Proyecto Final BI PDF

IMPLEMENTACIN DE UN DATAMART PARA EL REA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
1

NDICE
INTRODUCCIN ........................................................................................ 5
1. PLANTEAMIENTO DEL PROBLEMA ..................................................... 6
1.1 DESCRIPCIN DE LA REALIDAD PROBLEMTICA ......................... 6
1.2 JUSTIFICACIN DEL PROBLEMA ...................................................... 7
1.3 DELIMITACIN DE LA INVESTIGACIN ............................................ 8
1.3.1 ESPACIAL ...................................................................................... 8
1.3.2 TEMPORAL .................................................................................... 8
1.3.3 SOCIAL ........................................................................................... 9
1.4 FORMULACIN DEL PROBLEMA ....................................................... 9
1.5 OBJETIVO ............................................................................................. 9
2. MARCO TERICO .................................................................................. 10
2.1 ANTECEDENTES .............................................................................. 10
2.2 BASES TERICAS ............................................................................ 12
2.3 MARCO CONCEPTUAL .................................................................... 24
3. DISEO E MPLEMENTACIN ............................................................... 51
3.1 ANLISIS DEL MODELO ................................................................. 51
3.2 DISEO, CONSTRUCCIN E IMPLEMENTACIN ......................... 59
3.3 REVISIN Y CONSOLIDACIN DE RESULTADOS ........................ 75
CONCLUSIONES .................................................................................... 78
RECOMENDACIONES ............................................................................ 79
BIBLIOGRAFA ....................................................................................... 80


2

NDICE DE FIGURAS
Figura N 1 Arquitectura Sistema de Inteligencia de Negocios ............................................ 13
Figura N 2 Proceso de Inteligencia de Negocios ................................................................ 14
Figura N3 Arquitectura BI .................................................................................................... 18
Figura N4 Tipos de Tecnologa OLAP ................................................................................. 21
Figura N 5 Esquema Estrella ............................................................................................... 23
Figura N 6 Esquema Copo de Nieve ................................................................................... 23
Figura N 7 Clasificacin de Sistemas a Nivel Organizacional ............................................. 26
Figura N 8 Diseo de Call Center ........................................................................................ 29
Figura N 9 Estructura de un Centro de Llamadas ............................................................... 32
Figura N 10 Tareas de la Metodologa de Kimball .............................................................. 33
Figura N 11 Arquitectura back room .................................................................................... 37
Figura N 12 Arquitectura front room .................................................................................... 38
Figura N 13 Herramientas de integracin de datos (ETL) ................................................... 45
Figura N 14 Herramientas de OLAP .................................................................................... 45
Figura N 15 Suites de Inteligencia de Negocios .................................................................. 46
Figura N 16 Cronograma del Proyecto ................................................................................ 56
Figura N 17 Proceso de Negocio del rea de Operaciones Gestin de Ventas ............. 58
Figura N 18 Diseo de la Arquitectura................................................................................. 59
Figura N 19 SQL Server 2008 R2........................................................................................ 60
Figura N 20 SQL Server Conexin ...................................................................................... 60
Figura N 21 SQL Server ...................................................................................................... 61
Figura N 22 Visual Studio 2008 ........................................................................................... 61
Figura N 23 Modelo Transaccional de la Base de Datos de Ventas TC ............................. 62
Figura N 24 Modelo Estrella de la Base de Datos de Ventas TC ....................................... 63
Figura N 25 Poblacin de Dimensiones y Fact ................................................................... 66
Figura N 26 Datos Dimensin Agente ................................................................................. 67
Figura N 27 Datos Dimensin Calling_List .......................................................................... 67
Figura N 28 Datos Dimensin Cliente ................................................................................. 68
Figura N 29 Datos Dimensin Tarjeta TC ............................................................................ 68
Figura N 30 Datos Dimensin Tarjeta ................................................................................. 69
Figura N 31 Datos Dimensin Tiempo ................................................................................. 69
Figura N 32 Datos Dimensin Ubigeo ................................................................................. 70
Figura N 33 Datos Fact Gestin Ventaa .............................................................................. 70
Figura N 34 Fact_Gestion_Ventas ...................................................................................... 71
Figura N 35 Cubo 1 Tiempo, Tarjeta, Ubigeo ...................................................................... 72

3

Figura N 36 Resultado Cubo Ventas por Tipo de Tarjeta ................................................ 72
Figura N 37 Cubo 2 Tiempo, Tarjeta, Ubigeo ...................................................................... 73
Figura N 38 Resultado Cubo Ventas x Distrito segn Tarjeta TC .................................... 73
Figura N 39 Cubo 3 Tiempo, Calling_List, Ubigeo .............................................................. 74
Figura N 40 Resultado Cubo Ingresos Vs Costo segn Tarjeta TC ................................. 74
Figura N 41 Cantidad de Tarjetas segn tipo de Tarjeta..................................................... 75
Figura N 42 Ventas x Distrito segn Tarjeta TC .................................................................. 76
Figura N 43 Ingresos Vs Costo segn Tarjeta TC ............................................................... 77


4

NDICE DE CUADROS
Cuadro N 1 Descripcin de los Stakeholders ...................................................................... 53
Cuadro N 2 Requisitos del Proyecto Humanos Gestin .................................................. 53
Cuadro N 3 Requisitos del Proyecto Humanos TI ............................................................ 54
Cuadro N 4 Requisitos del Proyecto Equipamiento Hardware ......................................... 54
Cuadro N 5 Requisitos del Proyecto Equipamiento software ........................................... 55
Cuadro N 6 Procesos de Negocio Vs Dimensiones ............................................................ 57
Cuadro N 7 Tipos de Datos DIM_AGENTE ......................................................................... 63
Cuadro N 8 Tipos de Datos DIM_CALLING_LIST .............................................................. 64
Cuadro N 9 Tipos de Datos DIM_CLIENTE ........................................................................ 64
Cuadro N 10 Tipos de Datos DIM_ESTADO_TC ................................................................ 64
Cuadro N 11 Tipos de Datos DIM_TARJETA...................................................................... 64
Cuadro N 12 Tipos de Datos DIM_TIEMPO ........................................................................ 65
Cuadro N 13 Tipos de Datos DIM_UBIGEO ........................................................................ 65
Cuadro N 14 Tipos de Datos FACT_GESTION_VENTAS ................................................. 65


5

INTRODUCCIN
Actualmente nos encontramos en un mundo muy competitivo con una economa
globalizada y ampliamente interconectada, los flujos de informacin se han
potenciado tremendamente dentro de la empresa y de fuentes externas. Los
Sistemas de Informacin (IS) juegan un rol muy relevante en la economa
moderna, permitiendo que las organizaciones y empresas realicen miles de
funciones simples y complicadas a altas velocidades, almacenen mucha
informacin, permiten tener una comunicacin a todo nivel, convierten la data e
informacin en conocimiento, automatizan rutinas, y permite interpretar data y
situaciones estratgicas muy sofisticadas, entre otras.
La Inteligencia de Negocios (BI) y la Data Warehouse (DW), como componentes
de alto nivel de los Sistemas de Informacin, tienen una serie de ventajas y
beneficios para toda organizacin, entre los ms saltantes manejar vastas
cantidades de informacin y sacar conocimiento de ellas permitiendo un mejor
desempeo de la empresa. Con esa informacin ms precisa y conocimiento que
se logra, se puede mejorar el manejo operativo de la empresa, se pueden tomar
decisiones estratgicas, y se mejora el desempeo de muchas de sus funciones:
marketing y ventas, precios, pronsticos, finanzas, cadena de abastecimientos, y
atencin al cliente. La Inteligencia de Negocios la podemos definir como la
obtencin, administracin y reporte de la data orientada a la toma de decisiones, y
las tcnicas analticas y procesos computarizados que se usan para el anlisis de
la misma

6

CAPITULO I
1. PLANTEAMIENTO DEL PROBLEMA
1.1. DESCRIPCIN DE LA REALIDAD PROBLEMTICA
La empresa Servicios Call Center del Per (SCCP), es una empresa
recientemente fundada, con poca trayectoria en el mercado, el cual tiene la
misin de satisfacer las necesidades de comunicacin de las empresas,
para establecer vnculos eficientes y eficaces entre sus Clientes y los
usuarios finales.

La empresa gestiona diversos servicios en dos segmentos distintos
(Inbound y Outbound), donde cada servicio cuenta con un Cliente
(empresa). El cual el Gerente de Operaciones requiere que la gestin
dcada servicio sea de manera personalizada, teniendo la informacin
organizada y procesada, para poder realizar un mejor anlisis de la
informacin en cuanto a las Gestiones de los servicios y tomar
eficientemente las decisiones para obtener una mejor rentabilidad y calidad
en el servicio, ya que toda la informacin con que cuenta la empresa, se
encuentran almacenados en bases de datos operacionales, cuyas tablas no
se encuentran normalizadas, existiendo excesiva informacin y redundancia
de datos.

7

La empresa para un mayor apoyo en cuanto a la organizacin de la
informacin, realiza reportes va web, el cual es realizado de forma manual,
mediante consultas y ejecutando procedimientos almacenados, donde
requiere demasiado tiempo para ejecutarse y procesar los datos,
congestionando la base de datos y aumentando el tiempo de espera para
cada consulta que se realiza, originando un desfase de casi 2 horas para
poder visualizar los reportes va web, donde en muchas ocasiones se
genera incomodidades y malestar por parte del Gerente Operaciones y los
Jefes de Plataforma que constantemente se renen para ver la Gestin de
los servicios y al no tener la informacin adecuada y oportuna, no se puede
tomar decisiones de inmediato, llegando a perder tiempo y en algunos
casos originando el retiro de los Clientes, prescindiendo de los servicios del
Call.
Debido a este uso de la informacin de manera conglomerada no se tiene
una adecuada utilizacin de la informacin de forma especfica para los
distintos servicios. De tal manera que no se cuenta con una herramienta
necesaria para poder analizar la informacin y tomar las decisiones
correctas sin tener un soporte en la toma de decisiones.

1.2. JUSTIFICACIN DEL PROBLEMA
Ante la falta de una herramienta para el anlisis de la informacin y el
apoyo en la toma de decisiones, se pretende desarrollar este proyecto para
brindar el soporte a la toma de decisiones para la Gerencia de operaciones.
La solucin que se plantea est basada en la utilizacin de la herramienta
Tecnolgica de Business Intelligence, el cual se pretende realizar el diseo
de un DataMart para el rea de operaciones, donde se busca extraer e
integrar los datos del negocio para obtener informacin relevante y
especfica sobre las Ventas que se realizan a diario, el cual nos permitir
depurar los datos redundantes, y obtener informacin estructurada y

8

procesada para un mejor anlisis para entregar un mejor servicio al cliente y
tomar mejores decisiones, en base al manejo de informacin con valor.
Aplicando este sistema de Business Intelligence, se minimiza el tiempo de
carga de los datos, debido a que todos se encuentran en un mismo
repositorio, optimizando tiempos y costos para el procesamiento de los
datos y la entrega de informacin de manera rpida y oportuna, el cual
permitir al Gerente de Operaciones realizar anlisis de manera ms gil y
comprensible, estableciendo comparaciones para el apoyo en la toma de
decisiones.
Tambin permitir que los usuarios no dependan de reportes
programados, ya que los que se generan se realizan de forma dinmica,
donde el usuario puede personalizarlo y adaptarlo a su necesidad,
accediendo y analizando directamente los indicadores que se generan
para evaluar la efectividad de los diferentes servicios que se gestionan.
1.3. DELIMITACIN DE LA INVESTIGACIN
A. Delimitacin Espacial
El presente Proyecto se desarrollar en la empresa Servicios Call Center
del Per SCCP, en el rea de Operaciones Ventas, donde se realiza
toda la Gestin de Ventas por llamadas telefnicas por parte de los
agentes.

