FUNDAMENTOS DE INTELIGENCIA DE

NEGOCIOS

Estructura de contenidos

INTRODUCCIN........................................................................... 3

1. INTELIGENCIA DE NEGOCIOS..................................................... 3

1.1. La implementacin de un esquema de BI permite:...................... 4

1.2. Seleccin de Indicadores:....................................................... 5

1.3. Las 4 P de BI:........................................................................ 6

2. MINERA DE DATOS (DATA MINING)............................................ 6

3. BODEGA DE DATOS................................................................... 7

4. ARQUITECTURA DE UNA BASE DE DATOS EN INTELIGENCIA DE

NEGOCIOS.................................................................................. 8

4.1. Nivel operacional................................................................... 8

4.2. Bodega de datos o DWH......................................................... 9

4.3. Nivel departamental (Data Marts)............................................. 9

4.4. Nivel individual...................................................................... 9

4.5. Cubos Multidimencionales OLAP............................................... 10

4.5.1. Dimensiones....................................................................... 10

4.5.2. Modelos utilizados para construccin...................................... 11

5. ARQUITECTURA FUNCIONAL DE UN ALMACEN DE DATOS............... 14

FAVA - Formacin en Ambientes Virtuales de Aprendizaje SENA - Servicio Nacional de Aprendizaje

FUNDAMENTOS DE INTELIGENCIA DE NEGOCIOS
Mapa conceptual

2
FAVA - Formacin en Ambientes Virtuales de Aprendizaje SENA - Servicio Nacional de Aprendizaje
 Fundamentos de Inteligencia de Negocios

INTRODUCCIN

La utilizacin de los datos en las organizaciones como elemento que

facilita la toma de decisiones, involucra el conocimiento del funcionamiento
actual y la anticipacin de acontecimientos futuros. Alrededor de este tema
hay toda una serie de estrategias y herramientas las cuales a partir del
anlisis de datos existentes, generan conocimiento que permite apoyar
las decisiones empresariales. Este es el campo de accin de la Inteligencia
de Negocios.

La Inteligencia de Negocios se centra en el manejo de grandes volmenes

de informacin provenientes de las diferentes reas de la empresa, a
esta informacin se le aplican metodologas y herramientas para que
sea posible analizar el entorno organizacional determinando fortalezas y
debilidades para as establecer estrategias y el descubrimiento de nuevas
oportunidades.

1. INTELIGENCIA DE NEGOCIOS.

Inteligencia de negocios o BI (del ingls business intelligence) es el

conjunto de estrategias y herramientas para la administracin y creacin
de conocimiento mediante el anlisis de la informacin de una organizacin
para facilitar la toma de decisiones empresariales, predicciones y perfiles
futuras.

En 1958 Hans Peter Luhn habla por primera vez sobre inteligencia de
negocios, entendida como la interrelacin de hechos orientados al
desarrollo de una meta. Anteriormente las empresas generaban datos
y con mucho esfuerzo generaban conocimientos sobre estos, debido a
que no contaban con recursos computacionales, dificultando el anlisis
de los datos por la carencia de herramientas que permitieran la toma
de decisiones a largo plazo y las decisiones a corto plazo se toman por
intuicin.

3
FAVA - Formacin en Ambientes Virtuales de Aprendizaje SENA - Servicio Nacional de Aprendizaje
 Fundamentos de Inteligencia de Negocios

La inteligencia de negocios permite la toma de decisin en los niveles

estratgicos, tcticos u operativos, extrayendo datos para analizarlos,
generar reportes y realizar anlisis cruzados por medio del anlisis
multidimensional.

Howard Dresner en 1985, puso el acrnimo de BI (Business Intelligence),

como el conjunto de mtodos, herramientas y procedimientos para la
toma de decisiones, basados en hechos.

En la actualidad BI, incluye una amplia gama de metodologas, aplicaciones

y tecnologas, que permiten extraer de diversas fuentes, plataformas
y estructuras para transformarlas y analizarlas: datos, transacciones e
informacin son convertidas en conocimientos para soporte en la toma
de decisiones.

1.1. La implementacin de un esquema de BI permite:

Informacin correcta en el momento adecuado, almacenada en un

nico lugar y disponible en tiempo real.

Evaluacin de distintos escenarios que permiten analizar situaciones

que puedan afectar al negocio.

La informacin va mas all de los reportes, incluyendo indicadores

que me permitan medir el desempeo del negocio.

Permite agrupar informacin de diferentes reas para establecer,

modificar y ajustar polticas, procesos y procedimientos.

Gran capacidad de reaccin ante amenaza y vulnerabilidades del

negocio, actuando o anticipndose a stos.

Capacidad de retroalimentacin con respecto a hechos sucedidos

para reevaluar polticas y objetivos del negocio.

