SISTEMAS DE INTELIGENCIA DE NEGOCIOS

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

Download "SISTEMAS DE INTELIGENCIA DE NEGOCIOS"

Transcripción

1 Estructura de contenidos INTRODUCCIÓN BODEGA DE DATOS (DATA WAREHOUSE) Componentes Orígenes de datos Sistemas propios Origen externos Área de almacenamiento de Datos Modelos de datos dimensionales Cubos OLAP Herramientas de Acceso a datos Reportes, Informes y herramientas Dashboard Minería de Datos Sistemas de Soporte a las Decisiones CICLO DE VIDA DE UN SISTEMA DE INTELIGENCIA DE NEGOCIOS Requisitos de Negocio Modelado dimensional Diseño y desarrollo ETL Diseño y construcción de cubos Implementación Interfaz de usuario Plan de Mantenimiento Pruebas e Implementación...18 GLOSARIO...20 BIBLIOGRAFÍA...22

2 2

3 INTRODUCCIÓN Cada día son más las organizaciones alrededor del mundo, que establecen estrategias y asumen posiciones privilegiadas en el sector debido a la toma de decisiones de apoyados en Sistemas de Inteligencia de Negocios. La generación de conocimiento asegura una mejor gestión de los procesos en las organizaciones, la cadena de valor que adquieren los datos durante su recorrido por la organización sólo es posible si se tienen adecuadamente estructuradas las actividades que hacen posible contar con soluciones de Inteligencia de Negocios (BI). 1. BODEGA DE DATOS (DATA WAREHOUSE) 1.1 Componentes La estructura organizacional de la bodega permite identificar tres elementos esenciales en la bodega de datos: VENTAS Modelos de Datos Dimensionales Esquema en Estrella Reportes, Informes y herramientas Dashboard ERP Esquema Copo de Nieve SCM Minería de Datos Web Log Procesos ETL Esquema Constelación Origenes de Datos Externos Sistemas de Soporte a las Decisiones Cubos OLAP Orígenes de datos Área de almacenamiento Herramientas de Acceso a Datos 3

4 Orígenes de datos Corresponde a las fuentes que suministran los datos que conformaran la bodega y permitirán la generación de información asociada a la filosofía organizacional Sistemas propios Al interior de las organizaciones existen sistemas de información los cuales son la fuente primaria para proveer los datos a transferir a la bodega. Los repositorios de estos datos pueden ser bases de datos relacionales, archivos de datos, archivos planos, hojas de cálculo, entre otros, esto determina la necesidad de establecer procesos pertinentes para el análisis de los mismos y determinar cuáles de esos datos representan la naturaleza del negocio y de los objetivos propuestos para la bodega de datos Orígenes externos Además de los sistemas de la organización la interacción con sistemas externos también genera fuentes de datos, los cuales pueden también corresponder a diferentes formatos, estos deben ser analizados para determinar el proceso ETL que corresponda para su inclusión como fuente de datos en la bodega. Entre estos se encuentran datos de tipo estadístico y cualitativo, como los desarrollados a través de estudios de mercado, poblacional, tendencias de la industria, etc Área de almacenamiento de Datos La información contenida en la bodega en su mayoría debe estar desnormalizada, para agilizar el tiempo de procesamiento de las consultas, ya que se requiere manejar grandes volúmenes de datos derivados y la realización de cálculos a diferentes niveles Modelos de datos dimensionales Para la construcción del modelo lógico conceptual de la estructura de la bodega de datos, se utiliza una representación multidimensional de las variables que conforman los diferentes indicadores de gestión y control. Se utilizan los modelos estrella, copo de nieve y constelación como forma de representación gráfica; los componentes de estos modelos son tablas de datos de dos tipos: tablas de dimensiones y tablas de hechos. 4

5 Las tablas de dimensiones son equivalentes a una entidad en un modelo de datos, tienen una llave primaria y datos que representan los filtros de información a aplicar, contienen información que en ciertos modelos debe estar desnormalizada; es importante no olvidar que siempre debe existir una tabla de dimensión asociada al tiempo, esta debe construirse con diferentes medidas de tiempo y preferiblemente debe utilizar como llave primaria un dato de tipo entero, para optimizar los tiempos de búsqueda y el espacio de almacenamiento. Las tablas de hechos representan eventos del negocio que deben ser cuantificables, poseen una llave primaria propia y llaves foráneas que identifican la relación con las tablas de dimensiones. Posee además otros campos asociados a las métricas con las que se establecen las respuestas que forman parte del objetivo de información Esquema en Estrella Este esquema es un modelo de datos compuesto por una tabla central denominada Tabla de hechos Fact Table, que contiene los datos fuente de información para el análisis, y unas tablas denominadas dimensiones, que se encuentran relacionadas con la tabla de hechos. Dimensiones Dimensiones Dimensiones TABLA DE HECHOS Dimensiones Dimensiones 5

6 Debido a la simplicidad del modelo, ofrece gran velocidad de procesamiento al ser usado en el análisis, permitiendo acceder tanto a los datos resumidos a partir de funciones de agregado como al detalle de la información. Esta velocidad es producto de la indexación que sufren las tablas de dimensiones en forma individual, sin afectar el rendimiento de la base de datos en su conjunto Esquema Copo de Nieve En este esquema el modelo de datos está compuesto por una tabla central denominada Tabla de hechos, pero a diferencia del esquema en estrella las tablas de dimensiones no están relacionadas todas con dicha tabla. Algunas de las tablas de dimensiones están directamente relacionadas con otras dimensiones, estableciendo una estructura similar a la representación gráfica de un copo de nieve. TABLA DE HECHOS Al sufrir un proceso de normalización, se reduce el espacio requerido de almacenamiento en las dimensiones minimizando la redundancia en los datos, pero al tener que construir más tablas de dimensiones la consulta de datos disminuye el rendimiento al tener que crear más tablas y consecuentemente el número de combinaciones (Joins) para procesarlas. 6

