Solución de inteligencia de negocios para la integración de la información comercial y contable

Transcripción

1 Solución de inteligencia de negocios para la integración de la información comercial y contable Autores: DraC. Lucina García Hernández 1 Lic. Alina Simón Cuevas 2 Yissel Espinosa Cervantes 3 Maité Torres Sánchez 4 Temática: Bases de Datos Resumen En el transcurso de los años se han desarrollado en el Grupo Empresarial CIMEX diversas soluciones que sucesivamente han dado respuesta a la evolución de los requerimientos informacionales por parte de los analistas y los ejecutivos de la organización, así como al progreso de las condiciones objetivas y subjetivas. Precisamente, el presente trabajo se enmarca en una nueva situación al respecto tanto desde el punto de vista informacional como tecnológico. En CIMEX es imprescindible mantener el control de la actividad comercial y analizar el estado económico-financiero en cada una de las entidades. Los escenarios comercial y contable se han presentado hasta el momento en soluciones computacionales diferentes, dificultándose la conciliación entre estas dos aristas. Surge la necesidad de desarrollar una solución de inteligencia de negocios sustentada sobre la creación de un repositorio de datos orientado al análisis de los principales indicadores comerciales y económico-financieros. Asimismo, la integración de estos dos escenarios contribuiría a establecer las interrelaciones entre la información comercial y la información contable, así como facilitaría la validación del desempeño en la organización. Microsoft SQL Server 2012 ofrece dos alternativas para la creación de los modelos analíticos que representan la lógica del negocio, el clásico modelo multidimensional y el modelo tabular. El presente trabajo propone una solución computacional que brinda a los analistas y los ejecutivos de CIMEX una visión del estado del negocio como apoyo a la toma de decisiones y que pretende aprovechar las facilidades más recientes que proporciona la plataforma de Microsoft. Introducción Los avances tecnológicos de los últimos sesenta años han provocado una gran revolución informacional, incrementando la disponibilidad y las posibilidades de acceso a la información. A medida que la cantidad de datos acumulados se ha ido incrementado, han proliferado también las necesidades de consultas más complejas para la toma de decisiones dentro de las organizaciones. El mundo empresarial no está exento de este desarrollo, por el contrario, en la actualidad los sistemas de información cobran relevancia en la acertada conducción de cualquier negocio. Es una realidad que las principales empresas cubanas han abrazado el progreso tecnológico. La Corporación Importadora y Exportadora (CIMEX) constituye un Grupo Empresarial que funciona como una sociedad de capital estatal cubano, cuyo principal objetivo es la adquisición y comercialización de 1 Universidad de La Habana, Cuba. lucina@matcom.uh.cu Delegación La Habana 2 Grupo Inteligencia de Negocios, DATACIMEX, Grupo Empresarial CIMEX. asimonc@gmail.com 3 Universidad de La Habana, Cuba. yisselec@yahoo.es 4 Universidad de La Habana, Cuba. maitets90@yahoo.es 1

2 forma mayorista y minorista de productos y servicios. El Grupo Empresarial CIMEX es una de las principales entidades comerciales cubanas, considerada entre las primeras organizaciones en utilizar soluciones computacionales con el fin de favorecer la toma de decisiones. En el transcurso de los años se han desarrollado en la empresa diversas soluciones que sucesivamente han dado respuesta a la evolución de los requerimientos informacionales de la organización. Precisamente, el presente trabajo se enmarca en una nueva situación al respecto, tanto desde el punto de vista informacional como tecnológico. La propuesta de solución matemático-computacional está sustentada sobre el paradigma de la Inteligencia de Negocios, lo que ha permitido garantizar el análisis de los indicadores comerciales y económico-financieros, así como su interrelación. Entre otras funcionalidades, la solución proporciona un ambiente de consultas dinámicas con funcionalidades de autoservicio, donde es posible mantener una experiencia interactiva con los datos. Asimismo, la solución concebida y diseñada detalladamente se implementó para los modelos multidimensional y tabular sobre Microsoft SQL Server Analysis Services (SSAS) A partir del estudio de ambas alternativas, la experiencia adquirida en el desarrollo del sistema y el comportamiento del resultado de los experimentos, se incursionó en la comparación práctica y se esbozaron