Autorizada la entrega del proyecto del alumno/a: María Aldehuela Lucena. En Madrid a 10 de junio de 2005 EL DIRECTOR DEL PROYECTO. Juan Paredes Lozano

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

Download "Autorizada la entrega del proyecto del alumno/a: María Aldehuela Lucena. En Madrid a 10 de junio de 2005 EL DIRECTOR DEL PROYECTO. Juan Paredes Lozano"

Transcripción

1 Autorizada la entrega del proyecto del alumno/a: María Aldehuela Lucena En Madrid a 10 de junio de 2005 EL DIRECTOR DEL PROYECTO Juan Paredes Lozano Fdo.: Fecha: / / Vº Bº del Coordinador de Proyectos Miguel Ángel Sanz Bobi Fdo.: Fecha: / / 1

2 UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO INFORMÁTICO PROYECTO FIN DE CARRERA ANÁLISIS COMPARATIVO ENTRE MÉTODOS ESTADÍSTICOS Y DE MINERÍA DE DATOS MARÍA ALDEHUELA LUCENA MADRID, Junio

3 RESUMEN El presente proyecto trata de un estudio en profundidad de las técnicas existentes para extraer de los datos un conocimiento no implícito en los mismos y que puede ser de gran utilidad para la toma de decisiones de negocio. De esta forma se analizan las distintas técnicas estadísticas y de minería, su utilidad, en qué casos puede aplicarse cada una de ellas, cuáles pueden resultar más óptimas según los datos de los que se disponga y los requisitos de partida y cómo deben interpretarse los resultados obtenidos. La motivación principal para desarrollar este proyecto ha sido llevar a cabo un acercamiento al mundo de Business Intelligence, Data Warehousing y Data Mining tan demandado en la actualidad y, en gran parte, aún desconocido. Una de las áreas más potentes dentro de Business Intelligence es el Data Mining o minería de datos que permite obtener a partir de los datos disponibles un conocimiento oculto en los mismos que puede ayudar a descubrir patrones de comportamiento, evitar errores de gestión, segmentar mercados, descubrir nuevas oportunidades de negocio... Existen dos enfoques o áreas dentro del Data Mining: las técnicas clásicas de Estadística y las de minería de datos propiamente dicha que derivan, en su mayoría, de las aportaciones de la Inteligencia Artificial como las redes neuronales, lógica borrosa, mecanismos de aprendizaje automático... Las funciones estadísticas ofrecen diversos métodos de pronóstico para dar apoyo a la toma de decisiones empresariales. Aunque no son propias de minería de datos (se utilizaban mucho antes de que surgiera este concepto), resultan de gran utilidad a la hora de descubrir patrones o elaborar modelos de predicción. Pueden emplearse para obtener más información sobre los datos, lo que permitirá tomar decisiones más acertadas cuando se apliquen los procesos de minería. Algunos ejemplos de estas técnicas son la regresión lineal, el Análisis Factorial, el Análisis de Componentes Principales... Mientras que entre las técnicas de minería destacan el Clustering, la Clasificación, la Predicción... 3

4 Cuál es la diferencia entre ambas? No es una pregunta fácil de responder; tanto el éxito de las técnicas de minería como el de las estadísticas dependen de los mismos factores: datos depurados, fiables, bien definidos y validados. Además la mayoría de las técnicas se aplican para la resolución del mismo tipo de problemas (predicción, clasificación...). Podríamos quizás señalar como diferencia que las técnicas de minería tienden a ser más robustas y fáciles de aplicar para usuarios poco experimentados. Por otra parte requieren por lo general mayor potencia de cálculo, lo que hoy en día ya no supone un problema. En el presente proyecto se pretende por tanto demostrar cómo la estadística clásica se integra con la minería para ofrecer resultados más completos y precisos. Para comprender mejor el funcionamiento de cada una de estas técnicas, se aplican a un caso práctico orientado al área de climatología, permitiendo analizar resultados reales y ver ejemplos concretos, que muestren su utilidad. Los datos a utilizar son varias tablas estadísticas de climatología obtenidas del INE (Instituto Nacional de Estadística), que contienen información mensual referida a las temperaturas, precipitaciones, humedad relativa, horas de sol...de las distintas regiones de España durante varios años. Como aplicación del conocimiento adquirido, se combinarán técnicas estadísticas y de minería a un caso concreto de estudio: la predicción de los efectos del calentamiento global sobre las precipitaciones y, como consecuencia, sobre la ocupación de los embalses de España. Por su conocimiento, y disponibilidad del Software necesario, se ha optado por la utilización de DB2 Intelligent Miner for Data. Esta herramienta es muy completa, puesto que integra varias técnicas estadísticas con las de minería por lo que resulta muy apropiada para el análisis comparativo a realizar. 4

5 PROJECT ABSTRACT The current project is an in depth study on the available methods for extracting knowledge from data to support critical business decisions. Statistical and data mining techniques are analyzed, making recommendations based on best use and original requirements, as well as suitability depending on case studies and data available. Additionally, guidelines are provided to help interpret the output data. The project s main goal is to conduct a comprehensive approach among Business Intelligence, Data Warehousing and Data Mining, so much in demand and yet unknown. Data Mining, one of the most potential areas in Business Intelligence, extracts hidden knowledge from the available data which can help obtain behavior patterns, trends, support decision making, market research, new business opportunities Data Mining has two building blocks: traditional statistical methods and data mining itself originated from Artificial Intelligence such as neural networks, fuzzy logic, self automated learning methods... Statistics provide several forecasting techniques that support corporate management decisions. Not being inherent to data mining (used well before this concept arrived) it has been considerably useful to discover patterns and develop predictive modeling. These algorithms can also be used to obtain more information on the data which will allow better decision taking after data mining processes are implemented. Some of these techniques are linear regression, factorial analysis, main components analysis... Outstanding among mining techniques : clustering, classification, prediction. If we question about the difference between them, the answer is not simple; as the success in data mining and statistics depend on the same factors: refined data, reliable, well defined and validated. Furthermore, most of the techniques are used for solving the same type of problems (prediction, classification ) 5

