Sistemas de Información Gerencial
Tema 5: Introducción a la Inteligencia de Negocios
1
Ing. Francisco Rodríguez Novoa
2
INDICE
• Introducción a la Inteligencia de Negocios
• Arquitectura de un Sistema
• Importancia IN
• Conceptos de Datawarehouse
• Ciclo de vida de un Datawarehouse
• Construcción de un Datawarehouse
Introducción a la Inteligencia de Negocios
Se necesita entender no solo QUÉ está pasando, sinoCUÁNDO, DÓNDE, QUIÉN Y PORQUÉ.
Solución a los requerimientos de información conOPORTUNIDAD.
Escalar, contribuir y compartir a todos los tipos deusuarios en la organización.
4
Se necesita información y conocimiento a
partir de los datos de la empresa.
1. Introducción. Inteligencia de Negocio
Nace así el concepto de Inteligencia de Negocio(Business Intelligence):
No es una tecnología
Es un conjunto de sistemas de información que trabajan de forma coordinada.
Sistemas de almacenamiento de datos (datawarehouse)
Sistemas de minería de datos (data mining)
Herramientas de procesamiento analítico de datos(OLAP)
Sistemas de administración de conocimiento (KBS)
Herramientas de consulta y reporte de datos
Tableros de información (Dashboards)
5
1. Introducción. Inteligencia de Negocio
“ Business Intelligence se refiere
al proceso de convertir datos en
conocimiento y conocimiento en
acciones para crear la ventaja
competitiva del negocio “.
The Data Warehousing Institute
• “Business Intelligence es unaherramienta crítica para el éxito ysobrevivencia de su organización hoyen día, no se trata solo deherramientas y tecnología, sinotambién de organización“.
• Gartner Group
“La inteligencia del negocio es
como convertir la información de
la empresa en una arma
estratégica “.
Teddy Dale
Consultor Internacional
“La información en las
organizaciones está aumentando
rápidamente, así como, las
decisiones críticas del negocio; el
problema es la actitud de las
empresas para utilizar estos datos “.
Gartner Group
Información
6
1. Introducción. Inteligencia de Negocio Definición
“ Inteligencia de Negocio se refiere al proceso de convertir datos en conocimiento y conocimiento en
acciones para crear la ventaja competitiva delnegocio “
The Data Warehousing Institute
Datos Información ConocimientoVentaja Competitiva
1. Introducción. Inteligencia de Negocio Definición
7
AgregarDatos
Database, Data Mart, Data Warehouse, ETL
Tools, Integration Tools
PresentarDatos
Conocimiento sobre los
datos
Toma dedecisiones
Reporting Tools, Dashboards,
Static Reports, Mobile Reporting,
Add Context to Create Information, Descriptive Statistics, data mining
Decisions are Fact-based and
Data-driven
“ Inteligencia de Negocio se refiere al proceso de convertir datos en conocimiento y conocimiento en
acciones para crear la ventaja competitiva delnegocio “
The Data Warehousing Institute
1. Introducción. Inteligencia de Negocio Definición
OLAP Cubes
8
1. Introducción. Inteligencia de Negocio Uso
9
Procesos de Extracción,Transformación y Carga
Data Mining(Business Analytics)
• Estadísticas
• Análisis de Tendenciasy Comportamientos
• Proyecciones
OLAP (On-Line Analytical
Processing)AnálisisMultidimensional
• Análisis de FCE• Análisis de Datos
Sumarizados
Reportes yConsultas
• Análisis del
Detalle de
Información
DataWarehouse(Data Mart)
• Modelo del Negocio
Integrado• Repositorio de Información
• MetadataDatos
Externos
Dashboards(Tableros)
10
2. Arquitectura de un Sistema
Procesos de Extracción, Transformación y Carga
DataWarehouse(Data Mart)
• Modelo del Negocio Integrado• Repositorio de Información• Metadata
11
Datos Externos
2. Arquitectura de un Sistema
Data Warehouse. Proceso ETL
Reportes y Consultas
•Análisis del Detalle de
Información
DataWarehouse(Data Mart)
Dashboards(Tableros)
12
2. Arquitectura de un Sistema
Tableros, reportes y consultas
OLAP (On-Line Analytical Processing)Análisis
Multidimensional
• Análisis de FCE• Análisis de DatosSumarizados
DataWarehouse(Data Mart)
13
2. Arquitectura de un Sistema
Análisis multidimensional
Data Mining(Business Analytics)
•Estadísticas•Análisis de Tendencias y Comportamientos• Proyecciones
DataWarehouse(Data Mart)
14
2. Arquitectura de un Sistema Business analytics (minería de datos)
•Cualquierorganización grande o
pequeña, necesitaintegrar la
información de su cadena de valor, con el objetivo de analizarla,
para poder tomar decisiones y diseñar
estrategias de negocio
• eficientes.