B. Delimitacin Temporal
El Proyecto se pretende desarrollar en 3 meses, ya que es el tiempo
asignado para la implementacin del Data Mart, para la recoleccin de la
informacin, diseo y aplicacin del Data Mart para el rea de Operaciones
Ventas de la Empresa SCCP


9

C. Delimitacin Social
La investigacin involucra2 niveles jerrquicos de la empresa.
Nivel tctico: Gerente de Operaciones
Nivel operativo: Jefes de Plataforma

1.4. FORMULACIN DEL PROBLEMA
1.4.1. Problema principal
De qu manera la implementacin de un Data Mart permitir analizar la
informacin para el soporte a la toma de decisiones aplicado al rea de
Operaciones Ventas en la empresa Servicios Call Center del Per?

1.5. OBJETIVO DE LA INVESTIGACIN
1.5.1. Objetivos General
Implementar un Data Mart que permita analizar la informacin para el
soporte a la toma de decisiones aplicado al rea de Operaciones Ventas
en la empresa Servicios Call Center del Per.

1.5.2. Objetivos Especficos
Desarrollar el Data Mart para tomar mejores decisiones en cuanto a
la Gestin de Ventas de Tarjetas de Crdito segn el sector, los
registros consumidos y la temporada de ventas que tienen mayores
ingresos.
Disear la Base de Datos Dimensional.
Minimizar el tiempo de carga optimizando tiempos para el
procesamiento de los datos y la entrega de informacin de manera
rpida y oportuna.
Generar reportes de forma dinmica, donde el usuario puede
personalizarlo y adaptarlo a su necesidad.

10

CAPITULO II
2. MARCO TERICO

2.1. ANTECEDENTES
A fin de verificar la autenticidad y originalidad de la presente investigacin
se revisaron diversas fuentes bibliogrficas encontrando las siguientes
investigaciones relacionadas al tema propuesto:
El Ingeniero Rolando A. Gonzales Lpez, de la Universidad ESAN, realiz
una investigacin con la finalidad de estimar el impacto que tienen el Data
Warehouse (DW) y la Inteligencia de Negocios (BI) en el desempeo de las
empresas en un pas en vas de desarrollo, la que en comparacin con la
investigacin propuesta, tambin se requiere estimar el impacto de la
aplicacin de Inteligencia de Negocios para la toma de decisiones en la
empresa SCCP, con el fin de obtener informacin relevante y oportuna.
En este trabajo se establece las preguntas de investigacin y se utilizaron
dos modelos para resolver las mismas. El primero un modelo Cualitativo
Exploratorio, mediante entrevistas semi estructuradas, y el segundo un
modelo Cuantitativo, mediante cuestionarios.
El modelo Cualitativo Exploratorio utiliz 23 entrevistas en 16 empresas de
diversos segmentos de negocios, que utilizan la DW y BI. Se entrevistaron a
Gerentes de Inteligencia de Negocios de empresas que desarrollan el

11

sistema de DW y BI, luego a Gerentes de DW y BI de empresas que utilizan
el sistema y a usuarios directos del sistema de DW y BI.
El modelo Cuantitativo utiliz 110 cuestionarios de 13 empresas de diversos
segmentos de negocios que utilizan la DW y BI. Se utiliz el modelo del
xito de IS de De Lone y McLean de 2003, con las variables verificadas en
el estudio cualitativo. ste tiene los constructos independientes, Calidad de
la Informacin, Calidad del Sistema y Calidad del Servicio. Luego los
constructos mediadores, Uso del Sistema y Satisfaccin del Usuario, y
finalmente el constructo dependiente, el Impacto Individual. Como se indica
el constructo dependiente, la unidad de anlisis fue el usuario individual,
dado el nmero limitado de empresas que usan el sistema de DW y BI, lo
cual no permita trabajar con las empresas como unidad de anlisis. Para la
resolucin del modelo se utilizaron las Ecuaciones Estructurales, las cuales
son una herramienta de anlisis multivariable de ltima generacin que
permite trabajar con varios tems para cada constructo y solucionar el
modelo con todos los constructos a la vez. De esta manera se establecieron
las variables o constructos ms relevantes, por grado de importancia, y sus
componentes, y luego se determin la significancia de cada uno de ellos,
respondindose de esta manera las preguntas de investigacin y
confirmndose las hiptesis ms relevantes del estudio cuantitativo. Se
determin adicionalmente aspectos como el uso que le dan las empresas a
la Inteligencia de Negocios.
De otro lado, se encontr la investigacin desarrollada por el Sr. Boada
Byron y el Sr. Tituaa Alvaro, donde desarrollaron una aplicacin de
Business Intelligence para la empresa Empaqplast, con la finalidad de dar
soporte en la toma de decisiones para las gerencias de las reas de
negocio de compras, ventas e inventarios.
Para el desarrollo del proyecto se utiliz la metodologa de Ralph Kimball,
ya que es una de las ms usadas, seguras y probadas al momento de

12

implementar un proyecto de Business Intellgence, cubriendo todas las fases
de ciclo de vida de un proyecto de BI. Todas las etapas del proyecto se
realizaron con las herramientas de la suite Pentaho. El datawarehouse est
almacenado en una base de datos Oracle 10g perteneciente a la empresa.
Actualmente la empresa hace uso de la aplicacin para generar reportes de
las reas de negocio involucradas, vista de anlisis y monitoreo del negocio
mediante los tableros de control, logrando as un acceso a la informacin
organizada, depurada en tiempo real para la toma de decisiones acertadas.
2.2. BASES TERICAS
En este captulo se presenta un resumen de la teora referente a
Inteligencia de Negocios, Data Warehouse y Data Mart. El propsito del
captulo es proveer los conocimientos tericos necesarios y tcnicas
utilizadas a lo largo de la realizacin de este proyecto.

2.2.1 INTELIGENCIA DE NEGOCIOS
Son herramientas de soporte de decisiones que permiten en tiempo
real, acceso interactivo, anlisis y manipulacin de informacin crtica
para la empresa. Estas aplicaciones proporcionan a los usuarios un
mayor entendimiento que les permite identificar las oportunidades y
los problemas de los negocios.

Los sistemas de soporte de decisiones constituyen una tendencia creciente
en empresas medianas y grandes que desean una gerencia eficiente.
Mejorar la tarea de toma de decisiones y planeamiento estratgico,
transformando miles de datos en conocimiento til, es la razn por la que la
inteligencia de negocios es manejada como: la solucin de sistemas para
integracin de informacin y de tecnologa inteligente para el soporte a la
toma de decisiones gerenciales.


13

Figura N 1 Arquitectura Sistema de Inteligencia de Negocios.
Fuente: Obtenido del Proyecto de Aplicacin de BI. Universidad Rey Juan Carlos, Espaa, 2010.

Business Intelligence es la habilidad de consolidar informacin y analizarla
con la suficiente velocidad y precisin para descubrir ventajas y tomar
mejores decisiones de negocios
1
.
La tecnologa que apoya a Inteligencia de Negocios, se basa en los
siguientes conceptos:
Procesos Analticos en Lnea (Online Analytic Processing,
OLAP).
Almacenes de Datos (DataWarehouse).
Minera de Datos.

Inteligencia de Negocios se compone de todas las actividades relacionadas
a la organizacin y entrega de informacin as como el anlisis del negocio.
Esto incluye Minera de Datos, Administracin del Conocimiento,
Aplicaciones Analticas, Sistemas de Reportes y principalmente
DataWarehouse.

1
Flores Esquivel. Bussines Intelligence - El soporte de decisiones en la empresa Casa Marzam [Tesis], 2009.

14

Inteligencia de Negocios (Business Intelligence) es la habilidad de
consolidar informacin y analizarla con la suficiente velocidad y precisin
para descubrir ventajas y tomar mejores decisiones de negocios.
La Inteligencia de Negocios se puede definir como el proceso de analizar
los bienes o datos acumulados en la empresa y extraer una cierta
inteligencia o conocimiento de ellos. Dentro de la categora de bienes se
incluyen las bases de datos de clientes, informacin de la cadena de
suministro, ventas personales y cualquier actividad de marketing o fuente
de informacin relevante para la empresa.
BI apoya a los tomadores de decisiones con la informacin correcta, en el
momento y lugar correcto, lo que les permite tomar mejores decisiones de
negocios.
Figura N 2 Proceso de Inteligencia de Negocios.
Fuente: Obtenido del Proyecto de Implementacin de un sistema de Inteligencia de Negocios,
basado en minera de datos para las Pymes. Universidad de los Andes. Mrida, 2006.
La informacin es el activo ms importante en los negocios actuales. Esto
debido a que el xito de un negocio depende de que tan bien conozca a sus
clientes, que tan bien entienda sus procesos internos y que tan efectivo sea
para realizar todas sus operaciones.

15

Todas las soluciones de BI tienen funciones parecidas, pero deben reunir al
menos los siguientes componentes:
Multidimensionalidad: La informacin multidimensional se puede
encontrar en hojas de clculo, bases de datos, entre otros. Una herramienta
de BI debe ser capaz de reunir informacin dispersa en toda la empresa e
incluso en diferentes fuentes, para as proporcionar a los departamentos la
accesibilidad, poder y flexibilidad que necesitan para analizar la
informacin
2
.

Minera de Datos: Las empresas suelen generar grandes cantidades de
informacin sobre sus procesos productivos, desempeo operacional,
mercados y clientes, pero el xito de los negocios depende, por lo general,
de la habilidad para ver nuevas tendencias o cambios en las tendencias
actuales. Las aplicaciones o tcnicas de Minera de Datos, pueden
identificar tendencias y comportamientos, no slo para extraer informacin,
sino tambin, para descubrir las relaciones que contienen bases de datos,
permitiendo obtener y reconocer, comportamientos no muy evidentes.

Agentes: Los agentes son programas que "piensan". Ellos pueden realizar
tareas a un nivel muy bsico, sin necesidad de intervencin humana.

DataWarehouse: Es la respuesta de la tecnologa de informacin a la
descentralizacin en la toma de decisiones, destinando informacin de
todas las reas funcionales de la organizacin, en manos de quienes toman
las decisiones. Tambin proporciona herramientas para bsqueda y
anlisis.

Caractersticas
Para que una herramienta software sea considerada de inteligencia de

2
Ian Trujillo, Modelo Multidimensional, 2005.

16

negocio, debe garantizar las siguientes caractersticas:

Accesibilidad: debe garantizar el acceso de los usuarios a los datos,
siendo independiente la procedencia de los mismos.

Orientada al usuario: buscar la independencia entre los conocimientos
tcnicos que puedan poseer los distintos usuarios.

Apoyo a la toma de decisiones: debe distinguirse de una simple
presentacin de la informacin, debe poseer herramientas de anlisis que
permita seleccionar y manipular solamente aquellos datos que sean
interesantes para el usuario.

2.2.1.1 Importancia de BI
Generalmente, en las organizaciones se genera una gran cantidad
de datos e informacin que en muchos de los casos el anlisis de
la misma se convierte en un verdadero problema para los directivos.
Las tecnologas y los sistemas de BI permiten realizar un anlisis
mucho ms gil y compresible para la toma de decisiones
empresariales, las aplicaciones BI buscan incrementar la eficiencia en
la organizacin. Podemos decir que la informacin, correctamente
analizada e interpretada, es la mayor fuente de poder de las empresas,
ya que da pistas muy claras acerca del camino a seguir en futuras acciones.

