Clase 1 Módulo: Data Warehouse & Datamart Docente: Gustavo Valencia Zapata

Transcripción

1 v.1.0 Clase 1 Docente: Gustavo Valencia Zapata

2 Temas Clase 1: El Rol de TI en BI BI Retos de TI en BI Evolución de la Información Arquitectura de BI Referencias

3 Evolución de la Información Durante las últimas décadas se han realizado múltiples esfuerzos y estudios fundamentados en analizar la información como factor clave para la toma de decisiones en la empresa [6]. Se podría visualizar un tendencia exponencial en el tiempo del ROI frente los cambios de los modelos empresariales basados en la información, donde se evidencia lo citado en el párrafo anterior; inicialmente los sistemas de información tenían una finalidad de dar soporte a los procesos básicos de las compañías (regulaciones, ventas, personal, etc.), surgen los sistema de información para la toma de decisiones (EIS, OLAP, Consultas, reportes, informes, etc.) brindando a los líderes una visón inmediata (diariamente) con herramientas que informan sobre el estado y las actividades de gestión a través de indicadores. Funciones de manipulación sobre los datos, ofrecen un incremento de análisis estratégico y sistemas relacionales brindan mayor versatilidad en la manipulación de los datos. Docente: Gustavo Valencia Zapata

4 Evolución de la Información ROI Etapa 1 Etapa 2 Etapa 3 Etapa 4 Etapa 5 Mass Marketing Análisis Exploratorios & Comunicaciones En masa Segment Marketing Análisis Interactivo & Comunicaciones en una dirección Target Marketing Modelos & Comunicaciones personalizadas Event based Marketing Interacción Enfocada a eventos, administración & Diálogos con el individuo Interactive Marketing Administración de relaciones con el cliente, enfocada a eventos, Multi-canal Qué paso? Por qué paso? Qué pasará? Uso Básico Análisis Ad Hoc Análisis Predictivo Qué está pasando? Análisis de Eventos Haciendo que suceda! CRM Analítico y Operativo Reportes Análisis Consultas Ad Hoc Descubrimiento Humano Herramientas para Consulta (Query & OLAP) Modelaje Predictivo Herramientas para Minería Actualización Contínua CRM Descubrimiento asistido por máquinas Herramientas para CRM Fuente: SPSS, Introducción a Clementine (2008)

5 Evolución de la Información Fuente: SPSS, Introducción a Clementine (2008) Docente: Gustavo Valencia Zapata

6 BI Inteligencia de Negocios BI puede ser definido como un conjunto de modelos matemáticos y metodologías de análisis que sistemáticamente explota los datos disponibles obtener información y conocimiento útil que soporten la toma de decisiones complejas [7] BI no es un producto ni un sistema. Se trata de una arquitectura y un conjunto de integrado operacional así como aplicaciones de apoyo para la toma de decisiones y bases de datos que proporcionan a la comunidad empresarial un acceso fácil a los datos del negocio [8] BI es la integración de modelos matemáticos y metodologías de análisis que sistemáticamente explotan los datos disponibles en la infraestructura de TI para obtener información, conocimiento del negocio y oportunidades en la toma estratégica de decisiones. Gustavo Valencia.

7 BI Propuesta 003. Analizar el video History of Business Intelligence ( Piense en lo ssguientes elemntos: lo más destacado, posición crítica y aplicabilidad a su escenario laboral. Algunas definiciones importante: DSS: (Decision Support System) sistemas de información iterativos que ayudan a los lideres empresariales en la toma de decisiones mediante la generación y evaluación sistemática de diferentes alternativas o escenarios de decisión, todo esto utilizando modelos y herramientas computacionales. EIS: (Executive Information System) es una herramienta de BI. Es considerado un DDS que provee a los gerentes de un acceso sencillo a información interna y externa de su compañía, y que es fundamental para la toma de decisiones. CPM: (Corporate Performance Managemnet): describe las metodologías, métricas y procesos para monitorizar y gestionar el desempeño y actuación de una empresa. Docente: Gustavo Valencia Zapata

8 BI OLTP: (OnLine Transaction Processing) es un tipo de procesamiento de datos que facilita y administra aplicaciones transaccionales y se basa en la arquitectura cliente-servidor. OLAP: (On-Line Analytical Processing) es también considerado una herramienta de BI. Su objetivo es agilizar la consulta de grandes cantidades de datos. Utiliza estructuras multidimensionales que contienen datos de grandes Bases de datos. Data Warehouse: (Bodega o almacén de datos) colección de datos orientados a un determinado negocio. Coloca información de todas las áreas funcionales de la organización en manos de quien toma las decisiones. También proporciona herramientas para búsqueda y análisis CRM: (Customer relationship management) es un modelo de gestión de toda la organización, basado en la orientación al cliente; el cual es soportado por un aplicativo que administra el data DWH con información de los productos, canales, servicios de la compañía y sus clientes. Data Mining: es un proceso de descubrimiento de nuevas y significativas relaciones, patrones y tendencias al examinar grandes cantidades de datos [6].

