Tecnología aplicada a la toma de decisiones o malas decisiones en tecnología?

Transcripción

1 Tecnología aplicada a la toma de decisiones o malas decisiones en tecnología? DUTI 2007 LA PLATA AGOSTO 2007 Ernesto Chinkes Facultad de Ciencias Económicas Universidad de Buenos Aires

2 Esquema del trabajo 1. Las causas 2. Qué es Data warehouse y Business Intelligence? 3. Criterios para su construcción e implantación. 4. Conclusiones

3 La información en la toma de decisiones Proceso Inteligencia Diseño Selección Implementación Detectar problemas Desarrollar alternativas Evaluar consecuencias Monitoreo de las acciones Brinda información Solución de Business Intelligence Decisiones nivel operativo nivel táctico o estratégico -efectos a corto plazo -fáciles de revertir -impacto único -efectos a mediano y largo plazo -difíciles de revertir -impacto múltiple Más fácilmente programables No son fácilmente programables Incorporadas en los sistemas OLTP proveerles a los responsables mejor infraestructura para encararlas

4 Los tres problemas del OLTP Nivel Operativo Nivel Estratégico Nivel Táctico INFORMACION PARA LA TOMA DE DECISIONES Ventas Sucursal Rosario... Producción PROBLEMAS 1. Información no integrada. 2. Inadecuados tiempos de respuesta. 3. Imposibilidad de realizar consultas adhoc amigables. Compras Ventas Sucursal Bs.As. Ventas Sucursal Córdoba Marketing + las n unidades de negocio

5 Los tres problemas del OLTP Niveles Táctico Y Estratégico Nivel Operativo Ganancia bruta de los productos vendidos en Rosario respecto de Córdoba en el último año de los 10 productos que más se produjeron los últimos 6 meses. Establecer relación con sus respectivas cantidades de habitantes. Ventas Sucursal Rosario 1. INFORMACION NO INTEGRADA Producción Importe vendido $ Habitantes por ciudad Importe vendido $ Importe vendido $ Compras Ventas Sucursal Bs.As. Ventas Sucursal Córdoba Marketing Finanzas

6 Niveles Tácticos y Estratégico Los tres problemas del OLTP Importe y cantidad vendida de los productos de indumentaria durante octubre y diciembre de los tres últimos años para los clientes de sexo femenino 2. INADECUADOS TIEMPOS DE RESPUESTA Ventas Sucursal Bs.As. Nivel Operativo

7 Los tres problemas del OLTP 3. CONSULTAS AD-HOC NO AMIGABLES Obtener la Cantidad de ventas realizadas, y sus importes, agrupadas por año y zona del cliente para los años 2002 al SELECT COUNT(DISTINCT VENTA.Numero_factura) AS CANTIDAD_VENTAS, SUM(ITEM_VENTA.Cantidad_vendida * ITEM_VENTA.Precio_unitario) AS IMPORTE, CLIENTE.zona AS ZONA, YEAR(VENTA.fecha_venta) AS ANIO FROM VENTA INNER JOIN ITEM_VENTA ON VENTA.Numero_factura = ITEM_VENTA.Numero_factura INNER JOIN CLIENTE ON VENTA.Codigo_cliente = CLIENTE.Codigo_cliente GROUP BY CLIENTE.zona, YEAR(VENTA.fecha_venta) HAVING YEAR(VENTA.fecha_venta) in (2002, 2003, 2004, 2005, 2006) ORDER BY YEAR(VENTA.fecha_venta), CLIENTE.zona

8 Nivel Estratégico Nivel Táctico Qué es Data warehouse y Business Intelligence INFORMACION PARA LA TOMA DE DECISIONES Herramientas de BI Datamining OLAP Tableros Reporting... Nivel Operativo Compras Ventas Sucursal Córdoba... Ventas Sucursal Bs.As. Ventas Sucursal Córdoba Producción Marketing DATA WAREHOUSE

