Tesis Joseph 3

UNIVERSIDAD CATÓLICA SANTO TORIBIO DE MOGROVEJO

FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS Y

COMPUTACIÓN

SOLUCION DE INTELIGENCIA DE NEGOCIOS

BASADA EN ANALISIS OLAP Y ANALISIS

PREDICTIVO PARA APOYAR EN LA TOMA DE

DECISIONES EN EL PROCESO DE

COMERCIALIZACIÓN

TESIS PARA OPTAR EL TÍTULO DE

INGENIERO DE SISTEMAS Y COMPUTACIÓN

ALBURQUEQUE AGURTO JOSÉ ANTONIO.

SANTISTEBAN COLLAZOS LUCAS VICENTE.

I. INTRODUCCIÓN

Actualmente, nos encontramos sumergidos en la era de la información. Hoy día las necesidades de información de directores y ejecutivos de las distintas organizaciones, exigen tomar decisiones basadas en calidad, solicitando de ellas características como confiabilidad (que los datos representen la realidad), oportunidad (que la información se encuentre disponible cuando se solicite), legibilidad (que se encuentre presentada en un formato que facilite su aprovechamiento) y globalidad (que incluya todo que se necesite).

La creciente competitividad del mercado y de la globalización nos hacen pensar que para las organizaciones ya no solo basta cumplir los objetivos y metas individuales, sino que es necesario plantearse nuevos retos; puesto que es más necesario la innovación y la mejorar del proceso de toma de decisiones, para que las organizaciones se desarrollen y puedan expandir su mercado.

Con el uso de las tecnologías de sistemas de información lo cual contribuye en gran medida a la capacidad para la captura, almacenamiento de datos se puede decir que en los procesos de comercialización es necesario la aplicación de sistemas capaces de proporcionar un mayor grado de efectividad en el manejo de datos.

En el ámbito internacional, el 55% de las empresas que se dedican a la comercialización de sus productos, manejan un sistema transaccional que les ha permitido controlar la información de sus productos , realizar con mayor rapidez las operaciones relacionadas a ellos, también les da mayor validez y confiabilidad a la información mostrada por los informes que el sistema les otorga. (“BI en un futuro muy aproximado” Inteligencia de negocios 2012)

Además de aplicarse estas soluciones en los procesos comerciales; pues también se aplica en los procesos educativos ya sea en los proceso de matrículas y admisión de alumnos de universidades en donde se puede ver que esta solución ayuda en la mejora de la toma de decisiones dentro de las universidades, también ayuda a predecir posibles escenarios que se pueden presentar.(

Incorporación de elementos de inteligencia de negocios en el proceso de admisión y matrícula de una universidad chilena 2011)

A nivel nacional, podemos apreciar que las organizaciones están descuidando un aspecto importante, el cual es la conversión de los datos en información, es decir, muchas organizaciones no toman en cuenta que los datos obtenidos de las operaciones que realizan diariamente son de suma importancia, ya que si procesan estos datos, podrán obtener información, la cual les serviría para tomar decisiones acertadas que fomenten el crecimiento de la empresa y esta obtenga ventaja competitiva. Es por ello, que los gerentes o ejecutivos del ámbito nacional toman malas decisiones debido a que no cuentan con sistemas

de información que les ayuden a convertir datos en información y que les ayuden a tomar decisiones acertadas.

La empresa Korea Motos S.R.L ubicada en el distrito de José Leonardo Ortiz de la ciudad de Chiclayo, no es ajena a esta realidad, ya que se ha podido observar que existe un déficit en cuanto a las decisiones de que producto comprar, cuándo, cuánto y a que proveedor comprar dichos productos para satisfacer la demanda del mercado, estas decisiones son tomadas por el gerente en conjunto con la contadora y administrador de la empresa, ya que estos se basan en los informes que de ventas que le son entregados, sin embargo dicho informes no brinda información adecuada que sea de gran utilidad para el proceso de toma de decisiones.

Basándonos en la realidad problemática encontrada en la empresa, se ha planteado el siguiente problema:

¿De qué manera ayudará la solución de Inteligencia de Negocios basada en análisis OLAP y análisis predictivo a mejorar el proceso de toma de decisiones en la empresa Korea Motos S.R.L?

Para la cual planteamos la siguiente hipótesis: “A través de la solución de Inteligencia de Negocios basada en análisis OLAP y análisis predictivo se mejorará el proceso de toma de decisiones de la empresa Korea Motos S.R.L.”

El objetivo general de la tesis es mejorar la de toma de decisiones del proceso de comercialización, a través de la solución de Inteligencia de Negocios basada en análisis OLAP y análisis predictivo

Objetivos Específicos:

Reducir el tiempo en la obtención de información pertinente, que permita tomar decisiones sobre la demanda del producto de mayor rotación.

Reducir el tiempo en la obtención de información, que permita tomar decisiones sobre el cálculo del volumen de compra.

Reducir el margen de error en los reportes del volumen de ventas y compras de vehículos automotores menores.

La presente tesis se justifica, en lo tecnológico, pues propone una solución de Inteligencia de Negocios basada en análisis OLAP y análisis predictivo; análisis OLAP es una herramienta de Inteligencia de Negocios orientada a áreas específicas de la organización incluyendo los indicadores para la toma de decisiones.

Se justifica socialmente, ya que beneficia a la empresa Korea Motos S.R.L respecto a la problemática tratada, la cual nos habla sobre la mejora del proceso de toma de decisiones en el proceso de comercialización, dado que al obtener mejores resultados en dicho proceso, el gerente sabría a ciencia cierta qué productos debe pedir, cual es la cantidad de productos a pedir por cada temporada, teniendo esta información se podrá abastecer a la empresa con los productos que satisfagan las necesidades de los clientes y así mismo ayudar a los colaboradores de la empresa a obtener información clara y concisa para mejorar su desempeño. En lo económico, ya que con la solución, se podrá tomar decisiones acertadas para la empresa, las cuales le permitan disminuir perdidas por exceso y defecto de almacenaje, de igual manera se disminuirá los tiempos de espera de la información y así mismo se disminuirán los errores humanos. Por último se justifica científicamente, ya que a través de la solución se predecirá futuros eventos, se desarrollaran los escenarios para verificar el comportamiento del indicador tiempo y económico según la demanda.

II. MARCO TEÓRICO

2.1. Antecedentes de investigación

2.1.1. Antecedentes de investigación local

Desarrollo de una solución de Business Intelligence para la mejora en el proceso de toma de decisiones estratégica en la gestión comercial de la empresa Trucks and Motors del Perú S.A.C

Jhonny Galan (2011), habla sobre el desarrollo de un BI en la empresa Truck and Motors del Perú S.A.C; la tesis se basó en la administración de la información que tiene maniobrar la empresa, para ello se concluyó que dicha información debe de estar almacenada en un solo repositorio, para poder ser extraída con facilidad y comprendida de forma sencilla por los gerentes de ducha organización. Las conclusiones que se pudieron obtener con el desarrolla de la tesis son: la obtención de resultados óptimos en cuanto a la forma de mostrar información detallada y precisa y a la misma vez se ha obtenido ventaja competitiva respecto a las empresas del mismo rublo.

Sistema de Información gerencial utilizando Data Marts para mejorar el proceso de toma de decisiones estratégicas en la empresa de Hidrocarburos en el departamento de Lambayeque – Perú caso: Grifo Nor Oriente S.A.C

Juan J Barbadillo (2009), indica que con la aplicación de un sistema de información gerencial llamado Data Mart se puede ayudar a la alta gerencia de la empresa en el proceso de toma de decisiones estratégicas, este sistema de información gerencial Data Mart llevo a contribuir a la mejora de la gestión de los procesos de compras, ventas en cuanto a la facilidad del acceso de información precisa, segura que es utilizada por las personas de alta gerencia. Esta investigación de tesis llego a la conclusión que con la implementación del sistema de información gerencial Data Mart, se obtuvo una reducción del tiempo promedio en la obtención de la información necesaria y estadística para el área de ventas y compras.

Sistema de soporte de decisiones para la gestión operativa en el área comercial de la empresa “Ferretería BOCA E.I.R.L” utilizando software libre.

Delgado José y Walter Tarrillo (2008), señalan esta investigación de tesis como soporte de decisiones que ayuda en la parte operativa del proceso comercial de la empresa “Ferreteria Boca E.I.R.L” utilizando sistemas basados en software libre; esta investigación tuvo como objetivo determinar de qué manera se puede mejorar el proceso de toma de decisiones para la gestión operativa en el área de comercialización de la empresa, y así se pudo identificar la necesidad de desarrollador e implantar en la empresa un sistema de soporte de toma de decisiones para poder mejorar las decisiones por parte de la gerencia de la empresa. La presente investigación tuvo como resultado la reducción del tiempo en la obtención de información del 90%, la cual es de vital importancia para la toma de decisiones para la gerencia de la empresa.

2.1.2. Antecedentes de investigación nacionales

Solución de inteligencia de negocios para la empresa de servicios de asistencia aplicación práctica a la gerencia de asistencia de Touring y automóvil club del Perú.

Espinoza Dhony y Renan Quispe (2006), hablan de su investigación, acerca de cómo la inteligencia de negocios no solo ayuda en la parte comercial de las empresas sino que también en los servicios de asistencia, destacando que la información se debe de generar y gestionar para poder obtener conocimientos a partir de datos. Teniendo como conclusión que a partir del desarrollo e implementación de un sistema de negocios la gerencia de la empresa puede tomar mejores decisiones con respecto al manejo de la misma.

Análisis, diseño e implementación de un sistema gerencial basado en una suite integrada de DATAMARTS para las áreas de finanzas, contabilidad, recursos humanos y comerciales.