4
FAVA - Formacin en Ambientes Virtuales de Aprendizaje SENA - Servicio Nacional de Aprendizaje
 Fundamentos de Inteligencia de Negocios

Datos

Retroalimentacin
Informacin

Planes de accin
Conocimiento

Reglas

1.2. Seleccin de Indicadores:

Para generar el concepto de BI es importante entender cul es el flujo de

informacin en la empresa y cules son los procesos involucrados en el
requerimiento de informacin. Por eso es necesario preguntarse:

Qu informacin se necesita?

Para qu se quiere la informacin?

A quien va dirigida la informacin?

5
FAVA - Formacin en Ambientes Virtuales de Aprendizaje SENA - Servicio Nacional de Aprendizaje
 Fundamentos de Inteligencia de Negocios

1.3. Las 4 P de BI:

PLAN: curso de accin conscientemente determinado

 OSICIN: un medio para ubicar a la organizacin (nicho, rentas,

P
dominio)

PATRN: es un modelo que implica consistencia

 ERSPECTIVA: una manera particular de percibir el mundo (concepto,

P
cultura, ideologa)

2. MINERA DE DATOS (DATA MINING)

Es un proceso de descubrimiento y anlisis de relacin de patrones y

tendencias en grandes volmenes de datos para la generacin de
conocimiento.

Entendimiento
Entendimiento
de los Datos
de la Idea

Preparacin
de los Datos

Implementacin

Datos

Modelamiento

Evaluacin

6
FAVA - Formacin en Ambientes Virtuales de Aprendizaje SENA - Servicio Nacional de Aprendizaje
 Fundamentos de Inteligencia de Negocios

Los sistemas de base de datos dan soporte a los procesos bsicos de

la organizacin, una vez realizada esta labor la organizacin requiere
informacin ms all de lo que ofrecen los reportes; de esta necesidad,
surgen herramientas para la toma de decisiones (DSS Decision Support
System), tales como: EIS, OLAP y otras herramientas de la minera de
datos.

Las Herramientas OLAP (On Line Analytical Processing) actan sobre

sistemas de informacin (transaccional o bodega de datos), permitiendo
hacer agregaciones y combinaciones de datos complejos para realizar
anlisis estratgico, basados en sistemas o interfaces multidimensionales
de forma matricial, permitiendo facilidades para manejar y transformar
los datos que producen otros datos (metadatos).

Las herramientas de minera de datos permiten extraer patrones,

tendencias para predecir comportamientos futuros.

3. BODEGA DE DATOS.

Un bodega de datos (Bodega de datos, DataWareHouse), es el sistema de

informacin central de datos orientado al dominio, no voltil, integrado
y variante en el tiempo, procedente de diversos sistemas de informacin
que generan la materia prima a granel (SAP, CRM, ERP, OLTP).

La informacin en el bodega de datos sirve para realizar minera de datos

(Data mining), utilizando herramientas de procesamiento analtico en
lnea y anlisis multidimensional (OLAP) y Sistemas para el apoyo en la
toma de decisiones (DSS).

Los almacenes de datos pueden estar conformados por centros de acopios

intermedios o data marts que se especializan en un rea de la organizacin
y son sistemas orientados a la consulta.

Una bodega de datos debe ser:

Temtico: Los datos se almacenan por su naturaleza (rea, tema,

dependencia, etc.) para facilitar su entendimiento por parte de los
usuarios finales.

Integrado: Todos las dependencias de la organizacin envan su

7
FAVA - Formacin en Ambientes Virtuales de Aprendizaje SENA - Servicio Nacional de Aprendizaje
 Fundamentos de Inteligencia de Negocios

informacin en diferente nivel de detalle pero de forma tal que es

altamente consistente.

No voltil: La informacin es permanente, solo se realizan dos tipos

de operaciones: Carga de los objetos (informacin) y su consulta.

Histrico: Esta conformado por una serie de instantneas de la

situacin de la organizacin para realizar una lnea base para el anlisis
y la realizacin de perfiles, comportamientos y predicciones con respecto
a la informacin almacenada.

4. ARQUITECTURA DE UNA BASE DE DATOS EN

INTELIGENCIA DE NEGOCIOS

4.1. Nivel operacional

Son los datos primitivos de los sistemas de informacin que son creados
y actualizados transaccionalmente.

Datos operacionales Almacn de datos Nivel departamental Aplicaciones de usuario

DATA
MART

SGBD Nivel individual

OLAP

Carga de datos Transformadores de datos Minera de datos

8
FAVA - Formacin en Ambientes Virtuales de Aprendizaje SENA - Servicio Nacional de Aprendizaje
 Fundamentos de Inteligencia de Negocios

4.2. Bodega de datos o DWH

Almacenan los datos primitivos cargados en el DWH con un mediano o

alto grado de resumen para generar datos derivados y apoyar la toma de
decisiones.