Sistemas Operacionales y Datos Externos
Análisis de Información
Valor para el Negocio
15
3. Inteligencia de Negocio. Su aporte. Su importancia
Herramienta de análisis para el conocimiento del negocio
CONOC.
DEL
NEGOCIO
Servidor
16
Base de Datos
Red
Carga
Limpieza
Transformación
Extracción Diseño
3. Inteligencia de Negocio. Su aporte. Suimportancia
Considerado por'Forbes' como uno
de los siete científicos de
datos más poderosos del
mundo
3. Inteligencia de Negocio. Su aporte. Su importancia
17
La información en las organizaciones está aumentando rápidamente, así como, las
decisiones críticas del negocio; el problema es la actitud de las empresas para utilizar estos datos
Comentarios
18
¿Que es un Data Warehouse?
(Bodega o almacén de datos). Colección de datos orientados a un determinadonegocio. Coloca información de todas las áreas funcionales de la organizaciónen manos de quien toma las decisiones. También proporciona herramientaspara búsqueda y análisis de información.
• Es un repositorio para almacenar y analizar datos con naturaleza de variablescuantitativas y cualitativas
• Es considerado una de las partes centrales de un sistema de BI
• Permite separar los sistemas transaccionales de los informacionales en dosentornos de manera que el análisis de los datos existentes no interfiera conel procesamiento y registro de nuevos datos
4. Conceptos Básicos de DWH
Data Warehouse como integrador de datos
CRMInventarios
VentasProducción
Gestión humanCompras
FilialesCartera
4. Conceptos Básicos de DWH
4. Conceptos Básicos de DWH
• Los datos almacenados están orientados a un objetivo especifico,integrando la variable del tiempo para la toma de decisiones.
• Es un sistema integrados, pues agrupa a todos los sistemasoperacionales en un sistema de información con formatos ycódigos consistentes.
• El DW es variante en el tiempo porque los datos se organizan yalmacenan en jerarquías en el tiempo, lo que permite análisisretrospectivos, comparativos de estados actuales y de períodosanteriores.
Propuesta 005.Refuerce el concepto de DWH por medio del video “Benefits of a Data Warehouse”()
Data Warehouse
• Es el maestro o centralizador de la
información.
• Soporta múltiples áreas del negocio
• Maneja un alto detalle de la
información
• Es un integrador de las fuentes de
información
• No es necesario el uso de un modelo
dimensional pero puede alimentar a
modelos dimensionales.
• Coordina la gestión de información
de los Datamarts
Datamart
• Es una aplicación del DWH
• Está construida para soportaruna línea de negocio.
• Ideal para “sumarizar”grandes cantidades de datos.
• Se concentra en integrar datos deuna área específica.
• Es construida usando un modelo oesquema dimesional estrella
4. Conceptos Básicos de DWH
Un primer acercamiento a una arquitectura descentralizada de Datamart (DM):
Almacenes
Inventarios
Producción
Exportación
DM CRM
DM Riesgos
DMFinanciero
4. Conceptos Básicos de DWH
Data Warehouse corporativo o centralizado:
Almacenes
Inventarios
Producción
Exportación
DM CRM
DM Riesgos
DMFinanciero
DWHCorporativo
4. Conceptos Básicos de DWH
Datamarts
5. Ciclo de Vida de un DWH
Datos
Metodología del ciclo de vida proyectos DWH/BI de Kimball:
Tecnología
Aplicaciones
La metodología del ciclo de vida de Kimball aunque fue concebido a
mediados de la década de los 80’s, fue publicada por primera vez
indicando los años 90’s; desde entonces, se ha utilizado con éxito
por miles de proyectos de DWH y BI, principalmente en sector
industrial, áreas de aplicación, empresarial y desarrollo tecnológico
(technical platform). Esta metodología se ha convertido en las
mejores prácticas en la industria en general.