2.2.1.2 Beneficios de BI
Entre los beneficios ms importantes que brinda una aplicacin BI a las
organizaciones, se puede mencionar los siguientes:
Minimiza el tiempo de carga de datos, debido a que todos los datos
se encuentran en un mismo repositorio o fuente de informacin.
Los procesos de extraccin y carga de la informacin son automticos

17

debido al uso de procesos definidos y metodologas.
Las herramientas BI permiten realizar anlisis, y establecer
comparaciones para la toma de decisiones.
Permite a los usuarios no depender de reportes o informes
programados, porque los mismos sern generados de manera dinmica.
Posibilita la formulacin preguntas y respuestas que son claves para
el desempeo de la organizacin.
Permite acceder y analizar directamente los indicadores de xito.
Permite consultar y analizar los datos de manera sencilla e intuitiva.
Elimina los gastos innecesarios en la organizacin.
Mejora el conocimiento de la empresa sobre clientes, empleados, costos
etc. Lo que facilita la gestin de los directivos.

2.2.1.3 Arquitectura
Una solucin BI empieza, desde los sistemas de origen o los sistemas
operacionales de la organizacin es decir las bases de datos, archivos
planos, hojas de clculo, sistemas ERP que son los que generan datos
de la organizacin. Sobre los datos obtenidos se realiza un proceso
de extraccin de los datos de sus diferentes fuentes, transformacin
que consiste en una estandarizacin de los datos y carga de los
datos en un nuevo repositorio como un Data Warehouse o en varios
Data Marts para de esta manera ser estructurados y presentados a
los usuarios finales en forma de Reportes, Tableros de mando, etc.

18

Figura N3 Arquitectura BI.
Fuente: Obtenido de la Tesis Desarrollo de una Aplicacin de Business Intelligence para la empresa
Empaqplast. Escuela Politcnica del Ejrcito. Ecuador, 2012.

2.2.2 DataWarehouse
Es un almacn o repositorio de datos que integra informacin de diferentes
fuentes de datos (base de datos, archivos de texto, hojas de clculo) y permite
un anlisis para la toma de decisiones. Muchos expertos definen el
DataWarehouse como un almacn de datos centralizados que introduce datos de
un almacn de datos especfico llamado DataMart.
Es integrado, no voltil y variable en el tiempo, el contribuye al soporte de
la toma de decisiones en la entidad en la que se utiliza. Es un expediente
completo de una organizacin, ms all de la informacin transaccional y
operacional, almacenado en una base de datos diseada para favorecer el
anlisis y la divulgacin eficiente de datos
3
.

3
Jimnez Agosta, A Time of Growth for Data Warehousing, 2004.

19

2.2.2.1 Caractersticas de un DataWarehouse:
Orientado a un tema: Los datos en la base de datos estn organizados de
manera que todos los elementos de datos relativos al mismo evento u objeto
del mundo real queden unidos entre s.
Variante en el tiempo: Registra los cambios que se producen a lo largo
del tiempo, reflejando los datos originales en el informe final.
No voltil: esta es informacin solo de lectura, no se puede eliminar ni
modificar una vez almacenada.
Integrado: La base de datos contiene los datos de los sistemas operacionales
que existen en la organizacin, estos datos deben ser consistentes.

2.2.2.2 Funcin de un Data Warehouse
En la creacin de un Data Warehouse lo que se busca es almacenar los
datos que son necesarios o tiles para la organizacin. De esta
manera se trata de crear un repositorio de datos estructurados y
depurados y convertir estos datos en informacin til para el usuario final. El
usuario puede realizar consultas e informes de manera ptima y segura.
2.2.3 Data Mart
Es un conjunto de datos que son estructurados de una forma que facilite su
posterior anlisis. Los Data Marts contienen la informacin referente a un rea
especfica de la organizacin, se caracteriza por tener una estructura ptima de
los datos que pueden ser alimentados desde una base de datos transaccional y
son los que formarn parte de un Data Warehouse.

2.2.3.1 Caractersticas de un Data Mart
Mayor rapidez de consulta.
rea especfica.
Tiene un propsito especfico.

20

Consultas SQL sencillas.
Permite llevar un historial de la informacin.

2.2.4 Cubos OLAP
Los cubos OLAP (On Line Analytical Processing) se crean en funcin a
bases de datos multidimensionales, que permiten procesar grandes
volmenes de informacin, en campos bien definidos, dando un acceso
inmediato a los datos para su consulta y posterior anlisis.
Esta estructura multidimensional de los cubos OLAP es gracias a que son
formados por vectores.

2.2.4.1 OLAP: Procesamiento Analtico en Lnea
El procesamiento analtico en lnea (OLAP, del ingls On Line Analitycal
Processing) es una solucin utilizada en el campo de la inteligencia de negocio.
Bsicamente consiste en la realizacin de consultas a estructuras
multidimensionales, tambin conocidas como cubos OLAP que contienen datos
resumidos de grandes bases de datos o sistemas transaccionales en lnea
conocidos como OLTP.

El procesamiento analtico en lnea (OLAP), nace como contraposicin al
procesamiento transaccional en lnea (OLTP, del ingls On Line Transacctional
Processing). La principal razn de usar OLAP es la velocidad de respuestas en
las consultas. Una base de datos relacional almacena las entidades en tablas
que han sido normalizadas. Esta estructura es buena en un sistema OLTP, pero
para consultas ms complejas, es relativamente lenta. Un mejor modelo para las
bsquedas, aunque peor desde el punto de vista operativo, es una base de datos
multidimensional.
El acceso y las consultas a estas bases de datos, tambin conocido como
anlisis del hiper cubo, organiza la informacin segn los parmetros que se
consulten, de tal manera que a partir de estructuras multidimensionales que

21

contienen los datos resumidos de Sistemas Transaccionales, OLTP o de grandes
bases, se obtendr la informacin requerida.

Figura N4 Tipos de Tecnologa OLAP.
Fuente: Obtenido del Proyecto de Aplicacin de Business Intelligence para la toma de
decisiones con QlikView. Universidad Rey Juan Carlos, 2010.

2.2.4.2 MOLAP: Procesamiento Analtico Multidimensional en Lnea
La diferencia ms significativa que presenta un sistema MOLAP (del ingls,
Multidimensional On Line Analitycal Processing) es que requiere un pre-
procesamiento y almacenamiento de la informacin contenida en el cubo OLAP.
MOLAP almacena los datos en una matriz de almacenamiento multidimensional
optimizada, en lugar de utilizar una base de datos relacional.

2.2.4.3 ROLAP: Procesamiento Analtico en Lnea Relacional
ROLAP (del ingls, Relational On Line Analytical Processing) es una alternativa a
la tecnologa MOLAP. Mientras las herramientas de anlisis MOLAP estn
diseadas para permitir anlisis de datos a travs del uso de modelos de datos
multidimensionales, ROLAP difiere significativamente en que no requiere la
computacin previa ni el almacenamiento de la informacin. En lugar de eso, las
herramientas ROLAP acceden a los datos de una base de datos relacional y
generan consultas SQL para calcular la informacin al nivel apropiado, cuando un

22

usuario final lo requiere. Con ROLAP, es posible crear tablas de base de datos
adicionales (tablas resumen o agregaciones) las cuales resumen los datos en
cualquier combinacin deseada de dimensiones.

2.2.4.4 HOLAP: Procesamiento Analtico en Lnea Hbrido
En este tipo de implementacin, se utiliza un almacenamiento mixto: los datos
agregados y pre calculados se almacenan en estructuras multidimensionales,
mientras que los datos de menor nivel de detalle se almacenan en estructuras
relacionales. La principal dificultad que presenta, reside en identificar cada tipo de
dato.
Estos sistemas resuelven el problema de almacenamiento de los datos de mayor
granularidad en bases de datos relacionales, y almacenan las agregaciones en
formato multidimensional.
Los cubos almacenados como HOLAP, son ms pequeos que los MOLAP
y responden ms rpidos que los ROLAP. HOLAP es generalmente usado
para cubos que requieren rpida respuesta, para sumarizaciones basadas en
una gran cantidad de datos.

2.2.5 MODELO MULTIDIMENSIONAL
Tablas de hechos Contiene todas las claves primarias de cada una de las
dimensiones y las medidas que nos ayudarn en el anlisis de los cubos.
2.2.5.1 Tablas de dimensiones
En estas tablas encontraremos todos los valores que se utilizarn en la
tabla de hechos.
2.2.5.2 Tablas de hechos
Las tablas de hechos del almacn de datos se relacionan entre s a
travs de las dimensiones que comparten.
2.2.5.3 Esquema en estrella
Este esquema se caracteriza por tener una tabla de hechos en el
centro de su estructura, a la cual llegan las tablas de dimensiones
mediante las claves primarias simples de cada dimensin. Concentrando

23

de esta manera la informacin en una tabla denominada tabla de
hechos.

Figura N 5 Esquema Estrella
Fuente: Extrado de pgina de internet. http://www.dataprix.com/data-warehousing-y-metodologia-
hefesto/arquitectura-del-data-warehouse/34-datawarehouse-manager. Lima, 2014.

2.2.5.4 Esquema en copo de nieve
En este esquema encontramos la particularidad que una tabla de
dimensiones puede estar formada por ms de una tabla de datos lo que
le hace diferente a el esquema de estrella permitindonos tener varios
caminos para llegar a los datos influyendo directamente sobre el
rendimiento de las consultas.

Figura N 6 Esquema Copo de Nieve
Fuente: Obtenido del Proyecto de Aplicacin de Business Intelligence para la toma de
decisiones con QlikView. Universidad Rey Juan Carlos, 2010.


24

2.3 MARCO CONCEPTUAL
2.3.1 SISTEMAS DE INFORMACIN
Conjunto de componentes interrelacionados que capturan, almacenan, procesan y
suministran informacin, para que sta sea utilizada eficientemente y de esta
forma soporte la toma de decisiones, el control, anlisis y visin integral en una
institucin.

2.3.1.1 Sistemas de Nivel Estratgico
A nivel estratgico de la compaa los ejecutivos de alta gerencia pueden
analizar y evaluar tendencias, patrones y relaciones del negocio, anticipar
problemas potenciales y hacer los correctivos necesarios, convirtiendo las
decisiones inteligentes en una ventaja competitiva.
En el nivel estratgico estas herramientas comprenden mtricas,
indicadores de desempeo y tableros de control, entre otros, que ayudan al
mejoramiento del desempeo de la empresa a travs de la alineacin de la
planeacin estratgica de la empresa con la actividad real del negocio, la
visualizacin y el rastreo del cumplimiento de indicadores, la asignacin de
metas a usuarios y la comunicacin de resultados a lo largo de las reas
funcionales de la empresa.

2.3.1.2 Sistemas de nivel Tctico
Las soluciones de Inteligencia de Negocios tiles a nivel tctico de la
compaa son bsicamente herramientas de consulta y anlisis, que
permiten a los analistas y cargos medios interactuar con informacin y
responder preguntas de negocio por si mismos, sin intervencin del
departamento de Sistemas, con un mnimo conocimiento de las fuentes y
estructura de datos empresariales. Un gran segmento de usuarios
empresariales, desde analistas experimentados hasta usuarios de negocio,
pueden fcilmente crear consultas y desarrollar clculos sin tener que
entender los complejos lenguajes de desarrollo de informes y sus
estructuras; y luego pueden compartir esta informacin con otros a lo largo

25

de la organizacin y ms all de sta.
Con las herramientas de Consulta y Anlisis los directivos en cargos medios
de la organizacin, pueden acceder a un anlisis ms detallado e interactivo
de las actividades del negocio que combinan mltiples variables de acuerdo
a los objetivos del rea funcional de la empresa y le ayudan a optimizar sus
procesos de negocio.