consideraciones generales en cuanto a fortalezas y debilidades como contribución al trabajo ulterior en esta área del conocimiento. Desarrollo Los encargados de tomar decisiones reconocen que hoy día es imposible actuar basándose solo en la intuición para hacer crecer su negocio o para permanecer exitosamente en el mercado. Vinculado a esta premisa ha evolucionado con el transcurso de los años un conjunto de conceptos, modelos y tecnologías cuya interacción facilita la acertada conducción de cualquier negocio. La Inteligencia de Negocios (BI, del inglés Business Intelligence) cumple su función cuando provee soluciones a nivel empresarial que facultan a los directivos para transformar información clave de su empresa en acciones concretas que se traduzcan en beneficios palpables. Hoy es considerada un instrumento básico de administración en todos los niveles gerenciales y se ha convertido en un modelo de control y crecimiento organizacional para lograr competitividad. Una frase popular acerca de la Inteligencia de Negocios plantea: Inteligencia de Negocios es el proceso de convertir datos en conocimiento y el conocimiento en acción para la toma de decisiones. [1] Para crecer de manera competitiva las empresas requieren una solución integral de Inteligencia de Negocios (solución BI) que cubra las necesidades informacionales de sus ejecutivos. En realidad, resulta más procedente hablar de sistemas o soluciones de inteligencia de negocios como aproximaciones sucesivas, puesto que no existe un modelo único para su desarrollo, dado el alcance y la complejidad del proceso. [2] Por otra parte, numerosas compañías de software han desarrollado plataformas que integran varias herramientas, ofreciendo a las empresas un producto completo que responda a las diferentes etapas del proceso de BI a partir del cual los equipos de desarrollo pueden generar con mayor holgura y productividad las aproximaciones de soluciones BI propias. La plataforma de Inteligencia de Negocios de Microsoft ha sido seleccionada para la presente investigación por las facilidades que posee, su utilización en innumerables soluciones computacionales a nivel mundial, así como por la amplia experiencia de trabajo y desarrollo de soluciones computacionales que tiene CIMEX sobre esta plataforma, con más de 8 años de experiencia. Existen múltiples propuestas de representación de los datos en función del procesamiento analítico, que requieren estructuras de datos que posibiliten agilizar el tratamiento de grandes volúmenes en términos de operaciones de resúmenes y/o comparaciones. Colin White publicó un estudio de los diferentes modelos 2

3 que adopta OLAP (del inglés OnLine Analytic Processing) y que se aceptan por la comunidad científica, según plantea Nigel Pendse. [3] El clásico Modelo Multidimensional es un ejemplo de estos modelos el cual propone una estructura multidimensional de la información, afín a los sujetos de análisis del negocio, empleando dos componentes fundamentales: los hechos y las dimensiones. Al trabajar con la multidimensionalidad se persigue analizar los datos desde perspectivas diferentes con el fin de lograr una visión global de la problemática que permita fundamentar las decisiones en diferentes circunstancias, objetivas y subjetivas, con una incidencia significativa de la temporalidad. Sin embargo, la eficacia del análisis multidimensional depende de la manera en que los datos se representen y se almacenen. [4] Uno de los enfoques recientemente aplicados con éxito se basa en la utilización del almacenamiento por columnas dentro de las páginas de datos, es decir, cada página contiene los valores de una sola columna. Esta estructura almacena solo una vez los valores repetidos, favoreciendo la compresión de los datos. Las bases de datos in-memory utilizan la memoria principal de la máquina (RAM, del inglés Random Access Memory) para el almacenamiento de la información. La RAM ha sido siempre el medio de almacenamiento más rápido y el desarrollo de las tecnologías de hardware en la actualidad permite el almacenamiento de grandes volúmenes de datos en la RAM. [5] [6] Con SQL Server 2008 R2 se lanzó una nueva herramienta llamada PowerPivot como un complemento (plug-in) de Excel PowerPivot utiliza un motor analítico, conocido como VertiPaq, para el procesamiento de una base de datos in-memory con almacenamiento por columnas. En SQL Server 2012 se introduce el Modelo Semántico de Inteligencia de Negocios (BISM, del inglés Business Intelligence Semantic Model), que combina dos tipos de modelado en Analysis Services: el modelo multidimensional y el llamado