Sergio M. Mendoza (2011), indica que su investigación está orientada al análisis del nivel gerencial de las áreas financieras, contable, de recursos humanos y comerciales de la empresa. La solución consiste en una gama de reportes de análisis gerenciales que permitan visualizar Indicadores de gestión para las cuatro áreas mencionadas, se concluye que con la implementación del Data Warehouse se ha podido obtener ventaja competitiva en el mercado, tomando así mejores decisiones basadas en información consistente y consolidada.

Análisis, diseño e implementación de una solución de inteligencia de negocios para el área de compras y ventas de una empresa comercializadora de electrodomésticos

Rodríguez Kaller G. y Ángela L. Mendoza (2011), señalan que con la aplicación de un sistema de inteligencia de negocios para la empresa comercializadora de electrodomésticos permitió a los gerentes de la misma organización obtener resultados y escenarios de pronósticos en tiempo real y reportes que apoyen a la toma de decisiones. Las conclusiones que se pudieron obtener de dicha investigación fueron que gracias a la implementación del sistema de inteligencia de negocios se pudo reducir el tiempo en la obtención de información y del procesamiento de los datos, para que si dicha organización pueda ser sostenida en el tiempo.

Análisis, diseño e implementación de una solución de inteligencia de negocios para el área de importaciones en una empresa comercializadora/importadora Jose E. Cordova (2013), señala que esta investigación de tesis consiste en analizar, diseñar e implementar una solución de inteligencia de negocios, que permita realizar el análisis a nivel gerencial del área de Importaciones y Logística dentro de una empresa que comercializa e importa bienes; esta solución consiste en una serie de elementos gráficos, flexibles y de acceso eficiente a los datos ofrecidos desde distintos orígenes; permitiendo con ello, lograr un análisis adecuado de los datos y dar la facilidad a los usuarios para que interpreten mejor dicha información y que también solución permitirá a los usuarios de la alta dirección de las organizaciones de este tipo de empresas tomar mejores decisiones a nivel de gestión en relación a las compras de importación.

2.1.3. Antecedentes de investigación internacionales

DATA WAREHOUSE como herramienta para mejorar la toma de decisiones en la empresa distribuidora de vehículos Metrocar

Caballero Rosa E. y Gloria G. Elizondo (2011), nos hablan sobre como el Data Warehouse es una herramienta vital que ayuda en la toma de decisiones en la empresa distribuidora de vehículos “Metrocar” ubicada en el país de Ecuador; el desarrollo de la herramienta tuvo como finalidad apoyar a las gerencias de algunos departamentos de la organización, para que estas a través de la información que dicha herramienta muestre puedan tomar mejores decisiones que satisfagan los objetivos de la misma. Es por ello que al concluir el desarrollo de la investigación se obtuvo resultados precisos, resumidos, con los cuales se han tomado decisiones acerca de las cantidades exactas del número de pedido de productos.

Utilización de información histórica para decisiones empresariales.

Peña Juan D. y Jesus A. Suárez (2005), indican que es de suma importancia la utilización de información histórica para las decisiones empresariales, ya que con la unión de datos históricos y datos actuales del negocio se puede obtener información valiosa para la misma. Se pudo obtener como conclusión que a través de la implementación de una solución de inteligencia de negocios, permite a los gerentes utilizar los datos operativos de la empresa para producir información relevante y que soporta la toma de decisiones empresariales, de igual manera se ha podido tomar mejores decisiones a través de los resultados obtenidos de la herramienta.

Construcción de un sistema de apoyo a la toma de decisiones para el área gerencial del Hospital de Clínicas.

Lidia Silvia y Ruello Beatriz (2008), muestran que con el desarrollo de la aplicación se logró demostrar la importancia y eficiencia que da un sistema de apoyo a la toma de decisiones para el área gerencial del Hospital de Clínicas, ya que con su implementación se ha obtenido apoyo a la toma de decisiones de diversas áreas del hospital y se ha podido agilizar sus procedimientos, obteniendo mejores resultados de los esperados.

2.1.4. Antecedentes de investigación de aplicación

Incorporación de elementos de inteligencia de negocios en el proceso de admisión y matrícula de una universidad chilena

Fuentes Luis y Ricardo Valdivia (2011), afirma que con la incorporación de elementos de inteligencia de negocio en una Universidad de Chile (Tarapacá) en los procesos de admisión y matricula de estudiantes, la incorporación de estos elementos permitió a que un Data Mart los usuarios de vicerrectoría académica puedan visualizar la información que se requiere a través de herramientas de un procesamiento analítico y así mejorar el proceso de toma de decisiones del área de admisión con el uso de incorporación de elementos de inteligencia de negocio.

2.2. Base Teórico Científicas

2.2.1. Datos

Según Glosario.Net (2012), los datos son hechos y cifras en bruto, tales como órdenes y pagos, los cuales se procesan para obtener información, por ejemplo el saldo deudor y el monto disponible. Sin embargo, en el uso común, los términos datos e información se toman como sinónimos. La cantidad de datos versus información que se guarda en el computador constituye una compensación. Los datos pueden procesarse en diferentes formas de información, pero toma tiempo clasificar y sumar transacciones. La información actualizada puede proporcionar respuestas inmediatas.

2.2.2. Información

Según (Idalberto Chiavenato, 2006), información "es un conjunto de datos con un significado, o sea, que reduce la incertidumbre o que aumenta el conocimiento de algo. En verdad, la información es un mensaje con significado en un determinado contexto, disponible para uso inmediato y que proporciona orientación a las acciones por el hecho de reducir el margen de incertidumbre con respecto a nuestras decisiones"

2.2.3. Sistemas de información

(Peña, 2006) indica que un sistema de información es un conjunto de

interrelacionados con el propósito de prestar atención a las demandas de

información de una organización, para elevar el nivel de conocimientos

que permitan un mejor apoyo a la toma de decisiones y desarrollo de

acciones.

Los sistemas de información han adquirido connotaciones muy

importantes dentro de las empresas ya que la información es el recurso

económico dentro de las empresas y el buen uso de la información

mejora los procesos físicos y/o cognoscitivos; además el propósito de un

sistema de información es generar conocimiento a partir de la

información que se tenga para apoyar el proceso de toma de decisiones.

http://tecnologia.glosario.net/terminos-tecnicos-internet/uso-1681.html

http://tecnologia.glosario.net/terminos-tecnicos-internet/informaci%F3n-883.html

http://lengua-y-literatura.glosario.net/terminos-filosoficos/cantidad-5629.html



Es importante que el administrador o la persona encargada de la toma

de decisiones tengan un conocimiento de los sistemas de información de

las diferentes áreas para poder colaborar con sus demás colegas de

manera que se coordinan esfuerzos entre varios departamentos.

Es por ello que el éxito de toda empresa depende de cómo se lleve a cabo

el proceso de toma de decisiones.

2.2.3.1.Tipos de sistemas de información

(Peña, 2006) , Entre los tipos de sistemas de información que apoyan el

proceso de toma de decisiones se identifican los siguientes:

Sistema de soporte para la toma de decisiones.

Tienen como finalidad apoyar a la toma de decisiones mediante la

generación y evaluación sistémica de diferentes alternativas o

escenarios de decisiones mediante el empleo de modelos y

herramientas computacionales.

Un sistema de soporte de decisiones, puede usarse para obtener

información que revele los elementos claves de los problemas y las

relaciones entre ellos. Además puede usarse para identificar, crear y

comunicar cursos de acción disponibles y alternativas de decisión.

Características.

Existen varias características que deben estar presentes en un sistema

de soporte de decisiones como los son:

Interactividad: Es un sistema computacional que puede

interactuar en forma amigable y con respuestas a tiempo real con el

encargado de tomar decisiones.

Tipo de decisiones: Apoya al proceso de toma de decisiones

estructuradas y no estructuradas.

Frecuencia de uso: Tiene una utilización frecuente por parte de

la administración media y alta para el desempeño de su función.

Variedad de usuarios: Puede ser empleado por usuarios de

diferentes áreas funcionales como ventas, producción, finanzas,

entre otras.

Flexibilidad: Permite acoplarse a una variedad determinada de

estilos administrativos: autocráticos, participativos, entre otros.

Desarrollo: Permite que el usuario desarrolle de manera directa

modelos de decisión sin la participación operativa de profesionales

en informática.

Acceso a base de datos: Tiene capacidad de accesar información

de las base de datos corporativas.

Simplicidad: Simple y fácil de aprender y utilizar por el usuario

final.

Sistemas de información para los ejecutivos.

Están dirigidos a apoyar el proceso de toma de decisiones de los

altos ejecutivos de una organización, presentan información

relevante y usan recursos visuales y de fácil interpretación, con el

objetivo de mantenerlos informados.

Sistemas para la toma de decisiones de grupo.

Son los cuales cubren los objetivos de lograr la participación de un

grupo de personas mediante la toma de decisiones en ambientes

de anonimato y consenso, apoyando decisiones simultaneas.

Sistemas expertos de soporte para la toma de

decisiones.

Son los que permiten cargar bases de conocimientos integrados

por una serie de reglas de sentido común para que diferentes

usuarios las consulten, apoyen la toma de decisiones, la

capacitación, entre otros.

2.2.4. Toma de decisiones

Una de las constantes con la que se tiene que lidiar en la vida es, la toma

de decisiones.

(Cohen ,2005) indica que, la toma de decisiones es una de las

actividades que se realiza con mayor frecuencia en el mundo de los

negocios. Indicando que la importancia de la decisión empresarial, va de

la mano con el nivel del área en la cual se hace.

Cohen indica que existen 4 fases en el proceso de toma de decisiones:

La fase de inteligencia: En la cual se reconoce la existencia de un

problema; luego presenta.