4.3. Nivel departamental (Data Marts)

Tienen datos primitivos con un mediano grado de resumen, procedentes

de sistemas de informacin y fuentes de informacin. En los Data Marts:
los usuarios son limitados (servidores dedicados), estn asignados a un
rea especfica del negocio, tienen un propsito, y una funcin de apoyo
a la organizacin.

4.4. Nivel individual

Contienen pocos datos y son generados mediante algoritmos Heursticos,

procesos estadsticos de la informacin de los almacenes de datos
para la toma de decisiones (Regresiones, series temporales, anlisis
discriminantes, mtodos bayesianos, algoritmos genticos, arboles
de decisin y redes neuronales en otros), realizacin de perfiles,
comportamientos y predicciones.

La diferencia entre la arquitectura de una bodega de datos y una base

de datos OLTP estndar, es que en una estructura de bodega de datos
las tablas estn desnormalizadas entre variables y dimensiones. Un
sistema OLTP debe dar una respuesta a cada pregunta con respeto al
funcionamiento de la empresa.

9
FAVA - Formacin en Ambientes Virtuales de Aprendizaje SENA - Servicio Nacional de Aprendizaje
 Fundamentos de Inteligencia de Negocios

4.5. Cubos Multidimencionales OLAP

Manillas

Zapatos

Balacas
Bolsos
Hello

Hello
01/09/2011
Iserra 3 2 01/10/2011
01/11/2011

xito

Carulla
1

Olmpica

SAO Clientes
4

8 Productos

6
5 7

Fechas

1. Cuntos pares de zapatos Hello se vendieron a almacenes xito?

2. Cuntos productos se vendieron en total a Iserra el 1 de octubre de 2011?
3. Cuntos pares de zapatos Hello se vendieron a Iserra el 1 de octubre de 2011?
4. Cuntos bolsos Hello se vendieron a Olmpica?
5. Cuntos bolsos Hello se vendieron en total el 1 de noviembre?
6. Cuntos zapatos Hello se vendieron en total?
7. Cuntos productos se vendieron en total?
8. Cuntos productos se vendieron en total el 1 de noviembre de 2011?

Las herramientas especializadas como hojas de clculos dinmicas, tablas

dinmicas son utilizadas para consultar un cubo permitiendo al usuario
realizar operaciones (cruces, filtrados, organizacin, totales), de forma
ms fcil.

4.5.1. Dimensiones

Un cubo est conformado por dimensiones que son atributos relativos a

las variables, son las perspectivas de anlisis de las variables que forman
parte de las dimensiones y son necesarias para la presentacin de los
datos a los usuarios para cada uno de los registros de la tabla de hechos.

10
FAVA - Formacin en Ambientes Virtuales de Aprendizaje SENA - Servicio Nacional de Aprendizaje
 Fundamentos de Inteligencia de Negocios

4.5.2. Modelos utilizados para construccin

* Esquema estrella (Star schema)

Dimensiones

TABLA DE HECHOS
Dimensiones Dimensiones

Dimensiones Dimensiones

El Esquema de estrella es la arquitectura ms simple en una bodega de

datos, consiste en una tabla de Variables (Hechos) rodeada por Dimensiones
para poder utilizarla con una herramienta de consultas OLAP.

La llave primaria de una tabla de hechos es el conjunto de atributos primos

que corresponden a las dimensiones.

11
FAVA - Formacin en Ambientes Virtuales de Aprendizaje SENA - Servicio Nacional de Aprendizaje
 Fundamentos de Inteligencia de Negocios

* Esquema en copos de nieve (bola de nieve)

TABLA DE HECHOS

Las tablas de dimensiones representan las relaciones normalizadas (3NF)

y forman parte de un modelo relacional de base de datos.

El uso ms comn del esquema en bola de nieve es cuando las tablas

de dimensiones son muy grandes o complejas y es dependiente de otra
dimensin y no de la tabla de hecho como tal.

12
FAVA - Formacin en Ambientes Virtuales de Aprendizaje SENA - Servicio Nacional de Aprendizaje
 Fundamentos de Inteligencia de Negocios

* Esquema de constelacin de hechos (fact constellation

schema)

Dimensiones Dimensiones

HECHOS A HECHOS B

Dimensiones Dimensiones

Dimensiones

Un modelo tipo constelacin se realiza cuando existe ms de una tabla de

hecho y estas pueden compartir sus dimensiones entre s.

