Upload
juniors-caanillas-esqie
View
21
Download
2
Embed Size (px)
DESCRIPTION
tesisde sustentacion
Citation preview
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.
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
reportes de número 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.
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
Proceso Negocio MEDIDAS
Compras
Cantidad
Rotación
Proyección
Análisis
Para en análisis se ha utilizado la matriz bus es una herramienta que
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
Análisis de las Dimensiones:
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
Proceso Negocio MEDIDAS
Inventario
Total disponible
Ordenes
Total Máximo
Total Mínimo
Análisis
Para en análisis se ha utilizado la matriz bus es una herramienta que
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
Análisis de las Dimensiones:
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
En la figura n° 08 se puede apreciar las relaciones que hay entre las diversas
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
En la figura n° 09 se puede apreciar las relaciones que hay entre las diversas
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
ORIGEN DE DATOS Base de datos DataMartKoreaMotos
Tabla N° 09 : Modelado físico tabla Dim_Producto
Dimensión Dim_Producto Dimensión que almacena los productos
Nombre de campo
Nulidad Tipo Dato
Tamaño Entidad (PK, Unique)
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
ORIGEN DE DATOS Base de datos DataMartKoreaMotos
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
Tamaño Entidad (PK, Unique)
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
Tamaño Entidad (PK, Unique)
Descripción
KeyProveedor Not null Integer 4 PK Código del proveedor de productos.
razSoc Not null Varchar 50 Razón social del proveedor de productos.
ORIGEN DE DATOS Base de datos DataMartKoreaMotos
Tabla N° 12 : Modelado físico tabla Dim_Mes
Dimensión Dim_Mes Dimensión que almacena los meses de compras
Nombre de campo
Nulidad Tipo Dato
Tamaño Entidad (PK, Unique)
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
ORIGEN DE DATOS Base de datos DataMartKoreaMotos
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
Tamaño Entidad (PK, Unique)
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.
ORIGEN DE DATOS Base de datos DataMartKoreaMotos
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°19: Editor de Origen de datos
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°27: Editor de Origen de datos
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
reportes de número 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
reportes de número de
compras totales por semestre
24 horas
4.8 Horas
19.2 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
compras 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
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:
O1: Es el primer tiempo promedio que se demora un empleado en la
elaboración de reportes solicitados por la gerencia para saber el índice de
rotación de productos por semestre
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 del índice de
rotación de productos por semestre solicitado por la gerencia que permitirá
analizar la información y se puedan tomar mejores decisiones.
- 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:
O1: Es el primer tiempo promedio que se demora un empleado en la
elaboración de reportes solicitados por la gerencia para saber el índice de
demanda del producto estrella
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 del índice de
demanda del producto estrella solicitado por la gerencia que permitirá
analizar la información y se puedan tomar mejores decisiones.
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.