INTELIGENCIA DE NEGOCIOS

NDICE

Unidad 1. Introduccin a la Inteligencia de Negocios. ............................................. 2 1.1 Conceptos bsicos ............................................................................................ 2 1.1.1 Datamart......................................................................................................... 3 1.1.2 Data warehouse ............................................................................................. 4 1.1.3 Tipo de sistemas de informacin .................................................................... 7 1.2 Componentes .................................................................................................... 9 Referencias Bibliograficas ..................................................................................... 12 NDICE DE FIGURAS Figura 1 Data warehouse ........................................................................................ 5 Figura 2 ETL Server ................................................................................................ 6 Figura 3 Datos OLPT .............................................................................................. 8 Figura 4 Tabla de Hechos OLAP............................................................................. 9 Figura 5 Diferencias tipos de datos ......................................................................... 9 Figura 6 Niveles y elementos del BI ...................................................................... 10

UNIDAD 1. INTRODUCCIN A LA INTELIGENCIA DE NEGOCIOS. 1.1 CONCEPTOS BSICOS

Business Intelligence es la habilidad para transformar los datos en informacin, y la informacin en conocimiento, de forma que se pueda optimizar el proceso de toma de decisiones en los negocios. La Inteligencia de Negocios es el conjunto de productos y servicios que permiten a los usuarios finales acceder y analizar de manera rpida y sencilla, la informacin para la toma de decisiones de negocio a nivel operativo, tctico y estratgico. Desde un punto de vista ms pragmtico, y asocindolo directamente con las tecnologas de la informacin, podemos definir Business Intelligence como el conjunto de metodologas, aplicaciones y tecnologas que permiten reunir, depurar y transformar datos de los sistemas transaccionales e informacin desestructurada (interna y externa a la compaa) en informacin estructurada, para su explotacin directa (reporting, anlisis OLTP / OLAP, alertas...) o para su anlisis y conversin en conocimiento, dando as soporte a la toma de decisiones sobre el negocio. La inteligencia de negocio acta como un factor estratgico para una empresa u organizacin, generando una potencial ventaja competitiva, que no es otra que proporcionar informacin privilegiada para responder a los problemas de negocio: entrada a nuevos mercados, promociones u ofertas de productos, eliminacin de islas de informacin, control financiero, optimizacin de costes, planificacin de la produccin, anlisis de perfiles de clientes, rentabilidad de un producto concreto, etc... Por otro lado, los principales componentes de orgenes de datos en el Business Intelligence que existen en la actualidad son: Datamart Datawarehouse

Los sistemas y componentes del BI se diferencian de los sistemas operacionales en que estn optimizados para preguntar y divulgar sobre datos. Esto significa tpicamente que, en un datawarehouse, los datos estn desnormalizados para apoyar consultas de alto rendimiento, mientras que en los sistemas operacionales suelen encontrarse normalizados para apoyar operaciones continuas de insercin, modificacin y borrado de datos. En este sentido, los procesos ETL (extraccin, transformacin y carga), que nutren los sistemas BI, tienen que traducir de uno o varios sistemas operacionales normalizados e independientes a un nico sistema desnormalizado, cuyos datos estn completamente integrados.

1.1.1 DATAMART
Un Datamart es una base de datos departamental, especializada en el almacenamiento de los datos de un rea de negocio especfica. Se caracteriza por disponer la estructura ptima de datos para analizar la informacin al detalle desde todas las perspectivas que afecten a los procesos de dicho departamento. Por tanto, para crear el datamart de un rea funcional de la empresa es preciso encontrar la estructura ptima para el anlisis de su informacin, estructura que puede estar montada sobre una base de datos OLTP (On-Line Transactional Processing), como el propio datawarehouse, o sobre una base de datos OLAP (On-Line Analytical Processing). La designacin de una u otra depender de los datos, los requisitos y las caractersticas especficas de cada departamento. Con los data marts, resulta mucho ms fcil identificar un cliente o patrocinador comprometido dentro de una organizacin. En comparacin con los data warehouses, los data marts son ms limitados en cuanto a alcance, y se concentran ms en un grupo especfico de necesidades del usuario.

COMPONENTES DE UN DATAMART 1. Fuentes de Datos

Son las que alimentan de informacin al DataMart, estn diseadas para registrar grandes cantidades de transacciones. Entre ella tenemos la base de datos OLTP (Una base de datos para soportar procesos transaccionales).

2.