2.3.1.3 Sistemas de nivel operativo
Registran y procesan las operaciones bsicas y de rutina necesarias para el
funcionamiento de la empresa como contabilidad, inventarios, etc. Las
razones del procesamiento son: registro, orden, clculo, sntesis,
almacenamiento y visualizacin de los resultados.

El nivel operativo de la organizacin es responsable de acceder a
informacin crtica del negocio y tenerla capacidad de distribuir dicha
informacin a los diferentes niveles de la organizacin y usuarios, para
asegurar la toma de decisiones basada en informacin exacta, confiable y
oportuna que puede impactar el desarrollo y el xito del negocio.

Los requerimientos de informacin en este nivel de la organizacin, en las
diferentes reas funcionales, estn basados en reportes operativos que
respondan bsicamente preguntas predefinidas de la actividad del negocio
en un periodo determinado de tiempo.


26

Figura N 7 Clasificacin de Sistemas a Nivel Organizacional.
Fuente: Obtenido del Proyecto de Implementacin de un sistema de Inteligencia de Negocios, basado en
minera de datos para las Pymes. Universidad de los Andes. Mrida, 2006.

2.3.2 TOMA DE DECISIONES
2.3.2.1 Administracin de Datos
La disminucin del tiempo transcurrido entre la obtencin de datos y la toma
de decisiones, supone una ventaja empresarial. Cuanta ms informacin se
disponga sobre los clientes y socios, mejores servicios y ms
personalizados, podr ofrecer la organizacin, adems de establecer unas
relaciones mejores y ms productivas. Slo si se posee un adecuado acceso
a la informacin de la organizacin, se podr conseguir que un negocio sea
ms eficaz y detectar los problemas antes de que estn fuera de control.

2.3.2.2 Administracin del Conocimiento
El conocimiento es una mezcla fluida de experiencia estructurada, valores,
informacin contextual e internalizacin experta que proporciona un marco
para la evaluacin e incorporacin de nuevas experiencias e informacin. A
nivel organizacin queda registrado el conocimiento no solo en documentos
sino tambin en procedimientos, rutinas y normas institucionales.


27

2.3.2.3 Apoyo a los Sistemas de Toma de Decisiones
Hoy en da, las organizaciones estn buscando mejorar sus sistemas de
toma de decisiones, ya que pueden ser desbordados por el volumen y la
complejidad de los datos disponibles, provenientes de sus sistemas de
produccin y transaccionales.
A lo largo del tiempo, en el desarrollo de sistemas, se ha tratado de dar
solucin a esa necesidad intrnseca de los altos mandos gerenciales, acerca
de poseer la informacin de manera resumida, que permita de un modo corto
y rpido, darse cuenta de todo lo que pasa en los sistemas transaccionales
de los niveles bajos de la empresa. Sin embargo, esto ya no es suficiente ya
que actualmente se requiere conocer lo que sucede en todos y cada uno de
los procesos, tanto crticos como triviales, que se originan en una empresa o
negocio, ya que es el conocimiento de stos lo que da una visin clara de lo
que ocurre en ella.

Los requerimientos de informacin no son difciles de resolver, dado que sta
se encuentra, efectivamente, en los sistemas operacionales; pero, la
complicacin surge debido a que difcilmente ella est disponible en el
tiempo y estructura correcta. Dado el caso y, buscando la administracin de
ese conocimiento tan importante en nuestros das, surge una de las opciones
que se han implementado para cubrir esta necesidad de las empresas, los
denominados DataWarehouse o Sistemas de Informacin Integrados, es
decir sistemas que, con el objetivo de facilitar la integracin de los datos
organizativos, extraen datos de diferentes sistemas o bases de datos,
funciones y lugares de la empresa, segn se van generando, los almacenan
conforme a un lenguaje comn y los hacen ampliamente disponibles. El
DataWarehouse se explicar en mayor detalle en la seccin posterior
correspondiente a Minera de Datos.

Para obtener la informacin, es importante determinar cul va acorde con la
necesidad de la empresa, y extraerla de las fuentes disponibles para

28

acumularla en un repositorio central (DataWarehouse). De esta manera se
obtiene una sola versin de la verdad, y los datos son transformados en
informacin limpia siguiendo unas reglas de negocio que dicte la
organizacin. (Rivera F. Luis. 2004).

Las herramientas para acceder a la informacin pueden ser generadores de
reportes, o de minera de datos, hacindose pertinente el concepto de
Inteligencia de Negocios.

2.3.3 CALL CENTER
2.3.3.1 Definicin
Es un rea donde agentes, asesores, supervisores o ejecutivos,
especialmente entrenados, realizan llamadas (Outbound) y/o reciben
llamadas (Inbound) desde o hacia: clientes (externos o internos), socios
comerciales, compaas asociadas u otros.
Es una herramienta de comunicacin y relacin con los Clientes que utiliza
el telfono como medio de comunicacin bsico gestionado por personas
humanas en conjunto a los recursos humanos, fsicos y tecnolgicos
necesarios y disponibles, basados en metodologas de trabajo y procesos
determinados y adecuados, para atender las necesidades y dar servicio a
cada cliente nico con el objeto de atraerlo y fidelizarlo con la organizacin
y permitir su viabilidad.

29

Figura N 8 Diseo de Call Center.
Fuente: Obtenido de Bassher CRM Call Center. Delegacin Benito Jurez. Mxico D.F.

2.3.3.2 Tecnologas utilizadas
Las tecnologas tradicionales que se ocupan en los Centros de Llamadas
son las siguientes:
Infraestructura telefnica (conmutador, telfonos, Voz sobre IP, diademas
o cintillos).
Infraestructura de datos (computadoras, bases de datos, CRM).
Distribuidor automtico de llamadas entrantes (ACD).
Sistema de Respuesta Interactiva de Voz (IVR).
Grabador de llamadas (que muchas veces tambin graba las pantallas de
los agentes).

30

Marcador asistido, progresivo o automtico y predictivo.
2.3.3.3 Llamadas Entrantes (INBOUND)
Los objetivos de un centro especializado en las llamadas entrantes pueden
ser mltiples:

Nmero verde de informacin establecido tras un acontecimiento cualquiera
(catstrofe area, por ejemplo): que permite difundir la informacin poco a
poco y tranquilizar, dando una imagen positiva de la situacin (una ayuda
existe). Se habla as no solamente de centro de llamada, sino tambin de
"centro de contacto".

Servicio postventa: las hot line, muy a menudo para administrar los
problemas encontrados por los clientes de FAI, funcionan gracias a centros
de llamadas.

Toma de citas (por ejemplo, para gabinetes mdicos) o pedidos, en particular,
para la venta por correspondencia.

Servicio al Cliente: resolucin de consultas, entrega de informacin, atencin
de requerimientos.

Mesa de Ayuda (HelpDesk): Servicio que permite entregar un apoyo
especializado por telfono a travs de un ejecutivo de call center
especializado con conocimientos tcnicos sobre una materia especfica.

2.3.3.4 Llamadas Salientes (OUTBOUND)
Los Centros especializados en las llamadas salientes pueden:
Efectuar sondeos: la recoleccin de la informacin es fcil, efectundose
inmediatamente su distribucin y tratamiento.

31

Superficie de la publicidad para una marca, o incluso de la prospeccin o
la venta a distancia: es all la sustitucin de los buhoneros y de la venta
al detalle (de puerta en puerta).
Tele-ventas: Actividad de venta a travs de un ejecutivo de venta
especializado y con competencias para vender de forma remota.
Tele-encuestas: Actividad de encuesta telefnica a travs de un ejecutivo
de tele-encuesta capaz de brindar un rpido relevamiento de informacin
de parte de un cliente.
Programacin de reuniones: Actividad que permite programar reuniones
o citas con clientes para ofrecer un producto o servicio que por su
complejidad no se puede vender por telfono y requiere entrevista
personal.
Tele-cobranzas: Actividad que permite cobrar en sus diversas etapas,
mora temprana, mora tarda o mora pre-judicial, proporcionando las
alertas necesarias al cliente y ayudndolo en el proceso de regularizar
sus pagos para que pueda seguir utilizando el servicio.

2.3.3.5 Estructura de un centro de llamadas
Usualmente un centro de llamadas est formado por gerentes de
operaciones y analistas, grupos de capacitacin, agentes de calidad, soporte
de operaciones, soporte tecnolgico, supervisores, team leaders y agentes
telefnicos. Generalmente, un supervisor tiene a cargo un grupo de agentes
telefnicos. Igualmente existen los especialistas en datos o de suministro de
informacin estadstica (data marshall).


32

Figura N 9 Estructura de un Centro de Llamadas.
Fuente: Obtenido de Bassher CRM Call Center. Delegacin Benito Jurez. Mxico D.F.

2.3.4 METODOLOGAS DE DESARROLLO DE UN PROYECTO BI
Eleccin de La Metodologa para el Desarrollo del Proyecto
Tomando en cuenta que la metodologa de Ralph Kimball conduce a
una solucin completa de BI en un corto periodo de tiempo, acceso
a documentacin que se puede encontrar y a los numerosos ejemplos
aportados en diferentes entornos de negocio, esta metodologa permite
encontrar una respuesta a casi todas las preguntas que puedan
surgir, sobre todo cuando no se dispone de la experiencia previa
necesaria.

Por otro lado, este tipo de metodologa bottom-up permite que, partiendo
de cero, se pueda empezar a obtener informacin til en cuestin de
das y despus de los prototipos inciales, comenzar el ciclo de vida
normal que nos ofrezca una solucin completa de BI.

Los Data Marts resultantes son fcilmente consultables tanto para
los desarrolladores como para los usuarios finales. La relacin directa

33

entre los hechos y dimensiones conceden a cualquier usuario la
posibilidad de construir consultas sencillas.

Metodologa de Ralph Kimball
Ralph Kimball es considerado uno de los representantes ms
importantes del Data Warehouse y Business Intelligence. Su
metodologa ha sido probada en muchos escenarios de negocio y se
podra decir que se ha llegado a convertir en un estndar de proyectos
BI. En el ao 1998 se publica la primera edicin del libro The Data
Ware house Lifecycle Tool kit donde se expone dicha metodologa
4
.

En la siguiente figura se muestra el ciclo de vida propuesta por
Ralph Kimball y sus fases.
Figura N 10 Tareas de la Metodologa de Kimball.
Fuente: obtenido de La Metodologa de Kimball. Business Dimensional Lifecycle.
Cuadernos de la Facultad UCASAL, 2010.

4
Gustavo R. Rivadera. La Metodologa de Kimball para el diseo de almacenes de datos. Cuadernos de
Facultad n. 5: 2010.

34

2.3.4.1 Planificacin y Administracin del Proyecto
La planificacin busca identificar la definicin y el alcance del
proyecto, incluyendo las justificaciones del negocio y las evaluaciones de
factibilidad. La metodologa en esta etapa propone identificar el
alcance basado en requerimientos de negocios y no en fechas
establecidas. As el cumplimiento del proyecto ser directamente
relacionado con el negocio de la empresa.

2.3.4.2 Definicin del proyecto
Como paso inicial para el desarrollo de un proyecto de BI se debe
identificar de donde proviene la necesidad de informacin la cual
puede darse de un sector especfico como los directivos o gerentes
de la organizacin o a su vez puede provenir de varios sectores de la
empresa.