modelo tabular. [7] [8] Producto de esta dualidad es preciso profundizar en ambos enfoques durante el desarrollo de la nueva solución, de modo que no solo responda a los desafíos del escenario actual en el Grupo Empresarial CIMEX, sino también al propósito de aprovechar las bondades y valorar las insuficiencias respectivas como contribución a futuras investigaciones. El modelo tabular se basa en el modelo relacional, pero instrumenta además funcionalidades analíticas que responden al modelo dimensional como la definición de jerarquías de atributos, para proporcionar facilidades de resumen y exploración en profundidad. Asimismo, es posible definir medidas sobre las tablas implicadas en el modelo y los indicadores de desempeño (KPI, del inglés Key Performance Indicator) que se identifiquen en el negocio a modelar. Al igual que en la implementación multidimensional, en el modo tabular se pueden definir perspectivas para crear vistas resumidas del negocio. El procesamiento de los datos sobre las estructuras tabulares se realiza con el motor analítico xvelocity. [10] [6] Cabe destacar que el problema que motivó la realización de esta investigación aplicada es la imposibilidad de combinar las informaciones comerciales y contables en un ambiente computacional que favorezca el análisis y contribuya a la toma de decisiones económico-financieras de manera pertinente, oportuna y confiable en el Grupo Empresarial CIMEX. La actividad comercial de la extensa red de más de 900 tiendas minoristas constituye uno de los baluartes de CIMEX y genera diariamente un gran volumen de datos. Resulta imprescindible mantener el control de los procesos principales que tienen lugar en cada uno de los establecimientos con el objetivo de brindar información actualizada a los analistas y directivos de la Corporación, así como a otras entidades del país. En el escenario comercial se realizan varias operaciones que provocan movimientos de entrada y salida en el inventario relacionadas con los conceptos compra y venta de mercancías, transferencias y ajustes, cuyo comportamiento se analiza a partir de un conjunto de indicadores comerciales. 3

4 La información contable es un poderoso instrumento para la administración de cualquier empresa. Se hace imprescindible entonces comprender los aspectos esenciales del proceso contable que termina con un producto final: los estados financieros. Castañeda, uno de los expertos cubanos en la materia, junto con un grupo de especialistas afirma La aplicación de técnicas adecuadas para realizar el análisis de los estados financieros permite conducir a la empresa a aquellos segmentos donde existan problemas. [11] Desde el punto de vista contable las operaciones diarias de CIMEX quedan reflejadas en numerosos registros. La contabilidad no solo incluye los conceptos comerciales compras, ventas, inventarios sino también recoge otros conceptos esenciales gastos, costos, bienes y derechos. Existen numerosos indicadores económicofinancieros que reflejan el estado contable del negocio. En este sentido, desde el año 2000 se han estado desarrollando diversas soluciones computacionales que han permitido mantener el control de los principales indicadores en los puntos de venta, así como han facilitado el análisis de las estadísticas minoristas en el Grupo Empresarial CIMEX. Por su parte, los indicadores económico-financieros se han presentado en aplicaciones independientes, lo que ha dificultado la conciliación de la información entre estos dos contextos esenciales del mismo negocio. La solución actual incluye almacenes de datos operacionales (ODS, del inglés Operational Data Store) como repositorio de datos, con detalle diario y frecuente actualización, para cada escenario. Se logra tener entonces los datos de manera centralizada y consolidada, brindando a los usuarios nuevas funcionalidades y el acceso web desde cualquier establecimiento a una misma información. Aun así los informes, ya sean comerciales o contables, se encuentran sujetos a esquemas predefinidos con posibilidades limitadas de navegación. Asimismo, en CIMEX se cuenta con un portal web para el apoyo a la toma de decisiones, denominado Sistema de Administración de Negocios (SAN), desarrollado desde el año SAN muestra reportes estáticos sobre diferentes procesos de negocio que se interrelacionan en la organización, brindando a los directivos un conjunto de aplicaciones que abarcan desde la etapa de planificación y ejecución de cada uno de los procesos hasta la evaluación mediante indicadores comerciales, cuadros de mando y emisión automática de boletines. De hecho, la