6 We can also consider as differentiating facts the robustness and easy implementation of mining techniques by non skilled users. On the other hand they require much more computing power, not being a problem with today s technologies. This project intends to describe how traditional statistics integrate into data mining to offer more accurate and complete results. To better understand each of these techniques we describe a case study of climate, showing real analytical results and specific samples which test its usefulness. Data used come from climate statistical tables provided by INE (National Institute of Statistics), with monthly information on temperatures, rainfall, relative humidity, daylight sun from the different regions of Spain during several years As an acquired knowledge application, both statistical and mining techniques were used in the case study: prediction of global warming effect based on the rainfalls and dam water levels. Based on knowledge and product availability, DB2 Intelligent Miner for Data was chosen. This tool is quite complete as it integrates statistical and mining techniques being most suitable for the required comparative analysis.. 6

7 ÍNDICE DE CONTENIDOS MEMORIA Objetivos Consideraciones PRESUPUESTO INTRODUCCIÓN A BUSINESS INTELLIGENCE Principales conceptos utilizados Evolución de los sistemas de información Utilidad de los sistemas de Business Intelligence Sistemas Data Warehouse Historia Diferencia con las bases de datos operacionales Modelos de datos empleados Arquitectura Herramientas Business Intelligence Minería de datos Intelligent Miner for Data TÉCNICAS DE ANÁLISIS Técnicas estadísticas Consideraciones Categorización de datos Regresión lineal Ajuste de curva univariable Análisis de componentes principales Análisis Factorial Estadísticas Bivariables Técnicas de minería Asociaciones Clustering Clustering neuronal

8 Clustering demográfico Patrones secuenciales Secuencias semejantes Clasificación Clasificación en árbol Clasificación neuronal Predicción Función de base radial FBR Predicción neuronal IMPLEMENTACIÓN PRÁCTICA: CLIMATOLOGÍA Datos disponibles Base de datos Base de minería Técnicas de estadística A) Regresión lineal B) Ajuste de curva univariable C) Análisis de Componentes Principales D) Análisis Factorial E) Estadísticas Bivariables Técnicas de minería A) Asociaciones B) Clustering Demográfico C) Clustering Neuronal D) Patrones secuenciales E) Secuencias semejantes F) Clasificación en árbol G) Clasificación neuronal H) Predicción CASO DE ESTUDIO Efecto invernadero Embalses españoles

9 4.3- Análisis Evolución temporal de cada cuenca hidrográfica Relación entre precipitaciones y ocupación de embalses Evolución temporal de las precipitaciones Predicción de la ocupación de embalses a 5 años COMPARATIVA ESTADÍSTICA MINERÍA Recursos Planificación temporal de actividades Conclusiones APÉNDICE A - Glosario de términos APÉNDICE B - Tablas estadísticas Bibliografía

10 MEMORIA El presente proyecto trata de un análisis en profundidad de las distintas técnicas existentes para extraer de los datos un conocimiento oculto en los mismos y que puede ser de gran utilidad para la toma de decisiones de negocio. De este modo se estudian las distintas técnicas estadísticas y de minería, su utilidad, en qué casos puede aplicarse cada una de ellas, cuáles pueden resultar más óptimas según los datos de los que se disponga y los requisitos de partida y cómo deben interpretarse los resultados obtenidos. La motivación principal para desarrollar este proyecto ha sido llevar a cabo un acercamiento al mundo de Business Intelligence, Data Warehousing y Data Mining tan demandado en la actualidad y, en gran parte, aún desconocido. Cabe destacar además la utilidad de las estrategias de Business Intelligence, que permiten tener a mano la información más relevante de operación de una forma rápida, flexible y oportuna. De esta forma se promueve una gestión y una toma de decisiones proactiva, necesaria para aprovechar oportunidades de negocio futuras. Debido al incremento de la competitividad en los negocios es vital para las empresas conseguir tanto una efectividad en los costes como un rápido acceso a la información de negocio para la totalidad de los usuarios. Estas cuestiones quedan resueltas a través de la implantación de un sistema de Business Intelligence, que proporciona un conjunto de tecnologías y productos para proveer a los usuarios de la información demandada en la toma de decisiones de negocio de carácter estratégico o táctico. Una de las áreas más potentes dentro de Business Intelligence es el Data Mining o minería de datos que permite obtener a partir de los datos disponibles un conocimiento oculto en los mismos que puede ayudar a descubrir patrones de comportamiento, evitar errores de gestión, segmentar mercados, descubrir nuevas oportunidades de negocio... 10

11 Objetivos Por tanto el principal objetivo de este proyecto es describir cada una de las técnicas estadísticas y de minería existentes para descubrir toda su potencia y utilidad y ver cómo se complementan entre sí. Las funciones estadísticas ofrecen diversos métodos de pronóstico para dar apoyo a la toma de decisiones empresariales. Aunque no son propias de minería de datos (se utilizaban mucho antes de que surgiera este concepto), resultan de gran utilidad a la hora de descubrir patrones o elaborar modelos de predicción. Pueden emplearse para obtener más información sobre los datos, lo que permitirá tomar decisiones más acertadas cuando se apliquen los procesos de minería. Para comprender mejor el funcionamiento de estas técnicas, se aplican a un caso práctico orientado al área de climatología, permitiendo analizar resultados reales y ver ejemplos concretos, que muestren su funcionamiento. Se pretenden por tanto cubrir los siguientes objetivos: Construir un modelo de minería en el que: o analizar los procesos de preparación de datos previos a la aplicación de las técnicas de minería. 11