7 Esquema Constelación En este esquema el modelo de datos consta de más de una tabla de hechos, lo cual aumenta la complejidad del modelo. Las tablas de dimensiones son compartidas por las tablas de hechos. Aunque el modelo ofrece flexibilidad, su estructura puede ser muy compleja para mantener. Las tablas de hechos pueden llegar a representar diferentes niveles de detalle, representados por su relación con una misma dimensión. Algunas tablas representarán detalles y otras representarán pronósticos. Siendo entonces este modelo una combinación de esquemas en Estrella o Copo de Nieve. Dimensiones Dimensiones HECHOS A HECHOS B Dimensiones Dimensiones Dimensiones Cubos OLAP OnLine Analytical Processing Un cubo OLAP o de Procesamiento Analítico en Línea, representa una base de datos multidimensional caracterizada porque el almacenamiento se realiza a través de un arreglo multidimensional. Las bases de datos relacionales tienen limitaciones respecto al análisis de grandes volúmenes de datos, por esta C L I E N T E S Cliente 1 Cliente 2 Cliente Libro 1 Libro 2 Libro 3 LIBROS Año 3 Año 2 Año 1 AÑOS 7

8 razón la propuesta del almacenamiento en cubos agilizaría los procesos de análisis sobre los datos, sin embargo estaría limitada al periodo de tiempo para el cual se construyo el cubo, siendo necesario rediseñar el cubo si el periodo de análisis cambia. Las dimensiones en el cubo representan los posibles filtros asociados a las consultas, cuando se tienen más de tres dimensiones, los cubos se denominan hipercubos. Las herramientas OLAP permiten: rotar los cubos. C L I E N T E S Cliente 1 Cliente 2 Cliente Libro 1 Libro 2 Libro 3 Año 3 Año 2 Año 1 AÑOS L I B R O S Libro 1 Libro Libro 3 Año 3 Año 2 Año 1 Cliente 1 Cliente 2 Cliente 3 AÑOS LIBROS CLIENTES Cambio de dimensión clientes por la de libros. Seleccionar sólo algunas de las celdas C L I E N T E S Cliente Libro 1 Libro 2 Año 1 AÑOS LIBROS 8

9 Totalizar por item C L I E N T E S Cliente 1 Cliente Cliente 3 Año Año 2 Año 1 AÑOS LIBROS O cambiar el nivel de agregación para obtener totales en diferentes niveles. Cubos con mas detalles C L I E N T E S Cliente 1 Cliente 2 Cliente Materia 1 Materia 2 Año 3 Año 2 Año 1 AÑOS MATERIAS Se puede obtener diferentes jerarquías a partir de los atributos de las dimensiones. 9

10 Herramientas de Acceso a datos Una vez se tengan almacenados los datos, es necesario procesarlos para que se conviertan en conocimiento y apoyen la toma de decisiones. Estas herramientas pueden categorizarse de acuerdo con la complejidad de su uso o la manera en que presenta la información así: Dashboard Services View Agents Visual Console GIS Maps Inventory Edit My User Reporting SNMP console Menssages Extensions Manage Incidents Dashboard Add Widgets Reportes, Informes y Herramientas Dashboard Aquí se presentan los datos para que el usuario visualice la información en un alto nivel, establece Herramientas para la generación de consultas e informes con interfaz gráfica, las cuales a través de asistentes facilitan la realización de peticiones complejas. El término dashboard (tablero de control) hace alusión a una página desarrollada con tecnología Web, donde se muestre en tiempo real la información de la empresa, producto de las operaciones de Inteligencia de Negocios. Su utilidad se centra en la posibilidad de generar análisis casi instantáneos. Para la construcción de los tableros de control es importante identificar los indicadores de rendimiento claves (KPI Key Performance Indicator), que generalmente están asociados a un objetivo de negocio y de esta forma hacer seguimiento a través de tasas o porcentajes que indican si se esta cerca o por encima de una meta del negocio. A partir de esta filosofía se puede descomponer una meta organizacional en metas operacionales Minería de Datos La minería de datos busca que a partir de los datos almacenados se pueden extraer patrones que permitan convertir estos datos en Inteligencia de Negocios (BI), para lo cual existen en el mercado infinidad de soluciones de software que proporcionan ventajas competitivas a las organizaciones. 10

11 Estas herramientas facilitan la construcción de modelos de minería de datos, utilizando orígenes distintos, tanto de fuentes relacionales como de cubos multidimensionales. En estas herramientas se pueden aplicar las diferentes técnicas asociadas a la minería como son: el modelado de regresión lineal, árboles de decisión, redes neuronales, agrupación, etc. También permiten la visualización de los modelos y generar las consultas de predicción Sistemas de Soporte a las Decisiones Un Sistema de Soporte a la Decisión (DSS) es una herramienta de Inteligencia de Negocios que permite acceder a los datos para su análisis y proyección como información importante para cualquier organización. Dentro de las características asociadas a estas herramientas se encuentran: Generación de informes dinámicos y flexibles, ya que permiten ser modificados. Facilidad de utilización para los usuarios. Segmentación de información por perfil de usuario. Tiempos de respuesta óptimos. Integración con los demás sistemas de la compañía. Dentro de las herramientas DSS se encuentran: Sistemas de información gerencial (MIS, Management Information Systems): provee soporte a tareas organizacionales relacionadas con aplicaciones CRM/ERP. Sistemas de información ejecutiva (EIS, Executive Information System): provee acceso sencillo a información interna y externa relevante para alcanzar las metas, especializado en el presentar el estado diario de la organización a través de indicadores clave. 11

12 2. CICLO DE VIDA DE UN SISTEMA DE INTELIGENCIA DE NEGOCIOS 7 Pruebas e Implementación 6 Plan de Mantenimiento 5 Implementación Interfaz de Usuario 4 Diseño y Construcción de Cubos 3 Diseño y Desarrollo ETL 2 Modelado Dimensional 1 Requisitos de Negocio El anterior diagrama representa las etapas necesarias para la implementación de un Sistema de Inteligencia de Negocios, estas etapas son afrontadas por diferentes metodologías y representan un modelo de procesos a realizar Requisitos de Negocio Para crear diseños apropiados es necesario identificar los requerimientos claves correspondientes a los factores de éxito del negocio, de tal manera que se describa el alcance de cada nivel de los usuarios y del Data Warehouse (Bodega de Datos). Se deben especificar en forma clara y precisa las funciones que se esperan de la Bodega de Datos, para lo cual es importante considerar las expectativas de los diferentes usuarios, tanto a nivel operativo, como gerencial y del mismo administrador de base de datos. 12