mayoría de las aplicaciones desarrolladas Planificación de Demandas, Gestión de Compras, Reabastecimiento Automático responden directamente a los procesos del negocio y no a los sujetos de análisis. Hasta el momento no ha sido posible integrar las informaciones comerciales y contables ni comprobar el grado de correspondencia entre ellas con vistas a evaluar el funcionamiento de la organización. Tampoco se garantiza la información histórica que permita realizar análisis retrospectivos ni perspectivos que contemplen las transformaciones efectivas y posibles en el transcurso del tiempo durante la toma de decisiones. Entonces, el objetivo general de la investigación consiste en concebir, diseñar e implementar una nueva aproximación de solución de Inteligencia de Negocios que permita el análisis informacional integrando los datos contables y comerciales del Grupo Empresarial CIMEX, valorando las contribuciones y los inconvenientes del empleo de los modelos multidimensional y tabular al respecto. Una de las principales tareas en el desarrollo de una solución de inteligencia de negocios es identificar los requerimientos informacionales, que en este caso se resumen a continuación: Analizar el desempeño de las compras y/o ventas de productos o servicios en el comercio minorista. Obtener resúmenes del inventario y sus operaciones. Determinar el estado económico-financiero de las diferentes entidades. 4

5 Detallar las cuentas por cobrar y las cuentas por pagar. Validar la información comercial minorista con respecto a la información contable. Realizar análisis históricos de cada uno de los sujetos del negocio y su integración, así como determinar tendencias. Desde el punto de vista informacional la propuesta de solución de inteligencia de negocios se centra en el diseño e implementación de un almacén de datos orientado al análisis, que contendrá la información comercial y contable del Grupo Empresarial CIMEX. Para la presentación de los resultados se aprovecha el ambiente web existente en CIMEX sobre SharePoint proporcionándose además la navegación por los escenarios de análisis, la confección dinámica de consultas y el enriquecimiento de los efectos visuales. El modelo general de la solución propuesta se muestra en la Fig. 1. Fig. 1 Modelo general de la solución. El almacén de datos se basa en una arquitectura de datos de tres capas, propuesta por Devlin [12] y también conocida como Enterprise data warehouse [13] [14] [15]. Se identifican como componentes fundamentales: el data warehouse empresarial, el data warehouse informacional y la presentación de la información. Cabe apuntar que, aun cuando las fuentes constituyen almacenes de datos operacionales con sus procesos de carga respectivos, el diseño y la instrumentación del proceso de población del data warehouse se ha caracterizado por un examen minucioso de los datos disponibles en función de la calidad de la información suministrada para la toma de decisiones. La primera capa de datos corresponde a las fuentes de datos que poseen información de los procesos contables y comerciales relacionados con el comercio minorista en CIMEX. Esta capa está compuesta por tres almacenes de datos operacionales: ODS Comercial, ODS Contable y ODS Nomencladores, cada uno de los cuales contiene los datos respectivos provenientes de los sistemas operacionales de la Corporación. La segunda capa o capa de datos conciliados corresponde al data warehouse empresarial (DWE), el cual constituye un repositorio único que concilia la información contable y comercial disponiendo los datos para el análisis. El data warehouse empresarial es una base de datos relacional en Tercera Forma Normal preparada para almacenar la información histórica. La tercera capa o capa de datos derivados corresponde al warehouse informacional (WI), que posee un diseño orientado a apoyar la toma de decisiones de modo que los datos previamente conciliados se denormalizan y agrupan con el fin de garantizar buenos tiempos de respuestas durante la navegación y las consultas informacionales. La solución de inteligencia de negocios posee además una capa final de presentación de la información que proporciona mayor dinamismo a partir de la experiencia interactiva con los datos. En esta capa, utilizando herramientas como Power View sobre SharePoint y las tablas dinámicas de Excel, se pone a disposición de los usuarios funcionalidades de autoservicio tanto para la navegación como para la creación de nuevas consultas a partir de los datos comerciales y contables integrados e históricos. 5

