Datawarehouse datamining y gis

1

Maestría en Marketing Estratégico

Tecnología de la Información

Profesor:Gustavo Vivas Marquez

Licenciado en Comercialización (UB)

Posgrado en Management Estratégico (UB)

Posgrado en Responsabilidad Social Corporativa (UNED – España).

Posgrado en Liderazgo sin autoridad formal (INDES – BID)

Master en Responsabilidad Social Empresarial (UBA – ONU)

2

Sistemas funcionales de negocio se pueden separar

Sistemas que permiten visualizar

el negocio a nivel global.

Ejemplo: Tableros de comando

Datawarehouse, datamining,

SCM, ERP, DSS

Sistemas que permiten visualizar el

negocio a nivel de ejes de negocios.

Ejemplo: facturadores, reclamos,

atención al cliente, Datamarts)

CIM, CRM, MIS, GIS

Sistemas que permiten visualizar el

negocio a nivel de detalle

Ejemplo: Portales, Sistemas de

gestión de elementos, mesas de

ayuda

Toma de

decisiones

estratégicas

Toma de

decisiones

operativas

Toma de

decisiones

tácticas

Aplicaciones de presentación

Aplicaciones de decisiones

Aplicaciones de registros

Aplicaciones consumos

Aplicaciones de consolidación

3

Sistemas funcionales de negocio






4


Las aplicaciones de registros,

se refieren a aquellas que las

organizaciones poseen para

registrar los datos básicos .

El ejemplo típico de este tipo de

aplicaciones son en donde se

registran los datos de los

clientes y/o potenciales clientes.

Aplicación transaccional de

registros de :

1. Clientes

2. Reclamos

3. Atención






5


Las aplicaciones de consumo,

se refieren a aquellas que las

organizaciones poseen para

registrar los datos de bienes /

servicios comercializados .


consumo por excelencia es el

facturador de cualquier

organización:

Se pueden incluir:

1. prefacturadores

2. Colectores de información de

consumos






6


Las aplicaciones de consolidación,

poseen la funcionalidad de visualizar

la información de los dos anteriores

mezclándolos con el concepto de

evolución a través del tiempo,

consolidando ambos puntos de vistas


consolidación por excelencia tienen

que ver con los aspectos contables del

cual se obtienen la primera visión

consolidad del negocio

Por ejemplo:

1. ERP

2. SAP o similares

Ventas totales del mes

Reclamos totales del mes

Aplicaciones de

presentación





7


Las aplicaciones de presentación, poseen la funcionalidad de

permitirle a los clientes externos de un área acceder a la información e

interactuar realizando modificaciones mínimas.

La plataforma por excelencia es la figura de portales

Aplicación transaccional de presentación, son :

1. Home Banking.

2. Consultas de consumos / puntos.

3. De pagos.

4. Impuestos (municipales)

5. Asistencia a clases


Aplicaciones de

decisiones




8


Las aplicaciones de decisiones, son aplicaciones

de alto grado de consolidaciones que agrupan

todos los aspectos de negocios posibles.

Se buscan enfocar en dos aspectos:

1. Poseer los datos de lo acontecido y realizado por

la organización y sus clientes para analizar y

justificar los gap entre la realidad y la

planificación (mirar el pasado).

2. Anticipar el comportamiento futuro del negocio,

interpretando los comportamientos pasados y

descubriendo patrones de comportamientos no

explotados por la organización. (mirar el futuro).

Aplicación transaccional de decisiones, son :

1. Tableros de mando

2. Datawarehouse

3. Dataminig

9

1. Consolidan toda la información de la compañía en un punto.

2. El nivel de análisis es alto debido a que se están integrando las visiones de

todos los aspecto del negocio.

3. El volumen de información es el mayor posible que se encuentra en la

organización.

4. La capacidad de procesamiento debe ser muy alto.

5. El nivel de seguridad suele ser crítico.

Datawarehouse

Repositorio de información que contiene el modelo de negocio de una

empresa.

Este repositorio permite obtener información con todas las visiones del

negocio de manera integrada para la toma de decisiones.