La fase del diseño: En la cual se busca alternativas de solución al

problema encontrado.

La fase de selección: Mediante la cual se elige la alternativa más

óptima.

La fase de la implementación: Que consiste en poner en marcha y

guiar que la alternativa seleccionada se efectué según los planes

acordados.

2.2.5. Nivel de toma de decisiones

(Cañabate, 1997), menciona los siguientes niveles de toma de decisiones:

Estratégicas

Son las que determinan las metas, los propósitos de la dirección de toda

la organización. La toma de decisiones estratégicas es mayormente la

tarea de los altos niveles de la empresa. Los altos directivos tienen la

"visión total" de todos los elementos de una empresa de negocios, y

deben ser capaces de integrarlos en un todo coherente. Las decisiones

tomadas en este nivel también determinan cómo se relacionará la

empresa con su medio externo. Como las políticas estratégicas afectan a

toda la organización, éstas se deben decidir en los altos niveles de dicha

organización. Estas políticas y metas no son muy específicas porque

deben ser aplicadas a todos los niveles y los departamentos en una

compañía. Las decisiones estratégicas usualmente no son programadas.

Administrativas

Son decisiones tomadas por los gerentes de nivel medio, como los jefes

de división o departamento. Estas decisiones se refieren al desarrollo de

tácticas para cumplir las metas estratégicas que definieron los altos

niveles administrativos. Aunque las decisiones estratégicas de estos

últimos no son específicas porque se aplican a todos los departamentos

de la organización, las decisiones administrativas expresan las metas

corporativas de manera departamental específica. Por consiguiente, las

decisiones administrativas son más específicas y concretas que las

estratégicas y más orientadas a las acciones.

Operativas

Se hacen en los niveles inferiores o de supervisión en la empresa y se

refieren al curso de las operaciones diarias. Estas decisiones determinan

cómo se dirigen las operaciones diseñadas para cumplir con las

decisiones tácticas tomadas por los ejecutivos de nivel medio. Estas

decisiones son las maneras más eficaces y eficientes de cumplir con las

metas establecidas en el nivel administrativo.

2.2.6. Proceso de toma de decisiones

Según Conabate (1997) para el proceso de toma de decisiones el proceso sigue lo siguiente:

2.2.6.1.El reconocimiento el problema

Tenemos que reconocer cuando estamos ante un problema para buscar alternativas al mismo. En este primer escalón tenemos que preguntarnos, ¿qué hay que decidir?

2.2.6.2.Análisis del problema

En este paso habremos de determinar las causas del problema y sus consecuencias y recoger la máxima información posible sobre el mismo. En esta ocasión la cuestión a resolver es, ¿cuáles son las opciones posibles?

2.2.6.3.Evaluación de opciones

Una vez analizadas todas las opciones o alternativas posibles, debemos escoger la que nos parece más conveniente y adecuada. Observamos como aquí está implicada en sí misma una decisión, en esta ocasión nos preguntamos ¿cuál es la mejor opción?

2.2.6.4.Decisión

Una vez tomada la decisión debemos llevarla a la práctica y observar su evolución. Aquí reflexionamos sobre ¿es correcta la decisión? Tenemos que considerar si el problema se ha resuelto conforme a lo previsto, analizando los resultados para modificar o replantear el proceso en los aspectos necesarios para conseguir el objetivo pretendido. En esta fase nos preguntamos, ¿la decisión tomada produce los resultados deseados?

2.2.7. Definición de Business Intelligence

(Peña 2006, 27 - 26), define que la inteligencia de negocios es el término

que procura caracterizar una amplia variedad de tecnologías, plataformas

de software, especificaciones de aplicaciones y procesos; así mismo que el

objetivo de la inteligencia de negocios es contribuir a tomar decisiones.

(Bernabeu 2007, 6), indica que la inteligencia de negocios, integra el

almacenamiento y el procesamiento de grandes cantidades de datos, con

el principal objetivo de transformarlos en conocimiento y en decisiones

en tiempo real.

(Vitt et 2003, 11 - 14), describe las tres perspectivas de la inteligencia de

negocio.

Tomar mejores decisiones rápidamente.

El objetivo primario es ayudar a la gente a tomar decisiones que

mejoren el rendimiento de la compañía e impulsen su ventaja

competitiva en el mercado.

Tomar decisiones, significa mejorar lagunas o todas las partes del

proceso; esto también significa un menor número de decisiones

erróneas y un mayor número de decisiones acertadas.

Así mismo tomar decisiones adecuadas de forma continua en un plazo

corto, proporcionará ventajas competitivas.

Convertir los datos en información.

Para tomar mejores decisiones más rápido los directivos y gerentes

necesitan de información relevante y útil al alcance de la mano. Pero

es común una larga brecha entre la información que los responsables

en la toma de decisiones requieren y las grandes cantidades de datos

que las organizaciones recopilan por día, a esta brecha se le conoce

como brecha de análisis.

La brecha de análisis, es el tiempo de demora en convertir los datos

originales o crudos en información de utilidad para la toma de

decisiones.

Utilizar un método razonable para la gestión empresarial.

La inteligencia de negocios puede ser definido como un método para

la gestión empresarial, una forma de pensamiento organizacional,

una filosofía de gestión; un interés hacia la inteligencia de negocios.

Tanto las personas como las empresas se interesan en la inteligencia

de negocios, porque creen que el uso de un enfoque racional y basado

en hechos a la hora de tomar decisiones resulta positivo en la medida

que sea posible.

2.2.8. Arquitectura de BI

Según (Sinnexus 2013) señala que una solución de Business Intelligence parte de los sistemas de origen de una organización (bases de datos, ERPs, etc.), sobre los que suele ser necesario aplicar una transformación estructural para optimizar su proceso analítico. Para ello se realiza una fase de extracción, transformación y carga (ETL) de datos; la información resultante, ya unificada, depurada y consolidada, se almacena en una solución de negocios, que puede servir como base para la construcción de distintos datamarts departamentales. Estos datamarts se caracterizan por poseer la estructura óptima para el análisis de los datos de esa área de la empresa, ya sea mediante bases de datos transaccionales (OLTP) o mediante bases de datos analíticas (OLAP). Los datos albergados en cada datamart se explotan utilizando herramientas comerciales de análisis, reporting, alertas. En estas herramientas se basa también la construcción de productos BI más completos, como los sistemas de soporte a la decisión (DSS), los sistemas de información ejecutiva (EIS) y los cuadros de mando (CMI) o Balanced Scorecard (BSC).

Imagen 01: Imagen que muestra de forma gráfica la arquitectura de BI

2.2.9. El ciclo de vida de Business Intelligence

(Vitt et 2003), indica los ciclos de la inteligencia de negocios, diciendo

que la inteligencia de negocios ayuda a los gerentes a tomar

decisiones más rápidamente en los niveles estratégicos y operativos.

El ciclo de la inteligencia de negocios se divide en 4 partes, que son

las siguientes:

Análisis.

Este proceso de filtrado está basado en nuestra comprensión básicas y

por las suposiciones de cómo nuestro negocio opera, incluyendo, por

ejemplo, lo que es importante para nuestros clientes, proveedores y

empleados, entre otros. Este conjunto de todo lo que pensamos

acerca de cómo funcionan las cosas, es de lo que se denomina como

modelo mental.

Los modelos mentales son indispensables para los gerentes quienes

deben tomar decisiones aun paso creciente.

Idea.

La idea es el producto del análisis amplio, sin restricciones nacido de

preguntas que solo el ser humano se puede hacer.

¿Cuál es el significado de esto para la inteligencia de negocios? Si una

persona tiene una idea importante, ésta generalmente tiene que ser

compartida por otros para que sea de utilidad. La inteligencia de

negocios bien organizada nos conduce a las ideas, pero también nos

provee de datos claros, patrones, gráficos y otros análisis de

herramientas de presentación para ayudarnos a vender la idea.

Acción.

La acción se conecta con el ciclo de inteligencia de negocios a través

del proceso de toma de decisiones. La acción es lo que sigue a una

mejor y más rápida toma de decisiones proporcionada por la

inteligencia de negocios. La acción respaldada por un análisis sólido y

por la inteligencia de negocios se caracteriza por uno objetivos más

claros y en un mayor apoyo por parte de la organización para su

implementación.

Medición.

A través de una mejor recopilación de información y una mayor

frecuencia en la generación de informes que la inteligencia de

negocios proporciona, resulta posible medir los resultados de la

compañía en comparación con los estándares cuantitativos, con la

finalidad de desembocar en un nuevo ciclo el análisis, ideas y acciones

correctivas.

2.2.10. Sistema OLTP

Bernabeu (2007) indica que OLTP, es aquella información transaccional

que genera la empresa diariamente, además de las fuentes externas con

las que puede llegar a disponer; para que el OLT funcione correctamente

se necesita de un proceso antes que es el ETL ya que con ellos se

obtendrá resultados concisos y rápidos.

Méndez y otros (2003) proponen que OLTP son aplicaciones que define

el comportamiento habitual de un entorno operacional de gestión y las

cuales ejecutan operaciones del día a día.

2.2.11. Sistema OLAP

(Bernabeu 2006, 52), nos dice que OLAP significa Procesamiento

analítico en línea, indicando que es un proceso en que se usan

herramientas analíticos en línea, ya que es el motor de consultas

especializado de la base de datos; las herramientas OLAP, son una

tecnología de software para análisis en línea, administración y ejecución

de consultas, que permiten inferir información del comportamiento del

negocio.

Su principal objetivo es el de brindar rápidas respuestas a complejas

preguntas, para interpretar la situación del negocio y tomar decisiones.