6 En el diseño informacional del repositorio de datos se concibió la creación de estructuras multidimensionales que responden a los requerimientos generales. En particular, para cada uno de los sujetos del negocio se identificaron requerimientos informacionales específicos según las exigencias de los usuarios. Los sujetos del negocio modelados dentro del escenario comercial son Ventas, Compras, Inventario, Transferencias, Ajustes y Vales. Asimismo, en el escenario contable se modeló el Mayor General, las Cuentas por Cobrar y las Cuentas por Pagar. Una vez diseñadas las estructuras dimensionales de cada uno de los escenarios surge la necesidad de validar la información comercial a partir de la información contable, así como aprovechar las posibilidades de interrelacionar sujetos de análisis dadas por la integración de los escenarios. Para dar respuesta a estas necesidades se diseñó el esquema dimensional Validación de Ventas y se concibió el cubo virtual Análisis Comercial y Contable. Existen criterios de análisis o dimensiones que se comparten no solo entre los sujetos del negocio sino también entre los escenarios comercial y contable, tales como Producto, Entidad y Actividad. Entre los indicadores comerciales típicos considerados valdría mencionar el importe, la cantidad, la utilidad y el índice de margen comercial de las ventas de productos o servicios; así como el saldo de apertura, inicial y final, el crédito, el débito, el ingreso total por cuentas contables o actividades comerciales. En la figura 2a y la figura 2b se muestran los esquemas de dimensionales de Ventas y Mayor General respectivamente, los cuales son dos de los sujetos del negocio más representativos en la solución. Fig. 2a Esquema dimensional para las Ventas. Fig. 2b Esquema dimensional para el Mayor General. Como parte del diseño se modelaron las jerarquías entre los atributos presentes en cada una de las dimensiones. En particular, la dimensión Entidad representa los establecimientos de CIMEX e incluye tres jerarquías: Entidades, que representa la estructura organizacional y es una jerarquía no balanceada o parentchild; Comercio Minorista, que representa el vínculo entre los establecimientos que son las entidades que únicamente están relacionadas con el comercio minorista y es una jerarquía balanceada; y Clasificación Comercial, que categoriza los establecimientos y también es una jerarquía balanceada. Se identificaron a su vez aquellas dimensiones cuyos datos pueden ser modificados en el tiempo. Con vistas a almacenar la historia de los cambios que han ocurrido en las dimensiones, se decidió definir una llave sustituta en la dimensión y utilizar el método de añadir un nuevo registro con los cambios efectuados. [15] Una característica importante que ha de definirse en los modelos multidimensionales es la granularidad, que representa el nivel de detalle al que se almacenan los registros. La granularidad condiciona las posibilidades analíticas en el modelo resultante, extendiendo el examen en detalle hasta el nivel definido. Se decidió que en la aproximación concebida la granularidad corresponda al nivel mensual en la dimensión Período y al nivel de detalle en la dimensión Producto, tomando en consideración que el análisis contable en el Grupo Empresarial CIMEX se centra en la información mensual. La integración de los datos en las soluciones BI consiste en el proceso que pretende conciliar los datos en función de los requerimientos informacionales para ulteriormente derivar la información necesaria con vistas al análisis y la toma de decisiones. Agrupa un conjunto de técnicas y subprocesos que se encargan 6

7 de llevar a cabo las tareas relacionadas con la obtención, manipulación, depuración y actualización del almacén de datos. A este proceso también se le conoce con el nombre de Proceso de Extracción, Transformación y Carga (ETL, del inglés Extract, Transform and Load) que juega un papel primordial en la implementación de las soluciones de Inteligencia de Negocios. [16] Los procesos de extracción, transformación y carga que se diseñaron para la población del data warehouse empresarial se implementaron sobre la herramienta SQL Server Integration Services (SSIS) 2012 de Microsoft. También se contempló especialmente la depuración de los datos en términos de la detección de incongruencias o información omitida, sentando las bases para la instrumentación del proceso de notificación automática en aproximaciones ulteriores de la solución BI. Es importante señalar que en las fuentes de datos se tiene un mayor nivel de detalle respecto al diseño informacional concebido, por tal razón durante el diseño de la