13 Es necesario además identificar las temáticas y objetivos de las áreas funcionales de la organización y el nivel de detalle de la información requerida ya que la granularidad determina los niveles de agrupamiento a implementar, las dimensiones de categorización (tiempo, ubicación geográfica, sector de industria, clientes, productos, etc.). En esta etapa se deben determinar cual es el problema que se desea resolver y establecer los criterios de éxito que pueden ser cualitativos o cuantitativos. Es importante considerar con que información previa se cuenta y si se tienen los datos necesarios para resolver los interrogantes Modelado Dimensional En esta etapa se debe pasar de un modelo Relacional de datos a un modelo dimensional, para lo cual se deben identificar las dimensiones, los hechos y el modelo a utilizar. Para determinar los campos contenidos en estas es recomendable considerar los siguientes ítems: Tabla de Dimensiones: o Debe contener una clave simple no relacionada con la llave del negocio, normalmente se refiere a llaves auto numéricas. o Sus campos deben ser descriptores que complementen la información y representan los niveles de agregación. o Debe incluir las claves del negocio. o Siempre debe existir una dimensión temporal. o Deben ser claras y explicitas ya que representan la interfaz que tendrán los usuarios para navegar por la información. o No se debe escatimar en cuanto al número de atributos para la tabla de dimensiones, ya que el numero de registros que contendrá es mínimo respecto al de la tabla de hechos. o Las dimensiones de fechas pueden tener diversas formas de representarse. o El numero de dimensiones depende del modelo dimensional adoptado, pero si se encuentra un numero muy elevado puede ser que algunas no son independientes y deberían agruparse. o En algunos casos se requiere normalizar las dimensiones, generándose un modelo copo de nieve. o Deberían ayudar a responder las siguientes preguntas: qué?, quién?, por qué?, dónde? y cuándo? 13

14 Tabla de Hechos o Debe contener una clave propia, independiente de las claves de negocio. o Los campos representan las métricas, por lo tanto son numéricos y aditivos (no se almacenan valores individuales, solo totales y subtotales) o Contiene los campos de referencia hacia las tablas de dimensiones. o Cada fila corresponde a una medida o Si se requiere calcular porcentajes y proporciones deben almacenarse el numerador y el denominador. o No tienen valores nulos. o Existen algunas tablas sin hechos (FactLess) que se utilizan para relacionar las dimensiones y deben contener un campo de hecho ficticio con valor por defecto igual a uno (1). El nivel de detalle con el que se debe construir el modelo depende de las preguntas que se quieran responder, aunque lo mejor es utilizar el máximo nivel de detalle, teniendo en cuenta el espacio disponible en la bodega de datos, también es necesario considerar que cada nivel de agregación hace que se pierda parte de la información Diseño y desarrollo de procesos ETL E (Extraction) T (Transformation) L (Load) Extracción Limpieza Transformación Integración Actualización Como se observa en la gráfica el proceso ETL recoge información de diferentes fuentes, transforma los datos convirtiéndolos en datos de calidad y veracidad, por último carga y actualiza la Bodega de Datos. Los procesos ETL por lo general consumen mucho tiempo en un proyecto de BI y es punto clave para el éxito. 14

15 Como se observa en la gráfica el proceso ETL recoge información de diferentes fuentes, transforma los datos convirtiendo en datos de calidad y veracidad por ultimo carga, actualiza en la DW. El proceso extracción, transformación y carga está compuesto por las siguientes etapas: a. Extracción: Este proceso obtiene los datos físicamente de las distintas fuentes de información utilizando técnicas y herramientas ETL, para la selección del método es necesario tener en cuenta algunas problemáticas de la extracción de datos como lo son el tipo de plataforma, protocolos, juego de caracteres, tipos de datos, etc. b. Limpieza: Al recuperar los datos en bruto, se requiere comprobar la calidad de los mismos y corregir errores relacionados con campos nulos, duplicados, inconsistencias en los datos, etc. Etapas de la limpieza de datos: Depurar los valores: Se pueden separar los datos de acuerdo con la estructura de destino de los datos o la regla definida para esto. Corregir: A partir de fuentes de datos externas se puede verificar la información existente. Estandarizar: A partir de formatos definidos por las reglas de negocio, se sustituyen valores en los campos de datos Relacionar: Verifica en otras fuentes la existencia de datos relacionados, para evitar duplicados. Consolidar: A partir de la identificación de relaciones entre registros, se llevan a una sola representación. c. Transformación: Una vez que los datos se encuentran limpios, se transforman de acuerdo con las reglas de negocio y las características de las herramientas a utilizar. En la transformación se consideran cambios de formato, cambios de códigos, adición de valores derivados y agregados. Es importante recordar que los agregados cumplen un valor importante, ya que al almacenar el resultado de estos cálculos en la Bodega de Datos, se obtendrá un mayor rendimiento al realizar las consultas respectivas, sin olvidar que el nivel de granularidad puede estar determinado por la dimensión del tiempo. d. Integración: En este proceso se realiza la carga de los datos y debe validarse que los datos cargados en la bodega de datos son consistentes 15

16 con los que se encontraban en el medio transaccional. e. Actualización: Este proceso es en el cual se determina la periodicidad con la cual se van a añadir y sincronizar los nuevos datos a la Bodega de Datos Diseño y construcción de cubos Un cubo representa un subconjunto de datos de la bodega almacenado en una estructura multidimensional. Para proceder a la implementación de los cubos es necesario determinar el tipo de cubo y la herramienta que se utilizará para ello. La construcción física de las tablas de dimensiones y las tablas de hechos se realizan de acuerdo con el modelo dimensional definido y la herramienta a utilizar, se ejecutan los procesos ETL para poblar las tablas y se genera el cubo para obtener las respuestas a los requerimientos definidos. Posteriormente se procede a visualizar la información del cubo. Para definir el tipo de cubo a construir es necesario identificar las opciones de almacenamiento que se tienen así: Rendimiento: En este caso debe ser de tipo MOLAP (Multidimensional On-Line Analytical Processing) almacenando en una base de datos multidimensional tanto los datos como las agregaciones. Capacidad: ROLAP Detalles Agregaciones Vistas de Usuario (Relational On-Line Analytical Processing), los datos de los hipercubos así como las agregaciones se encuentran dentro de una base de datos relacional 16