Los datawarehouses son aplicaciones de alta complejidad para las

organizaciones debido a:

Datawarehouse

Si bien un datawarehouse es un sistema informático, su estructura

elemental es una base de datos.

La modelización de dicha base de datos, acorde a los atributos de

negocios, permite mediante el análisis de los datos contenidos, generar la

transformación de dichos datos en información para la toma de decisiones,

a lo largo del tiempo.

Conclusiones

Agregación

Todos los datos

Conocimiento

Información

Datos

Características

Data warehouse Bases transaccionales

Toda la concepción de tiempo Siempre el presente

Detallada y resumida Detallada

Estable Cambios constantes

Manejo de información global Manejo de información puntual

Pocos usuarios concurrentes Muchos usuarios concurrentes

Alta complejidad de consulta Consultas predefinidas

Datos en grandes cantidades Datos en cantidades pequeñas

Alto nivel de seguridad Nivel de seguridad acorde

Aplicación más customizada Niveles de customización mínimos

Datawarehouse

Se enfoca en las dimensiones del negocio , conteniendo a su vez a las dimensiones

de los transaccionales.

Estas dimensiones de negocios se encuentran integradas y permiten analizar los datos

tanto a similar nivel de transaccional, como a nivel entre los sistemas transaccionales,

como pueden ser:

(*) escalamiento de incidentes

(**) cash flow y metodologías de inversión

(***) financiamiento de compras

Marketing

Ventas

Entrega y

distribución (*)

CobranzaFinanciación(**)

Pagos

Compras (***)

Producción

Productos

/ Servicios

Datawarehouse

Datawarehouse

Provee capacidad de análisis

histórico integrado

Este tipo de análisis, buscan detectar

patrones de comportamientos y hábitos

no manifiestos

Permiten realizar análisis de:

•Puntos de equilibrio

•Rentabilidad

•Elasticidad

Regla del mes 13 (como mínimo)

Junio de 2009 vs junio de 2008 (mes 13)

NO COMPROMETE LA GESTIÓN OPERATIVA

Transaccionales

Provee capacidad de análisis

actual

Los análisis permiten establecer que

está sucediendo e inferir el porque

acorde a las percepciones personales de

los que operan.

Permiten realizar análisis de:

•Cantidad de operaciones diarias

actuales.

•Puntuales

Realizar análisis históricos globales

COMPROMETE LA GESTIÓN OPERATIVA

(competencia del uso de los recursos del

sistema)

Operación diaria vs. Análisis

Datawarehouse

Sistemas transaccionales (conectividad/funcionalidades)

Consumos - pre

facturación

Facturación -

Cobranzas -

Contabilidad

CRM - Ventas Provisión -

Activación

Alta, baja y modificaciones (ABM)

Datawarehouse (conectividad / funcionalidades)

Datawarehouse - componentes

ETLRutinas y algoritmos de

•Extracción

•Transformación

•Carga

Sistemas fuentes operacionales:

CRM,

Pedidos – Provisión – Activador

Producción / prefacturador

Facturadores / Cobranzas

Reclamos /Averías

Contables

Metadata

Bases externas

Plataforma del

DATA WAREHOUSE

Accesos usuarios

finales

Datawarehouse

Datawarehouse - componentes

•ETL (Extracción, transformación y carga)

Es uno de los dos puntos neurálgicos que posee un proyecto de datawarehouse

en operación. El objetivo es construir elementos de los sistemas transaccionales

y convertirlos en los datos que la base del DW necesita para ser cargados

adecuadamente, incluye formatos, tipos de campos, etc.

•Metadata

Directorio de datos

Guía de trazabilidad de los datos para entender como se transforma de los

ambientes transaccionales al ambiente del DW

Guía de algoritmos para interrelacionar el detalle con los conceptos resumidos.

Datawarehouse

18

Posibles motivos de fallas en los Datawarehouse

Se deben asegurar los siguientes aspectos:

1. Mal diseño del modelo u obsolecenciaLa modelización del negocio es crítico. Este aspecto fija el límite de las posibilidades

de uso del mismo.