9 La arquitectura de la solución Fuentes de datos Sistema operacional A Extracción Área del Data warehouse Transformación Area de trabajo Herramientas de acceso y exploración Sistema operacional B Carga (Load) Sistema operacional N Datos Externos Datos Internos no Sistematizados Data warehouse detallado u objetivo T, L Data warehouse agregado o subjetivo A B Análisis Multidimensional Datamining Tablero de comando Balance scorecard Alertas Reporting Etc. C Datamart A Datamart B Datamart N

10 E T L Acceso a múltiples fuentes de datos Transformaciones para dejar los datos en el DW modificando: -Formatos -Codificaciones -Niveles de agregación -Calidad de datos -Otros criterios de integración Actualizar DW con los datos transformados El ETL Problemas a resolver Codificación de atributos: Unidad de medida de atributos: Nombres de tablas y atributos: Fuentes múltiples para un mismo atributo: Distintos niveles de agregación Diversos niveles de calidad Unificar diversos formatos: -F / M -Masculino / Femenino -0 / 1 -Varón / Mujer? Cantidad vendida en: -Kilos -Unidades -Libros Tabla:PERSONA Tabla:CLIENTE Tabla:ENCUESTADO Zona de residencia Fecha de nacimiento Ventas: producto 01 remera manga corta xx Color negro Compras: producto A254-remera manga corta xx. Limpieza de: -Filas -Fuentes Nombre: Jorge Apellido: Lopez Nombre y apellido: Jorge Lopez?

11 El BI: Las categorías Reportes (Reporting) Análisis multidimensional (exploración OLAP) OLAP) Tableros de de Control // Balance Scorecard Minería de de datos datos (Data (Data Mining) Alertas y Distribución

12 Tableros / Balance scorecards

13 Tableros / Balance Scorecards

14 Reporting

15 Análisis multidimensional - OLAP

16 Data Mining

17 Distribución pro activa

18 Data warehouse o data marts Data mart Data warehouse Data mart Data mart Data mart

19 Desarrollo a medida Relevamiento inicial Análisis del negocio Planificación del proyecto Desarrollo del entorno de exploración Construir los metadados Definición del Alcance Análisis y diseño de las decisiones Construir las Herramientas de usuarios Formalización de las Fuentes de datos Data warehouse subjetivo Implantar la infraestructura Data warehouse objetivo Procesos de extracción, transformación y carga Desarrollo del data warehouse Implementar la solución con los usuarios Implementación de la solución

20 Enfoque Necesidades vs datos existentes Análisis de las necesidades de información Alcance Formalizar datos existentes Necesidades de información Diseño del data warehouse

21 Redundancia Propiedad de la redundancia Acelerar consultas con datos precalculados Mayor tiempo en actualización de datos Mayor probabilidad de generar inconsistencias Mejorar controles Base OLTP Efectos Data warehouse

22 La única verdad? No incluye impuestos Incluye impuestos Incluye bonificaciones Solo productos vendidos por canales tradicionales Importe vendido $ Nivel Estratégico Nivel Operativo Importe vendido $ Ventas Importe vendido $ Marketing Importe vendido $ Finanzas DATA WAREHOUSE

23 El recupero de la inversión ROI, TIR, VAN Flujo de egresos Flujo de ingresos -Estimados (Previo) -Reales (Posterior) DIFICIL Ingresos duros (reducción de costos, retención de clientes, nuevos clientes, etc.) Depende de la capacidad para tomar buenas decisiones que posean las personas. Ingresos blandos (satisfacción de clientes, empleados con mayor autonomía, etc. )

24 El costo de la integración Diseño del data warehouse ETL Diseño del data warehouse ETL Diseño del data warehouse ETL Data warehouse desagregado VS Data warehouse agregado t Diseño del data warehouse ETL Diseño del data warehouse ETL Diseño del data warehouse ETL Diseño del data warehouse ETL Diseño del data warehouse ETL

25 Que se use: todo un desafío Generar relación con los usuarios desde el desarrollo pensando en la implementación. Debe dedicarse mucho tiempo a esta relación. No es posible desarrollarlo sin la participación de los usuarios.

26 Conclusión Buenas decisiones en tecnología para buenas decisiones de negocio Implica considerar una problemática compleja, que va mucho más allá de la tecnología de business Intelligence / data warehouse.