(Mendez et al. 2003) nos dice que OLAP Son aplicaciones que se

encargan de analizar datos del negocio para generar información táctica

y estratégica que sirve de soporte para la toma de decisiones es por eso

que OLAP logra su máxima eficiencia y flexibilidad operando sobre Bases

de datos multidimensionales.

2.2.12. Tecnología Business Intelligence

2.2.12.1. Data Mart

(Date 2001, cap 5, 710) indica que, Data Mart es una base de datos

especializada, orientada a un tema integrado, volátil y variado en el

tiempo para apoyar un subconjunto específico de decisiones de

administración. Por especializado, se refiere que contiene datos para dar

apoyo al área específica de análisis de negocios. Por volátil, que los

usuarios pueden actualizar los datos e incluso crear nuevos datos, es

decir, nuevas tablas para algún propósito.

(Kroenke 2003, cap 17, 541) menciona que, Data Mart es una facilidad

parecida a un Data Warehouse, pero con un dominio mucho más

pequeño. El Data Mart se puede restringir a un tipo en particular de

datos, a una determinada función del negocio, una unidad de negocio

específico o a un área geográfica.

Características.

(Curto 2010) considera las siguientes caracterices apara tener en cuenta

en la implantación de un Data Mart:

Orientado a un departamento dentro de la organización.

Puede ser implementado como una solución para problemas

inmediatos.

Cubre las necesidades específicas del negocio.

2.2.12.2. Dataminig

Según ( Microsoft 2013), nos dice que La minería de datos es

el proceso de detectar la información procesable de los

conjuntos grandes de datos. Utiliza el análisis matemático para

deducir los patrones y tendencias que existen en los

datos. Normalmente, estos patrones no se pueden detectar

mediante la exploración tradicional de los datos porque las

relaciones son demasiado complejas o porque hay demasiado

datos.

2.2.12.2.1. Algoritmo de predicción de árboles de decisiones

Según ( Microsoft 2013), el algoritmo de árboles de decisión de Microsoft es un algoritmo de clasificación y regresión proporciona por Microsoft SQL Server Analysis Services para el modelado de predicción de atributos discretos y continuos. Para los atributos discretos, el algoritmo hace predicciones basándose en las relaciones entre las columnas de entrada de un conjunto de datos. Utiliza los valores, conocidos como estados, de estas columnas para predecir los estados de una columna que se designa como elemento de predicción. Específicamente, el algoritmo identifica las columnas de entrada que se correlacionan con la columna de predicción. El árbol de decisión realiza predicciones basándose en la tendencia hacia un resultado concreto.

III. MATERIALES Y MÉTODOS

3.1.Diseño de investigación

3.1.1. Tipo de investigación

DE ACUERDO AL FIN QUE SE PERSIGUE: TECNOLÓGICA

APLICADA, porque se basa en una situación problemática, que

pretende mejorar el proceso de toma de decisiones en el proceso de

comercialización en la empresa Korea Motos S.R.L donde se utilizará

la tecnología informática para la creación de un producto acreditable

que permita resolver la situación problemática que presenta la

empresa.

DE ACUERDO AL DISEÑO DE CONTRASTACIÓN:

CUASIEXPERIMENTAL, puesto que la muestra poblacional no está

asignada al azar, ya que esta muestra, estaba formada antes del

experimento. Además se manipulará deliberadamente la variable

independiente, es decir se aplicará metodología para el proceso de la

construcción del Data Mart también se aplicara el algoritmo de árbol

de y relación con la variable dependiente que es toma de decisiones

en el proceso de comercialización.

3.1.2. Hipótesis

A través de la solución de Inteligencia de Negocios basada en análisis

OLAP y análisis predictivo se mejorará el proceso de toma de

decisiones de la empresa Korea Motos S.R.L.”

3.1.3. Diseño de contrastación

Diseño de pre-test y post-test con grupo de control.

Para realizar la contratación de hipótesis, en el presente trabajo de

investigación, se utilizará el método de diseño en sucesión o en línea,

también llamado pre-test, post-test, con un solo grupo de prueba, que

consta del personal del área de gerencia.

O1 X O2

O1: Proceso de toma de decisiones estratégicas antes del sistema.

X: Implantación del sistema.

O2: Proceso de toma de decisiones estratégicas después del sistema.

3.1.4. Variables

Variable Independiente.

Solución de Inteligencia de Negocios basada en análisis OLAP y

análisis predictivo

Variable dependiente.

Toma de decisiones en el proceso de comercialización.

3.1.5. Indicadores

Variable Dimensión Indicador Instrumento Operacionalización

Toma de decisiones en el

proceso de comercialización

Volumen de

ventas totales por temporada

Elaboración de

reportes de número de

ventas totales por semestre.

Estadística de

ventas por temporada.

Volumen de ventas actual por temporada – Volumen de ventas anterior por temporada.

Nivel de

rotación de productos

Elaboración de reportes sobre

el Índice de rotación de

producto por semestre.

Registro de

producto más comprado por

los clientes.

Índice de rotación de productos actual – Índice de rotación de productos anterior.

Producto más

vendido

Elaboración de reportes sobre

el índice de demanda del

producto estrella.

Estadística de

ventas por producto

Demanda de producto más vendido actual – Demanda de producto más vendido anterior.

Volumen de

compras totales por temporada

Elaboración de


compras totales por semestre.

Estadística de compras por temporada.

Volumen de compras actual por temporada – Volumen de compras anterior por temporada.

Satisfacción sobre la

información solicitada

Nivel de satisfacción

sobre la información

solicitada

Establecimiento de rango de satisfacción

Satisfacción sobre la información solicitada actual – Satisfacción sobre la información solicitada anterior.

Satisfacción de calidad de

información

Nivel de calidad de

información solicitada

Establecimiento de rango de satisfacción

Satisfacción de la calidad de información actual – satisfacción sobre la satisfacción de la calidad de información anterior.

3.1.6. Población y muestra

Para el cálculo de la población en estudio y muestreo se ha

considerado tener en cuenta la muestra censal ya que este tipo de

muestra indica conocer características poblacionales e inclusos el

tamaño del universo ya que la población está constituido por las

personas que toman decisiones en la empresa Korea Motos S.R.L que

son 5 personas las que toman decisiones en la empresa; la población

se ha determinado de la siguiente manera: por ser una población

pequeña en este caso 5 personas que forman parte de la junta

directiva, el error es del 0% y la muestra seria toda la población que

conforma la junta directiva es decir el universo.

3.1.7. Métodos y técnicas de recolección de datos

3.1.8. Técnicas de procesamiento de datos

Una vez realizada la recolección de datos a través de entrevistas y

observación, hay que validar los datos, tabularlos e interpretarlos.

Validación y Edición: En esta etapa se analiza si se hicieron

las preguntas adecuadas y suficientes para la obtención de los

datos. Si se cometió errores por parte del entrevistador o por

parte del entrevistado.

Codificación: Proceso por el cual se le asignara códigos a las

respuestas obtenidas de las preguntas hechas a experto en este

caso.

Introducción de los datos: Fase donde se pasaran los datos

a un medio electrónico. En esta etapa se plantea el uso del

programa IDAMS. IDAMS (Internationally - developed Data

Analysis and Management Software) es un software estadístico

muy completo desarrollado y distribuido por la UNESCO. Tiene

la capacidad de ejecutar técnicas clásicas y avanzadas de

análisis estadístico como también exploración grafica de datos,

líneas de tiempo y tablas multidimensionales.

Tabulación y análisis estadístico: Aquí se pasan los datos a

tablas cruzadas para luego analizar gráficamente o con otra

técnica los datos ingresados y presentes en las tablas.

Técnica Justificación Instrumento Aplicado en

Observación

Permitirá tener una perspectiva de la

situación problemática con respeto a

la gestión operativa

Observación Korea Motos S.R.L

Entrevista

Permitirá entender el dominio del

negocio, personas, objetivos y

problemas

Hojas de apuntes Korea Motos S.R.L

3.2. Metodología de desarrollo

3.2.1. Metodología de Ralph Kimball

Para el desarrollo de la solución de negocios BI se ha propuesto utilizar la metodología por Ralph Kimball, ya que esta metodología se centra en el negocio, también dentro de la infraestructura de información adecuada y así ofrecer una solución completa; además se adecua al tiempo de desarrollo en el que la solución debe de hacerse, esta metodología está compuesta por las siguientes fases:

Planificación: busca identificar la definición y el alcance que tiene

el proyecto. Esta etapa se concentra sobre la definición del proyecto,

donde, a nivel de planificación, se establece la identidad del mismo,

el personal, desarrollo del plan de proyecto, el seguimiento y la

monitorización.

Requerimientos del negocio: Es el proceso de entrevistar al

personal del negocio y técnico y también de leer todos los informes de

la organización para así poder rastrear los documentos de la

estrategia interna.

Modelado Dimensional: Es la creación de un modelo

dimensional, el cual es un proceso dinámico y altamente iterativo.

Diseño Físico: Es el elemento principal de este proceso, es la

definición de estándares del entorno de la base de datos.

Diseño y desarrollo de presentación de datos: Las principales

sub- etapas de esta zona del ciclo de vida son la extracción, la

transformación y carga (ETL), y se definen como procesos de

extracción a aquellos requeridos para obtener los datos que permitan

efectuar la carga del modelado físico acordado.

En esta fase de esta metodología se definen como procesos de

transformación a los procesos para convertir o recodificar los datos

fuentes a fin de poder efectuar la carga efectiva del modelo físico.