Procesos de extraccin, transformacin y carga de datos (ETL)

Los datos se encuentran almacenados en base de datos destinados al registro de transacciones. Es necesario extraer y transformar los datos antes de cargar los resultados en el DataMart. Los mismos elementos de datos, si son usados por aplicaciones diferentes o administrados por diferentes software DBMS, pueden definirse al usar nombres de elementos inconsistentes, que tienen formatos inconsistentes y/o ser codificados de manera diferente. Todas estas inconsistencias deben resolverse antes que los elementos de datos sean almacenados en el DataMart. Uno de los desafos de cualquier implementacin de DataWarehouse o DataMart, es el problema de transformar los datos. La transformacin se encarga de las inconsistencias en los formatos de datos y la codificacin, que pueden existir dentro de una base de datos nica y que casi siempre existen cuando mltiples bases de datos contribuyen al DataMart.

TIPOS DE DATAMARTS Aqu hay dos tipos bsicos de datamarts: dependientes e independientes. La clasificacin se basa principalmente en la fuente de datos que alimenta el mercado de datos. Los Datamarts dependientes dibujan los datos de un almacn de datos central que ya ha sido creado. Los independientes, en cambio, son sistemas independientes construidas dibujando los datos directamente de las fuentes operacionales o externos de los datos, o ambos. La principal diferencia entre los datamarts independientes y dependientes es la manera de llenar el mercado de datos, es decir, cmo obtener los datos de las fuentes y en el mercado de datos. Este paso, llamado el proceso de extraccin - transformacin y carga (ETL), ste consiste en mover datos de sistemas operacionales, filtrarlos, y cargarlos en el mercado de datos. Con mercados de datos dependientes, este proceso se ha simplificado un poco porque el formato y la simplificacin de los datos (limpio) ya han sido cargados en el depsito de datos central. Con mercados de datos independientes, sin embargo, debe hacer frente a todos los aspectos del proceso de ETL, tanto como lo hace con un almacn de datos central. El nmero de fuentes es probable que sea menos y la cantidad de datos asociados con el mercado de datos es menor que el almacn, dado su enfoque en un solo tema. Los Datamarts dependientes se construyen generalmente para lograr un mejor rendimiento y disponibilidad, mejor control, y los costos de telecomunicaciones ms bajos como consecuencia del acceso local de los datos correspondientes a un departamento especfico. La creacin de mercados de datos independientes a menudo es impulsado por la necesidad de disponer de una solucin dentro de un tiempo ms corto.

1.1.2 DATA WAREHOUSE

Un Datawarehouse es una base de datos corporativa que se caracteriza por integrar y depurar informacin de una o ms fuentes distintas, para luego procesarla permitiendo su anlisis desde infinidad de pespectivas y con grandes velocidades de respuesta. La creacin de un datawarehouse representa en la mayora de las ocasiones el primer paso, desde el punto de vista tcnico, para implantar una solucin completa y fiable de Business Intelligence.

Figura 1. Data warehouse

El trmino Datawarehouse fue acuado por primera vez por Bill Inmon, y se traduce literalmente como almacn de datos. No obstante, y como cabe suponer, es mucho ms que eso. Segn defini el propio Bill Inmon, un datawarehouse se caracteriza por ser: Integrado: los datos almacenados en el datawarehouse deben integrarse en una estructura consistente, por lo que las inconsistencias existentes entre los diversos sistemas operacionales deben ser eliminadas. La informacin suele estructurarse tambin en distintos niveles de detalle para adecuarse a las distintas necesidades de los usuarios. Temtico: slo los datos necesarios para el proceso de generacin del conocimiento del negocio se integran desde el entorno operacional. Los datos se organizan por temas para facilitar su acceso y entendimiento por parte de los usuarios finales. Por ejemplo, todos los datos sobre clientes pueden ser consolidados en una nica tabla del datawarehouse. De esta forma, las peticiones de informacin sobre clientes sern ms fciles de responder dado que toda la informacin reside en el mismo lugar. Histrico: el tiempo es parte implcita de la informacin contenida en un datawarehouse. En los sistemas operacionales, los datos siempre reflejan el estado de la actividad del negocio en el momento presente. Por el contrario, la informacin almacenada en el datawarehouse sirve, entre otras cosas, para realizar anlisis de tendencias. Por lo tanto, el datawarehouse se carga con los distintos valores que toma una variable en el tiempo para permitir comparaciones. No voltil: el almacn de informacin de un datawarehouse existe para ser ledo, pero no modificado. La informacin es por tanto permanente, significando la actualizacin del datawarehouse la incorporacin de los ltimos valores que tomaron las distintas variables contenidas en l sin ningn tipo de accin sobre lo que ya exista.