A continuación se mencionan brevemente las etapas de la propuesta
de Kimball:
Planeación del Proyecto (Project Planning)Definición y alcance del proyecto de DWH, incluyendo laevaluación y justificación del proyecto.
5. Ciclo de Vida de un DWH
Modelación Dimensional (Dimensional Modeling)
La definición de los requerimientos del negocio (área funcional)
determinarán los datos necesarios para hacer frente a los requisitos
analíticos de los usuarios finales.
Diseño Físico (Physical Design)
Definición de las estructuras físicas para apoyar el diseño de datos
lógico. Claramente se requiere de un diseño lógico para convertirlo
en una base de datos física, debido a que los detalles de
implementación varían ampliamente desacuerdo a la tecnología
(hardware y aplicaciones), tipo de proyecto, modelo lógico, volumen
estimado, SGDB y las herramientas de acceso; estos elementos dan
directrices en dicho diseño.
5. Ciclo de Vida de un DWH
Diseño e Implementación de ETL (Data Staging Design and
Development)
Este Etapa se divide en tres elementos: Extracción, Transformación y
Carga.
El proceso de extracción expone los problemas de calidad de datos,
debido a que la calidad de los datos impactará significativamente la
credibilidad del DWH, es necesario solucionar los problemas de
calidad. Es importante tener presente dos realidades:
• Los problemas de calidad son usualmente un reflejo del pobre
diseño de datos y/o la implementación de los sistemas.
• La mayoría de estos problemas pueden ser reparados y
monitorizados para reducir el impacto sobre las aplicaciones
5. Ciclo de Vida de un DWH
Estándares
Modelo Físico de Datos
Plan de indexación
Diseño y construcciónde la instancia de DB
Plan Global
Estructura Física de Almacenamiento
Monitorización
Diseño Físico
5. Ciclo de Vida de un DWH
Diseño Técnico de Arquitectura (Technical Architecture Design)En esta etapa se considera la integración de múltiples tecnologías. Se
consideran tres factores: Requerimientos del negocio, ambiente
tecnológica actual y el direccionamiento técnico futuro.
Selección e Instalación de Producto (Product Selection and Installation)
Con base al diseño técnico de arquitectura, se especifica los componentes
de arquitectura tales como plataforma del hardware, herramientas de
acceso a los datos, sistema de gestión de base de datos entre otros. En
este etapa el elemento de integración toma singular importancia.
Especificación de Aplicaciones Usuario Final (End User Application
Specification) Se definen las aplicaciones de usuario, restringiendo el
acceso ad hoc al DWH. Estas aplicaciones cubren los complementes de
visualización, exploración, data mining y herramientas de BI tales como EIS
y Dashboard.
5. Ciclo de Vida de un DWH
Desarrollo de Aplicaciones Usuario Final (End User Application
Development) Aborda la configuración de las herramientas de usuario final,
dependiendo de la dimensión del proyecto, estas aplicaciones demandarán
su propia arquitectura que soporte los usuarios y la integración con el
DWH.
Despliegue (Deployment)
Convergencia y funcionamiento de la tecnología, datos y aplicaciones de
usuario final desde la estación de cada unos de los analistas o estrategas
de BI. Se deben tener presente procesos de capacitación y de soporte al
usuario sobre las aplicaciones.
Mantenimiento y Crecimiento (Maintenance and Growth)
Frente al usuario final: se les debe entregar apoyo y formación.
Funcionamiento eficaz del DWH: monitorización de los procesos y
procedimientos, estas métricas serán argumento para una posible etapa de
crecimiento.
5. Ciclo de Vida de un DWH
Gestión de Proyectos (Project Management)
Garantiza las actividades en el ciclo de vida de funcionamiento y sincronía,
que se enfocan en el estado de procesos de monitorización, seguimiento
de problemas y gestión de cambios; por otra parte, le corresponde
desarrollar el plan de comunicación del proyecto.
5. Ciclo de Vida de un DWH
Propuesta 006.Realizar la lectura de artículo “A Holistic Approach for Managing Requirements of Data Warehouse Systems.” Eighth Americas Conference on Information Systems, Schiefer, J., List, B. & Bruckner, R.M.
La metodología del ciclo de vida de Kimball aunque fue concebido a
mediados de la década de los 80’s, fue publicada por primera vez
indicando los años 90’s; desde entonces, se ha utilizado con éxito
por miles de proyectos de DWH y BI, principalmente en sector
industrial, áreas de aplicación, empresarial y desarrollo tecnológico
(technical platform). Esta metodología se ha convertido en las
mejores prácticas en la industria en general.