12 o mostrar la sensibilidad de los cada método estadístico y de minería con casos ejemplo. o probar distintas alternativas de solución de un mismo problema, comparando los resultados obtenidos en cada caso o comparar distintos algoritmos para un mismo método (por ejemplo clasificación en árbol y mediante redes neuronales). La temática elegida es la climatología. Aplicar el conocimiento adquirido a un caso de estudio sobre la predicción de los efectos del calentamiento global sobre las precipitaciones y, como consecuencia, sobre la ocupación de los embalses de España. Conocer el uso de una herramienta Software de Data Mining. Extraer una serie de conclusiones sobre qué técnicas deben aplicarse en cada caso, cómo hacerlo y cómo interpretar los resultados obtenidos para optimizar las decisiones de negocio. Se seguirán las siguientes etapas en el desarrollo del proyecto: 1. Documentación y recolección de información. Para familiarizarse con los conceptos principales de las áreas de Business Intelligence, Data Warehousing y Data Mining. 2. Análisis. Se partirá de un análisis previo de las siguientes técnicas estadísticas: Regresión lineal Ajuste de curva univariable Análisis de componentes principales (ACP) Análisis Factorial (AF) Estadísticas Bivariables y de minería de datos: 12

13 Asociaciones Clustering o Neuronal o Demográfico Patrones Secuenciales Secuencias Semejantes Clasificación o En árbol o Neuronal Predicción o Función de Base Radial (FBR) o Neuronal 3. Construcción del modelo de datos. Se diseñará una base de datos que contenga la información de climatología a utilizar. 4. Construcción del modelo de minería. Se creará una base de minería que tendrá como entrada la base de datos de climatología definida anteriormente. Sobre ella se aplicarán cada una de las técnicas estadísticas y de minería descritas, y se extraerán conclusiones sobre los resultados obtenidos. 5. Caso de estudio: Efecto invernadero. Como aplicación del conocimiento adquirido, se combinarán técnicas estadísticas y de minería a un caso concreto de estudio: la predicción de los efectos del calentamiento global sobre las precipitaciones y, como consecuencia, sobre la ocupación de los embalses de España. 6. Conclusiones. 13

14 Por último se extraerá una serie de conclusiones prácticas sobre el uso y aplicabilidad de las distintas técnicas, señalando cuál resulta más óptima en cada caso y analizando como la estadística complementa a la minería. Consideraciones La dimensión temporal de los datos disponibles no resulta en ocasiones los suficientemente amplia para extraer concusiones a largo plazo, puesto que de la mayoría de las variables climatológicas en análisis sólo se disponen de datos de 6 años. Por ello no habrá que olvidar que el objetivo de este proyecto no es otro que construir los modelos de minería que, aplicados sobre datos más numerosos (simplemente cambiando la entrada de información) ofrecerían unos resultados mucho más completos y extensibles en el tiempo. 14

15 PRESUPUESTO El presupuesto necesario para la realización de este proyecto es el que sigue: Mano de obra Días de trabajo 201 Horas de trabajo 4 Total Horas 804 Coste Hora 10 Coste Total 8040 Recursos HW ThinkPad T22 Pentium III 512 RAM 1200 DB2 UDB v SW DB2 Intelligent Miner for Data v Total Por lo tanto el presupuesto necesario es de

16 1-INTRODUCCIÓN A BUSINESS INTELLIGENCE En la lucha por tener éxito en el competitivo mercado de hoy en día, la capacidad de acceder a la información y analizarla ha cobrado más importancia que nunca. Con el fin de mejorar los procesos empresariales, medir el éxito y tomar decisiones de negocio acertadas, las organizaciones requieren un fácil acceso a sus bases de información. Satisfacer esta demanda se ha convertido en un reto continuo. El análisis de la información ofrece a los empleados la posibilidad de utilizar los datos decisivos para tener éxito. Sin embargo, los tipos de acceso y análisis de la información requeridos pueden variar en gran medida entre los diferentes tipos de usuarios. Por ejemplo, los ejecutivos de la alta dirección, los analistas empresariales, profesionales de la informática y otros no solamente accederán a grupos de datos distintos, sino que analizarán esta información para diferentes propósitos. Por esta razón, las empresas necesitan un conjunto integrado de productos que pueda ofrecer una gama completa de capacidades y funcionalidad de inteligencia empresarial. Una solución completa de análisis de la información debe hacer más que sólo proporcionar acceso a los datos. También debe permitir a los usuarios analizar los datos de diversas formas, permitiéndoles anticipar las tendencias comerciales y evaluar hipótesis. Este tipo de análisis promueve una gestión y una toma de decisiones proactiva, necesaria para aprovechar oportunidades futuras. Las estrategias de Business Intelligence permiten tener a mano la información más relevante de operación de una forma rápida, flexible y oportuna. Las herramientas que integra consolidan la información de las distintas áreas, mejorando el proceso de decisión. Business Intelligence es una alternativa tecnológica y de administración de negocios, que cubre los aspectos del manejo de información para la toma de decisiones, desde su extracción en los sistemas, depuración, transformación, el diseño de estructuras de datos o modelos especiales para el almacenamiento de datos hasta la explotación de la información mediante herramientas comerciales de fácil uso para los usuarios. A partir de los datos disponibles obtiene un conocimiento no implícito en los mismos que puede 16

17 ayudar a descubrir patrones de comportamiento, evitar errores de gestión, segmentar mercados, descubrir nuevas oportunidades de negocio... Muchos de los conceptos de Business Intelligence no son nuevos pero han evolucionado y han sido redefinidos a partir de la experiencia adquirida con los sistemas de información y, más recientemente, con las aplicaciones de Data Warehouse. Debido al incremento de la competitividad en los negocios es vital para las empresas conseguir tanto una efectividad en los costes como un rápido acceso a la información de negocio para la totalidad de los usuarios. Estas cuestiones quedan resueltas a través de la implantación de un sistema de Business Intelligence, que proporciona un conjunto de tecnologías y productos para proveer a los usuarios de la información demandada en la toma de decisiones de negocio de carácter estratégico o táctico. Principales conceptos utilizados Antes de entrar en más detalle en las técnicas de Business Intelligence, conviene tener clara la terminología empleada: Bases de Datos Operacionales: Bases de datos detalladas definidas para satisfacer las necesidades de información de procesos de negocio en ocasiones muy complejos. El modelo de datos está normalizado para evitar redundancias y un doble mantenimiento. OLTP: On-line Transaction Processing describe a los sistemas que trabajan con datos operacionales La información es detallada y está en continua actualización. Data Warehouse: Base de datos orientada a temas, con datos integrados, no volátiles (la información no cambia continuamente), y que perduran en el tiempo (lo que permite seguir la evolución del sistema). Contiene además información de negocio (datos informacionales: históricos, totales, medias, porcentajes...) que le permiten a la alta dirección seguir el progreso de su empresa. Data Mart: Contiene los datos de negocio de especial interés para un determinado departamento, unidad de negocio o grupo de usuarios con las 17