Otra caracterstica del datawarehouse es que contiene metadatos, es decir, datos sobre los datos. Los metadatos permiten saber la procedencia de la informacin, su periodicidad de refresco, su fiabilidad, forma de clculo... etc. Los metadatos sern los que permiten simplificar y automatizar la obtencin de la informacin desde los sistemas operacionales a los sistemas informacionales. Los objetivos que deben cumplir los metadatos, segn el colectivo al que va dirigido, son: Dar soporte al usuario final, ayudndole a acceder al datawarehouse con su propio lenguaje de negocio, indicando qu informacin hay y qu significado tiene. Dar soporte a los responsables tcnicos del datawarehouse en aspectos de auditora, gestin de la informacin histrica, administracin del datawarehouse, elaboracin de programas de extraccin de la informacin, especificacin de las interfaces para la realimentacin a los sistemas operacionales de los resultados obtenidos... etc. Por ltimo, destacar que para comprender ntegramente el concepto de datawarehouse, es importante entender cul es el proceso de construccin del mismo, denominado ETL (Extraccin, Transformacin y Carga), a partir de los sistemas operaciones de una compaa: Extraccin: obtencin de informacin de las distintas fuentes tanto internas como externas. Transformacin: filtrado, limpieza, depuracin, homogeneizacin y agrupacin de la informacin. Carga: organizacin y actualizacin de los datos y los metadatos en la base de datos.

Figura 2. ETL Server

Una de las claves del xito en la construccin de un datawarehouse es el desarrollo de

forma gradual, seleccionando a un departamento usuario como piloto y expandiendo progresivamente el almacn de datos a los dems usuarios. Por ello es importante elegir este usuario inicial o piloto, siendo importante que sea un departamento con pocos usuarios, en el que la necesidad de este tipo de sistemas es muy alta y se pueda obtener y medir resultados a corto plazo.

Principales Aportaciones de un Datawarehouse Proporciona una herramienta para la toma de decisiones en cualquier rea funcional, basndose en informacin integrada y global del negocio. Facilita la aplicacin de tcnicas estadsticas de anlisis y modelizacin para encontrar relaciones ocultas entre los datos del almacn; obteniendo un valor aadido para el negocio de dicha informacin. Proporciona la capacidad de aprender de los datos del pasado y de predecir situaciones futuras en diversos escenarios. Simplifica dentro de la empresa la implantacin de sistemas de gestin integral de la relacin con el cliente. Supone una optimizacin tecnolgica y econmica en entornos de Centro de Informacin, estadstica o de generacin de informes con retornos de la inversin espectaculares.

1.1.3 TIPO DE SISTEMAS DE INFORMACIN

1.

OLTP - On-Line Transactional Processing

Los sistemas OLTP son bases de datos orientadas al procesamiento de transacciones. Una transaccin genera un proceso atmico (que debe ser validado con un commit, o invalidado con un rollback), y que puede involucrar operaciones de insercin, modificacin y borrado de datos. El proceso transaccional es tpico de las bases de datos operacionales. El acceso a los datos est optimizado para tareas frecuentes de lectura y escritura. (Por ejemplo, la enorme cantidad de transacciones que tienen que soportar las BD de bancos o hipermercados diariamente). Los datos se estructuran segn el nivel aplicacin (programa de gestin a medida, ERP o CRM implantado, sistema de informacin departamental...). Los formatos de los datos no son necesariamente uniformes en los diferentes departamentos (es comn la falta de compatibilidad y la existencia de islas de datos). El historial de datos suele limitarse a los datos actuales o recientes.

Las operaciones pueden ser de cuatro tipos diferentes: SELECT, INSERT, DELETE y UPDATE. Al tratarse de un proceso atmico, cada transaccin solo tiene dos posibles finales: commit (si se han llevado a cabo correctamente todas las operaciones) o rollback

(cuando una operacin de la secuencia ha fallado, en cuyo caso hay que deshacer los cambios producidos por el resto de las operaciones de la transaccin y alertar del error). Las transacciones son el pilar de prcticamente cualquier programa de gestin o pgina web del mundo. Los sistemas OLTP son la versin tradicional de una base de datos: se disean utilizando un modelo entidad-relacin, se implementan en los motores tpicos de base de datos (Oracle, SQLServer, MySQL etc.) y dan soporte a la mayor parte del software del mercado.

Figura 3. Datos OLPT

2.

OLAP - On-Line Analytical Processing

Los sistemas OLAP son bases de datos orientadas al procesamiento analtico. Este anlisis suele implicar, generalmente, la lectura de grandes cantidades de datos para llegar a extraer algn tipo de informacin til: tendencias de ventas, patrones de comportamiento de los consumidores, elaboracin de informes complejos etc. Este sistema es tpico de los datamarts. El acceso a los datos suele ser de slo lectura. La accin ms comn es la consulta, con muy pocas inserciones, actualizaciones o eliminaciones. Los datos se estructuran segn las reas de negocio, y los formatos de los datos estn integrados de manera uniforme en toda la organizacin. El historial de datos es a largo plazo, normalmente de dos a cinco aos. Las bases de datos OLAP se suelen alimentar de informacin procedente de los sistemas operacionales existentes, mediante un proceso de extraccin, transformacin y carga (ETL).

