SISTEMAS DE INFORMACIÓN GERENCIAL

BUSINESS INTELLIGENCE

Objetivos:

• Comprender el concepto de Business Intelligence.

• Entender el concepto y funcionalidad de un Datawarehouse.

• Comprender el concepto y funcionalidad del procesamiento de análisis y de transacciones.

• Comprender los conceptos de Metadato y data mining.

• Reconocer los elementos clave a tenerse en cuenta, para la construcción de un sistema de apoyo para la toma de decisiones, en la empresa.

• Reconocer los elementos clave a tenerse en cuenta, para la construcción de un almacén de datos.

SCM

BI: Definición

Business Intelligence

Definición

Consiste en un conjunto de estrategias y herramientas orientadas hacia la administración y creación de conocimiento para facilitar la toma de decisiones, por medio del análisis de datos existente en una organización.

BI

Características Descripción

Apoyo en la toma de decisiones. Permite gestionar la información de una manera más eficiente en la organización, de tal forma que pueda tenerse acceso a los datos que son de verdadera relevancia para el negocio.

Orientado hacia el usuario final. Establece capas de la aplicación, que dividen la inteligencia del negocio, de la presentación y el uso de las herramientas.

Facilita el acceso a la información. Permite el acceso a los datos, sin importar su procedencia, de una manera absolutamente transparente para el usuario.

BI: Datawarehouse - Definición

Data warehouse

Definición

Es la tecnología de la información, que apareció para dar apoyo al sistema informacional de una organización.

Data Warehouse

Características

Toda la información interna de la organización que ingresa al almacén de datos, proviene de un sistema operacional. No está pensado para recibir información directamente.

Pueden incorporar si es necesario, información de fuentes externas a la organización, lo cual los diferencia de los sistemas operacionales.

Su estructura de datos puede basarse en modo de estrella o de copo de nieve.

BI: Base de datos operacional vs. Data Warehouse

Base de datos operacional vs. Data Warehouse

Base de datos operacional Data Warehouse

Datos operacionales Datos del negocio para información

Orientado a la aplicación Orientado al sujeto.

Actual Actual + histórico

Detallada Detallada + Resumida

Cambia continuamente Estable

BI: Datawarehouse

BI: Datawarehouse – Base de datos

Datawarehouse

Base de datos

Un Data warehouse se implementa a partir de una base de datos, la cual permite gestionar de la manera más convenientemente posible, los datos del negocio.

Clases de bases de datos (para nuestro interés)

Base de datos relacional Base de datos multidimensional

Es una base de datos basada en un modelo denominado relacional. Este tipo de bases de datos, es el más utilizado actualmente para la administración de los datos.

Sirven para desarrollar aplicaciones muy concretas como las que soportan BI. Se diferencia de la relacional fundamentalmente, a nivel conceptual, pues los campos de una tabla pueden representar dimensiones de la tabla o métricas que se desean estudiar.

BI: Metadato

Metadato

Definición

Pueden definirse como datos que describen otros datos. El metadato es una herramienta muy útil para el sistema informático que debe hacer funcionar el DataWarehouse. Define cómo es el modelo del almacén de datos, por medio de la descripción de las métricas y sus familias de valores, sus dimensiones, jerarquías y categorías.

BI: Datawarehouse – OLAP

OLAP (Online Analytical Processing)

Definición

El procesamiento analítico en línea, es un tipo de procesamiento utilizado en el campo de BI, que busca agilizar los procesos de consulta sobre grandes volúmenes de datos, por medio de estructuras multidimensionales denominadas Cubos OLAP.

Base de datos utilizada

Utilizan bases de datos multidimensionales.

BI: Datawarehouse – OLTP

OLTP (Online Transaction Processing)

Definición

El procesamiento de transacciones en línea, es un tipo de procesamiento utilizado por las aplicaciones transaccionales, usualmente para la entrada de datos, así como la recuperación y el procesamiento de transacciones.

Base de datos utilizada

Utilizan bases de datos relacionales

BI: Datawarehouse – OLAP vs. OLTP

OLTP OLAP

El acceso a los datos está optimizado para tareas frecuentes de lectura y escritura.

El acceso a los datos suele ser de sólo lectura. La acción más común es la consulta, con muy pocas inserciones, actualizaciones o eliminaciones.

Los datos se estructuran según el nivel de aplicación. Se suelen alimentar de información procedente de los sistemas operacionales existentes, median un proceso de extracción, transformación y carga (ETL).

Los formatos de los datos no son necesariamente uniformes en los diferentes departamentos.

Los datos se estructuran según las áreas de negocio y los formatos de los datos están integrados de manera uniforme en toda la organización.

El historial de datos suele limitarse a los datos actuales o recientes.

El historial de los datos es a largo plazo, normalmente de dos a cinco años.

BI: Datawarehouse – Base de datos

Característica ROLAP MOLAP

Esquema Utiliza un esquema en estrella. Pueden agregarse más dimensiones dinámicamente

Utiliza cubos de datos. Las dimensiones adicionales requieren la recreación del cubo de datos.