18 mismas necesidades de información. Al igual que un Data Warehouse, almacena información histórica y operaciones precalculadas para optimizar el acceso. Un Data Mart es en efecto un Data Warehouse departamental. Fuente de datos externa: Proporciona aquellos datos que son necesarios para garantizar la calidad de la información en el Data Warehouse y que no se encuentran en los sistemas OLTP. OLAP: On-line Analytical Processing es una tecnología SW que permite a los analistas, directivos y ejecutivos comprender la información de negocio de una forma rápida e interactiva. Para ello se sirve de diversas vistas que presentan los datos desde diferentes dimensiones, lo que permite realizar comparaciones, simular escenarios futuros y entender mejor las relaciones entre los datos. En el caso de bases de datos relacionales hablaremos de ROLAP (Relational Online Analytical Processing), para multidimensionales de MOLAP (Multidimensional On-line Analytical Processing) y de HOLAP (Hybrid On-line Analytical Processing) en caso de modelos mixtos. Metadata: Información sobre los propios datos almacenados como una descripción de tablas y campos, tipos de datos, rango de valores permitidos, procesos de transformación... 18

19 Drill Down: Capacidad para navegar a través de la información siguiendo una estructura jerárquica. En la siguiente figura se muestra un pequeño ejemplo: Drill Across: Capacidad para navegar a través de la información saltando por las distintas dimensiones en modelos multidimensionales. 19

20 Diferencia entre bases de datos operacionales e informacionales: La mayor diferencia entre estos dos modelos de bases de datos reside en la frecuencia de actualización de la información: o En los sistemas operacionales se llevan a cabo un gran número de transacciones cada hora por lo que los datos están siempre actualizados y reflejan la situación de la empresa en ese momento del tiempo. o Los sistemas informacionales permanecen estables durante un periodo de tiempo, finalizado el cual se realiza un proceso de carga (en horario que no afecte a producción) que extrae los cambios y los nuevos registros de los sistemas operacionales, actualizando la base de datos informacional. Minería de datos: Proceso de extraer de los datos un conocimiento válido, de utilidad y antes desconocido para mejorar la toma de decisiones de negocio. 20

21 Evolución de los sistemas de información Algunas de las primeras cuestiones que nos pueden surgir al describir los objetivos de un sistema de Business Intelligence son Proporciona un Data Warehouse las mismas funcionalidades que un sistema de Business Intelligence? un Data Warehouse es similar a los clásicos sistemas de información implementados en la mayoría de las empresas? Aunque en un primer momento podemos responder de forma afirmativa a ambas cuestiones, un análisis detallado nos muestra que existen importantes diferencias entre estos sistemas. Siguiendo la evolución de los sistemas de información podemos distinguir tres generaciones: Primera Generación Sistemas Host: Los primeros sistemas de información empleaban programas batch para proporcionar a los usuarios la información demandada en forma de consultas e informes. La salida de estas aplicaciones típicamente consistía en grandes volúmenes de hojas que los usuarios tenían que analizar para responder a cuestiones de negocio. Con la llegada de las aplicaciones de tiempo compartido, estos sistemas ganaron rapidez en el acceso a la información, pero continuaban siendo incómodos de utilizar y requerían acceso a bases de datos operacionales muy complejas. Por tanto esta primera generación de sistemas sólo podía ser utilizada por usuarios avanzados con un amplio conocimiento en el manejo de los datos (por ejemplo, analistas de negocio). Los ejecutivos de la dirección dependían por tanto del análisis suministrado por terceros con el consiguiente retraso en el tiempo. Segunda Generación Data Warehouse: La segunda generación de los sistemas de información llegó con el Data Warehouse que supuso un gran avance en las prestaciones puesto que permite almacenar la totalidad de la información de una empresa en un repositorio único con un formato de datos común. 21

22 El uso de la arquitectura cliente-servidor proporciona a los usuarios una mejora en los interfaces y unas herramientas de soporte a la toma de decisiones más potentes. Este tipo de sistemas se verá a continuación con más detalle. Tercera Generación Business Intelligence: Un Data Warehouse no es aún una solución completa para satisfacer la necesidades de los usuarios de negocio. Una debilidad de muchos de estos sistemas es que los proveedores con frecuencia se centran únicamente en la tecnología en vez de en las soluciones de negocio. Hay que tener en cuenta además el gran esfuerzo necesario para la implantación completa de un Data Warehouse así como de las herramientas de acceso al mismo. A esto hay que sumarle el hecho de que los productos de Data WareHouse rara vez vienen agrupados en paquetes predefinidos para industrias determinadas o áreas de aplicación específicas. Otro error que suele cometerse al implantar un Data Warehouse es centrase en la construcción del almacén de datos, olvidándose del acceso al mismo. Si la información contenida en el Data Warehouse no está bien documentada y es comprensible y fácil de acceder por los usuarios, éstos no sacarán del sistema el rendimiento esperado. Los sistemas de Business Intelligence se centran en mejorar el acceso a la información de negocio. Para ello se sirven de herramientas gráficas, OLAP (online analytical processing) y de minería de datos. Previsiblemente, necesitarán procesar y analizar grandes volúmenes de información, por lo que parámetros como la escalabilidad e integración de productos de distintos fabricantes no deben ser olvidados. La información almacenada en un Data Warehouse procede con frecuencia de bases de datos operacionales (y en algunos casos de fuentes externas). Sin embargo una parte importante de la información está contenida en la oficina, sistemas de trabajo, servidores web de las intranets corporativas, Internet, en papel...para resolver este problema, los sistemas de Business Intelligence están diseñados para soportar el acceso a todos los formatos de información de negocio, no sólo a los datos almacenados en el propio Data Warehouse. 22