13
FAVA - Formacin en Ambientes Virtuales de Aprendizaje SENA - Servicio Nacional de Aprendizaje
 Fundamentos de Inteligencia de Negocios

5. ARQUITECTURA FUNCIONAL DE UN ALMACEN DE

DATOS

MINERA
INTELIGENCIA DE DATOS DATAWAREHOUSE

CONOCIMIENTO CUBOS OLAP ROLAP MOLAP OLAP ROLAP MOLAP

INFORMACIN OPERACIN CONSTRUCCIN CUBOS ODS

LIMPIEZA OPERACIN HERRAMIENTAS ETL OLAP STAGING AREA

DATOS REPOSITORIO DE DATOS OLTP OLTP

Repositorio de Datos OLTP: Es el nivel inferior de la pirmide y

corresponde a las bases de datos de la organizacin con estructura
orientada a las transacciones. Aqu se encuentran todos los datos con los
que se va a trabajar.

Operaciones con Herramientas ETL OLAP: Aqu se encuentran las

herramientas para la realizacin de operaciones ETL y a nivel funcional
constituyen la STAGING AREA (rea temporal de procesos) que
corresponde a un rea de almacenamiento que permite temporalmente la
extraccin, transformacin, limpieza y mapeo de los datos a cargar en la
bodega de datos

14
FAVA - Formacin en Ambientes Virtuales de Aprendizaje SENA - Servicio Nacional de Aprendizaje
 Fundamentos de Inteligencia de Negocios

Operaciones de construccin de Cubos: Aqu se integran los datos del nivel

OLTP y el nivel OLAP, a nivel funcional se denomina ODS (OPERATIONAL
DATA STORE) o Almacn Operacional De Datos, el cual representa el
contenedor de datos activos que ayudan al soporte de toma de decisiones
y a la operacin.

Los cubos OLAP - ROLAP - MOLAP: Son cubos multidimensionales, y

dependiendo del tipo de almacenamiento de datos se pueden clasificar en
ROLAP si sus datos son almacenados en un motor relacional, o MOLAP en
el caso en que se almacene en una base de datos multidimensional.

Herramientas de Minera de Datos: Ayudan a extraer informacin a

partir de patrones, la herramienta ms comn utilizada en la minera
de datos es el proceso denominado Descubrimiento de Conocimiento en
Bases de datos (KDD).

15
FAVA - Formacin en Ambientes Virtuales de Aprendizaje SENA - Servicio Nacional de Aprendizaje
 GLOSARIO

DWH: (Data WareHouse). Bodega de Datos. Es un conjunto de datos

integrados sobre los cuales se soportan procesos de toma de decisiones
para grandes volmenes de datos.

ETL: (Extraction, Transformation and Load). Corresponde a los procesos

de:

Extraccin: Aqu se identifican las fuentes y la informacin requerida por

el almacn de datos (BD, archivos planos, aplicaciones no relacionales,
etc.).

Transformacin: Una vez se selecciona la informacin a ser cargada al

almacn, sta se debe tratar para evitar que la migracin no interrumpan
su carga; por ejemplo: tipos de datos, formatos de fecha, caracteres
especiales no visibles (cambios de lnea, chr(10),chr(13)), caracteres de
comillas sencillas y otros.

Carga: Despus de determinar las fuentes de informacin, las

transformaciones y limpieza de la informacin extrada, se procede a
determinar la fuente destino y el mapeo entre la estructura origen y la
destino para realizar la carga de los datos extrados

KDD: (Knowledge Discovery from Databases). Descubrimiento de

Conocimiento en Bases de Datos cuyo objetivo es encontrar conocimiento
til, vlido, relevante y nuevo sobre una determinada actividad mediante
algoritmos, para grandes volmenes de datos.

ODS: (OPERATIONAL DATA STORE) o Almacn Operacional De Datos

16
FAVA - Formacin en Ambientes Virtuales de Aprendizaje SENA - Servicio Nacional de Aprendizaje
 BIBLIOGRAFA

Kimball, R., & Ross, M. (2002). The Data Warehouse Toolkit: The Complete
Guide to Dimensional Modeling (Second Edition ed.). (R. Elliott, Ed.) John
Wiley and Sons, Inc.

Prez Lpez, C., & Santn Gonzlez, D. (2007). Minera de Datos, Tcnicas
y Herramientas. Madrid: Thomson Ediciones Paraninfo, S.A.

Scheps, S. (2008). Business Intelligence For Dummies. Indianapolis:

Wiley Publishing, Inc.

17
FAVA - Formacin en Ambientes Virtuales de Aprendizaje SENA - Servicio Nacional de Aprendizaje
 Control de documento
Construccin Objeto de Aprendizaje
Fundamentos de Inteligencia de Negocios
Desarrollador de contenido Jos Fernando Galindo
Experto temtico
Asesor pedaggico Rafael Neftal Lizcano Reyes
Produccin Multimedia Luis Fernando Botero Mendoza
Victor Hugo Tabares
Programador Daniel Eduardo Martnez
Lder expertos temticos Ana Yaqueline Chavarro Parra
Lder lnea de produccin Santiago Lozada Garcs

18
FAVA - Formacin en Ambientes Virtuales de Aprendizaje SENA - Servicio Nacional de Aprendizaje