Datamart o Consultas más rápidas y menos usuarios o Tiempo de desarrollo más rápido o Datamarts integrados o Asegurar la consistencia de datos o Requiere de una planeación avanzada

66 Análisis y definición del alcance Mapeo de datos Extracción de información Creación de vistas ejecutivas Creación de cubos multidimensionales Transformación de información Documentación Capacitación a usuarios y sistemas Proceso de desarrollo

67 FIN 67