23 El hecho de tener un sistema de Business Intelligence no descarta la necesidad de un Data Warehouse central un Data Warehouse es simplemente una de las fuentes de datos manejada por un sistema de Business Intelligence. Como vemos, un sistema de Business Intelliegence constituye una tercera generación en los sistemas de información y presenta principalmente tres ventajas: o Oferta de soluciones específicas en paquetes predefinidos. o Sistemas centrados en optimizar el acceso de los usuarios finales a la información de negocio o Soporte de todos los formatos de información, no sólo de la almacenada en un Data Warehouse. La siguiente figura muestra la estructura global de un sistema de Business Intelligence: 23

24 Utilidad de los sistemas de Business Intelligence Las operaciones diarias de cualquier empresa generan gran cantidad de datos a almacenar: pedidos, inventarios, facturación, transacciones...sin olvidar los datos procedentes de fuentes externas como las listas de distribución por mail. El hecho de ser capaces de consolidar y analizar toda esta información para optimizar las decisiones de negocio puede ser el factor que diferencie a la empresa de sus competidoras. Para que esto sea posible será necesario disponer de las aplicaciones y herramientas necesarias para el análisis y, más importante todavía, de unos datos consistentes y en el formato adecuado. Sistemas Data Warehouse Data Warehouse es el centro de la arquitectura para los sistemas de información en la década de los 90. Soporta el procesamiento informático al proveer una plataforma sólida, a partir de los datos históricos para hacer el análisis. Facilita la integración de sistemas de aplicación no integrados. Organiza y almacena los datos que se necesitan para el procesamiento analítico, informático sobre una amplia perspectiva de tiempo. Un Data Warehouse es una colección de datos orientado a temas, integrado, no volátil, de tiempo variante, que se usa para el soporte del proceso de toma de decisiones empresariales. Historia El concepto de Data Warehouse surgió a partir de los sistemas expertos y las técnicas de Inteligencia Artificial que alcanzaron mayor auge en la década de los 80. El objetivo de los sistemas expertos era el de emular el comportamiento humano, automatizando en lo posible la toma de decisiones. Para ello era necesario crear una base de conocimiento que contuviera todas las reglas que rigen el comportamiento de un experto. La Inteligencia Artificial desarrolló una serie de técnicas que permitían que los sistemas expertos desarrollados aprendiesen con la experiencia y fueran capaces de modificar las reglas de actuación según el nuevo conocimiento adquirido. 24

25 A pesar de todo fueron muy poco los sistemas expertos desarrollados con éxito debido a varias razones: Ausencia de la tecnología necesaria. Carencia de una metodología estándar de desarrollo. No existencia de un repositorio central de datos. En la misma época surgió el concepto de Ingeniería de la Información (Information Engineering IE) que consistía en una metodología que ayudaba a las empresas a entender el significado de los datos de negocio y las relaciones entre los mismos. A diferencia de los sistemas expertos, la Ingeniería de la Información era más fácil de entender y constaba de una metodología estándar, además de ofrecer buenos resultados, por lo que durante varios años alcanzó gran éxito y difusión. Con las redes locales (LANs) apareció la posibilidad de distribuir la capacidad de proceso, por lo que los sistemas Data Warehouse entraron en escena como una solución viable de almacenar la información, unificando conceptos de Ingeniería de la Información, Sistemas Expertos e Inteligencia Artificial. Del primero heredó el modelo de arquitectura de datos y de los otros dos la toma de decisiones. Objetivo El principal objetivo de un Data Warehouse es almacenar grandes volúmenes de datos previamente transformados a unos valores y formato fácilmente comprensibles. Un Data Warehouse constituye un repositorio central para una empresa, proporcionando información consistente y de alta calidad para la toma de decisiones estratégicas o tácticas. Su fuente de información suele ser un sistema operacional clásico del que toma los datos de negocio, les aplica unos procesos de transformación y carga para conseguir una información consistente y con valores estándar y realiza operaciones con ellos almacenando los resultados como un dato más. De esta forma medidas como totales, medias y porcentajes se obtienen de forma casi inmediata puesto que ya han sido precalculados. 25

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

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

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

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

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

Más detalles

BUSINESS INTELLIGENCE. 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

CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN.

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

Más detalles

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

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

Más detalles

Aplicación de herramientas de inteligencia de negocios en modelamiento geometalúrgico

Aplicación de herramientas de inteligencia de negocios en modelamiento geometalúrgico Aplicación de herramientas de inteligencia de negocios en modelamiento geometalúrgico Verónica Escobar González, Claudio Barrientos Ochoa, Sergio Barrientos Ochoa, Dirección de Modelamiento Geometalúrgico

Más detalles

Minería de Datos JESÚS ANTONIO GONZÁLEZ BERNAL. Universidad UPP

Minería de Datos JESÚS ANTONIO GONZÁLEZ BERNAL. Universidad UPP Universidad Politécnica de Puebla UPP JESÚS ANTONIO GONZÁLEZ BERNAL 1 2 Evolución de la Tecnología BD 1960 s y antes Creación de las BD en archivos primitivos 1970 s hasta principios de los 1980 s BD Jerárquicas

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

LA GESTIÓN DEL CONOCIMIENTO

LA GESTIÓN DEL CONOCIMIENTO Plan de Formación 2006 ESTRATEGIAS Y HABILIDADES DE GESTIÓN DIRECTIVA MÓDULO 9: 9 LA ADMINISTRACIÓN ELECTRÓNICA EN LA SOCIEDAD DE LA INFORMACIÓN LA GESTIÓN DEL CONOCIMIENTO José Ramón Pereda Negrete Jefe

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

Minería de Datos. Vallejos, Sofia

Minería de Datos. Vallejos, Sofia Minería de Datos Vallejos, Sofia Contenido Introducción: Inteligencia de negocios (Business Intelligence). Descubrimiento de conocimiento en bases de datos (KDD). Minería de Datos: Perspectiva histórica.