17 HOLAP Detalles Agregaciones Vistas de Usuario (Hibrid On-Line Analytical Processing), los datos se encuentran en una estructura relacional y los agregados en una estructura multidimensional. DOLAP Detalles Vistas de Usuario (Desktop On-Line Analytical Processing), Los datos se encuentran en una base de datos multidimensional almacenada en un equipo Cliente Implementación de la Interfaz de usuario Una vez que han sido construidos los cubos se deben establecer las herramientas que permitirán la visualización de la información, para lo cual se cuenta con diversidad de posibilidades tales como: Herramientas para la realización de informes, en las cuales participan desarrolladores, quienes construyen de acuerdo con requerimientos cambiantes de los usuarios, los informes que van siendo solicitados. Herramientas OLAP, que proporcionan a partir de los SMBD aplicaciones que permiten visualizar los datos desde diferentes contextos: informes, graficas, estadísticas etc. Aplicaciones de DashBoard, permitiendo la visualización sincrónica de indicadores, referidos a objetivos o metas procedimentales. Sistemas DSS, donde se permite utilizar diferentes niveles de análisis a la información a partir de aplicaciones definidas para ello. 17

18 2.6. Plan de Mantenimiento Debido a la naturaleza dinámica de algunos datos, es necesario establecer un plan de acción para considerar los ajustes o reconstrucción de algunos de los objetos de la Bodega de datos. La siguiente lista proporciona algunos de los elementos a considerar en el plan de mantenimiento. Modificación de datos de origen de las dimensiones. En este caso debe analizarse si el cambio se asume para toda la historia del dato (p.e. cambia la fecha de nacimiento del cliente) o si debe generarse un nuevo ciclo a partir de la modificación del mismo (p.e. una sucursal cambia de responsable). Se hace necesario modelar la información de manera tal que no se pierda el historial de los datos, para esto es posible utilizar claves subrogadas. Una característica importante de la Bodega de Datos, es la de repositorio de información Histórica. Rendimiento. Se debe considerar el espacio ocupado en la bodega de datos, por esto es posible que se haga necesario modificar las estructuras de las tablas para aliviar el tamaño de los objetos en la bodega. Es importante tener en cuenta que no se debe construir un modelo para generar un informe en particular, sino que debe dar respuesta a diferentes áreas a partir de la inclusión de los indicadores y conceptos del negocio. Subutilización de Tablas Agregadas. Aun cuando estas tablas proporcionan una mejora en el rendimiento de las consultas es necesario asegurarse que la herramienta BI que se esta utilizando sea capaz de aprovecharlas, de lo contrario los costes de mantenimiento y actualización permanente de estas tablas solo harían mas complejo el sistema Pruebas e Implementación En esta etapa se evalúa el modelo, partiendo de los criterios de éxito que se establecieron en la primera etapa. El proceso debe ser revisado a partir de los resultados obtenidos para determinar si es necesario repetir alguna de las etapas anteriores. 18

19 ERP CRM SCM Legancy Proceso de Integración de datos Data Warehouse Proceso de auditoría y reconciliación. Calidad de datos Control Usuarios BI Puntos de control de Calidad de datos Se evalúa el modelo respecto a los objetivos planteados y si no existen restricciones de tiempo se prueba con un problema real, también debe evaluarse respecto a objetivos diferentes a los inicialmente planteados. Si los resultados no son satisfactorios se hace necesario realizar otra iteración desde la fase de modelado o del proceso de ETL; en caso contrario se hace necesario proceder a la implementación del Sistema de BI. La implementación se ejecuta a partir del diseño de una estrategia, que debe incluir la monitorización y mantenimiento de los modelos adoptados por la bodega de datos, así como la presentación de los resultados de forma clara y precisa a los usuarios, para cumplir con los objetivos de conocimiento. 19

20 GLOSARIO DWH: (Data WareHouse). Bodega de Datos. Es un conjunto de datos integrados sobre los cuales se soportan procesos de toma de decisiones para grandes volúmenes de datos. ETL: (Extraction, Transformation and Load). Corresponde a los procesos de: Extracción: Aquí se identifican las fuentes y la información requerida por el almacén de datos (BD, archivos planos, aplicaciones no relacionales, etc.). Transformación: Una vez se selecciona la información a ser cargada al almacén, ésta se debe tratar para evitar que la migración no interrumpan su carga; por ejemplo: tipos de datos, formatos de fecha, caracteres especiales no visibles (cambios de línea, chr(10),chr(13)), caracteres de comillas sencillas y otros. Carga: Después de determinar las fuentes de información, las transformaciones y limpieza de la información extraída, se procede a determinar la fuente destino y el mapeo entre la estructura origen y la destino para realizar la carga de los datos extraídos KDD: (Knowledge Discovery from Databases). Descubrimiento de Conocimiento en Bases de Datos cuyo objetivo es encontrar conocimiento útil, válido, relevante y nuevo sobre una determinada actividad mediante algoritmos, para grandes volúmenes de datos. ODS (OPERATIONAL DATA STORE) o Almacén Operacional De Datos BI: (Business Intelligence) Inteligencia de Negocios 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. 20