9 BI Ad hoc: en un escenario de las bases de datos, implica que el sistema permite al usuario personalizar una consulta en tiempo real, en vez de estar atado a las consultas prediseñadas para informes o extracción de información. KDD: (Knowledge Discovery from Databases) es el proceso no trivial de identificar patrones válidos, novedosos, potencialmente útiles y en última instancia, comprensibles a partir de los datos. Incluye tareas como integración, limpieza y transformación de datos, minería de datos, interpretación y generación de conocimiento. Aprendizaje de Maquina: (Machine Learning) concepto perteneciente a la Inteligencia Artificial (IA) cuyo objetivo es desarrollar técnicas que permitan a las computadoras aprender. BSC: (Balanced Scorecard) también conocido como Dashboard, es una herramienta de control empresarial que permite establecer y monitorizar los objetivos de una empresa y sus diferentes áreas o unidades. Los Dashboard hacen parte del componente de Visualización de Información del proceso de BI. Docente: Gustavo Valencia Zapata

10 Arquitectura de BI Fuente: Carlo Vecellis. Business Intelligence: Data Mining and Optimization for Decision Making (2009)

11 Arquitectura de BI Componentes principales del proceso de BI Fuente: Carlo Vecellis. Business Intelligence: Data Mining and Optimization for Decision Making (2009) Docente: Gustavo Valencia Zapata

12 Arquitectura de BI Fuente de datos: En esta primera etapa, es necesario reunir e integrar los datos almacenados en diferentes fuentes de información tanto primarias como secundarias. Las fuentes están compuestas en gran parte de los datos que pertenecen a los sistemas operativos donde se ejecutan las aplicaciones del negocio; sin embargo, es posible incluir documentos no estructurados, tales como mensajes de correo electrónico, conversaciones de chat, entre otros. En términos generales, se requiere un gran esfuerzo para unificar e integrar las diferentes fuentes de datos según los requerimientos del usuario (área interna de la compañía). Data Warehouse y Datamarts: Utilizando herramientas de extracción y transformación conocidas como ELT (extract, transform, and load), los datos originados en las diferentes fuentes son almacenados en bases de datos con el propósito de dar soporte a los análisis de BI.

13 Arquitectura de BI Metodologías de BI: Los datos almacenados en los Data Warehouse y Data mart se utilizan para alimentar los modelos matemáticos y metodologías de análisis destinados a apoyar a los tomadores de decisiones. En un sistema de BI son varias las aplicaciones que puede ser implementadas, como por ejemplo: Análisis multidimensional (cubos) Análisis exploratorio Series de tiempo (modelo estadístico) Minería de datos Optimización de modelos Análisis exploratorio: En el tercer nivel de la pirámide se encuentran las herramientas para llevar a cabo un análisis de BI pasivo, que consiste en sistemas de consulta, presentación de informes y métodos estadísticos. Son pasivas porque surgen de dar respuesta o confirmar hipótesis realizadas por los tomadores de decisiones en la etapa de ETL s. Docente: Gustavo Valencia Zapata

14 Arquitectura de BI Minería de datos: Esta metodología es considerada activa, cuyo propósito es la extracción de información y conocimiento de los datos. Este incluye modelos matemáticos y modelos para reconocimiento de patrones, aprendizaje de máquina y técnicas de minería de datos. Optimización: los modelos de optimización permiten determinar la mejor solución con base en acciones alternativas. Decisiones: Finalmente, la cúspide de la pirámide corresponde a la elección y la adopción de una decisión específica, por parte de los tomadores de decisiones; quienes pueden incluir información informal y no estructurada para complementar las recomendaciones y conclusiones alcanzadas con los modelos matemáticos.

15 Retos de TI en BI El departamento de Tecnologías de la Información (TI) puede ser para la empresa lo que las empresas de alta tecnología han sido para la economía: un catalizador de cambio y un motor para un rápido crecimiento. Naturalmente, lo contrario también es cierto: los fallos de TI pueden perjudicar seriamente a la compañía [9] La tecnología y la información han adquirido tanta importancia en el modo cómo las empresas operan que incluso los cambios pequeños pueden afectar enormemente a muchas áreas del negocio. Esta realidad queda reflejada en la cantidad de activos informáticos acumulados con los años debido a los grandes presupuestos de TI. Algunas preguntas sobre estos activos de información podrían ser: Son los activos de información un lastre costoso que en muchos ocasiones están atados a regulaciones o son oportunidades de negocio esperando ser explotadas? Docente: Gustavo Valencia Zapata