5. Ciclo de Vida de un DWH
Hardware
App. Almacenamiento(SGDB)
App. De extracción y manipulación de datos
Herramienta Middleware
DWHCorporativo
Hardware
Garantizar que tenga altascaracterísticas técnicas acorde a loscomplejos requerimientos de información de los usuarios.
Capacidad de potencializar (crecer)
Procesamiento paralelo:SMP (Symmetric Multiprocessing) MPP (Massively Parallel Processing) NUMA (Non-Uniform Memory Architecture)
6. Construcción de un DWH
Hardware
App. Almacenamiento(SGDB)
App. De extracción y manipulación de datos
Herramienta Middleware
DWHCorporativo
SGDB
Un Sistema de Gestión de Base deDatos consiste en una colección dedatos interrelacionados y unconjunto de programas paraacceder a los mismos.
• El programa de almacenamiento(servidor) es independiente alprograma de consulta (Cliente)de los usuarios
• El objetivo soncomplejasvisualización
• Contempla
las consultasen lugar de la
un esquema dede múltiplesconcurrencia
usuarios
6. Construcción de un DWH
Hardware
App. Almacenamiento(SGDB)
App. De extracción y manipulación de datos
Herramienta Middleware
DWHCorporativo
Extracción y manipulación (ETL)
Funcionalidades básicas:
• Control de la extracción de los datos y su automatización
• Acceso a diferentes tecnologías.• la arquitectura de
independiente del
Uso de metadatos
• Interfazhardware
6. Construcción de un DWH
Hardware
App. Almacenamiento(SGDB)
App. De extracción y manipulación de datos
Herramienta Middleware
DWHCorporativo
Herramientas Middleware
Parveen conectividad entreentornos diferentes, para ayudar ala gestión del Data Warehouse.
Analizadores y aceleradores deconsulta: Optimizan tiempos de
Sistemasrespuesta desde los operacionales al DW.
Deben estar abiertas a todos losentonos de:• Almacenamiento de datos (OLE,
ODBC, etc.)• Bases de datos (DB2, SQL,
Oracle, MySQL, etc.)de capa
(SNAde
LU6.2,• Estándares
transporte: DECnetr, etc.
6. Construcción de un DWH
Elementos a tener presente en la construcción de un DWH:
• Detectar y corregir errores (duplicados, eliminar valores sin
sentido, procesos básicos de imputación)
• Manejo de valores codificados para las variables. Es importante
tener un adecuado diccionario de datos disponible para los
usuarios.
• Reestructurar y añadir nuevos campos (enriquecer el sistema)
de acuerdo las necesidades del usuario.
• Emplear el concepto de Metadatos (datos que describen otros
datos)
• No debe soportar procesos transaccionales del negocio.
6. Construcción de un DWH
6. Salidas de un DWH
Querys - Reporting
Análisis multidimensional
Dara Mining
DWHCorporativo
consultas y
Querys - Reporting
Generación dereportes. Pueden
oser informes
dinámicos.para procesos de
predefinidos Fundamentales Monitorización (Dashboard). Esposible ubicar las herramientas ymetodologías EIS (Decision SupportSystem) y CPMPerformance
(CorporateManagemnet)
dependiendo de este componente de explotación del DWH.
Querys - Reporting
Análisis multidimensional
Dara Mining
DWHCorporativo
Análisis Multidimensional
Facilitan el análisis de datos pormedio de dimensiones y jerarquías,utilizando consultas rápidas ypredefinidas.
OLAP: Su objetivo es agilizar laconsulta de grandes cantidades dedatos. Utiliza estructurasmultidimensionales que contienendatos de grandes Bases de datos
6. Salidas de un DWH
Querys - Reporting
Análisis multidimensional
Dara Mining
DWHCorporativo
Data Mining
Es la aplicación de modelosmatemáticos sobre la informaciónalmacenada en el DWH. Elresultado de los modelos soportela toma de decisión en el procesode BI.
Es fundamental garantizar laoptimización de los modelos y suejecución automática según la necesidad del negocio.
Data miningarquitectura
requiere de unapropia que
interconecta a los usuarios con elDWH por medio de un servidornegociador.
.
6. Salidas de un DWH
42
FIN