21 GLOSARIO OLAP: es el acrónimo en inglés de procesamiento analítico en línea (On- Line Analytical Processing). Es una solución utilizada en el campo de la llamada Inteligencia empresarial (o Business Intelligence) cuyo objetivo es agilizar la consulta de grandes cantidades de datos. Para ello utiliza estructuras multidimensionales (o Cubos OLAP) que contienen datos resumidos de grandes Bases de datos o Sistemas Transaccionales (OLTP). Se usa en informes de negocios de ventas, marketing, informes de dirección, minería de datos y áreas similares. La principal característica que potencia a OLAP, es que es lo más rápido a la hora de ejecutar sentencias SQL de tiposelect, en contraposición con OLTP que es la mejor opción para operaciones de tipo INSERT, UPDATE Y DELETE 21

22 BIBLIOGRAFÍA Cano, J. L. (2007). BUSINESS INTELLIGENCE: Competir con Información. Recuperado el 15 de Mayo de 2012, de BI_Competir_con_Informacion.pdf Gallardo Arancibia, J. A. (2009). Metodología para el desarrollo de proyectos en Minería de Datos CRISP-DM. Recuperado el 20 de Mayo de 2012, de docs/documento_crisp-dm pdf Zorrilla, M. (2010). Data WareHouse y OLAP. Recuperado el 15 de Mayo de 2012, de Universidad de Cantabria: BDAvanzadas/Teoria/bta-t4b-%20Business%20Intelligence.pdf 22

23 OBJETO DE APRENDIZAJE Desarrollador de contenido Experto temático SISTEMAS DE INTELIGENCIA DE NEGOCIOS Ana Yaqueline Chavarro Parra Edna Mireya Rivera L. Asesor Pedagógico Rafael Neftalí Lizcano Reyes Productor Multimedia Programadores Manuel Francisco Silva Barrera Victor Hugo Tabares Carreño Daniel Eduardo Martínez Díaz Grateful Dead Montaño Sierra Líder expertos temáticos Ana Yaqueline Chavarro Parra Líder línea de producción Santiago Lozada Garcés R PANDORAFMS, es una marca registrada propiedad de PANDORAFMS Enterprise. Copyright Registered trademark Atribución, no comercial,compartir igual Este material puede ser distribuido, copiado y exhibido por terceros si se muestra en los créditos. No se puede obtener ningún beneficio comercial y las obras derivadas tienen que estar bajo los mismos términos de licencia que el trabajo original. 23

LABORATORIO 4. CONSTRUCCIÓN DE CUBOS PARA LA BODEGA DE DATOS

LABORATORIO 4. CONSTRUCCIÓN DE CUBOS PARA LA BODEGA DE DATOS LABORATORIO 4. CONSTRUCCIÓN DE CUBOS PARA LA BODEGA DE DATOS GUÍA DE LABORATORIO Nº 4 Actividad de Proyecto No. 2: CONFIGURAR SISTEMAS MANEJADORES DE BASE DE DATOS. CONSTRUCCIÓN DE CUBOS PARA LA BODEGA

Más detalles

ARQUITECTURA DE UNA BODEGA DE DATOS

ARQUITECTURA DE UNA BODEGA DE DATOS ARQUITECTURA DE UNA BODEGA DE DATOS Estructura de contenidos INTRODUCCIÓN... 3 1. ARQUITECTURA DE UNA BODEGA DE DATOS... 3 1.1 PROPIEDADES... 3 1.2 ARQUITECTURA DE UNA CAPA... 4 1.3 ARQUITECTURA DE DOS

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

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

PARÁMETROS DE CONFIGURACIÓN DE SISTEMAS MANEJADORES DE BASE DE DATOS

PARÁMETROS DE CONFIGURACIÓN DE SISTEMAS MANEJADORES DE BASE DE DATOS PARÁMETROS DE CONFIGURACIÓN DE SISTEMAS MANEJADORES DE BASE DE DATOS Introducción 3 GESTIÓN DE MEMORIA 3 Memoria Dinámica 4 Memoria predefinida 5 Áreas especiales de memoria 5 GESTIÓN DE ALMACENAMIENTO

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

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

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

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

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

Estos documentos estarán dirigidos a todas las personas que pertenezcan a equipos de implementación de Oracle BI, incluyendo a:

Estos documentos estarán dirigidos a todas las personas que pertenezcan a equipos de implementación de Oracle BI, incluyendo a: Oracle Business Intelligence Enterprise Edition 11g. A lo largo de los siguientes documentos trataré de brindar a los interesados un nivel de habilidades básicas requeridas para implementar efectivamente

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

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

Servicio Business Intellingence integrado con Data Management & Big Data Del dato al conocimiento

Servicio Business Intellingence integrado con Data Management & Big Data Del dato al conocimiento Servicio Business Intellingence integrado con & Big Del dato al conocimiento Servicio BI integral: Business Intelligence es la habilidad para transformar los datos en información, y la información en conocimiento,

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

Primeros pasos hacia la Inteligencia de Negocios: Almacenes de datos (DataWareHouse), Herramientas ETL(PDI), Procesamiento analítico en línea.

Primeros pasos hacia la Inteligencia de Negocios: Almacenes de datos (DataWareHouse), Herramientas ETL(PDI), Procesamiento analítico en línea. Primeros pasos hacia la Inteligencia de Negocios: Almacenes de datos (DataWareHouse), Herramientas ETL(PDI), Procesamiento analítico en línea. Introducción Una solución de Business Intelligence parte de

Más detalles

REPOSITORIO COR O P R OR O A R T A I T VO V

REPOSITORIO COR O P R OR O A R T A I T VO V REPOSITORIO CORPORATIVO Repositorio Corporativo Que es? Antecedentes? Por que lo necesito? Multiplicidad de sistemas Retraso en obtención de reportes Info 3 Info 2 Info 1 Redundancia Inconsistencia de

Más detalles

Unidad III Modelamiento Multidimencional. Tecnología DATAWAREHOUSE

Unidad III Modelamiento Multidimencional. Tecnología DATAWAREHOUSE Unidad III Modelamiento Multidimencional Tecnología DATAWAREHOUSE Datawarehouse Colección de datos integrados, variantes en el tiempo, no volátiles, orientados a temas de interés para la gestión de una

Más detalles

NIVELES DE SERVICIO. FAVA - Formación en Ambientes Virtuales de Aprendizaje. SENA - Servicio Nacional de Aprendizaje