Diseño de la arquitectura técnica: Tiene que tenerse en cuenta

los requerimientos del negocio, los actuales ambientes técnicos y las

directrices técnicas estratégicas futuras planificadas.

http://www.monografias.com/trabajos12/desorgan/desorgan.shtml

http://www.monografias.com/trabajos7/plane/plane.shtml

Selección de productos e instalación: Utilizando el diseño de

arquitectura técnica como marco, es necesario evaluar y seleccionar

componentes específicos de la arquitectura cómo será la plataforma

de hardware, el motor de base de datos, la herramienta de ETL.

Especificaciones de aplicaciones para usuarios finales: se

identifican los roles o perfiles de usuarios para los diferentes tipos de

aplicaciones necesarias en base al alcance de los perfiles detectados.

Desarrollo de aplicaciones para usuario finales: involucra

configuraciones de los metadatos y construcción de reportes

específicos.

Despliegue: representa el correcto funcionamiento de la tecnología,

los datos y las aplicaciones de usuarios finales accesibles para el

usuario del negocio.

Mantenimiento y crecimiento: se basa en la necesidad de

continuar con las actualizaciones de forma constante para así lograr

la evolución de las metas por conseguir.

Gerenciamiento del proyecto: asegura que todas las actividades

del ciclo de vida se lleven a cabo de manera sincronizada.

Figura 01: Ciclo de vida de la Metodología de Ralph Kimball.

Gerenciamiento del proyecto

Desarrollo

Aplicación

End -User

Despliegue Mantenimient

o y

crecimiento

Data Stagin

Desing &

Developmen

t

Diseño

físico

Selección e

instalación

producto

Modelamiento

Dimensional

Aplicación

Especificación

End -Use

Diseño

Arquitectura

Técnica

Planeamient

o Proyecto

Definir

Requerimient

os

Negocio

IV. RESULTADOS

4.1.Planeación del proyecto

4.1.1. Identificación del escenario del proyecto.

4.1.1.1. Reseña histórica.

La empresa Korea Motos S.R.L nace como un negocio en

tacorita, posteriormente en enero del 2002 alquilan un local en

la Av. Agusto B. Leguia con razón social de repuestos Gálvez,

empresa dedicada a la compra y venta de repuestos usados de

vehículos automotores menores (motos lineales y mototaxi) al

pasar el tiempo, la micro empresa prospera gracias al arduo

trabajo, dedicación y tenaz perseverancia de sus propietarios,

los hermanos Gálvez, naciendo en ellos la idea de formar una

empresa dedicada a la importación y venta al por mayor y

menor no solo de repuestos, sino también a la venta de

vehículos automotores menores (trimoto, trimovil, motocicleta,

cargueros y accesorios en general), la cual nace el 1° de

setiembre del 2004 con el nombre de Korea Motos S.R.L.

Posteriormente empezaros a importar y vender vehículos

mayores: automóviles, combis, camiones camionetas, entre

otros.

4.1.1.2. Razón social.

Korea Motos S.R.L

4.1.1.3. RUC

RUC Nº 20479779598

4.1.1.4. Misión

Satisfacer las necesidades de sus clientes, ofreciendo vehículos,

repuestos y servicios de alta calidad, con la más alta tecnología e

innovación en el mercado, demostrándoles a sus clientes que

ellos son la razón de la existencia de la empresa.

4.1.1.5. Visión

Ser líderes y contar con un equipo humano altamente

capacitado, colaborativo y comprometido en el cumplimiento

de sus objetivos, descubriendo día a día nuevos productos,

que les permita conquistar nuevos mercados a nivel nacional

e internacional.

4.1.2. Identificación de los usuarios y áreas intervinientes.

4.1.2.1. Áreas intervinientes.

Figura N° 02: Organigrama de organización Korea Motos

Sistemas de compras

El área de compras de la empresa “Korea Motos S.R.L” funciona de la

siguiente manera. Para poder realizar las compras el gerente tiene que

percatarse de los productos con que cuenta actualmente en almacén,

una vez que verifica su stock de productos, a través de los informes de

almacén q le entregan, hace una orden de compra de los productos

faltantes para luego entregárselos al proveedor, este último revisa la

orden de compra, lista productos y los envía desde Korea y China

hacia un puerto en la ciudad de Lima, posteriormente de la ciudad de

Lima se trasladas los productos hasta la ciudad de Chiclayo, el gerente

al recibir la mercadería, recibe la factura y la guía de remisión, al

recibir la G/R lo chequea con la mercadería, al estar todo conforme,

registra los productos y los almacena.

Sistemas de ventas

Para el proceso de ventas la empresa Korea Motos S.R.L hace lo

siguiente:

El cliente llega a la empresa y pregunta por un determinado producto,

el vendedor le informa sobre el producto mediante una proforma

(para realizar este documento consulta los productos existentes y sus

respectivos precios), no todas las preformas entregadas terminan en

compra. Para las proformas que si terminan en compra el proceso es

el siguiente: se registra el cliente (datos personales) y si el cliente

existe se actualizan los datos, se revisa la proforma para armar el

pedido que posteriormente se entregara.

4.1.3. Análisis de factibilidad.

El estudio de factibilidad es la base que permite servir de apoyo a la

persona que invertirá para tomar una decisión en lo referente a que si

se debe o no continuar con el proceso de desarrollo del proyecto de

BI, este estudio profundiza la investigación en fuentes secundarias y

primarias y la rentabilidad económica del proyecto.

4.1.3.1.Factibilidad operativa.

Para realizar el análisis de factibilidad operacional de la empresa

será necesario capacitara a las personas encargadas del manejo

del sistema “Solución de inteligencia de negocios basada en

análisis OLAP y análisis predictivo para apoyar en la toma de

decisiones en el proceso de comercialización” en este caso a la

gerencia y contadora, para que puedan hacer un mejor análisis y

por ende tomar mejores decisiones.

Cada persona responsable de las áreas con las que cuenta la

empresa se verá involucrada con el sistema ya que ellos podrán

también conocer la evolución de los diferentes informes y

reportes que se le proporcione.

El sistema contara con una interfaz web que permitirá que el

usuario pueda acceder fácilmente a toda la información

necesaria para la toma de decisiones en sus respectivas áreas.

4.1.3.2. Factibilidad técnica.

Para realizar el análisis de factibilidad técnica de la empresa se

tiene que tener en cuenta que actualmente posee equipos

informáticos, equipos de red comunicaciones, así como también

cuenta con el servidor de datos y web necesario para poder

desarrollar la aplicación planteada.

4.1.3.3.Factibilidad económica.

Un aspecto interesante de la implementación de un Data Mart es

la justificación del costo sobre la base del retorno de la

inversión.

Tal análisis requiere que los beneficios del Data Marts sean

conocidos y cuantificados antes de comenzar con su

construcción.

Costo de tomar malas decisiones por no contar con la

información adecuada y necesaria en el momento

oportuno.

Costos del área de sistemas destinados a programación y

preparación de información de control de gestión.

Costos de programación de nuevas aplicaciones o

adaptaciones delas existentes.

4.1.3.4.Análisis de los costos.

Rubro Cantidad Unidad de

medida

Precio Unitario.

(S/.) Total. (S/.)

Bienes materiales

Papel Bond 5 Millares s/.24.00 s/.120.00

Lapiceros 10 Unidades s/.3.00 s/.30.00

Tinta de impresora negro 1 Litro s/.40.00 s/.40.00

Tinta de impresora color 3 Litro s/.50.00 s/.150.00

Memoria USB 1 16 Gb s/.79.50 s/.79.50

Folder Manila 20 Paquete s/.0.70 s/.14.00

Cds 5 Unidades s/.1.50 s/.7.50

s/.441.00

Servicios

Internet 170 6 Meses s/.1.00 s/.1020.00

Energía eléctrica 6 meses Kwh/mes s/.150.00 s/.900.00

Espiralado 3 Unidad s/.3.00 s/.9.00

Movilidad 2 Global s/.25.00 s/.50.00

Capacitación(Diplomado) 2 Meses s/.400.00 S/.800.00

s/.2779.00

Licencias

Microsoft SQL Server 2008 1 Unidad $2300 s/5750.00

Total del Presupuesto del proyecto s/.8970.00

4.2.Análisis dimensional

4.2.1. Análisis de medidas y dimensiones

Este análisis permite seleccionar una medida y se define como se genera

esta medida y si en eso hay algún dato que represente a la dimensión y si

es factible que la medida sea analizada por la dimensión, entonces

podemos encontrar las siguientes medidas y dimensiones para nuestro

análisis.

Según la información analizada se encontraron las siguientes medidas y

dimensiones.

Proceso de Ventas

Matriz Buz de Ventas:

Tabla N° 01: Cuadro de Dimensiones vs Medidas

MEDIDAS DIMENCIONES

Hechos ventas Tiempo Cliente Producto Vendedor

Cantidad x x x x

Rotación x x

Rentabilidad x

x x

MEDIDAS

Tabla N° 02. Medidas encontrada

Proceso Negocio MEDIDAS

Ventas

Cantidad

Rotación

Rentabilidad

Tiempo

Cliente

Producto

Vendedor

Ventas

Año

Mes Semana

Nombre

Tipo

Nombre

DNI

Recibo

Día

Semestre Direccion

Marca Color Fecha Venta Fecha Compra

Análisis

Para en análisis se ha utilizado la matriz bus es una herramienta que

nos ayuda a ver nuestro hecho venta con cada uno de sus criterios a

evaluar y también con cada una de sus jerarquías.