2.3.4.3 Preparacin para un proyecto de Data Warehouse
Ralph Kimball indica que se deben tomar en cuenta factores como el
apoyo y patrocinio de la gerencia, inters de la empresa en un
proyecto de BI, apoyo del departamento de sistemas y tecnologa de la
empresa, la empresa debe presentar un entorno factible para la realizacin
del proyecto.

2.3.4.4 Alcance
Se debe definir los lmites del proyecto para poder desarrollarlo
satisfactoriamente en base a los requerimientos del negocio.

2.3.4.5 Justificacin
Se debe tomar en cuenta cual ser la inversin para el proyecto y
cul ser el beneficio para la empresa.
En esta fase de debe definir justificaciones en trminos de negocio que
sustentan el proyecto y hacer las respectivas evaluaciones de factibilidad.

35

2.3.4.6 Planificacin del proyecto
A nivel de planificacin del proyecto se establece la identidad del mismo es
decir se lo maneja con un nombre, el personal (los usuarios, gerentes
del proyecto, equipo del proyecto, desarrolladores), desarrollo del plan
del proyecto, el seguimiento y la monitorizacin.

2.3.4.7 Administracin del proyecto
En esta etapa se verifica mediante reuniones con los involucrados en el
proyecto el avance del mismo y el cumplimiento de los requerimientos.

2.3.4.8 Definicin de los Requerimientos del Negocio
El punto clave para el proceso de desarrollo un Data Warehouse es la
manera como se interpretan y se analizan los requerimientos la
interpretacin correcta de los diferentes niveles de requerimientos
proporcionara la visin de cmo se realizara el diseo del Data
Warehouse.
Para iniciar con el proceso de obtencin de requerimientos se debe
hablar con los principales encargados del negocio, se debe enfocar
el proceso de toma de requerimientos en cosas como: en base a
qu informacin se toman decisiones, en qu consisten sus trabajos,
que informacin es la que se maneja con ms frecuencia, en que
actividades invierte ms tiempo.

Los diseadores del Data Warehouse deben comprender cuales son
los factores y las reglas que dirigen el negocio, cual es el
funcionamiento y los procesos que se llevan a cabo para la actividad de
negocio, determinar y analizar los requerimientos para traducirlos en
consideraciones de diseo apropiadas.


36

2.3.4.9 Entrevistas
Para iniciar el proceso de entrevistas se debe formar un equipo
entrevistador, el cual este conformado del entrevistador y una persona
que tome nota, es importante iniciar el levantamiento de
requerimientos observando los reportes que ya se maneja en la
empresa, cuales son las fuentes de datos y conocer las maneras como
se lleva a cabo el anlisis la informacin dentro de la empresa, saber en
base a que parmetros se toman las decisiones del negocio esto
contribuye al anlisis de requerimientos. Esto proporciona una gua
para la elaboracin del modelo dimensional de datos se puede tener
una visin general de las dimensiones que se necesitarn para el
diseo del Data Warehouse.
Es de vital importancia dirigir las entrevistas a los directivos debido a
que son los que tienen un mejor conocimiento de las reglas de
negocio, las entrevistas tambin deben ser realizadas al departamento
de tecnologa para conocer con que recursos se cuenta para el
desarrollo del proyecto.

2.3.4.10 Diseo Tcnico de la arquitectura
El diseo de un Data Warehouse requiere la integracin de varias
tecnologas por lo que se debe tener en cuenta elementos como:
requerimientos del negocio, el entorno tcnico y las estrategias de
diseo.

Entorno Back Room:
Es el sitio donde toman lugar los procesos de Data Staging
(Adquisicin de los datos) consiste en el proceso de Extraccin,
Transformacin y carga (ETL) de los datos desde las fuentes de origen
y la carga de los mismo en el Data Warehouse.

37

Figura N 11 Arquitectura back room.
Fuente: Obtenido de Tesis Doctoral. Impacto de la Data Warehouse e Inteligencia de Negocios
en el desempeo de las empresas. Universidad Esan 2013.

Entorno Front Room
Es la carta de presentacin de todo Data Warehouse por
tanto debe ser capaz de explotar al mximo todas las
funcionalidades y caractersticas que puede ofrecer el sistema en
general. Entre los servicios del Front Room se encuentra
navegacin, seguridad, monitoreo, generacin de reportes y por
supuesto manejo de consultas y otros servicios de escritorio. El
Front Room corresponde a la capa que representa los datos al
usuario, escondiendo toda la complejidad y el origen de los datos.

38

Figura N 12 Arquitectura front room.
Fuente: Obtenido de Tesis Doctoral. Impacto de la Data Warehouse e Inteligencia de Negocios en el
desempeo de las empresas. Universidad Esan 2013.
2.3.4.11 Seleccin de Productos e Instalacin
Utilizando el diseo de arquitectura tcnica como marco es necesario
evaluar en base a costos y factores de desempeo los componentes
especficos de la arquitectura, como la plataforma de hardware, el
motor de base de datos, la herramienta de ETL, las herramientas de
acceso. Una vez evaluados y seleccionados los componentes se procede
con la instalacin y prueba de los mismos en un ambiente integrado de
Data Warehouse.

2.3.4.12 Modelado Dimensional
Ralph Kimball menciona que el modelado dimensional proporciona
varias ventajas en el desempeo del sistema BI en cuanto a las consultas.
El Modelado Dimensional, segn su creador Ralph Kimball, es el
diseo fsico y lgico que transformar las antiguas fuentes de datos
en las estructuras finales del Data Warehouse, a travs de una
tcnica que busca la presentacin de los datos en un marco de

39

trabajo estndar que es intuitivo y permite un acceso de alto
desempeo. Cada modelo dimensional est compuesto de una tabla
que tiene una llave compuesta llamada tabla de hechos y un
conjunto de tablas ms pequeas llamadas dimensiones. Cada tabla
dimensin tiene una llave primaria simple, que corresponde
exactamente a una de las partes de la llave compuesta en la tabla
de hechos. Esta estructura caracterstica es usualmente llamada esquema
estrella Los pasos necesarios para convertir un Diagrama Entidad-
Relacin (ERD) a un conjunto de diagramas de modelado dimensional
son:

Separar el ERD de la organizacin: Se debe separar los procesos
de negocios y modelar cada uno separadamente.

Seleccionar las relaciones: Las relaciones de varios a varios en el
modelo entidad - relacin que contengan cantidades numricas y
aditivas se las designa a las tablas de hechos.

Des normalizar tablas: las tablas restantes con llaves simples que
conectan directamente a las tablas de hechos son las tablas se
convierten en las dimensiones.

En los casos que una tabla dimensin se conecte a ms de una tabla
de hechos, se representa esta misma tabla dimensin en ambos
esquemas estas tablas adquieren el nombre de dimensiones
conformadas.


40

2.3.4.13 La Arquitectura del Data Warehouse
Un Data Warehouse est hecho de las unin de muchos de sus Data
Marts. Cada DataMart debe ser representado por un modelo
dimensional y dentro de un nico Data Warehouse, todos estos
Data Marts deben ser construidos a partir de dimensiones
conformadas y hechos. Esta es la base de la arquitectura de bus
del Data Warehouse.

La planeacin del Data Warehouse debe iniciarse con un fase
pequea de arquitectura de datos que cubra todo y que a la vez
tenga metas mu y finitas y especficas, luego se debe seguir esta
arquitectura con una implementacin paso a paso de Data Marts
separados, donde cada implementacin se adhiere a la
arquitectura predefinida

El autor Ralph Kimball sugiere las siguientes recomendaciones para la
construccin de un Data Warehouse. Crear una arquitectura que defina
el alcance e implementacin del Data Warehouse completo.
Supervisar la construccin de cada pieza del Data Warehouse. Una
tabla dimensin puede ser usada contra mltiples tablas de hechos en
el mismo espacio de base de datos.

2.3.4.14 Tcnicas de Modelado Dimensional
La idea fundamental del modelado dimensional es que casi cada
tipo de datos de negocio puede ser representado como un tipo de
cubo de datos, donde cada celda del cubo contiene un valor
medido y las aristas del cubo definen las dimensiones naturales de
los datos


41

2.3.4.15 Seleccionar el proceso de Negocio
En base a los requerimientos que ya se han tomado se debe
determinar cul es el proceso de negocio que se va a modelar el
cual puede tener una o ms tablas de hechos.

2.3.4.16 Declaracin de la granularidad
El nivel de granularidad se refiere a la presentacin de las
medidas en la tabla de hechos e es decir una granularidad fina o
menor presenta mayor detalle de los datos y una granularidad gruesa o
mayor presenta menor detalle en los datos.
2.3.4.17 Identificacin de las dimensiones
Cuando se agregan las diferentes dimensiones ests deben ser de
un objeto del negocio por ejemplo un cliente, producto etc. y deben
cumplir con la granularidad establecida previamente.
2.3.4.18 Identificacin de los hechos
Los hechos vienen a ser las medidas, son generalmente cantidades
y estn orientados a los procesos del negocio. Ejemplos de
medidas son totales, precios, cantidades etc.
2.3.4.19 Diseo Fsico
En lo que se refiere a la estructura fsica la etapa incluye tareas
como la configuracin de la base de datos debe incluir los nombres de
columna fsicos, los tipos de datos y constraints.
La creacin de tablas para datos y metadatos, donde se alojarn
dimensiones y tablas de hechos. Creacin de secuencias para los
procesos ETL. Creacin de tablas temporales, tablas histricas, tablas
para errores. Generacin de Scripts y diagramas fsicos de base de
datos.


42

2.3.4.20 Diseo y Desarrollo de la Presentacin de Datos
Esta etapa est conformada primeramente por las actividades de
extraccin, transformacin y carga de datos (ETL). Se realiza un
anlisis de los datos como se van a integrar y como se pueden
resolver problemas de inconsistencias.
Se definen como proceso de extraccin obtencin de los datos de
diferentes fuentes que permitirn efectuar la carga del Modelo Fsico
diseado.
El proceso de transformacin consiste en estandarizar y
estructurar los datos extrados de las diferentes fuentes para
convertir los datos y finalmente cargarlos en el Data Warehouse.
Actividades para el proceso ETL
Realizar un plan cada proceso de ETL.
Seleccionar una herramienta ETL.
Estrategias para proceso de carga.
Carga inicial de Datos(Dimensiones y Hechos)
Carga incremental de Datos(Dimensiones y Hechos)
Automatizacin del proceso ETL
Las tareas de ETL son altamente crticas pues tienen que ver con
parte medular del negocio ya que manejan directamente los datos.
La calidad de los datos en un Data Warehouse es un factor
determinante en el xito de un proyecto de BI. En la etapa de ETL
se debe resolver todos los inconvenientes relacionados con la
calidad de los datos fuente. Para que los datos del Data
Warehouse sean confiables.


43

2.3.4.21 Especificacin de Aplicaciones para Usuarios Finales
Cada usuario del Sistema de Bussiness Intelligence necesita un role
o perfile de usuario para los diferentes tipos de aplicaciones, acceso
a carpetas, acceso a cierto tipo de reportes, entre otras por lo que en
esta etapa se definen los diferentes tipos de permisos para los
usuarios.