Más detalles

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

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

Más detalles

Minería de Datos. Vallejos, Sofia

Minería de Datos. Vallejos, Sofia Minería de Datos Contenido Introducción: Inteligencia de negocios (Business Intelligence). Componentes Descubrimiento de conocimiento en bases de datos (KDD). Minería de Datos: Perspectiva histórica. Fases

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

DESARROLLO E IMPLANTANCIÓN DE UN SISTEMA ACADEMICO PARA EL ICM

DESARROLLO E IMPLANTANCIÓN DE UN SISTEMA ACADEMICO PARA EL ICM DESARROLLO E IMPLANTANCIÓN DE UN SISTEMA ACADEMICO PARA EL ICM Sergio Bauz Olvera 1, Washington Jama 2 1 Ingeniero en Estadística e Informática 2003 2 Director de Tesis de Grado, Ing. Washington Jama.

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

Fundamentos de Data Warehouse

Fundamentos de Data Warehouse Mendez, A., Mártire, A., Britos, P. Y Garcia-Martínez, R. Centro de Actualización Permanente en Ingeniería del Software Escuela de Postgrado Instituto Tecnológico de Buenos Aires Av. Eduardo Madero 399

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

Minería de datos (Introducción a la minería de datos)

Minería de datos (Introducción a la minería de datos) Minería de datos (Introducción a la minería de datos) M. en C. Sergio Luis Pérez Pérez UAM CUAJIMALPA, MÉXICO, D. F. Trimestre 14-I. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 1 / 24

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

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

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

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

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

Más detalles

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

POSIBLE APLICACIÓN DE LA MINERÍA DE TEXTOS A LOS TRABAJOS DE LA COMISIÓN MINISTERIAL DE INFORMÁTICA

POSIBLE APLICACIÓN DE LA MINERÍA DE TEXTOS A LOS TRABAJOS DE LA COMISIÓN MINISTERIAL DE INFORMÁTICA POSIBLE APLICACIÓN DE LA MINERÍA DE TEXTOS A LOS TRABAJOS DE LA COMISIÓN MINISTERIAL DE INFORMÁTICA M.ª del Pilar Cantero Blanco Jefa de Servicio de Sistemas Informáticos. Subdirección General de Planificación

Más detalles

El almacén de indicadores de proceso de negocio en ejecución

El almacén de indicadores de proceso de negocio en ejecución X Congreso de Ingeniería de Organización Valencia, 7 y 8 de septiembre de 2006 El almacén de indicadores de proceso de negocio en ejecución Andrés Boza García 1, Angel Ortiz Bas 1, Llanos Cuenca Gonzalez

Más detalles

Introducción a la Minería de Datos

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

Más detalles

Informática II Ing. Industrial. Data Warehouse. Data Mining

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

Más detalles

SISTEMA DE GESTIÓN Y ANÁLISIS DE PUBLICIDAD EN TELEVISIÓN

SISTEMA DE GESTIÓN Y ANÁLISIS DE PUBLICIDAD EN TELEVISIÓN SISTEMA DE GESTIÓN Y ANÁLISIS DE PUBLICIDAD EN TELEVISIÓN Autor: Barral Bello, Alfredo Director: Alcalde Lancharro, Eduardo Entidad Colaboradora: Media Value S.L. RESUMEN DEL PROYECTO El presente proyecto

Más detalles

Cómo ganar con una solución intuitiva de Business Intelligence para las medianas empresas

Cómo ganar con una solución intuitiva de Business Intelligence para las medianas empresas Resumen de producto SAP Soluciones SAP para pequeñas y medianas empresas SAP BusinessObjects Business Intelligence, Edge Edition Objetivos Cómo ganar con una solución intuitiva de Business Intelligence

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

Business Intelligence: Competir con Información

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

Más detalles

IBM Cognos Enterprise: Inteligencia de negocio y gestión del rendimiento potente y escalable

IBM Cognos Enterprise: Inteligencia de negocio y gestión del rendimiento potente y escalable : Inteligencia de negocio y gestión del rendimiento potente y escalable Puntos destacados Dota a los usuarios de su organización de las capacidades de business intelligence y de gestión del rendimiento

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

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

BUSINESS INTELLIGENCE

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

Más detalles

El modelo ebusiness (2) SIE II. Curso 2004/05

El modelo ebusiness (2) SIE II. Curso 2004/05 El modelo ebusiness (2) SIE II. Curso 2004/05 Elemento central en una estrategia ebusiness: capa de aplicaciones Procesos de Negocio (producción, logística, dirección, ) Aplicaciones de Negocio (SCM, ERP,

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

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

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

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

E-data. Transformando datos en información con Data Warehousing

E-data. Transformando datos en información con Data Warehousing Federico Plancarte Sánchez E-data. Transformando datos en información con Data Warehousing Tema 2 El soporte a la Decisión 2-1 Evolución del soporte a la decisión Diversas categorías del análisis del DS

Más detalles

How organizations are influenced by Business Analytics? Octubre 2014

How organizations are influenced by Business Analytics? Octubre 2014 How organizations are influenced by Business Analytics? Octubre 2014 El boom de los datos Fuente: Gestión. Artículo: Big Data: La nueva moneda en el mundo de los negocios. Martes, 07 de octubre del 2014

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

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

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

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

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

Cómo aprovechar la potencia de la analítica avanzada con IBM Netezza

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

Más detalles

INTELIGENCIA DE NEGOCIO 2014-2015

INTELIGENCIA DE NEGOCIO 2014-2015 INTELIGENCIA DE NEGOCIO 2014-2015 Tema 1. Introducción a la Inteligencia de Negocio Tema 2. Retos en Inteligencia de Negocio Tema 3. Minería de Datos. Ciencia de Datos Tema 4. Modelos de Predicción: Clasificación,

Más detalles

Ing. Santiago C. PÉREZ Laura Noussan Lettry Carlos Campos Natalia Adaro Carolina Pennisi Andres Pozzi