Diagrama Star Net Ventas:

Figura N° 03: Diagrama de Star Net Ventas

Análisis de las Dimensiones:

Jerarquías

Dimensión tiempo

* Año

**Semestre

***Mes

****Semana

*****Día

Dimensión cliente

*Nombre

**DNI

***Dirección

Dimensión producto

*Tipo

**Marca

***Color

****Fecha Venta

*****Fecha Compra

Dimensión vendedor

*Nombre

Proceso de compras

Matriz Buz de Compras:

Tabla N° 03. Cuadro de Dimensiones vs Medidas

MEDIDAS DIMENSIÓN

Hechos

compras Tiempo Producto Proveedor Geografía

Cantidad x x x x

Rotación x x

x

Proyección x x x x

MEDIDAS

Tabla N° 04. Medidas encontrada


Compras

Cantidad

Rotación

Proyección

Análisis


nos ayuda a ver nuestro hecho compras con cada uno de sus criterios

a evaluar y también con cada una de sus jerarquías.

Diagrama Star Net de Compras:

Figura N° 04: Diagrama Star Net Compras

Tiempo

Producto

Proveedor

Ubigeo

Compras

Año

Mes

Tipo Razon Social

Pais

Semestre Fecha Compra

Fecha Venta

Nº de Compra

Semana Día

Marca Color


Jerarquías

Dimensión tiempo

*Año

**Semestre

***Mes

****Semana

*****Día

Dimensión producto

*Tipo

**Marca

***Color

****Fecha Venta

*****Fecha Compra

Dimensión proveedor

*Razón social

Dimensión geografía

*Pais

Proceso Inventario

Matriz Buz de Inventario:

Tabla N° 05. Cuadro de Dimensiones vs Medidas

Medidas Dimensión

Hechos Inventario Producto Mes

Total disponible x x

Ordenes

x

Total Máximo x x

Total mínimo x x

MEDIDAS

Tabla N° 06 . Medidas encontrada


Inventario

Total disponible

Ordenes

Total Máximo

Total Mínimo

Análisis


nos ayuda a ver nuestro hecho inventarios con cada uno de sus

criterios a evaluar y también con cada una de sus jerarquías.

Diagrama Star Net de Inventario:

Figura N° 05 : Diagrama Star Net Inventarios


Jerarquías

Dimensión producto

*Tipo

**Marca

***Color

****Fecha Venta

*****Fecha Compra

Producto Inventario

Marca Color Fecha _Venta Fecha_Compra Tipo

4.3. Diseño de la arquitectura técnica.

Como se explicó ene le maro teórico la arquitectura es la etapa de la

metodología enfocada las herramientas o infraestructura necesaria para dar

soporte a los requerimientos del usuario. La cual es dividida por Kimball en

Back Room y Front Room

Microsoft SQL Server R2 2008

DataMart Reportes

Orígenes de datos ETL Análisis de Datos (OLAP)

SSD WEB

Herramientas familiares

Entrega de información

Hech_Ventas

KeyProducto (FK)

KeyCliente (FK)

KeyVendedor (FK)

Keyfecha (FK)

KeyMes (FK)

numRecibo

monto

Dim_Cliente

KeyCliente

DNI

nombreClie

dirección

Dim_Vendedor

KeyVendedor

recibo

nombVend

Dim_Producto

KeyProducto

tipo

marca

color

Dim_Tiempo

Keyfecha

KeyMes (FK)

fecha

año

semestre

mes

semana

día

Hech_Compras

KeyGeografia (FK)

KeyProveedor (FK)

Keyfecha (FK)

KeyProducto (FK)

KeyMes (FK)

cantidad

Dim_Proveedor

KeyProveedor

numCompra

razSoc

Dim_Geografia

KeyGeografia

pais

Hech_Inventario

KeyProducto (FK)

KeyMes (FK)

cantidad

Dim_Mes

KeyMes

mes

año

4.4. Modelo dimensional.

4.4.1. Modelo relacional

Figura N° 06: Modelo Relacional Data Mart

En el figura n° 06 se puede apreciar las relaciones que hay entre las

dimensiones y hechos del data mart para que así se pueda formar una

constelación de la unión de todas la arquitectura estrella que se ven al unir

dimensiones y hechos, así mismo se ve en esta constelación un copo de nieve en

donde la dimensión mes se une con la dimensión tiempo y con el hecho

inventario.

4.4.1.1.Modelo dimensional del Data Marts.

4.4.1.1.1. Dimensiones para hecho ventas

Figura N° 07: Diagrama entidad relación de dimensión para hecho ventas

En la figura n° 07 se puede apreciar las relaciones que hay entre las diversas

dimensiones (cliente, producto, vendedor, tiempo) que se relacionan con el

hecho ventas.

Hech_Ventas

KeyProducto (FK)

KeyCliente (FK)

KeyVendedor (FK)

fecha (FK)

numRecibo

idVenta

monto

saldo

Dim_Cliente

KeyCliente

nombreClie

dirección

DNI

Dim_Vendedor

KeyVendedor

nombVend

Dim_Producto

KeyProducto

codProduc

tipo

marca

color

Dim_Tiempo

fecha

idfecha

año

semestre

mes

semana

día

4.4.1.1.2. Dimensiones para hecho compras

Figura N° 08: Diagrama entidad relación de dimensión para hecho compras


dimensiones (proveedor, geografía, producto, tiempo) que se relacionan con el

hecho compras.

Hech_Compras

KeyGeografia (FK)

fecha (FK)

KeyProveedor (FK)

KeyProducto (FK)

codComp

montComp

catComp

valor

Dim_Proveedor

KeyProveedor

razSoc

Dim_Geografia

KeyGeografia

ubicacion

Tiempo

fecha

idfecha

año

semestre

mes

semana

día

Dim_Producto

KeyProducto

codProduc

tipo

marca

color

4.4.1.1.3. Dimensión para hecho inventarios

Figura N° 09: Diagrama entidad relación de dimensión para hecho

inventarios


dimensiones (producto, mes, tiempo) que se relacionan con el hecho

inventario.

Hech_Inventario

KeyProducto (FK)

KeyMes (FK)

codInvent

total

stock

Dim_Producto

KeyProducto

codProduc

tipo

marca

chasis

color

añoFabri

Dim_Tiempo

fecha

idfecha

año

semestre

mes

semana

día

Dim_Mes

KeyMes

mes

año

fecha (FK)

4.5.Diseño Físico de la base de datos Dimensional

Figura N° 10: Diagrama Dimensional y Relacional del DataMart

4.5.1. Modelo físico de la base de datos

Nuestro modelo físico de base de datos cuenta con tablas las cuales tiene

sus respectivos atributos los cuales nos ayudaran a obtener los datos en

el soporte de toma de decisiones.

Modelo físico de la base de datos dimensional

DataMartKoreaMotos

Tabla N° 07: Modelado físico tabla Dim_Cliente

Dimensión Dim_Cliente Dimensión que almacena a los clientes Nombre de

campo Nulidad Tipo

Dato Tamaño Entidad

(PK, Unique) Descripción

KeyCliente Not null Integer 4 PK Código del cliente DNI Not null Varchar 8 DNI del cliente

nombreClie Not null varchar 50 Nombre del cliente dirección Not null varchar 100 Dirección del cliente

ORIGEN DE DATOS Base de datos DataMartKoreaMotos

Tabla N° 08 : Modelado físico tabla Dim_Vendedor

Dimensión Dim_Vendedor Dimensión que almacena a los vendedores

Nombre de campo

Nulidad Tipo Dato

Tamaño Entidad (PK, Unique)

Descripción

KeyVendedor Not null Integer 4 PK Código del vendedor nomVend Not null Varchar 50 Nombre del vendedor


Tabla N° 09 : Modelado físico tabla Dim_Producto

Dimensión Dim_Producto Dimensión que almacena los productos

Nombre de campo

Nulidad Tipo Dato


Descripción

KeyProducto Not null Integer 4 PK Código del producto tipo Not null Varchar 50 Tipo de producto

Marca Not null Varchar 50 Marca del producto color Not null Varchar 50 Color del producto


Tabla N° 10 : Modelado físico tabla Dim_Geografia

Dimensión Dim_Gografia Dimensión que almacena los países proveedores de productos

Nombre de campo

Nulidad Tipo Dato


Descripción

KeyGeografia Not null Integer 4 PK Código de geografía ubicacion Not null Varchar 50 Ubicación del país proveedor

de productos (País). ORIGEN DE DATOS Base de datos DataMartKoreaMotos

Tabla N° 11 : Modelado físico tabla Dim_Proveedor

Dimensión Dim_Proveedor Dimensión que almacena los proveedores

Nombre de campo

Nulidad Tipo Dato


Descripción

KeyProveedor Not null Integer 4 PK Código del proveedor de productos.

razSoc Not null Varchar 50 Razón social del proveedor de productos.


Tabla N° 12 : Modelado físico tabla Dim_Mes

Dimensión Dim_Mes Dimensión que almacena los meses de compras

Nombre de campo

Nulidad Tipo Dato


Descripción

KeyMes Not null Integer 4 PK Código del mes. Keyfecha Not null Integer 4 Codigo de fecha que proviene

de la dimecion tiempo. mes Not null Integer 4 Mes en que se compran los

productos año Not null Integer 4 Año en que se compra los

productos


Tabla N° 13 : Modelado físico tabla Dim_Tiempo

Dimensión Dim_Mes Dimensión que almacena el tiempo de compra, venta y almacén de productos

Nombre de campo

Nulidad Tipo Dato


Descripción

Keyfecha Not null Integer 4 PK Código del tiempo. fecha Not null date 3 Fecha en el tiempo.

dia Not null Integer 4 Día en el tiempo.

semana Not null Integer 4 Semana en el tiempo. mestimempo Not null Integer 4 Mes en el tiempo.

semestre Not null Integer 4 Semestre en el tiempo. año Not null Integer 4 Año en el tiempo.