2. Variables desactualizadas o inexistentes.Debe contener todas las variables del negocio, pasadas y actuales.

Una de las principales variables es el tiempo. Sin esta variable un datawarehouse es

un simple repositorio de reportes transaccionales.

3. Falta de metodología de obtención y captura de datos de los sistemas

fuentes.Se potencia actualmente por la existencia de los sistemas ETL (Extract, Transform and

Load)

4. Ventanas de procesamientosDeben ser acordes y estar coordinadas con las estrategias de operaciones de los

sistemas fuentes.

Tener usuarios con altos perfiles de análisis que se comporten como auspiciantes /

sponsors del sistema.

Datawarehouse

19

La herramienta de explotación

Las herramientas para utilizar (explotar) los datawarehouse son las herramientas

denominadas de BI (Business Inteligence).

Marcas comerciales más conocidas

Datawarehouse

Estas herramientas suelen necesitar tener modelos de explotación de

información alineados con el modelo de datos del DataWarehouse.

Las herramientas trabajan bajo la modalidad de tres capas

Base de datos – Servidor de requerimientos – licencia en la pc de usuario

La explotación suele ser mediantes elementos como atributos de negocios,

indicadores, templates, filtros, para conformar reportes y /o tableros

2007/12/2010

Datawarehouse - Atributos

21

Datawarehouse – templates / reportes

22

Datawarehouse - reportes

23

Data warehouse

Datawarehouse

24

Datawarehouse

Datawarehouse - atributos

25

Datawarehouse


26


27

Datawarehouse

2807/12/2010

Datawarehouse

Datawarehouse

29

Datawarehouse

http://www.microstrategy.com/DashboardGallery/demos/demo10.html

demo10_Support_Center.mht

demo5_Fertility_Rate.mht

Demo Qlikview 1

Datawarehouse – demo de tableros

http://www.microstrategy.com/DashboardGallery/demos/demo10.html

demo10_Support_Center.mht

demo5_Fertility_Rate.mht

http://demo.qlikview.com/QvAJAXZfc/opendoc.htm?document=Data Visualization.qvw&host=Demo10&anonymous=true




30

También conocido como: Knowledge Discovery in Databases.

Sistema basado en la extracción de información oculta y predecible de

grandes bases de datos, es una poderosa herramienta con gran potencial

para ayudar a las compañías a concentrarse en la información más

importante de sus Bases de Datos (Data Warehouse).

Las herramientas de Data Mining predicen futuras tendencias y

comportamientos, permitiendo tomar decisiones proactivas y conducidas por

un conocimiento acabado de la información (knowledge-driven).

Data Mining puede responder a preguntas de negocios que tradicionalmente

consumen demasiado tiempo para poder ser resueltas.

Estas herramientas exploran las bases de datos en busca de patrones

ocultos.

Data Mining

http://www.monografias.com/trabajos6/dawa/dawa.shtml



31

Ejemplos:

MIS Alea y MIS Delta Miner.

Contour Cube Analizer.

Net Weaver Business Intelligence Suite.

LGX OLAP Reporting.

Onyx Analytics (incorpora función OLAP dentro de CRM)

Dundas OLAP.

Nota: El procesamiento analítico en línea (OLAP) analiza de manera

interactiva las relaciones complejas entre grandes cantidades de datos

almacenados en bases de datos multidimensionales.

Objetivo: descubrir patrones, tendencias y condiciones excepcionales en los

datos que apoyan el análisis de negocios y la toma de decisiones de una

empresa.

Data Mining

32

Data Mining

Aspecto de negocio

Clientes

Geografía

Consumos

Comportamiento

Facturación y cobranza

Productos y servicios

Contactos

Campañas de venta

Escenarios de Mining

(Marketing y Customer Care)

Segmentación

Optimización de la oferta

Customer Lifetime Value

Predicción del Churn y retención temprana

Tasas de respuestas de campañas y Analisis de ROI

Scoring y niveles de satisfacción

Escenarios de Mining

(Finanzas y Riesgo)

Optimización de costos

Scoring de consumos

Scoring de comportamiento

Detección de fraude

Scoring de consumo

Optimización de flujos de cajas

33

Los Datawarehouse aportan gráficos para hacer mas sencilla la visualización

de los datos

Datawarehouse – demo de tableros

Existen nuevas herramientas como los GIS

34

GIS

Es una base de datos, que se puede “mapear” y cuya herramienta de

visualización es la presentación en un mapa

Los GIS (sistemas de Información Geográfica), permite realizar análisis de

datos, desde el punto de vista de la geografía, en base al concepto de

geolocalización de cada uno de los atributos base del negocio.