2.3.4.22 Desarrollo de Aplicaciones para Usuarios Finales
Los usuarios acceden al Data Warehouse por medio del BI Server
herramienta grfica, que contiene la informacin de cada rea de
negocio, se pueden desplegar reportes, vistas de anlisis, tableros
de control. Los cubos, reportes y tableros de control son
implementados conforme a los requerimientos.
2.3.4.23 Implementacin
La implementacin representa la unin de la herramienta de BI,
los datos y las aplicaciones de usuarios finales. Existen factores
extras que aseguran el correcto funcionamiento de todos los
elementos, entre ellos se encuentran la capacitacin, el soporte tcnico
y la comunicacin. Todas estas tareas deben tenerse en cuenta
antes de que cualquier usuario pueda tener acceso al sistema de BI.

2.3.4.24 Mantenimiento y crecimiento
Como en todo proyecto se necesita tener actualizaciones de forma
constante para poder dar un ciclo de vida adecuado al producto.
Es importante establecer las prioridades para poder manejar los
nuevos requerimientos de los usuarios y de esa forma poder
evolucionar y crecer.


44

2.3.4.25 Gestin del proyecto
La gestin del proyecto asegura que las actividades del ciclo de
vida se lleven a cabo de manera sincronizada. La gestin del
proyecto acompaa todo el ciclo de vida. Entre sus actividades
principales se encuentra la monitorizacin del estado del proyecto y el
acoplamiento entre los requerimientos del negocio y las restricciones
de los sistemas de informacin para poder manejar correctamente
las expectativas en ambos sentidos.

2.3.5 HERRAMIENTAS
2.3.5.1 HERRAMIENTAS Y SUITES DE INTELIGENCIA DE NEGOCIOS
En la actualidad se han desarrollado diversas herramientas que ofrecen
soluciones a los problemas de Inteligencia de Negocios y que
implementan todas o alguna de sus tecnologas. Para poder entender
mejor el conjunto de herramientas para Inteligencia de Negocios , en
esta tesis se ha realizado una clasificacin de dichas herramientas, las
cuales se muestran en la tabla 5 en donde los sistemas se dividen en 2
clases:

A continuacin veremos las herramientas simples y las suites ms
populares que existen en el mercado para cada una de las
clasificaciones propuestas, junto con sus caractersticas principales.

2.3.5.2 HERRAMIENTAS
Las herramientas simples son aquellas que dan soporte a las tecnologas
de la inteligencia empresarial individualmente. Estas herramientas han
sido clasificadas a su vez de acuerdo a la tecnologa de inteligencia
empresarial a la que dan soporte, en seguida mencionaremos las ms
importantes y populares para cada una.

45

Herramientas de integracin de datos
En la figura 14 vemos algunas de las herramientas ms populares que apoyan
la integracin de datos, las cuales se describirn con ms detalle en seguida.

Figura N 13 Herramientas de integracin de datos (ETL).
Fuente: obtenido de la Tesis Desarrollo de una Aplicacin de Business Intelligence para la empresa

2.3.5.3 Herramientas para OLAP
En la figura 15 se muestran algunos de los proveedores de OLAP ms
populares que se describen ms detalladamente a continuacin.

Figura N 14 Herramientas de OLAP.
Fuente: obtenido de la Tesis Desarrollo de una Aplicacin de Business Intelligence para la empresa

46

Mondrian
Es un motor de ROLAP desarrollado en Java, que permite analizar
grandes conjuntos de datos que se encuentran almacenados en el
datawarehouse. Mondrian se considera un motor, porque se encarga de
recibir consultas dimensionales en lenguaje MDX y devolver los datos del
cubo que correspondan a la consulta. El cubo se representa como un
conjunto de metadatos que definen cmo se han de mapear estas
consultas dimensionales a sentencias SQL para obtener de la base de
datos la informacin necesaria para satisfacer la consulta dimensional.
Utiliza una memoria cach para almacenar los resultados de las
consultas que se acceden mltiples veces.
2.3.5.3 SUITES
Las suites, son sistemas que ofrecen la implementacin de todas las
tecnologas de Inteligencia de Negocios. En la figura 17 podemos ver
algunas de las ms populares que se describen a continuacin.

Figura N 15 Suites de Inteligencia de Negocios.
Fuente: Obtenido de la Tesis Desarrollo de una Aplicacin de Business Intelligence para la empresa


47

Pentaho BI
Pentaho BI es la nica suite que existe de cdigo abierto, ya que ha
adoptado las herramientas de Kettle, Mondrian y WEKA para conformar una
sola plataforma de Inteligencia de Negocios. Tiene las funcionalidades de
reportes, anlisis, data mining e integracin de datos (Pentaho, 2011).
Permite a los desarrolladores de Java disear componentes que pueden ser
rpidamente ensamblados en soluciones de inteligencia empresarial y a los
usuarios finales desplegar rpidamente las soluciones existentes de
Inteligencia de Negocios.
A pesar de que Pentaho BI se conforma ya como una suite que satisface las
necesidades de inteligencia empresarial, sus componentes no se integran
perfectamente ya que surgieron de manera individual. Sin embargo la
compaa Pentaho ofrece soporte comercial para todas ellas como conjunto,
por eso se considera una suite.
Oracle
Oracle BI es la plataforma ms completa para Inteligencia de Negocios ,
cubre un amplio rango de necesidades, incluidos los tableros interactivos, el
anlisis ad-hoc, alertas e inteligencia proactivas, publicacin e informes
avanzados, anlisis predictivo en tiempo real, y anlisis de tecnologa mvil
(Oracle, 2012).
Existen varias versiones de las plataformas:
Oracle BI Suite Enterprise Edition (EE): es una plataforma completa e
innovadora que ofrece bases para crear soluciones empresariales desde
fuentes de datos heterogneas para la distribucin de datos, con sistemas
Oracle y que no son de Oracle.
Oracle BI Standard Edition (SE): incluye Oracle Discoverer, est optimizado
para trabajar con los datos y las aplicaciones Oracle, y ofrecer anlisis e

48

inteligencia avanzados al menor costo.
Oracle BI Publisher: tambin denominado Oracle XML Publisher, ofrece la
solucin ms eficiente y escalable para informes y publicaciones, disponible
para entornos complejos y distribuidos.
Disponible con Oracle BI Suite EE o como solucin independiente. Oracle
Real-Time Decisin: combina los requerimientos comerciales y de
informacin del cliente para hacer la mejor recomendacin en cada
interaccin con el cliente y en cada decisin operacional al adaptarse de
manera inteligente, la informacin en constante cambio.

SQL Server 2012
Constituye la alternativa de Microsoft a otros potentes gestores de bases de
datos como son Oracle o MySQL. Generalmente no se lo asocia como una
suite de BI, sin embargo, posee potentes herramientas de productos
integrados que ofrecen cobertura en la toma de decisiones. Estos productos
son: Integration Services, Analysis Services y Reporting Services, que junto
al alcance de SQL Server se convierten en el motor de potentes aplicaciones
de inteligencia de negocios para empresas, manteniendo los costos bajo
control.
Entre sus principales caractersticas tenemos:
Integra bases de datos en almacenes de datos (datawarehouses) y aumenta
la capacidad de gestin de grandes tablas.
Permite la construccin de soluciones Inteligencia de Negocios robustas y
de alto rendimiento para el anlisis de datos.
Posee el mdulo SQL Server Inteligencia de Negocios Development Studio
para desarrollar, probar, implementar y mantener segura, escalable la
integracin de datos. Adems de generar reportes y anlisis optimizado de
soluciones.
SQL Server Analysis Services permite el diseo de cubos de datos y facilita

49

el diseo de dimensiones.
SQL Server Integration Services proporciona las caractersticas y el
rendimiento necesario para construir aplicaciones de clase empresarial de
integracin de datos desde diversas fuentes de datos.
SQL Server Reporting Services extiende la plataforma de almacenes de
datos para llevar la informacin que el trabajador necesita y tener acceso a
los datos del negocio.
Genera directamente reportes a herramientas familiares como Microsoft
Excel y Microsoft Word.
Soporta cdigo en transact-sql y ansi-sql.

2.3.5.4 Herramientas de Business Inteligence
Oracle BI Enterprise Edition Plus
Oracle BI Enterprise Edition Plus es una suite integrada de productos de
business inteligence que aporta al negocio funcionalidades tales como
tableros de control interactivos (Dashboard), consultas puntuales (Answers),
alertas e inteligencia proactiva (Delivers), reportes operacionales y
financieros, inteligencia tiempo real, anlisis offline, plugin de Microsoft Office
y un poderoso motor business inteligence altamente escalable con grandes
capacidades de integracin de mltiples fuentes de datos, fuentes no
estructuradas, tales como hojas de Excel, OLAP y aplicaciones Oracle y no
Oracle. Las principales ventajas de esta herramienta son:
Velocidad: Gran Velocidad de acceso a la informacin.
Seguridad: integra mdulos de seguridad de acceso a la informacin,
adaptables a cada perfil de usuario e incluso a cada usuario mismo, con una
interfaz muy intuitiva para su mantenimiento.
Robustez: Las aplicaciones desarrolladas son muy estables, incluso cuando
los orgenes de datos tienen problemas de actualizacin de la informacin o
han sido reestructurados.


50

MicroStrategy
MicroStrategy es un proveedor de software OLAP, de inteligencia de
negocio y de informes de empresa. El software de MicroStrategy permite
crear informes y anlisis de los datos almacenados en una Base de datos
relacional y de otras fuentes. MicroStrategy describe su software de
informes ncleo como ROLAP para remarcar el uso de la tecnologa de
base de datos relacional y distinguirlo del OLAP tradicional, aunque tambin
soporta tecnologa MOLAP desde la versin 7i.
Las principales ventajas que presenta son:
- El desarrollo de aplicaciones Business Intelligence con
MicroStrategy es relativamente sencillo, con una interfaz fcil de
manejar.
- Permite a los usuarios disear nuevos informes, mediante una
interfaz una serie de herramientas muy intuitivas.
- Asimismo, presenta algunos inconvenientes, tales como:
- La implantacin de la herramienta es costosa, tanto
econmicamente como en tiempo, lo cual se complementa de
alguna manera con la facilidad para el desarrollo.
- Precio moderado para la gran empresa, pero sigue siendo muy
elevado para la mediana empresa.
- En el aspecto tcnico la facilidad de implementacin a veces
limita las posibilidades que este tipo de herramientas debe
ofrecer.


51

CAPITULO III
3. DISEO E IMPLEMENTACIN
3.1 ANLISIS DEL MODELO
3.1.1 Planificacin del proyecto
Misin: Brindar una solucin rpida y precisa a nuestros usuarios finales,
logrando un alto nivel de satisfaccin de nuestros clientes.
Visin: Ser el mejor Call Center en innovacin, productividad y calidad de
servicio para nuestros clientes y usuarios finales.

3.1.2 Descripcin del Requerimiento:
La empresa Servicios Call Center del Per (SCCP), es la empresa donde se
desarrollar la presente solucin, el cual tiene la misin de satisfacer las
necesidades de comunicacin de las empresas que las contratan con los
usuarios finales, realizando Ventas y coordinaciones. En este proyecto se
pretende desarrollar un DataMart que permitir explotar toda la informacin
existente para mejorar la toma de decisiones en el rea de Ventas.

La solucin propuesta servir de respaldo para obtener la informacin
organizada y procesada y tomar eficientemente las decisiones de las
gestiones de los servicios para obtener una mejor rentabilidad y calidad en el
servicio.