Un cubo OLAP no es ms que un vector de varias dimensiones. Desde un punto de vista relacional, puede verse como una tabla de hechos (fact table) que tiene dos tipos de columnas:

Indicadores: tambin denominados mtricas o ratios, son los valores numricos con los que se opera. Por ejemplo: n de clientes, n de proveedores, importe de las ventas, n de ventas, importe de las compras, n de compras etc. Dimensiones: son las caractersticas por las que se pueden filtrar y cruzar los indicadores. Por ejemplo: tiempo (fijando un determinado da, mes o ao), geografa (fijando un determinado pas, regin o ciudad), proveedor, cliente, modo de pago etc.

Figura 4. Tabla de Hechos OLAP

Figura 5. Diferencias tipos de datos

1.2 COMPONENTES
La informacin para la toma de decisiones para la inteligencia de negocios son 3 niveles nivel operativo, tctico y estratgico.

Figura 6. Niveles y elementos del BI

Inteligencia de Negocios a Nivel Operativo La Inteligencia de Negocios a Nivel Operativo permite que los empleados que trabajan con informacin operativa puedan recibir la misma de una manera oportuna, exacta y adecuada y se componen bsicamente de herramientas de reportes u hojas de clculo con un formato fijo cuya informacin se actualiza frecuentemente. Un ejemplo de esto podra ser un supervisor de ventas que utiliza una hoja de clculo para monitorear el cumplimiento de las cuotas de ventas de los vendedores a su cargo, una de las columnas tendra una informacin fija (la cuota de ventas) y a su lado podra estar una columna que diariamente extraiga el total de ventas para se vendedor en particular. El supervisor de ventas a su vez podra aplicar frmulas tomando en cuenta la columna de cuota y la columna de venta real sin necesidad de tener que introducirlas de manera manual. Inteligencia de negocios a nivel tctico La Inteligencia de Negocios a Nivel Tctico permite que los analistas de datos y la gerencia media de la empresa utilicen herramientas de anlisis y consulta con el propsito de tener acceso a la informacin sin intervencin de terceros. Como ejemplo un gerente de ventas recibe un reporte preimpreso en donde se indica que las ventas de una determinada categora de productos o servicios, se incrementaron de manera inusual con relacin al periodo anterior, una herramienta de anlisis y consulta le permite analizar ste incremento y establecer si el mismo se debe a nuevos productos, nuevos clientes o una estrategia de promociones que haya producido el incremento en la demanda.

10

Con ste tipo de herramientas tambin se puede determinar si en un perodo especfico es usual o inusual que se produzcan stos comportamientos anormales en la demanda, de manera de poder anticiparnos a ellos y poder aprovechar sta situacin para aumentar el impacto positivo o minimizar el impacto negativo segn sea el caso.

Inteligencia de Negocios a Nivel Estratgico La Inteligencia de Negocios a Nivel Estratgico permite que la alta direccin de las empresas pueda analizar y monitorear tendencias, patrones, metas y objetivos estratgicos de la organizacin. Un ejemplo de Inteligencia de Negocios a nivel estratgico lo constituye el Cuadro de Mando Integral o Balanced Scorecard concepto introducido por Robert Kaplan y David Norton el cual definen como: "Un esquema de trabajo multidimensional para describir, implementar y administrar estrategia a todo nivel dentro de una empresa, a travs de la vinculacin de objetivos, iniciativas y mediciones a la estrategia de la organizacin". Con la implementacin de un Cuadro de Mando Integral se obtienen los siguientes beneficios: Promueve la alineacin estratgica de toda la organizacin a partir de la transformacin de la Visin y Estrategia en planes concretos de accin. Fomenta el trabajo en equipo y por consiguiente la colaboracin y la coordinacin al conducir a toda la organizacin hacia la consecucin de la estrategia definida. Facilita la comunicacin de los planes estratgicos a toda la empresa. Integra y sintetiza un gran volumen de datos e indicadores que surgen de la gestin diaria de las operaciones. Desarrolla el conocimiento y el capital humano, bases fundamentales para alcanzar los objetivos estratgicos.

11

REFERENCIAS BIBLIOGRAFICAS

[1] http://docs.oracle.com/html/E10312_01/dm_concepts.htm [2] http://www.sinnexus.com/ [3] http://www.sites.upiicsa.ipn.mx/ [4] http://www.compositesw.com/data-virtualization/virtual-data-marts/ [5] http://blog.classora.com/2013 [6] http://www.idensa.com/

12