Por ejemplo:

•Negocio telefónico => línea telefónica

•Rentas e impuestos municipales => lote

•Retail => habitante

•Seguros => asegurados

•Transporte => recorridos

•Correo => código postal

35

GIS

Los dos atributos mandatorios de un GIS son:

Ubicación espacial del atributo de negocio

El mapa propiamente dicho para presentar los datos

Datos no espaciales

Base de dato con los atributos de negocios y sus calificaciones

Unión datos no espaciales con datos

espaciales

Latitud y Longitud de un dato geográfico

(dirección, código postal, ID del transmisor, etc.)

Datos espaciales

Mapas

Capas de visualización bajo modalidad de representación (Vectorial / Raster / Orientado

a objetos)

36

GIS

Datos no espaciales

Cualquier grupos de datos,

presentados de forma tabular en

cualquiera de de los formatos

habituales

• textos,

• tablas (planillas de cálculo),

• etc-

Datos espaciales

Representaciones gráficas de

atributos geográficos representados

por puntos, líneas y/o polígonos.

Estas representaciones se gestionan

como capas

• capas de lotes, parcelas

• capas de manzanas

• capas de calles

• capas de ciudades

• capas de países, etc.

37

GIS

Datos espaciales

Los mapas de papel deben ser “digitalizados”

La digitalización implica gestionar el efecto distorsión en los atributos

espaciales

La proyección cartográfica permite minimizar las distorsiones

Robinson Sinusoidal Mercatorl Equidistancia cilindrica

Tipos de proyecciones cartográficas

38

GIS

Datos no espaciales

Cualquier grupos de datos,

presentados de forma tabular en

cualquiera de de los formatos

habituales

• textos,

• tablas (planillas de cálculo),

• etc-

Datos espaciales

Representaciones gráficas de

atributos geográficos representados

por puntos, líneas y/o polígonos.

Estas representaciones se gestionan

como capas

• capas de lotes, parcelas

• capas de manzanas

• capas de calles

• capas de ciudades

• capas de países, etc.

39

Buscando

Hoteles en la

ciudad de

Santa Fe

GIS ejemplo

40

Buscando

Hoteles y

ópticas en la

ciudad de

Santa Fe

GIS ejemplo

41

Pero también lo puedo usar para analizar a

mis equipos de ventas (ver ejemplos)

GIS – Algunos usos a nivel de negocios

42


43


44


45

Análisis evolutivo


46


47


48


49


50

GIS

Ejemplos de herramientas GIS

51

GISGIS que accedemos habitualmente:

Google maps www.googlempas.com

http://www.googlempas.com/





52

GIS

GIS que accedemos habitualmente:

Google Earth

53

GIS

GIS que accedemos habitualmente:

Street View (http://maps.google.es/help/maps/streetview/using-street-view.html)

http://maps.google.es/help/maps/streetview/using-street-view.html













54

GIS

GIS que accedemos habitualmente – uso público por parcela

55

GIS

GIS que accedemos habitualmente temático

56

GIS

GIS que accedemos habitualmente temático

57

En conclusión

Las nuevas herramientas presentan la información crítica para

la toma de decisiones bajo distintos formatos.

El objetivo es poner a disposición de los analistas y el management,

la información de manera más intuitiva, sencilla y ágil para tomar

decisiones, con una base sustentable, pero …

… hay que hacer inversiones

… y obtener retornos

58

No perdiendo de foco que los verdaderos objetivos por lo

que se está compitiendo es:

Ser dueños de la mayor parte posible

Disponible de los consumidores

Preguntas?

http://twitter.com/gustavovivas

http://gvivas.blogspot.com

[email protected]

http://gvivas.blogspot.com/





Education

Datawarehouse datamining y gis