Ing. Santiago C. PÉREZ Laura Noussan Lettry Carlos Campos Natalia Adaro Carolina Pennisi Andres Pozzi UNIVERSIDAD TECNOLÓGICA NACIONAL FACULTAD REGIONAL MENDOZA DEPARTAMENTO DE INGENIERÍA EN SISTEMAS DE INFORMACIÓN CÁTEDRA DE GESTIÓN DE DATOS 3º AÑO Ing. Santiago C. PÉREZ Laura Noussan Lettry Carlos Campos

Más detalles

Data Mining Técnicas y herramientas

Data Mining Técnicas y herramientas Data Mining Técnicas y herramientas Introducción POR QUÉ? Empresas necesitan aprender de sus datos para crear una relación one-toone con sus clientes. Recogen datos de todos lo procesos. Datos recogidos

Más detalles

Business Intelligence

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

Más detalles

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

Sistemas de Ayuda a la Decision Qué es un Sistema de Ayuda a la Decisión?

Sistemas de Ayuda a la Decision Qué es un Sistema de Ayuda a la Decisión? Sistemas de Ayuda a la Decision Qué es un Sistema de Ayuda a la Decisión? Luis Daniel Hernández Molinero Departamento de Ingeniería de la Información y las Comunicaciones Facultad de Informática Universidad

Más detalles

Parte I: Introducción

Parte I: Introducción Parte I: Introducción Introducción al Data Mining: su Aplicación a la Empresa Cursada 2007 POR QUÉ? Las empresas de todos los tamaños necesitan aprender de sus datos para crear una relación one-to-one

Más detalles

INTELIGENCIA DE NEGOCIO 2015-2016

INTELIGENCIA DE NEGOCIO 2015-2016 INTELIGENCIA DE NEGOCIO 2015-2016 Tema 1. Introducción a la Inteligencia de Negocio Tema 2. Retos en Inteligencia de Negocio Tema 3. Minería de Datos. Ciencia de Datos Tema 4. Modelos de Predicción: Clasificación,

Más detalles

Diseño del Sistema de Información

Diseño del Sistema de Información Diseño del Sistema de Información ÍNDICE DESCRIPCIÓN Y OBJETIVOS... 2 ACTIVIDAD DSI 1: DEFINICIÓN DE LA ARQUITECTURA DEL SISTEMA... 7 Tarea DSI 1.1: Definición de Niveles de Arquitectura... 9 Tarea DSI

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

PROGRAMA DEL DIPLOMADO DE PROCESO BENCHMARKING. TEMA 7. MANEJO DE LA INFORMACIÓN.

PROGRAMA DEL DIPLOMADO DE PROCESO BENCHMARKING. TEMA 7. MANEJO DE LA INFORMACIÓN. PROGRAMA DEL DIPLOMADO DE PROCESO BENCHMARKING. TEMA 7. MANEJO DE LA INFORMACIÓN. Objetivo: Al final de la unidad el alumno comprenderá la presencia de estas herramientas informáticas (programas Datamining))

Más detalles

Trabajo final de Ingeniería

Trabajo final de Ingeniería UNIVERSIDAD ABIERTA INTERAMERICANA Trabajo final de Ingeniería Weka Data Mining Jofré Nicolás 12/10/2011 WEKA (Data Mining) Concepto de Data Mining La minería de datos (Data Mining) consiste en la extracción

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

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

2. CLASIFICACIÓN DE LA ACTIVIDAD CURRICULAR, FORMACIÓN PRÁCTICA Y CARGA HORARIA

2. CLASIFICACIÓN DE LA ACTIVIDAD CURRICULAR, FORMACIÓN PRÁCTICA Y CARGA HORARIA CÓDIGO ASIGNATURA 1131-3 DEPARTAMENTO: Ingeniería e Investigaciones Tecnológicas ASIGNATURA: DATA MINING y DATA WAREHOUSE Plan 2009 Ingeniería en Informática Año: 5 (Electiva - Ingeniería de Software)

Más detalles

INTELIGENCIA DE NEGOCIOS

INTELIGENCIA DE NEGOCIOS INTELIGENCIA DE NEGOCIOS A P R O X I M A C I Ó N A U N A E X P E R I E N C I A D E A P L I C A C I Ó N E N I N S T I T U C I O N E S D E L A R E G I Ó N Ing. Patricia Uceda Martos Agenda Introducción Definición

Más detalles

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

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

Más detalles

Diseño del Sistema de Información

Diseño del Sistema de Información Diseño del Sistema de Información ÍNDICE DESCRIPCIÓN Y OBJETIVOS...2 ACTIVIDAD DSI 1: DEFINICIÓN DE LA ARQUITECTURA DEL SISTEMA...7 Tarea DSI 1.1: Definición de Niveles de Arquitectura...9 Tarea DSI 1.2:

Más detalles

ARTÍCULOS Y REFLEXIONES

ARTÍCULOS Y REFLEXIONES ARTÍCULOS Y REFLEXIONES Soporte a la toma de decisión a través de Business Intelligence. Ing. Sandra Aída Pérez Estrada Alumna de la Maestría en Administración de Tecnologías de Información, Universidad

Más detalles

TECNOLÓGICAS EMPRESAS

TECNOLÓGICAS EMPRESAS SOLUCIONES TECNOLÓGICAS INTEGRALES PARA LAS EMPRESAS Por: Ivonne Rodríguez CONTENIDO 1. Problemas actuales en las empresas 2. Bussines Intelligence 3. Capa: Data Warehouse 4. Capa: BI en el campo empresarial

Más detalles

Herramientas de Modelado & Simulación de Negocios Incorporadas Dentro del SAP SEM

Herramientas de Modelado & Simulación de Negocios Incorporadas Dentro del SAP SEM Herramientas de Modelado & Simulación de Negocios Incorporadas Dentro del SAP SEM By Ulrich Hauke, SAP AG, y Kai Berendes, Powersim GmbH - Traducción CACIT Group Están disponibles una amplia variedad de

Más detalles

MINERÍA DE DATOS Y DESCUBRIMIENTO DE CONOCIMIENTO (DATA MINING AND KNOWLEDGE DISCOVERY)