extracción de los datos se realizó una selección de aquellos atributos que se consideraron relevantes para el análisis informacional. Se hizo necesaria la conciliación de los datos con el objetivo de tener una única representación de las dimensiones compartidas, tomando de cada una de las fuentes aquellos elementos necesarios para la toma de decisiones. Además, como parte de la limpieza de los datos, se incluyó un tratamiento propio para los valores desconocidos. El proceso ETL implementado está compuesto por tres paquetes principales que se encargan de procesar las dimensiones, los hechos comerciales y los hechos contables. Estos paquetes son ejecutados de forma periódica desde el paquete central (ETL_Principal.dtsx), de modo que se actualice el repositorio de datos a partir del estado resultante de la ejecución anterior. El flujo de ejecución se implementó de manera que se realizara concurrentemente la población completa de las dimensiones. Sin embargo, atendiendo al nivel de complejidad, el proceso ETL se hacía muy costoso al procesar simultáneamente el volumen de datos de diferentes tareas. Entonces, para algunas dimensiones, como Entidad y DPA (División Político-Administrativa), las tareas se ejecutan de manera secuencial, mientras que para otras dimensiones, como Producto, se pueblan concurrentemente las jerarquías involucradas. Por su parte, las tablas de hechos correspondientes a los sujetos de análisis del data warehouse contienen un gran volumen de datos por lo que, a diferencia de las dimensiones, se pueblan aplicando previamente un filtro por períodos. Indicando el período inicial y el final de los datos a procesar en la ejecución del paquete respectivo de SSIS, cada componente que extrae los datos de las tablas de hechos (OLDB Source) iniciará el flujo con un subconjunto del conjunto total de datos almacenados en las fuentes. La población del data warehouse informacional corresponde a la implementación de las bases de datos analíticas en SQL Server Analysis Services Al instalar una instancia de un servidor SSAS se debe distinguir entre el Modo Multidimensional y el Modo Tabular, de ahí que la solución implementada consta de dos proyectos. En SQL Server Data Tools se definieron las estructuras multidimensionales y tabulares que responden a los diseños informacionales realizados al inicio. La fuente de datos en ambos casos está constituida por el data warehouse empresarial. Tanto en el modo multidimensional como en el tabular puede especificarse una base de datos relacional como origen de datos para las estructuras analíticas, permitiendo expresar la selección de las tablas que se utilizarán como una vista del origen de datos. De igual forma, ambos modos permiten añadir a la vista del origen de datos los resultados de una consulta, lo cual se utilizó para crear las estructuras denormalizadas para las dimensiones Entidad, Producto, Proveedor y Cuenta. 7

8 Otras transformaciones que pueden aplicarse a la vista del origen de datos son la creación de columnas calculadas, para lo cual se utiliza el lenguaje MDX en el modo multidimensional y el lenguaje DAX para el modo tabular. Asimismo, ambos modos tienen facilidades para la creación automática de las relaciones existentes entre los datos de las estructuras que nutren el data warehouse, si están especificadas en el origen de datos relacional. Una vez definida la disposición de los datos en el origen, se instrumentaron las estructuras para el data warehouse informacional según los esquemas dimensionales diseñados. En el modo tradicional cada esquema se implementó creando cubos multidimensionales con las medidas y las dimensiones respectivas. En el modo tabular las estructuras que responden a los esquemas dimensionales se implementan directamente en la vista del origen de datos mediante la selección de tablas, así como la definición de consultas y columnas calculadas. Las estructuras del modo tabular se crearon definiendo las jerarquías en las tablas de dimensiones y las medidas en las tablas de hechos, tal como estaba previsto en el diseño. Se han definido medidas en el data warehouse informacional que son semiaditivas, como Saldo Final. En el modo multidimensional el conjunto de funciones de agregación built-in incluye también facilidades para agregaciones semiaditivas, por lo que la implementación del Saldo Final y otras medidas similares se realizó de manera directa. En el modo tabular las funciones built-in no incluyen facilidades para las medidas semiaditivas, por lo que fue necesario instrumentarlas con fórmulas DAX. A continuación se presenta la fórmula DAX para