4.6.Diseño y desarrollo de presentación de datos

4.6.1. Construcción de ETL de datos

En este paso de la metodología se realizara el proceso de extracción,

transformación y carga de los datos de origen al modelo que se ha creado

en el SQL Server 2008 R2, esto se hace a través del Integration Services

que es una herramienta de la tecnología que se está utilizando la cual la

encontramos en el Visual Business Intellingence 2008 y por ultimo

tenemos nuestros reportes.

Tarea ejecutar:

Antes de cargar los datos del sistema transaccional eliminamos el

data mart para su poblamiento.

delete from dbo.Hech_Compras

delete from dbo.Hech_Inventario

delete from dbo.Hech_Ventas

delete from dbo.Dim_Cliente

delete from dbo.Dim_Geografia

delete from dbo.Dim_Mes

delete from dbo.Dim_Producto

delete from dbo.Dim_Proveedor

delete from dbo.Dim_Tiempo

delete from dbo.Dim_Vendedor

Figura N° 11: Paquete ETL Data Mar

En la figura n° 11 se puede apreciar que para la construcción del ETL de datos pues se debe de tomar en cuenta la limpieza

de los datos, las dimensiones en donde se van a extraer los datos y los hechos en donde se va a almacenar los datos para

que luego estos sean analizados y sean utilizados para el uso de la toma de decisiones de la organización.

4.6.1.1.Proceso de extracción, transformación y carga de datos del Data Marts.

Orígenes de datos dimensión Cliente

Figura N12: Origen de datos de Dimensión Cliente

Figura N°13: Editor de Origen de datos

Figura N° 14: Columna de Datos del origen

Figura N° 15 : Transformación de datos de dimensión cliente

Figura N° 16 : Editor de destino OLE DB_DataMartKoreaMotos

Figura N° 17: Asignación de columnas a la dimensión Cliente

Orígenes de datos dimensión Producto

Figura N18: Origen de datos de Dimensión Producto


Figura N° 20 : Columna de Datos del origen

Figura N° 21: Transformación de datos de dimensión Producto_Venta

Figura N° 22 : Transformación de datos de dimensión Producto_Compra

Figura N° 23: Editor de destino OLE DB_DataMartKoreaMotos

Figura N° 24: Asignación de columnas a la dimensión Producto_Venta

Figura N° 25: Asignación de columnas a la dimensión Producto_Compra

Orígenes de datos dimensión Vendedor

Figura N° 26 : Origen de datos de Dimensión Vendedor


Figura N° 28: Columna de Datos del origen

Figura N° 29: Transformación de datos de dimensión vendedor

Figura N° 30: Editor de destino OLE DB_DataMartKoreaMotos_Vendedor

Figura N° 31: Asignación de columnas a la dimensión Vendedor

Orígenes de datos dimensión Proveedor

Figura N24 : Origen de datos de Dimensión Proveedor

Figura N°32: Editor de Origen de datos Compras

Figura N° 33: Columna de Datos del origen Proveedor

Figura N° 34: Transformación de datos de dimensión proveedor

Figura N° 35: Editor de destino OLE DB_DataMartKoreaMotos_proveedor

Figura N° 36: Asignación de columnas a la dimensión Proveedor

Orígenes de datos dimensión Geografía

Figura N° 37 : Origen de datos de Dimensión Geografía

Figura N°38 : Editor de Origen de datos Compras

Figura N° 39: Columna de Datos del origen Geografía

Figura N° 40: Transformación de datos de dimensión geografía

Figura N° 41: Editor de destino OLE DB_DataMartKoreaMotos_ Geografía

Figura N° 42: Asignación de columnas a la dimensión Geografía

Orígenes de datos dimensión Tiempo

Figura N° 43 : Origen de datos de Dimensión Tiempo

Figura N°44 : Editor de Origen de datos Tiempo_Ventas

Figura N°44 : Editor de Origen de datos Tiempo_Compras

Figura N° 45: Columna de Datos del origen Tiempo_Ventas

Figura N° 46: Columna de Datos del origen Tiempo_Compras

Figura N° 47: Transformación scrip de datos de dimensión Tiempo_venta

Figura N° 48: Columna derivada Dimensión Tiempo_Venta

Figura N° 49: Asignación de columnas a la dimensión tiempo_ventas

Figura N° 50: Asignación de columnas a la dimensión tiempo_compras

Orígenes de datos dimensión Mes

Figura N° 51 : Origen de datos de Dimensión Mes

Figura N°52 : Editor de Origen de datos Mes

Figura N° 53: Columna de Datos del origen Mes

Figura N° 54: Editor de destino OLE DB_DataMartKoreaMotos_ Mes

Figura N° 55: Asignación de columnas a la dimensión Mes

Hechos ventas

Figura N° 56: Hecho ventas

Hechos compras

Figura N° 57: Hecho Compras

Hecho inventario

Figura N° 58: Hecho Inventario

4.7.especificación de aplicación para usuarios finales

Para detallar el proceso de elaboración de las aplicaciones para los usuarios

finales, primero deberemos conocer las diferentes roles o perfiles de los

usuarios que manejaran el sistema.

La interacción de los usuarios finales con los datos y reportes será a través

de una herramienta de fácil manejo y administración como Microsoft Office

Excel que es un software de oficina, con el que cuentan todos los equipos de

cómputo de la empresa y también a través del sistema web desarrollado en

este proyecto.

Para la navegación en el sistema web les permitirá acceder a esta solución

de forma fácil, en donde podrán encontrar la información de manera rápida

y eficiente lo que les permitirá analizar de manera más óptima los reportes

de acuerdo a sus necesidades.

4.8. Desarrollo de aplicaciones para los usuarios finales.

Para el desarrollo de aplicaciones para usuario finales pues nos referimos al

cubo de la solución de inteligencia de negocios en donde con la selección de

datos cruzados la gerencia pueda tomar decisiones para la organización,

aparte del cubo pues se podrá desarrollar indicadores de clave de

desempeño (KPI) en donde se podrá verificar si la organización ha podido

llegar a las metas previstas.

4.8.1. Creación de cubo en Microsoft análisis servicies.

Figura N° 59: Elección de hechos para el cubo

Figura N°60 : Seleccionar Medidas para el cubo

Figura N° 61 : Finalización del asistente de creación de Cubo

4.8.1.1. Conexión de la base de datos al data marts.

Figura N° 62 : Conexión a la base de datos del data mar

4.8.1.2. creación de las dimensiones.

Figura N° 63: Creación de dimensiones

Figura N°64 : Selección de atributos para la dimensión

Figura N°65: Nombre para la dimensión

4.8.1.3.Creación del cubo

Para la creación del cubo y el análisis de datos que contiene el mismo pues se ha

considerado hacerlo por los tres hechos que los que se cuenta que son hecho

ventas, hecho compras y hecho inventarios los cuales como se ha dicho

anteriormente se podrá cruzar datos de diferentes dimensiones para así poder

analizar la data de la empresa, así mismo como se dijo anteriormente pues se

desarrollará indicadores clave de desempeño(KPI) en donde se verá si la

organización ha podido lograr sus metas o si las sobre pasado, para que así todo

esto nos ayude en el proceso de toma de decisiones dentro de la organización.

CUBO

Figura N° 66: Creación del Cubo

Kpi

Figura N° 67: Creación del KPI

4.8.1.4.Creación de Minería de datos

Para la creación de la minería de datos pues primero se debe de realizar o

desarrollar las dimensiones para que a partir de ello podamos sacar

características en las cuales nos pueda ayudar en la toma de decisiones, es por

eso que nosotros hemos elegido a la dimensión productos los cual se ha

realizado minería de datos por sus características de tipo, marca y color en

donde a través del algoritmo de “Arboles de decisiones” nos ayudara a predecir

qué tipo de productos comprar y de que marca y de qué color.

Figura N° 68: Creación del algoritmo de predicción de “Arboles de decisiones”

4.9. Implementación.

4.9.1. Presentación de cubo en análisis servicies.

A través del desarrollo de nuestro cubo podemos utilizar cualquier

herramienta OLAP para analizar la información, dichas herramientas

pueden ser gratuitas o comerciales. SQL server 2008 R2 nos proporciona

una herramienta de análisis de datos, como lo es el Analysis Services que

nos permite conectarnos a nuestro cubo, el cual con ayuda de la

herramienta nos permitirá hacer el análisis de los datos de nuestro de

Data Mart y de analizar la información de diferentes perspectivas.

A continuación mostramos algunos reportes obtenidos a través de esta

herramienta.

Figura N°69: Cruce de datos en el Cubo

Análisis: En la figura N° 68 se puede apreciar el cruce de datos dentro del cubo,

para este caso de la figura es la cantidad de ventas de productos que asieron los

vendedores en el año 2011, con sus respectivos meses, además esta cantidad se

productos como se puede apreciar se hace a través de la marca del producto y el

color del producto.

4.9.2. Presentación del Cubo en Microsoft Excel.

El desarrollo del cubo nos permiten utilizar herramientas de análisis de

datos que se conecten a ese, a continuación mostraremos que se puede

utilizar una herramienta que es conocida y utilizada por la mayoría de los

usuarios en sus ordenadores, nos referimos al Excel; para conectarnos al

cubo con esta herramienta primero debemos de obtén los permisos

necesarios y configurar la herramienta y luego ya podemos explotar y

analizar los datos.

A continuación mostramos algunas consultas y reportes gráficos, las

cuales según la entrevista realizadas a gerencia son prioridad para la

organización para el proceso de toma de decisiones.

Figura N° 70: Cruce de datos en Excel

Análisis: En la figura N° 69 se puede apreciar el cruce de datos del cubo en Excel,

para este ello hemos seleccionado los datos de la razón social de los proveedores de

los productos, además de ver las marcas las cuales nos proveen, así mismo ver el

tipo de producto que nos proveen y la cantidad por semestre .