MINERÍA DE DATOS Y DESCUBRIMIENTO DE CONOCIMIENTO (DATA MINING AND KNOWLEDGE DISCOVERY) MINERÍA DE DATOS Y DESCUBRIMIENTO DE CONOCIMIENTO (DATA MINING AND KNOWLEDGE DISCOVERY) Autor: Lic. Manuel Ernesto Acosta Aguilera Entidad: Facultad de Economía, Universidad de La Habana Dirección: Edificio

Más detalles

Análisis del Sistema de Información

Análisis del Sistema de Información Análisis del Sistema de Información ÍNDICE DESCRIPCIÓN Y OBJETIVOS... 2 ACTIVIDAD ASI 1: DEFINICIÓN DEL SISTEMA... 6 Tarea ASI 1.1: Determinación del Alcance del Sistema... 6 Tarea ASI 1.2: Identificación

Más detalles

Cuadro de mando para el análisis de la información de Extranjería del Ministerio de Administraciones Públicas

Cuadro de mando para el análisis de la información de Extranjería del Ministerio de Administraciones Públicas Cuadro de mando para el análisis de la información de Extranjería del Ministerio de Administraciones Públicas José Antonio Peláez Ruiz Ministerio de Administraciones Públicas Alfonso Martín Murillo BG&S

Más detalles

Inteligencia de Negocios (Business Intelligence)

Inteligencia de Negocios (Business Intelligence) ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA DE SISTEMAS Programa de Pregrado Modalidad de Experiencia Laboral Artículo El uso de la Minería de Datos en la Inteligencia de Negocios (Business Intelligence)

Más detalles

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

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

Más detalles

Business Intelligence

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

Más detalles

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

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

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

Más detalles

Introducción. Growing on the CRM industry during 2001. Significant. decrease 4% Ns/nc 2% Slight decrease 4% Remains 5% Significant.

Introducción. Growing on the CRM industry during 2001. Significant. decrease 4% Ns/nc 2% Slight decrease 4% Remains 5% Significant. Introducción During next decade the number of Data Mining projects will increase dramatically (more than 300%) to improve the relationship with the customer and help companies to listen to their customers

Más detalles

Programación en Capas.

Programación en Capas. Programación en Capas. Ricardo J. Vargas Del Valle Universidad de Costa Rica, Ciencias de Computación e Informática, San José, Costa Rica, 506 ricvargas@gmail.com Juan P. Maltés Granados Universidad de

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

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

Boletín de Asesoría Gerencial*

Boletín de Asesoría Gerencial* Espiñeira, Sheldon y Asociados No. 10-2008 *connectedthinking Contenido Haga click en los enlaces para navegar a través del documento Haga click en los enlaces para llegar directamente a cada sección 4

Más detalles

Evaluación de un sistema de información para mejorar la red de ventas Pág. 1 SUMARIO 1 A. TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN 3

Evaluación de un sistema de información para mejorar la red de ventas Pág. 1 SUMARIO 1 A. TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN 3 Evaluación de un sistema de información para mejorar la red de ventas Pág. 1 Sumario SUMARIO 1 A. TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN 3 A.1. Intranet...3 A.2. Extranet...4 A.3. Internet...4 A.4.

Más detalles

EPB 603 Sistemas del Conocimiento!"#$ %& $ %'

EPB 603 Sistemas del Conocimiento!#$ %& $ %' Metodología para el Desarrollo de Proyectos en Minería de Datos CRISP-DM EPB 603 Sistemas del Conocimiento!"#$ %& $ %' Modelos de proceso para proyectos de Data Mining (DM) Son diversos los modelos de

Más detalles

Data Warehousing. Introducción. Facultad de Ingeniería Escuela de Ingeniería de Sistemas y Computación

Data Warehousing. Introducción. Facultad de Ingeniería Escuela de Ingeniería de Sistemas y Computación Data Warehousing Introducción Introducción Indice (I) Propiedades de un dw Arquitectura de procesos en un sistema de data warehousing Puntos clave Diseño de la base de datos de un data warehouse Indice

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

Anexo No. 02 FICHA TECNICA FONDO FINANCIERO DE PROYECTOS DE DESARROLLO FONADE

Anexo No. 02 FICHA TECNICA FONDO FINANCIERO DE PROYECTOS DE DESARROLLO FONADE Anexo No. 02 FICHA TECNICA FONDO FINANCIERO DE PROYECTOS DE DESARROLLO FONADE Unidad Administrativa Especial de Gestión Pensional y Contribuciones Parafiscales de la Protección Social UGPP Objeto: ADQUISICIÓN

Más detalles

Comparación de características entre las ediciones Estándar y Enterprise

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

Más detalles

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

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

Consultas de bases de datos potentes y fáciles de utilizar para DB2 en la plataforma IBM i. IBM DB2 Web Query para i

Consultas de bases de datos potentes y fáciles de utilizar para DB2 en la plataforma IBM i. IBM DB2 Web Query para i Consultas de bases de datos potentes y fáciles de utilizar para DB2 en la plataforma IBM i IBM DB2 Web Query para i Características principales Moderniza los informes de Query for IBM iseries (Query/400)

Más detalles

DETECCIÓN DE PATRONES DE ACCESIBILIDAD EN EL DESARROLLO DE PROYECTOS WEB

DETECCIÓN DE PATRONES DE ACCESIBILIDAD EN EL DESARROLLO DE PROYECTOS WEB DETECCIÓN DE PATRONES DE ACCESIBILIDAD EN EL DESARROLLO DE PROYECTOS WEB Villanueva, J. (p) ; Rodríguez, V.; Ortega, F.; Mijares, A. Abstract The use of accessibility requirements in the development of

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

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

Introducción Qué es Minería de Datos?

Introducción Qué es Minería de Datos? Conceptos Básicos Introducción Qué es Minería de Datos? Extracción de información o de patrones (no trivial, implícita, previamente desconocida y potencialmente útil) de grandes bases de datos. Introducción

Más detalles