52

a) Introduccin del Proyecto
La implementacin del Datamart, tiene como sustento dar soporte al
rea de Ventas de la Empresa SCCP, teniendo como principales
dificultades la toma de decisiones, ya que la informacin no se tiene en
el momento oportuno, por la demora de la reportera web que es
realizado mediante consultas, el cual requiere demasiado tiempo para
ejecutar y procesar los datos.
b) Objetivos del Proyecto
Determinar de qu manera la implementacin de un Data Mart permitir
analizar la informacin para el soporte a la toma de decisiones aplicado
al rea de Operaciones Ventas en la empresa Servicios Call Center
del Per.
c) Alcance del Proyecto
Se desarrollar la implementacin del Data Mart para brindar el soporte
a la toma de decisiones para el rea de Operaciones de la Empresa
SCCP,
La solucin que se plantea est basada en la utilizacin de una
herramienta Tecnolgica de Business Intelligence (SQL Visual Estudio
2008), donde se realizar el diseo y desarrollo de un Data Mart para el
rea de operaciones, donde se busca extraer e integrar los datos del
negocio para obtener informacin relevante y especfica sobre el servicio
de Ventas, el cual nos permitir la depuracin de los datos redundantes,
y obtener informacin estructurada y procesada para un mejor anlisis.


53

3.1.3 Descripcin de los Stakeholders

Cuadro N 1 Descripcin de los Stakeholders

Fuente: Elaboracin Propia.

3.1.4 Requisitos del Proyecto
3.1.4.1 Humanos
Gestin:

Cuadro N 2 Requisitos del Proyecto Humanos Gestin


Stakeholders Cargo Funcin que desempea en el proyecto
Allan Torres Gerente de Operaciones
Brinda la informacin necesaria sobre la gestin
operativa de los servicios.
Antonio Espinal
Coordinador de Ventas
Tarjeta BCP
Brinda informacin sobre la gestin de Venta de las
Tarjetas.
Analista
Anlisis de las Fuentes de Datos y requerimientos de
los usuarios.
Desarrollador
Ejecucin de la carga de Informacin de la fuente de la
BD del Data Mart.
Alex Cruz Jefe de TI
Coordina los servicios informticos y tecnolgicos para
el desarrollo del negocio.
Edwin Egusquiza
Analista Bussiness
Intelligence
Brinda informacin sobre los datos de gestin que
ayudan a la toma de decisiones en la empresa.
Carla Segovia
Stakeholders Cargo Funcin que desempea en el proyecto
Allan Torres Gerente de Operaciones
Brinda la informacin necesaria sobre la gestin
operativa de los servicios.
Antonio Espinal
Coordinador de Ventas
Tarjeta BCP
Brinda informacin sobre la gestin de Venta de las
Tarjetas
Coordina los servicios informticos y tecnolgicos para
el desarrollo del negocio.
Edwin Egusquiza
Analista Bussiness
Inteligence
Brinda informacin sobre los datos de gestin que
ayudan a la toma de decisiones en la empresa.

54

3.1.4.2 Tecnologas de la Informacin:

Cuadro N 3 Requisitos del Proyecto Humanos TI


3.1.4.3 Equipamiento
Hardware:

Cuadro N 4 Requisitos del Proyecto Equipamiento Hardware


Stakeholders Cargo Rol
Coordina los servicios informticos y tecnolgicos para el
desarrollo del negocio.
Edwin Egusquiza
Analista Bussiness
Inteligence
Brinda informacin sobre los datos de gestin que ayudan
a la toma de decisiones en la empresa.
Equipo Caractersticas Adicionales Cantidad
Pc de escritorio
Utilizada por el Analista BI para realizar el
mantenimiento y monitoreo del Sistema.
1
Laptop
Utilizada por el presentador de las tesis para la
implementacin del Data Mart.
1

55

Software:

Cuadro N 5 Requisitos del Proyecto Equipamiento software


3.1.5 Riesgo del Proyecto
El tiempo para el desarrollo del Proyecto.
Acceso a la Base de Datos de la Empresa SCCP

Uso Software Caractersticas Cantidad
Analisys Services Creacin del Cubo
Integration services Para poblar la BD del Data Mart - ETL
Herramientas de
Desarrollo Operacional
Para disear el esquema de las tablas
necesarias de la BD Operacional.
Herramientas de
Desarrollo Dimensional
Diseo de la BD Dimensional y
Generacin de Cdigo.
Sql Visual Studio
2008
Sql Managment
Studio 2008
1
1

56

3.1.6 Cronograma del Proyecto
El proyecto dur 72 das para su implementacin, con una fecha de inicio del
01/11/2013 hasta 10/02/2014.

Figura N 16 Cronograma del Proyecto

3.1.7 Definicin de los Requerimientos del Negocio
Segn la entrevista realizada al Gerente de Operaciones y al analista BI, que
son las personas claves en los Procesos de Negocio, ya que el Gerente es
quien toma las decisiones respecto a las Ventas y las proyecciones que se
da segn los resultados que obtiene y por otro lado, el analista que es la
persona quien extrae, transforma y consolida los datos de la organizacin en
informes de gestin que ayuden a la toma de decisiones en la empresa,
realizando reportes y estadsticas personalizados para los servicios.


57

A partir de las entrevistas identificamos tres procesos de Negocio que existe
en la empresa SCCP, el cual construimos una matriz con cada Proceso de
Negocio y sus Dimensiones.

Cuadro N 6 Procesos de Negocio Vs Dimensiones


Luego de ello se procedi a priorizar los requerimientos y el Proceso de
Negocio ms Crtico y con mayor rentabilidad para la empresa.

Los requerimientos que se obtuvo en el rea de Operaciones del Proceso de
Gestin de Ventas fueron:
Filtrar los datos segn los lugares de Ventas realizadas, para la fijacin del
mercado destino.
Obtener informacin concisa en cuanto a la Gestin de Ventas de Tarjetas de
Crdito segn los registros cargados y consumidos de forma diaria.
Minimizar el tiempo de carga de datos optimizando tiempos para el
procesamiento de los datos y la entrega de informacin de manera rpida y
oportuna para su anlisis.
Generar reportes de forma dinmica, donde el usuario puede personalizarlo y
adaptarlo a su necesidad.

PROCESO DE NEGOCIO Tiempo Producto TC Agente Cliente Calling List Ubigeo
Gestin de Ventas X X X X X X
Control de Llamadas X X X X
Gestin de Coordinaciones X X X X X X
DIMENSIONES

58

3.1.8 Proceso del Negocio
A continuacin se muestra en la Figura N 16 el proceso de Negocio del rea
de Operaciones Gestin de Ventas de la empresa SCCP.
Aqu vemos desde que la Base de Datos adquirida por SCCP o Proporcionada
por el Cliente (Empresa) es administrada y cargada al Sistema de Carga, para
luego ser almacenada en el Discador (OutboundContact Manager), y empiece
a discar de forma automtica los nmero cargados en la Base de Datos, para
luego transferir la llamada a un agente y realice la venta al usuario final.

Figura N 17 Proceso de Negocio del rea de Operaciones Gestin de Ventas.
Fuente: Obtenido de Difusin de Procedimientos SGC. rea de Operaciones SCCP. Lima, 2010.


59

3.2 DISEO Y CONSTRUCCIN
3.2.1 Diseo de la Arquitectura
El diseo de la arquitectura para el desarrollo del Proyecto se basa
inicialmente en la obtencin de la Base de Datos Transaccional SQL el cual
es una base Histrica del Ao 2012, luego de ello se procede a la creacin
de los ETLs, para extraer los datos relevantes y los que sern analizados,
luego de ello se transformar la data segn los tipos de datos y finalmente
se cargar los datos al repositorio del Data Mart, para luego ser analizados
mediante cubos y grficos estadsticos.

Figura N 18 Diseo de la Arquitectura.

3.2.2 INSTALACIN Y SELECCIN DEL PRODUCTO:
En esta etapa se instala y configura el Gestor de Base de Datos y la
Herramienta de Bussines Intelligence que se va a utilizar para la
implementacin del Data Mart.

60

Figura N 19 SQL Server 2008 R2
Fuente: Microsoft SQL Server 2008 R2 Management Studio.

Figura N 20 SQL Server Conexin


61

Figura N 21 SQL Server

Figura N 22 Visual Studio 2008


62

3.2.3 FUENTE DE DATOS
La fuente de datos utilizada para el modelo del anlisis multidimensional,
est basada en base de datos Histrico del Servicio Ventas de Tarjeta de
Crdito del BCP de la empresa SCCP, del ao 2012, ya que solo se tuvo
acceso a dicha informacin. A continuacin se muestra el Modelo
Transaccional de la Base de Datos de Ventas de TC.

Figura N 23 Modelo Transaccional de la Base de Datos de Ventas TC.

3.2.4 MODELAMIENTO DIMENSIONAL
El modelo multidimensional utilizado para el Data Mart es un modelo
Estrella, aqu se organiza y presenta los datos definindolos en
dimensiones. De esta forma de permite analizar la informacin a distintos
niveles de agregacin dentro de las diferentes dimensiones. Dentro de cada
dimensin se puede definir los niveles de agregacin para cada anlisis, a
estos niveles de granularidad se les conoce con el nombre de atributos.

63

Figura N 24 Modelo Estrella de la Base de Datos de Ventas TC.

3.2.5 DISEO FISICO
En este punto nos concentramos en la arquitectura de Base de Datos, en la
seleccin de las estructuras de almacenamiento necesarias para soportar el
diseo lgico, as como los mtodos que garanticen un acceso eficiente a
los Datos.
Cuadro N 7 Tipos de Datos DIM_AGENTE
Dimensin Tipos de Datos FactTable
DIM_AGENTE
AGENTE KEY (PK, int, not null)
FACT
GESTINVENTAS
(AGENTE KEY)
COD_AGENTE(varchar(20), null)
SERVICIO_AGENTE (varchar(50), null)
N_HORAS_LOGUEADAS(decimal(18,0),null)



64

Cuadro N 8 Tipos de Datos DIM_CALLING_LIST
DIM_CALLING_LIST
CALLING_LIST_KEY (PK, int, not null)
FACT
GESTINVENTAS
(CALLING_LIST_KEY)
COD_CL (varchar(20), null)
NAME_LIST (varchar(50), null)
REG_CONSUMIDOS(int,null)
REG_CONTACT_VAL(int, null)


Cuadro N 9 Tipos de Datos DIM_CLIENTE

DIM_CLIENTE

CLIENTE_KEY (PK, int, not null) FACT
GESTINVENTAS
(CLIENTE_KEY)
COD_CLIENTE (varchar(20), null)
NOM_CLIENTE (varchar(50), null)


Cuadro N 10 Tipos de Datos DIM_ESTADO_TC

DIM_ESTADO_TC

ESTADO_TC_KEY (PK, int, not null) FACT
GESTIN VENTAS
(ESTADO_TC_KEY)
COD_ESTADO (varchar(20), null)
ESTADO_TARJETA (varchar(50), null)


Cuadro N 11 Tipos de Datos DIM_TARJETA

DIM_TARJETA

TARJETA_KEY (PK, int, not null) FACT
GESTIN VENTAS
(TARJETA_KEY)
COD_TARJETA (varchar(20), null)
TIPO_TARJETA (varchar(20), null)



65

Cuadro N 12 Tipos de Datos DIM_TIEMPO
DIM_TIEMPO
TIEMPO_KEY(PK, int, not null)
FACT
GESTIN VENTAS
(TARJETA_KEY)
FECHA(datetime, not null)
NRO_DIA_SEMANA (int, not null)
NRO_DIA_MES(int, not null)
NRO_DIA_ANIO(int, not null)
NOMBRE_DIA_SEMANA (nvarchar(30), notnul
SEMESTRE_CALENDARIO (int, not null)


Cuadro N 13 Tipos de Datos DIM_UBIGEO

DIM_UBIGEO

UBIGEO_KEY (PK, int, not null) FACT
GESTIN VENTAS
(UBIGEO_KEY)
COD_UBIGEO(varchar(20), null)
NOM_DISTRITO (varchar(20), null)


Cuadro N 14 Tipos de Datos FACT_GESTION_VENTAS
FactTable Tipos de Datos FactTable
FACT_GESTION_VENTAS
AGENTE_KEY(FK, int, not null)
FACT
GESTIN VENTAS

CALLING_LIST_KEY(FK, int, not null)
CLIENTE_KEY (FK, int, not null)
ESTADO_TC_KEY (FK, int, not null)
TIEMPO_KEY (FK, int, not null)
UBIGEO_KEY (FK, int, not null)
TARJETA_KEY (FK, int, not null)
COD_VENTA(varchar(20), null)
N_HORAS_LOGUEADAS (decimal(18,0),null)
COSTO_CALL(decimal(18,0),null)
VARIABLE_PROMOCION(decimal(18,0),null)
HORA_POSICION (int, null)


66

3.2.5 POBLANDO LAS DIMENSIONES Y LA FACT TABLE
Creacin de un Data FlowTask, para contener a todas las
dimensiones.

Poblacin Dim_Agente
Poblacin Dim_CallingList
Poblacin Dim_Cliente
Poblacin Dim_Tarjeta TC
Poblacin Dim_Tiempo
Poblacin Dim_Ubigeo
Poblacin Gestin Ventas

Para el llenado de las Dimensiones primero limpiamos las tablas para insertar los
datos de la Tabla Transacional a las Tabla Dimensin, una vez llenado todas las
dimensiones, pasamos al poblado de la Fact Table.