la medida Saldo Final del Mayor General. Saldo Final := CALCULATE( SUM([SaldoFinal]), FILTER ('Mayor General', RELATED ('Período'[PeriodOrderedKey]) = MAX ('Mayor General', RELATED ('Período'[PeriodOrderedKey])))) El modo multidimensional brinda funcionalidades para la instrumentación de las jerarquías balanceadas y parent-child, a diferencia del modo tabular en el cual solo pueden definirse las balanceadas. Consultando la bibliografía [17] se encontró un artículo que explicaba cómo utilizar funciones DAX para definir jerarquías no balanceadas en el modo tabular. De tal manera se pudo crear una jerarquía balanceada con las columnas calculadas definidas para representar la jerarquía parent-child en la jerarquía Entidad. Este procedimiento tiene como desventaja el requisito de conocer a priori la cantidad de niveles, lo cual no es posible en todos los contextos. Una vez creadas las estructuras multidimensionales y tabulares, se implementaron dos procesos ETL para la población de las bases de datos informacionales respectivas empleando una tarea del tipo Analysis Services Processing Task. Este proceso se realizará periódicamente mediante Jobs de SQL Server Agent. La solución propuesta también incluye la presentación de la información, aprovechando las facilidades de las tablas dinámicas de Excel y la riqueza visual de Power View. Además, se publican en un sitio de SharePoint informes que responden a un conjunto de consultas frecuentes y que los directivos pueden editar según sus intereses. La visualización se realiza sobre el portal web de CIMEX para el apoyo a la toma de decisiones, lo que favorece el análisis informacional sobre las estructuras dimensionales instrumentadas. Por último, con el propósito de validar la solución propuesta se diseñaron cuatro experimentos que responden a las principales fases en la implementación y la presentación de los resultados. Por el gran volumen de datos existente en los sistemas fuentes, desde el año 2010 hasta la actualidad, en el escenario comercial se utilizaron los datos de tres de las principales sucursales de CIMEX en Cuba: Pinar del Río, Holguín y La Habana. En el escenario contable se emplearon los datos de todas las entidades de CIMEX. Los experimentos diseñados se ejecutaron en un servidor de CIMEX con las características siguientes: Sistema 8

9 Operativo: Windows Server 2008 R2 Standard (Service Pack 1), Procesador: Dual-Core AMD Opteron(tm) Processor 2218, 2.60 GHz, Memoria RAM: 3.00 GB, Arquitectura: 64 bit. El primer experimento consiste en analizar la capacidad de la solución implementada para la población del data warehouse empresarial. Se ejecutaron los procesos ETCL para cargar los datos comerciales y contables de CIMEX en tres fases, diseñadas con el objetivo de analizar los tiempos de ejecución tanto para la población inicial como para la actualización periódica. Se comprobó que los procesos ETCL funcionan correctamente con tiempos aceptables. Se cargaron 1.2 millones de registros de dimensiones en 40 min. y 830 mil registros de hechos de un mes (marzo/2013) en 42 min., ocupándose finalmente un espacio de 2.6 Gb. Este experimento es independiente de los modelos multidimensional y tabular. En el segundo experimento se analiza el comportamiento de los procesos ETL para la población del warehouse informacional en los modos multidimensional y tabular, a partir del procesamiento de los datos de un mes (marzo/2013). Pudo concluirse que en cuanto a tiempo de procesamiento el modo tabular es más rápido que el modo multidimensional obteniéndose resultados totales de 36 min. y 51 min. respectivamente. Este resultado responde principalmente al almacenamiento por columnas y a las prestaciones del motor analítico xvelocity. La base de datos tabular ocupó un espacio 230 Mb y la multidimensional de 620 Mb, dado que la primera aprovecha más la RAM. En el tercer experimento se compararon ambos modelos en cuanto a eficacia y eficiencia en SQL Server Analysis Services 2012 a partir de seis consultas con diferentes niveles de complejidad, ejecutadas cinco veces cada una para realizar mediciones más confiables. Aun cuando los resultados de las consultas fueron iguales, resulta interesante destacar el comportamiento desigual en el consumo de memoria RAM, ocupando más recursos el modo tabular. Debe señalarse que el comportamiento del tiempo de ejecución varía entre una consulta y otra, atendiendo al nivel de complejidad demandado. Es preciso apuntar que para una consulta no se completó el procesamiento en el modo tabular. Se desarrolló un cuarto experimento con el objetivo de explorar la