NIVELES DE SERVICIO. FAVA - Formación en Ambientes Virtuales de Aprendizaje. SENA - Servicio Nacional de Aprendizaje NIVELES DE SERVICIO Introducción 3 ITIL: BIBLIOTECA DE INFRAESTRUCTURA DE TECNOLOGÍAS DE LA INFORMACIÓN 3 ITIL Versión 3 3 Disciplinas y Listas de control de ITIL V3 4 GESTIÓN DE LOS NIVELES DE SERVICIOS

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

PARÁMETROS DE GESTIÓN Y DESEMPEÑO DEL SISTEMA MANEJADOR DE BASES DE DATOS Y DE LA BASE DE DATOS

PARÁMETROS DE GESTIÓN Y DESEMPEÑO DEL SISTEMA MANEJADOR DE BASES DE DATOS Y DE LA BASE DE DATOS PARÁMETROS DE GESTIÓN Y DESEMPEÑO DEL SISTEMA MANEJADOR DE BASES DE DATOS Y DE LA BASE DE DATOS Estructura de contenidos INTRODUCCIÓN...3 1. GESTIÓN DE LAS BASES DE DATOS...4 1.1 Mantener las Bases de

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

Modelado dimensional de datos

Modelado dimensional de datos MODELADO DE DATOS DATA WAREHOUSE Ana María Bisbé York a.bisbe@danysoft.com, Servicios Profesionales sp@danysoft.com www.danysoft.com 18.04.2013 Temario Datawarehouse vs Transaccional Modelado dimensional

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

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

Almacén de datos - concepto. Arquitectura de un sistema de almacén de datos

Almacén de datos - concepto. Arquitectura de un sistema de almacén de datos Almacén de datos - concepto Almacén de datos (Bodega de Datos, Data warehouse) es una integrada colección de datos que contiene datos procedentes de sistemas del planeamiento del recurso de la empresa

Más detalles

Innovación para su Contact Center

Innovación para su Contact Center Innovación para su Contact Center Madrid 29/07/2011 Situación actual Un Contact Center está compuesto de numerosos sistemas y cada uno de ellos cuenta con información propia. Tanto es así, que cada vez

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

UNIVERSIDAD NACIONAL DE CHIMBORAZO FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA EN SISTEMAS Y COMPUTACIÓN

UNIVERSIDAD NACIONAL DE CHIMBORAZO FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA EN SISTEMAS Y COMPUTACIÓN UNIVERSIDAD NACIONAL DE CHIMBORAZO FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA EN SISTEMAS Y COMPUTACIÓN Trabajo de grado previo a la obtención del Título de Ingeniero en Sistemas y Computación. TRABAJO

Más detalles

APOYO PARA LA TOMA DE DECISIONES

APOYO PARA LA TOMA DE DECISIONES APOYO PARA LA TOMA DE DECISIONES Cátedra: Gestión de Datos Profesor: Santiago Pérez Año: 2006 Bibliografía: Introducción a las Bases de Datos. DATE - 1 - 1. INTRODUCCION APOYO PARA LA TOMA DE DECISIONES

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

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

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. 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

Datawarehouse. Ing. Adan Jaimes Jaimes. Datawarehouse

Datawarehouse. Ing. Adan Jaimes Jaimes. Datawarehouse 1 Ing. Adan Jaimes Jaimes 2 Conceptos : Repositorio completo de datos, donde se almacenan datos estratégicos, tácticos y operativos, al objeto de obtener información estratégica y táctica Data-Marts: Repositorio

Más detalles

LABORATORIO 10. COPIAS DE SEGURIDAD, RESTAURACIÓN Y RECUPERACIÓN DE UNA BASE DE DATOS

LABORATORIO 10. COPIAS DE SEGURIDAD, RESTAURACIÓN Y RECUPERACIÓN DE UNA BASE DE DATOS LABORATORIO 10. COPIAS DE SEGURIDAD, RESTAURACIÓN Y RECUPERACIÓN DE UNA BASE DE DATOS GUÍA DE LABORATORIO Nº 10 Actividad de Proyecto No. 12: ESTABLECER PLANES DE RESGUARDO, RESTAURACIÓN Y CONTINGENCIA.

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

Tecnologías de Información y Comunicación II CLASE 10

Tecnologías de Información y Comunicación II CLASE 10 Tecnologías de Información y Comunicación II CLASE 10 Medidas Una medida es un tipo de dato cuya información es usada por los analistas (usuarios) en sus consultas para medir la perfomance del comportamiento

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

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

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

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

Overview of Data Warehousing / Business Intelligence with SQL Server

Overview of Data Warehousing / Business Intelligence with SQL Server Overview of Data Warehousing / Business Intelligence with SQL Server 23/10/2012 Contact Pablo Resnizky Engineering Manager +541.5533.8300 x1030 pablo.resnizky@globallogic.com GlobalLogic, Inc. www.globallogic.com

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

Business Information Warehouse Manual SAP BW Business Information Warehouse

Business Information Warehouse Manual SAP BW Business Information Warehouse Manual SAP BW Business Information Warehouse Manual SAP BW / BI Business Information Warehouse Página 1 Confidencialidad Este documento es propiedad de E-SAP (CVOSOFT) por lo tanto, no podrá ser publicado

Más detalles

ASIGNATURA: Tecnologías de Información y Comunicación II

ASIGNATURA: Tecnologías de Información y Comunicación II ASIGNATURA: Tecnologías de Información y Comunicación II 53 HORAS DESCRIPCIÓN DE LA ASIGNATURA: Esta asignatura proporciona al alumno las competencias y herramientas teóricas necesarias para la aplicación

Más detalles

Construcción de la base de datos en Oracle

Construcción de la base de datos en Oracle Estructura de contenidos. INTRODUCCIÓN...2 1. CREACIÓN DE UN USUARIO...3 2. CONSTRUCCIÓN DE LA ESTRUCTURA DE ALMACENAMIENTO...6 2.1 Crear Tabla Pacientes...7 2.2 Crear Tabla Médicos...11 2.3 Crear Tabla