16 Retos de TI en BI Qué impacto en los resultados de la compañía tendría un incremento generalizado del 10% de retorno sobre los activos (return of assets, ROA) de TI? Uno de los paradigmas a vencer es ves a TI como una simple función de soporte o un mero coste de subcontratación. Raramente se considera un facilitador o una vía creativa para la empresa. Las presiones diarias de TI a menudo derivan de tareas ingratas y en ocasiones poco vinculadas a resultados, como garantizar los niveles de servicio básicos de disponibilidad, calidad de los datos, seguridad y cumplimento. Más allá de estas operaciones básicas (equiparables a a te er la luz encendida ), TI también debe responder a las interminables y siempre cambiantes necesidades de los clientes del negocio. El reto de gestionar sus expectativas se intensifica por la presión de reducir costes, hacer más con menos e incluso subcontratar importantes capacidades [9].

17 Retos de TI en BI Las empresas a menudo identifican la pobre alineación de TI con otras funciones como el principal reto. Sin embargo, TI puede ser la vía que ayude a la empresa a descubrir una nueva forma de generar valor y maximizar el ROI y el ROA. Infortunadamente, la oportunidad de TI de demostrarlo, se ve bloqueada habitualmente por tres barreras [9]: Alineación con el negocio Medir la valía de TI Ausencia de información Fuente: Gustavo Valencia Z. Notas de clase: Inteligencia de Negocios, Docente: Gustavo Valencia Zapata

18 Retos de TI en BI TI debe estar perfectamente alineada con el negocio. Algunas propuesta para lograrlo incluyen: Alineación con el negocio Garantizar el respaldo de la alta dirección Implementar procedimientos y justificaciones vinculadas al ROI para la aprobación de proyectos Establecer comisiones directivas junto a roles y responsabilidades basadas en asociaciones de negocio.

19 Retos de TI en BI Medir la valía de TI Evaluar el retorno de la inversión de los proyectos e iniciativas y medir el costo/beneficio de las diversas capacidades de TI es una práctica estándar en la mayoría de departamentos de TI. El reto radica en desarrollar un sistema de medida del valor que: Sea creíble para Finanzas y usuarios similares Permita visualizar los factores de causa y efecto Vaya más allá de medidas puntuales y refleje toda la compañía Sea coherente entre proyectos, departamentos y unidades de negocio Docente: Gustavo Valencia Zapata

20 Retos de TI en BI Una Directriz ampliamente aplicada para definir métricas útiles es dividirlas en tres categorías distintas y explorar los mejores KIP s (key performance Indicators): Eficiencia TI: ahorro directo del costo total de propiedad (TCO) al utilizar recursos de TI. Eficiencia del negocio ahorro de productividad en términos de tiempo de los usuarios de negocio para realizar tanto el trabajo transaccional como la toma de decisiones. Eficacia del negocio Rendimiento del negocio mejorado gracias a una mayor rapidez en la toma de decisiones y con mejor información.

21 Retos de TI en BI Eficacia del negocio Eficiencia del negocio Eficiencia TI TI alineada al negocio Conocimiento Información Datos Estrategia de negocio Fuente: Gustavo Valencia Z. Notas de clase: Inteligencia de Negocios, Docente: Gustavo Valencia Zapata

22 Retos de TI en BI Ausencia de información A menudo, TI carece de información propia para la toma de decisiones. Además de la necesidad de métricas comentada anteriormente, TI necesita un contexto adecuado para tomar una amplia gama de decisiones, además de filtrar el volumen de datos que genera. Existen dos componentes sobre los sistemas de información que a menudo no son totalmente provechadas: Aplicaciones utilizadas por procesos informáticos de apoyo al negocio, especialmente para la gestión de los aspectos de seguridad y cumplimiento.

23 Retos de TI en BI Disponer de una información más coherente sobre el propio proceso de gestión de TI. Se destacan prácticas como: Marcos de trabajo como los Objetivos de Control de Información y Tecnologías Relacionadas (COBIT) por parte del TI Governance Institute y el marco de trabajo Information Technology Infrastructure Library (ITIL) Metodologías como el ciclo de vida de desarrollo del software (SDLC) Organizaciones como el Project Management Institute (PMI) Normal ISO Estándar para la seguridad de la Información. Docente: Gustavo Valencia Zapata

24 Referencias [6] Muñoz, A, Sistemas de información en las empresas, 2007 [7] Carlo Vecellis. Business Intelligence: Data Mining and Optimization for Decision Making. John Wiley & Sons, [8] Larissa T. Moss & Shaku Atre. Business Intelligence Roadmap: The Complete Project Licecycle for Decision-Support Application. Addison Wesley, [9] Mosimann, R, Mosimann, P, & Dussault, M. Performance Manager. Cognos Incorporated,