capacidad de la solución implementada para responder al análisis informacional y a las expectativas en relación con la visualización de los resultados, a partir de un conjunto de consultas elaboradas según los requerimientos informacionales. Para ello, se crearon informes de Excel y de Power View sobre las estructuras multidimensionales y tabulares respectivamente, garantizando las consultas dinámicas y el enriquecimiento visual. Conclusiones Como resultado del presente trabajo se concibió, diseñó e implementó una nueva aproximación de solución de inteligencia de negocios para el Grupo Empresarial CIMEX, en la que se integra la información comercial y la información contable en función de satisfacer los requerimientos informacionales individuales y concertados. Se incursiona en las características del clásico modelo dimensional y el nuevo modelo tabular, así como en las funcionalidades de herramientas de visualización, en función de agilizar y enriquecer el ambiente analítico puesto a disposición de los ejecutivos. Se constató que el modelo tabular no constituye un aporte conceptualmente diferente, sino una implementación alternativa del modelo dimensional para la herramienta de procesamiento analítico SQL Server Analysis Services Puede concluirse que las bondades en cuanto a eficiencia del modo tabular con un gran volumen de datos requieren de elevados recursos de hardware. Esta solución da inicio al desarrollo de soluciones computacionales que integren múltiples escenarios y brinden una experiencia de autoservicio a los ejecutivos y analistas de CIMEX en relación con la generación de consultas al vuelo y la creación de informes respaldados visualmente. Por último, se considera 9

10 también que están sentadas las bases para futuras aplicaciones de descubrimiento de conocimiento que enriquezcan la toma de decisiones en el grupo empresarial. Bibliografía [1] R. D. Bernabeu, HEFESTO. Data Warehousing: Investigación y Sistematización de Conceptos. Hefesto: Metodología para la Construcción de un Data Warehouse, Córdoba, Argentina, [2] L. García Hernández, R. Oliva Santos, H. Prendes Arencibia, L. Velázquez Vidal y M. Véliz Monteagudo, «La Inteligencia de Negocios desde la perspectiva de los datos,» 4to Evento Nacional de Informática/08, Cuba, [3] N. Pendse, «OLAP Architectures,» The OLAP Report, Febrero [En línea]. Available: [Último acceso: Mayo 2013]. [4] L. Velázquez Vidal, «Herramienta genérica para la población del Data Warehouse Informacional,» Tesis en opción del título de Máster en Ciencia de la Computación. Universidad de La Habana, Cuba, [5] M. López, «Microsoft SQL Server 2012 Denali Cuales son sus novedades?,» Blog Clave i, 28 Febrero [En línea]. Available: %C2%BFcuales-son-sus-novedades/. [Último acceso: 14 Junio 2012]. [6] T. Lachev, Applied Microsoft SQL Server 2012 Analysis Services: Tabular Modeling, [7] P. Myers, «Introducing the BI Semantic Model in Microsoft SQL Server 2012,» [8] L. Vitt y S. Cameron, «Choosing a Tabular or Multidimensional Modeling Experience in SQL Server 2012 Analysis Services,» [En línea]. Available: [Último acceso: 22 Noviembre 2012]. [9] MSDN Library, «Understanding the Tabular Object Model,» [En línea]. Available: [Último acceso: 16 Enero 2013]. [10] MSDN Library, «Tabular Modeling (SSAS Tabular),» [En línea]. Available: [Último acceso: 16 Enero 2013]. [11] A. D. Castañeda, A. González Torres, J. C. del Toro Ríos, B. Arencibia Sosa y C. M. Santos Cid, «Análisis e Interpretación de Estados Financieros,» Centro de Estudios Contables Financieros y de Seguros (CECOFIS), La Habana, Cuba, [12] B. Devlin, «Data Warehouse from Architecture to Implementation,» Addison Wesley Longman, Inc., [13] C. Ballard, D. M. Farrell, A. Gupta, C. Mazuela y S. Vohnik, «Dimensional Modeling: In a Business Intelligence Environmment,» International Business Machines Corporation, United States of American, [14] R. Kimball and M. Ross, The Data Warehouse Toolkit : The Complete Guide to Dimensional Modeling, Second Edition ed., United States of America: Wiley Computer Publishing, [15] M. Véliz Monteagudo, «Herramienta genérica para la población del Data Warehouse Empresarial,» Tesis en opción del grado de Máster en Ciencia de la Computación. Universidad de La Habana, Cuba, [16] J. L. Cano, «Business Intelligence: Competir con Información,» Universidad Ramon Llull. Escuela Superior de Administración y Dirección de Empresas (ESADE), Barcelona, España, [17] A. Ferrari, «Parent/Child Hierarchies in Tabular with Denali,» THE SQL Server Blog Spot on the Web, [En línea]. Available: [Último acceso: 15 Abril 2013]. 10