Tamaño de la base de datos

Mediano a grande Pequeño a mediano

Arquitectura Cliente/Servidor, basada en estándares. Abierta. Cliente/Servidor. Patentada

Acceso Soporta solicitudes ad hoc. Dimensiones ilimitadas.

Limitado a dimensiones predefinidas.

Recursos Altos Muy altos

Flexibilidad Alta Baja

Escalabilidad Alta Baja

Velocidad Buena con conjuntos de datos pequeños. Promedio con conjuntos de datos medianos a grandes.

Rápida con conjuntos de datos pequeños a medianos. Promedio con conjuntos de datos grandes.

BI: Datawarehouse – Estructura de la base de datos

Métrica de estrella

Definición

Se compone de una tabla denominada de hechos, en donde se almacenan los datos para el análisis y de un grupo de tablas de dimensiones. Se utiliza principalmente por su alto desempeño en la realización de búsquedas en bases de datos multidimensionales.

BI: Datawarehouse – Estructura de la base de datos

Métrica de copo de nieve

DefiniciónComo en el esquema de métrica de estrella, cuenta con una sola tabla de hechos, pero a diferencia del anterior, una tabla de dimensiones se puede implementar con una o más tablas de datos.Esto lo hace con el propósito de normalizar las tablas, para reducir la redundancia de datos y por ende, los requerimientos en cuanto a la necesidad de almacenamiento.

BI: Data mining

Data mining

Definición

La minería de datos, es una técnica que tiene como objetivo hacer patentes de comportamientos no visibles de los datos.Se fundamenta en la estadística clásica complementada con redes neuronales, reglas de inferencia y algoritmos genéticos entre otros. Cada técnica resuelve un conjunto de problemas y a cada problema se le asignan las técnicas que mejor le corresponden.

Utilización

Estas técnicas de análisis se ha utilizado por ejemplo, en entidades bancarias para averiguar qué clientes estaban a punto de retirarse, para identificar productos que podían diseñarse, para satisfacer las necesidades no cubiertas de la clientela, entre otros.

BI: Construcción de un sistema de apoyo para la toma de decisiones

Construcción de un sistema de BI en la empresa

Priorizar la capacidad de entrega

Atender la capacidad de ejecución del sistema Cambios de requisitos y

entorno del sistemaEntender el modelo de

negocio

Debe evitarse el diseñar un sistema tan perfecto que detenga la ejecución del proyecto.

Se deben determinar qué conocimientos son necesarios y cuándo lo son.

Las personas que toman las decisiones clave en las empresas, tienen que priorizar esta identificación. No es necesario bloquear la ejecución de partes del sistema que sean importantes, pero sí es necesario posponer las que no lo sean tanto, y a veces eliminarlas de los objetivos del sistema.

Las diferentes fases de ejecución del sistema y su puesta en marcha deben programarse y planificarse adecuadamente y reflejar las prioridades de negocio.

Es importante hacer que cada “pequeña parte” del sistema sea operativa y que esté disponible para ser utilizada una vez que se haya ejecutado.

Los usuarios que comienzan a utilizar el sistema para tomar decisiones dentro de la empresa, pueden variar sus decisiones, según la información que han obtenido. Esto, a medio plazo, puede hacer variar los procesos de la empresa y afectar al sistema en fases posteriores.

Obviamente, si los procesos de la empresa tienen poca complejidad y el equipo de trabajo está compuesto por poca gente, se facilita la toma de decisiones.

Ello significa que el entorno contrario, es el ideal para los sistemas de apoyo a la decisión.

El administrador del almacén de datos del proyecto de apoyo a la decisión no debe ser tan sólo un jefe de proyectos informáticos, sino que debe entender el negocio y la organización particular, incluyendo a los colaboradores y a los competidores.

El responsable del proyecto, debe ser capaz de guiar las decisiones clave de los analistas y programadores, no sólo en lo referente al diseño de la parte técnica del almacén sino también en el momento de seleccionar qué partes de la aplicación deben desarrollarse en primer lugar.

El director de proyectos puede ser interno o externo a la organización.

BI: Construcción de un almacén de datos.

Construcción de un almacén de datos

Las fuentes de información Definición de los modelos Transformaciones y movimientos de datos

Mantenimiento y actualización de los

datosDeben comprenderse con claridad, los datos de la organización: conocer dónde está el dato, en qué formato se encuentra, en qué medida es fiable o exacto y cómo será utilizado en decisiones de negocio.

Conocer las tecnologías de bases de datos existentes para evaluar minuciosamente las ventajas e inconvenientes de cada una de ellas.

Existen almacenes de datos con diseños específicos para cubrir las necesidades de un sector específico. Parte del valor de dichos productos, consiste en que incluyen el modelo de datos y prevén las decisiones de negocio, que la industria específica necesita considerar.

Si no existe un diseño de almacén de datos específico para la propia industria, debe pensarse en la contratación de una empresa de asesoramiento.

Durante el proceso de transformación, el administrador del almacén de datos, define las fuentes de donde provienen los datos, incluyendo uniones, combinaciones y manipulaciones.

Comprender los objetivos de la aplicación, asegura que los datos se actualizan con una frecuencia sincronizada con los procesos que requiere la empresa y no se realizan cálculos innecesarios.