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

FUNDAMENTOS DE DATA WAREHOUSE

FUNDAMENTOS DE DATA WAREHOUSE FUNDAMENTOS DE DATA WAREHOUSE 1. Qué es Data Warehouse? El Data Warehouse es una tecnología para el manejo de la información construido sobre la base de optimizar el uso y análisis de la misma utilizado

Más detalles

UNIVERSIDAD DEL AZUAY

UNIVERSIDAD DEL AZUAY UNIVERSIDAD DEL AZUAY FACULTAD CIENCIAS DE LA ADMINISTRACIÓN ESCUELA DE INGENERIA EN SISTEMAS Construcción de un Data Warehouse, a través de la herramienta Bussiness Intelligence de ORACLE, para la aplicación

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

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

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

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

IMPLEMENTACIÓN DE UN DATAWAREHOUSE PARA EL INSTITUTO GEOGRÁFICO MILITAR

IMPLEMENTACIÓN DE UN DATAWAREHOUSE PARA EL INSTITUTO GEOGRÁFICO MILITAR ESCUELA POLITÉCNICA DEL EJÉRCITO DPTO. DE CIENCIAS DE LA COMPUTACIÓN CARRERA DE INGENIERÍA EN SISTEMAS E INFORMÁTICA IMPLEMENTACIÓN DE UN DATAWAREHOUSE PARA EL INSTITUTO GEOGRÁFICO MILITAR Previa a la

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

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

ALMACENES PARA GESTIÓN MASIVOS.... ALMACENES PARA GESTIÓN MASIVOS 1 ALMACENES PARA GESTIÓN MASIVOS 2 EL OBJETIVO ES EL ANÁLISIS PARA EL SOPORTE EN LA TOMA DE DECISIONES. GENERALMENTE, LA INFORMACIÓN QUE

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

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

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

DISEÑO E IMPLEMENTACIÓN DE SOLUCIONES BUSINESS INTELLIGENCE CON SQL SERVER 2012

DISEÑO E IMPLEMENTACIÓN DE SOLUCIONES BUSINESS INTELLIGENCE CON SQL SERVER 2012 DISEÑO E IMPLEMENTACIÓN DE SOLUCIONES BUSINESS INTELLIGENCE CON SQL SERVER 2012 FLUJO DE CAPACITACIÓN Prerrequisitos Fundamentos de Programación Sentencias SQL Server 2012 Duración: 12 horas 1. DESCRIPCIÓN

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

Capacitación SAP BW Plataforma Tecnológica Única

Capacitación SAP BW Plataforma Tecnológica Única Capacitación SAP BW Plataforma Tecnológica Única Noviembre, 2011 Agenda Presentación del Instructor e Integración Grupal Objetivos del Taller Qué es un Datawarehouse? Qué es SAP BW? Estructura / Capas

Más detalles

CREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER. 40 horas 60 días

CREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER. 40 horas 60 días CREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER DURACIÓN DÍAS DE CONEXIÓN 40 horas 60 días CONTACTO: formacion@fgulem.es El Campus Virtual ha sido concebido con una metodología dinámica e

Más detalles

PORTFOLIO APLICA.DÀT. Business Intelligence. Que veo y que hay

PORTFOLIO APLICA.DÀT. Business Intelligence. Que veo y que hay Soluciones de Gestión para extraer provecho de los datos. (Business Intelligence, Cuadro de Mando i Calidad de datos) Que veo y que hay PORTFOLIO Business Intelligence Tiene infinidad de datos. No tiene

Más detalles

Cuadrante Mágico de Gartner para BI 2013 vs. 2014

Cuadrante Mágico de Gartner para BI 2013 vs. 2014 Cuadrante Mágico de Gartner para BI 2013 vs. 2014 Challengers Leaders Challengers Leaders Niche Players Visionaries Niche Players Visionaries Cuadrante Mágico de Gartner SGBD y Sistemas de Data WareHouse

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

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

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

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

Módulo de Inteligencia de Negocio en un sistema de control de la producción en plantas de generación de energía distribuida.

Módulo de Inteligencia de Negocio en un sistema de control de la producción en plantas de generación de energía distribuida. Módulo de Inteligencia de Negocio en un sistema de control de la producción en plantas de generación de energía distribuida. Autores: Carlos Javier Quintero Blanco, Universidad de las Ciencias Informáticas,

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

SolucionesAnalíticas con Pentaho.

SolucionesAnalíticas con Pentaho. SolucionesAnalíticas con Pentaho. Objetivo Obtener experiencia práctica con los siguientes componentes de la plataforma Pentaho: Pentaho Data Integration (Kettle) Pentaho Analysis Services (Mondrian) Pentaho

Más detalles

Portafolio de soluciones BO Plataforma Tecnológica Única

Portafolio de soluciones BO Plataforma Tecnológica Única Portafolio de soluciones BO Plataforma Tecnológica Única Noviembre, 2011 Agenda Objetivo Oferta de Valor Portafolio de Productos Enterprise Information Management Information Discovery and Delivery Preguntas

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

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

Proceso de desarrollo de indicadores de gestión. Un caso de estudio en el contexto de un ERP.

Proceso de desarrollo de indicadores de gestión. Un caso de estudio en el contexto de un ERP. Proceso de desarrollo de indicadores de gestión. Un caso de estudio en el contexto de un ERP. Autor: Juan Vicente Pérez Palanca Director: Dr. Patricio Letelier Torres Septiembre del 2010 Tesis presentada

Más detalles

CAPÍTULO 4 IMPLEMENTACIÓN DE SARP. Este capítulo describe los detalles de la implementación de SARP. Una vez explicado el

CAPÍTULO 4 IMPLEMENTACIÓN DE SARP. Este capítulo describe los detalles de la implementación de SARP. Una vez explicado el CAPÍTULO 4 IMPLEMENTACIÓN DE SARP Este capítulo describe los detalles de la implementación de SARP. Una vez explicado el diseño del sistema SARP (ver Capítulo 3) es posible realizar su implementación.