Figura N 25 Poblacin de Dimensiones y Fact.


67

3.2.6 Datos de la Base de Datos Dimensional
Dimensin Agente

Figura N 26 Datos Dimensin Agente.

Dimensin Calling_List

Figura N 27 Datos Dimensin Calling_List.


68

Dimensin Cliente

Figura N 28 Datos Dimensin Cliente.

Dimensin Tarjeta TC

Figura N 29 Datos Dimensin Tarjeta TC.


69

Dimensin Tarjeta

Figura N 30 Datos Dimensin Tarjeta.

Dimensin Tiempo

Figura N 31 Datos Dimensin Tiempo.


70

Dimensin Ubigeo

Figura N 32 Datos Dimensin Ubigeo.

Fact Gestin Ventas
Figura N 33 Datos Fact Gestin Ventas.


71

Despus de haber terminado de poblar todas las tablas continuamos con la
realizacin del Cubo de la Fact_Gestion_Ventas, para ello primero nos
conectamos con nuestra base de Datos Dimensional.

Figura N 34 Fact_Gestion_Ventas.

3.2.7 DESARROLLO DE CUBOS
3.2.7.1 CUBO N1
En el siguiente cubo queremos analizar la Cantidad de Tarjetas Vendidas
por cada tipo de Tarjeta durante todo el ao 2012 y en todos los distritos
de Lima, para ello utilizamos las dimensiones DIM_TIEMPO,
DIM_TARJETA_TC y DIM_UBIGEO


72

Figura N 35 Cubo 1 Tiempo, Tarjeta, Ubigeo.

Resultado del Cubo

Figura N 36 Resultado Cubo Ventas por Tipo de Tarjeta.

73

3.2.7.2 CUBO N2
En el siguiente cubo queremos analizar la Cantidad de Tarjetas Vendidas
por cada Distrito de Lima segn tipo de Tarjeta durante todo el ao 2012,
para ello utilizamos las dimensiones DIM_TIEMPO, DIM_TARJETA_TC y
DIM_UBIGEO

Figura N 37 Cubo 2 Tiempo, Tarjeta, Ubigeo.

Resultado del Cubo

Figura N 38 Resultado Cubo Ventas x Distrito segn Tarjeta TC.

74

3.2.7.3 CUBO N3
En el siguiente cubo queremos analizar los ingresos vs los costos de
todas las Tarjetas TC, en todos los distritos de Lima, segn los tipos de
base enviados por los proveedores (Calling_List) durante la evolucin
mensual del ao 2012 para ello utilizamos las dimensiones
DIM_TIEMPO, DIM_CALLING_LIST y DIM_UBIGEO

Figura N 39 Cubo 3 Tiempo, Calling_List, Ubigeo.

Resultado del Cubo

Figura N 40 Resultado Cubo Ingresos Vs Costo segn Tarjeta TC.

75

3.3 CONSOLIDACIN DE RESULTADOS
3.3.1 Resultado N 1
En el siguiente diagrama analizaremos la Cantidad de Tarjetas Vendidas por
cada tipo de Tarjeta durante todo el ao 2012 y en todos los distritos de Lima
y observamos la que tuvo mayor demanda en el ao 2012 fue la tarjeta TC
EMPRESARIAL, el cual este anlisis servir para que la empresa pueda
ofrecer ms Tarjetas TC de estos tipos.

Tipos de Tarjeta:
1 -TC CLSICA
2- TC ORO
3- TC EMPRESARIAL
4- TC PLATINUM
5- TC CORPORATIVA

Figura N 41 Cantidad de Tarjetas segn tipo de Tarjeta.


76

3.3.2 Resultado N 2
En el siguiente diagrama analizaremos la Cantidad de Tarjetas Vendidas
por cada distrito de Lima, durante todo el ao 2012 ya que la venta de
Tarjeta TC en la empresa Call Center por contrato slo se da en los
Distritos de Lima. Observamos que los distritos donde tuvo mayor demanda
de Tarjetas TC es en Los Olivos, Pueblo Libre y La Molina.

Figura N 42 Ventas x Distrito segn Tarjeta TC.


77

3.3.3 Resultado N 3
En el siguiente diagrama analizaremos los Ingresos vs los Costos de todas
las Tarjetas TC, en todos los distritos de Lima, segn los tipos de base
enviados por los proveedores (Calling_List) durante la evolucin mensual del
ao 2012. Observamos que el mayor ingreso fue en enero con un monto
mayor a s/.140,000.00 y tuvo una cada en el mes de abril con un monto de
casi s/.40,000.00, a un costo constante.

Figura N 43 Ingresos Vs Costo segn Tarjeta TC.


78

CONCLUSIONES

A travs del presente proyecto, se lleg a cumplir el objetivo Principal el cual
era implementar un Data Mart que permita analizar la informacin para el
soporte a la toma de decisiones aplicado al rea de Operaciones Ventas en
la empresa Servicios Call Center del Per,

Se dise la Base de Datos Dimensional, para el alojamiento del Data Mart, el
cual minimiz el tiempo de carga, ya que los datos cargados en el repositorio
del Data Mart son datos relevantes, el cual eran importantes para la empresa
analizarlos segn sus requerimientos y la gestin de venta que se realiza da a
da, de esta forma se gener tambin reportes de forma dinmica y
personalizados y obteniendo los resultados en un menor tiempo.

La informacin analizada que se obtuvo y segn requerimiento de la empresa
fue obtener la Cantidad de Tarjetas Vendidas por cada tipo de Tarjeta durante
todo el ao 2012, de todos los distritos de Lima, para saber qu tipo de tarjeta
es la que tiene mayor demanda. y segn eso ofrecer ms de eso tipo de
tarjeta, ya que tiene mayor aceptacin por parte de los clientes. la tarjeta con
mayor demanda fue TC EMPRESARIAL.

Otro resultado que se obtuvo fue obtener la Cantidad de Tarjetas Vendidas por
cada distrito de Lima, durante todo el ao 2012 ya que la venta de Tarjeta TC
en la empresa Call Center por contrato slo se da en los Distritos de Lima.
Segn ello para adquirir ms registros de llamadas de los proveedores y hacer
llamadas con mayor nfasis a aquellos lugares donde hay mayor demanda de
TC. Los distritos donde tuvo mayor demanda de Tarjetas TC es en Los Olivos,
Pueblo Libre y La Molina.


79

RECOMENDACIONES

Se podra utilizar este proyecto para los futuros trabajos de investigacin, ya
que de todas las tesis revisadas e investigadas se observa que hasta el
momento no se ha realizado una implementacin de un Data Mart en una
empresa Call Center (Centro de Llamadas), ya que el rubro de la empresa es
nueva y reciente en el mercado.

Se podra utilizar tambin mtodos alternos, como el Estudio de Casos, el cual
permite trabajar con un nmero menor de informantes, y obtener detalles
particulares, y hechos ms detallados.

Se podran realizar estudios ms especficos, como el de empresas que logran
beneficios sustanciales, que podran simular, factores del xito y los que
permiten una implementacin satisfactoria del sistema y algunos estudios
especficos por el uso que se da al sistema de Data Warehouse e Inteligencia
de Negocios, como puede ser Marketing y Ventas; Crditos y Riesgos.

En el caso del Estudio Cuantitativo de Investigacin, se podra trabajar con
una muestra mayor, para tener un anlisis ms detallado, en el cual se podra
considerar inclusive algunas variables, como podran ser los aos de
experiencia con el sistema de DW y BI, el tipo de negocios al que se dedica la
empresa, y la actividad especfica del usuario del sistema.


80

BIBLIOGRAFA

Guillen Rodrguez. Desarrollo de un Data Mart para Mejorar la Toma de
Decisiones en el rea de Tesorera de la Municipalidad Provincial de
Cajamarca. Universidad Privada del Norte: 2012.

Jimnez Agosta, L. A Time of Growth for Data Warehousing. DM Review:
1ra Edition 2004.

Paitn, S. M. Anlisis, diseo e implementacin de un sistema gerencial
basado en una suite integrada de Datamarts para las areas de finanzas,
contabilidad [Tesis Doctoral]. Lima: PUCP: 2011.

Sedano, C. P. Anlisis, Diseo e implementacin de un Datamart para el
soporte de toma de decisiones y evaluacin de las estrategias sanitarias en
las direcciones de salud. [Tesis Doctoral] Lima. PUCP: 2009.

Ibermtica. Bussines Intelligence. Monografa de Internet, octubre 2012.
Disponible en:
http://www.larioja.org/upload/documents/458269_gestion_proyectos.pdf
Trujillo, I. A. Modelo Multidimensional. La Habana, Cuba:2005

Kimball Group. Block. Pgina de Internet. Disponible en:
http://www.kimballgroup.com

Flores Esquivel. Bussines Intelligence, el soporte de decisiones en la
empresa Casa Marzam [Tesis] S.A de C.V. Mxico: 2009

Quintana Lecaros. Business Intelligence en las empresas chilenas
[Seminario]. Santiago de Chile. Universidad de Chile: 2013.

81

Gonzales Lpez. Impacto de la Data Warehouse e Inteligencia de Negocios
en el Desempeo de las Empresas: Investigacin Emprico en Per, como
pas en Vas de Desarrollo. [Tesis Doctoral]. Univesrsitat Ramn Llull: 2010.

Gustavo R. Rivadera. La Metodologa de Kimball para el diseo de
almacenes de datos. Cuadernos de Facultad n. 5: 2010.

Henry, Laura. Call Center Tercerizados: Los desafos para la organizacin
de los trabajadores en una actividad econmica emergente. [Tesis]. Buenos
Aires. Universidad Nacional de la Plata: 2011.

Proyecto Final BI PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Proyecto Final BI PDF

Hochgeladen von

Copyright:

Verfügbare Formate

IMPLEMENTACIN DE UN DATAMART PARA EL REA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP

Das könnte Ihnen auch gefallen