4.9.3. Presentación de minería de datos

A través del desarrollo de nuestro cubo podemos utilizar cualquier

herramienta OLAP para analizar la información, dichas herramientas

pueden ser gratuitas o comerciales. SQL server 2008 R2 nos proporciona

una herramienta de predicción de datos como es el de “Arboles de

decisiones” la cual nos ayuda en la toma de decisiones que a partir de

datos ya obtenidos en el tiempo se puedan hacer predicciones.

Figura N° 70: Presentación del algoritmo de “Arboles de decisiones”

4.9.4. Presentación de minería de Datos en Excel

Para el desarrollo de minería de dato Excel no permite también como el

SQL 2008 R2 poder predecir escenarios a través de algoritmos como es

en este caso el de “Arboles de decisiones”, en donde se podrá predecir el

tipo de producto con respecto a la marca y color del mismo, además se

puede ver cuál es la cantidad que predice que se debe de comprar para el

próximo año.

Figura N° 71: Presentación del algoritmo de “Arboles de decisiones” en

Excel

4.9.5. Medidores de cada área

Figura N° 70: Medidor de ventas

Figura N° 71: Cuadros estadísticos de Ventas

Figura N°72 : Medidor de compras

V. DISCUSIÓN

Con lo concerniente a este capítulo de esta investigación de tesis pues se ha

establecido la medición de cada indicador que anteriormente en el capítulo de

materiales y métodos se han mencionado para poder así comprobar la

implementación de la solución que se ha propuesto a la organización, así mismo

poder constatar la hipótesis y los objetivos.

Indicadores

- Elaboración de reportes de número de ventas totales por

semestre

Tabal N° 14 Elaboración de reportes de número de ventas totales por

semestre

Factor O1(Tiempo) O2(Tiempo) DI Elaboración de


ventas totales por semestre

36 horas

6 Horas

30 Horas

Dónde:

O1: Es el primer tiempo promedio que se demora un empleado en la

elaboración de reportes solicitados por la gerencia para saber el número de

ventas totales por semestre y sus cuadros estadísticos.

O2: Es el tiempo promedio que se demora un empleado para la elaboración

de reportes solicitados por la gerencia utilizando la solución que ayudara al

soporte de toma de decisiones.

DI : O2 – O1

La diferencia de tiempos que se obtiene nos da a conocer que la solución ha

permitido recudir el tiempo para la elaboración de reportes de números de

ventas totales por semestre solicitado por la gerencia que permitirá analizar

la información y se puedan tomar mejores decisiones.

Podemos observar como contribuye las herramientas de BI y las tecnologías

de información en agilizar los tiempos de un determinado proceso.

- Elaboración de reportes de número de compras totales por

semestre

Tabal N° 15 Elaboración de reportes de número de compras totales por

semestre

Factor O1(Tiempo) O2(Tiempo) DI Elaboración de


compras totales por semestre

24 horas

4.8 Horas

19.2 horas

Dónde:


elaboración de reportes solicitados por la gerencia para saber el número de

compras totales por semestre y sus cuadros estadísticos.




DI : O2 – O1


permitido recudir el tiempo para la elaboración de reportes de números de

compras totales por semestre solicitado por la gerencia que permitirá

analizar la información y se puedan tomar mejores decisiones.

- Elaboración de reportes sobre el índice de rotación de producto

por semestre

Tabal N° 16 Elaboración de reportes sobre el índice de rotación de

productos por semestre

Factor O1(Tiempo) O2(Tiempo) DI Elaboración de reportes sobre

el índice de rotación de

productos por semestre

36 horas

3.6 Horas

32.4 Horas

Dónde:


elaboración de reportes solicitados por la gerencia para saber el índice de

rotación de productos por semestre




DI : O2 – O1


permitido recudir el tiempo para la elaboración de reportes del índice de

rotación de productos por semestre solicitado por la gerencia que permitirá


- Elaboración de reportes sobre el índice de demanda del producto

estrella

Tabal N° 17 Elaboración de reportes sobre el índice del producto estrella

Factor O1(Tiempo) O2(Tiempo) DI Elaboración de reportes sobre

el índice del producto estrella

36 horas

6 Horas

30 horas

Dónde:


elaboración de reportes solicitados por la gerencia para saber el índice de

demanda del producto estrella




DI : O2 – O1


permitido recudir el tiempo para la elaboración de reportes del índice de

demanda del producto estrella solicitado por la gerencia que permitirá


Para la medición de los indicadores cualitativos se ha elaborado un cuadro donde

se especifica los rangos de valores en el nivel de satisfacción, luego el personal

califico mediante observación y a través de una encuesta el nivel de satisfacción

según los procedimientos presentados donde se compara el sistema versus el

sistema propuesto.

Tabla N° 18 Escala de medición para indicadores cualitativos

Rango de valores Nivel de satisfacción [0-2.5] Nada ventajoso <2.5 -5] Poco ventajoso <5 -7.5] Ventajoso <7.5 – 10] Muy ventajoso

Nivel de satisfacción de la gerencia sobre la información solicitado

Tabla N° 19 Nivel de satisfacción sobre la información solicitada

Indicador Pregunta Antes del estimulo Con estimulo

VL VC VL VC

Nivel de satisfacción sobre la información solicitada

¿Qué consideración le merece usted en el actual sistema que utiliza para obtener información necesaria para el proceso de toma de decisiones?

Poco ventajoso

4.25 Muy ventajoso

8.10

Nivel de calidad de información solicitada

Tabla N° 20 Nivel de calidad de información solicitada

Indicador Pregunta Antes del estimulo Con estimulo VL VC VL VC

Nivel de calidad de información.

¿Qué consideración le merece a usted la calidad de información que utiliza para el proceso de toma de decisiones?

Poco ventajoso

3.48 Muy ventajoso

9.00

Tabla N° 21 Resumen de valores de indicadores

Indicador VC(M1) VC(M2)

Nivel de satisfacción 4.25 8.10

Nivel de calidad de la información

3.48 9.00

Total 7.73 17.10

Hipótesis de prueba:

Hipótesis H0: El sistema actual es mejor que sistema propuesto

H0: M1 - M2 >=0

H0: 7.73 – 17.10 = -9.37

Hipótesis H1: El sistema propuesto es mejor que el sistema actual.

H1: M2 – M1 > 0

H1: 17.10 – 7.73 = 9.37

Por lo tanto se concluye que se rechaza H0 y se acepta H1 por lo que el sistema

propuesto es mejor que el sistema actual, siendo implementación de la solución de

inteligencia de negocios presentado es una alternativa de solución para el problema

planteado.

La investigación que se realizó para la elaboración de la tesis tuvo como propósito

el desarrollo de una solución de inteligencia de negocios que comprende la

construcción de data marts, además de la predicción de datos a través de

algoritmos de minería de datos lo cual nos va ayudar a la toma de decisiones que

ayude a la gerencia de la empresa a tomar mejores decisiones y que permitan una

mejor gestión de sus estrategias y objetivos empresariales.

Para ello se realizó un estudio y análisis de toda la realidad empresarial,

identificado sus características, objetivos, metas y estrategias; se fomentó los

conceptos, ventajas y beneficios que traería la implementación de un sistema que le

ayude a la toma de decisiones; señalándola como una herramienta de evaluación.

La propuesta de solución tecnológica permitió a través de la implantación de

datamarts integrar la información importante, que luego sera usada para el

análisis y posterior mente para la toma de decisiones por parte de la gerencia de la

empresa Korea Motos apoyándose en herramientas analíticas como el análisis

services además con la herramienta de office Excel la cual permitió analizar la

información gráficamente.

La metodología citada por Ralp Kimball para la implementación de esta solución,

se hizo mediante etapas, las cuales algunas de ellas se encargan de la parte

netamente gerencial y las demás de la implementación de la misma.

El análisis comparativo para la selección del software se basó en un estudio de los

requerimientos funcionales, técnicos, estratégicos, es por eso que se escogió a

Microsoft SQL server 2008 R2 para así utilizar sus diferentes herramientas que nos

ayudan en el análisis de datos, además de la predicción de datos.

Finalmente se concientizo a las personas encargadas de las toma de decisiones en

la empresa que adquieran una cultura de trabajo badaza en la Solución de

Inteligencia de Negocios como elemento fundamental en las decisiones gerenciales

para lograr su crecimiento, y así generar ventaja competitiva contra demás empresa

que están en el mismo rubro.

VI. CONCLUSIONES

1. Como conclusión principal tenemos que la solución de inteligencia de

negocios ha mejorado el proceso de toma de decisiones del área de

comercialización de la empresa Korea Motos S.R.L.

2. Se redujo el tiempo en la obtención de información resumen de 36 horas a 6

horas. Esto significa una reducción de 30 horas en el tiempo.

3. Se logró incrementar el nivel de satisfacción de la gerencia por la

información brindada y el fácil manejo del sistema Soporte de Decisiones.

4. Se logró brindar información de calidad de manera rápida, precisa y

eficiente.

5. En el sistema de soporte de decisiones se muestran reportes e indicadores

de gestión, que permite a la gerencia realizar un mejor análisis de la

información.

6. La metodología para el desarrollar una Solución de Inteligencia de Negocio

utilizando un Data Mart debe de estandarizarse a fin de poder facilitar el

trabajo de los analistas, para una mayor utilización.

7. Se realizó el análisis comparativo entre varias herramientas informáticas

para el proceso de Extracción, Transformación y Carga (ETL) de los datos:

Microsoft Integration Services, Oracle Warehouse Builder, Pentaho Data

Integration, evaluadas según los alineamientos funcionales, técnicos, sobre

el proveedor, estratégicos y económicos para la adecuada selección de

software.

Documents

Tesis Joseph 3