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

SÍLABO DEL CURSO DE INTELIGENCIA DE NEGOCIOS

SÍLABO DEL CURSO DE INTELIGENCIA DE NEGOCIOS SÍLABO DEL CURSO DE INTELIGENCIA DE NEGOCIOS I. INFORMACIÓN GENERAL 1.1. Facultad : Ingeniería 1.2. Carrera Profesional : Ingeniería en Sistemas Computacionales 1.3. Departamento ------------------------------

Más detalles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA) SYLLABO

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA) SYLLABO UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA) FACULTAD DE INGENIERIA DE SISTEMAS E INFORMATICA Escuela Académico Profesional de Ingeniería de Sistemas 1. ESPECIFICACIONES

Más detalles

Oracle vs Oracle por Rodolfo Yglesias Setiembre 2008

Oracle vs Oracle por Rodolfo Yglesias Setiembre 2008 Oracle vs Oracle por Rodolfo Yglesias Setiembre 2008 Introducción Aunque la estrategia de adquisiciones que Oracle ha seguido en los últimos años siempre ha buscado complementar y fortalecer nuestra oferta

Más detalles

Metodología para el Modelamiento De un Datawarehouse AMDE. Fundamentos de un Proyecto De. www.e-cronia.com. www.e-cronia.com. www.eduardoleyton.

Metodología para el Modelamiento De un Datawarehouse AMDE. Fundamentos de un Proyecto De. www.e-cronia.com. www.e-cronia.com. www.eduardoleyton. Metodología para el Modelamiento De un Datawarehouse Fundamentos de un Proyecto De Almacenamiento Masivo de Datos Estratégicos AMDE 1 EL PROPOSITO DE LA TECNOLOGIA INFORMATICA VA MAS ALLA DE SIMPLEMENTE

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

La Base de Datos OLAP Analysis Services (SSAS) Agenda. Agenda. Construyendo una Solución de BI paso a paso con SQL Server 2005

La Base de Datos OLAP Analysis Services (SSAS) Agenda. Agenda. Construyendo una Solución de BI paso a paso con SQL Server 2005 Construyendo una Solución de BI paso a paso con SQL Server 2005 La Base de Datos OLAP Analysis Services (SSAS) Ing. José Mariano Alvarez Jose.Mariano.Alvarez@SqlTotalConsulting.com Agenda Por qué Analysis

Más detalles

Apoyo a la toma de Decisiones. Carlos A. Olarte Bases de Datos II

Apoyo a la toma de Decisiones. Carlos A. Olarte Bases de Datos II Carlos A. Olarte Bases de Datos II Contenido 1 Introducción 2 OLAP 3 Data Ware Housing 4 Data Mining Introducción y Motivación Cómo puede analizarse de forma eficiente volúmenes masivos de datos? La consulta,

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

COMO DISMINUIR LOS RIESGOS DE LOS PROCESOS DE ETL EN EL PROYECTO DE INTELIGENCIA DE NEGOCIOS EN UNA EMPRESA DE TRANSORTE

COMO DISMINUIR LOS RIESGOS DE LOS PROCESOS DE ETL EN EL PROYECTO DE INTELIGENCIA DE NEGOCIOS EN UNA EMPRESA DE TRANSORTE COMO DISMINUIR LOS RIESGOS DE LOS PROCESOS DE ETL EN EL PROYECTO DE INTELIGENCIA DE NEGOCIOS EN UNA EMPRESA DE TRANSORTE LYDA DIANA HENAO DORADO 200110075010 Trabajo de Grado Asesor LUIS FELIPE ROSSO RICAURTE

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

Business Intelligence. Marzo 2011 / White paper

Business Intelligence. Marzo 2011 / White paper Business Intelligence Marzo 2011 / White paper Business Intelligence El amplio abanico de procesos que existe dentro del negocio con éxito, desde la planificación a la implantación estratégica, requiere

Más detalles

Business Information Warehouse

Business Information Warehouse Business Information Warehouse The Business Information Warehouse (BW) es un amplio cubo de información de toda la empresa. Esto le permite analizar datos de las aplicaciones R/3 o cualquier otra aplicación

Más detalles

asired EIS Descripción de producto. Integración de Sistemas Explotación de Datos y Business Intelligence para la Pequeña y Mediana Empresa.

asired EIS Descripción de producto. Integración de Sistemas Explotación de Datos y Business Intelligence para la Pequeña y Mediana Empresa. asired EIS Integración de Sistemas Explotación de Datos y Business Intelligence. Descripción de producto. 2004 Así-Red Servicios Telemáticos, S.L.L. C/ Progreso, 36, 3º B 36202 Vigo Telf. 986 44 34 91

Más detalles

Inteligencia de Negocios. & Microsoft Excel 2013

Inteligencia de Negocios. & Microsoft Excel 2013 Inteligencia de Negocios (Business Intelligence - BI) & Microsoft Excel 2013 Instructor: Germán Zelada Contenido del Curso Fundamentos de Data Warehousing y BI Qué es Business Intelligence? Definiendo

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

APROXIMACIÓN METODOLOGÍCA DE UN SPATIAL DATA WAREHOUSE. Juan Eulises Bohorquez Especialista en SIG. Ingeniero Desarrollador Oracle DBA.

APROXIMACIÓN METODOLOGÍCA DE UN SPATIAL DATA WAREHOUSE. Juan Eulises Bohorquez Especialista en SIG. Ingeniero Desarrollador Oracle DBA. 1 APROXIMACIÓN METODOLOGÍCA DE UN SPATIAL DATA WAREHOUSE Juan Eulises Bohorquez Especialista en SIG. Ingeniero Desarrollador Oracle DBA. 2 RESUMEN APROXIMACIÓN METODOLOGÍCA DE UN SPATIAL DATA WAREHOUSE

Más detalles

Tecnologías de Información y Comunicación II.

Tecnologías de Información y Comunicación II. INGENIERÍA EN INFORMÁTICA Tecnologías de Información y Comunicación II. INFORME: ETL y Modelo Estrella. NOMBRE : Ruben Chura, Andony Pavez. CARRERA : Ingeniería en Informática. ASIGNATURA : Tecnologías

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