1. introducción a la inteligencia de negocios.pdf
TRANSCRIPT
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
1/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
1. INTRODUCCIÓN A LA INTELIGENCIA DE NEGOCIOS
1.1 Conceptos Básicos
1.1.1 Datawarehouse
En el contexto de la informática, un almacén de datos (del inglés
datawarehouse) es una colección de datos orientada a un determinado
ámbito (empresa, organización, etc.), integrado, no volátil y variable en el
tiempo, que ayuda a la toma de decisiones en la entidad en la que se
utiliza. Se trata, sobre todo, de un expediente completo de una
organización, más allá de la información transaccional y operacional,
almacenado en una base de datos diseñada para favorecer el análisis yla divulgación eficiente de datos (especialmente OLAP, procesamiento
analítico en línea). El almacenamiento de los datos no debe usarse con
datos de uso actual. Los almacenes de datos contienen a menudo
grandes cantidades de información que se subdividen a veces en
unidades lógicas más pequeñas dependiendo del subsistema de la
entidad del que procedan o para el que sea necesario.
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
2/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
Definición de Bill Inmon
Bill Inmon1 fue uno de los primeros autores en escribir sobre el tema de
los almacenes de datos, define un data warehouse (almacén de datos) en
términos de las características del repositorio de datos:
Orientado a temas: Los datos en la base de datos están
organizados de manera que todos los elementos de datos relativos
al mismo evento u objeto del mundo real queden unidos entre sí.
Variante en el tiempo: Los cambios producidos en los datos a lolargo del tiempo quedan registrados para que los informes que se
puedan generar reflejen esas variaciones.
No volátil: La información no se modifica ni se elimina, una vez
almacenado un dato, éste se convierte en información de sólo
lectura, y se mantiene para futuras consultas.
Integrado: La base de datos contiene los datos de todos los
sistemas operacionales de la organización, y dichos datos deben
ser consistentes.
Inmon defiende una metodología descendente (top-down) a la hora de
diseñar un almacén de datos, ya que de esta forma se considerarán mejor
todos los datos corporativos. En esta metodología los Data marts se
crearán después de haber terminado el data warehouse completo de la
organización.
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
3/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
Definición de Ralph Kimball
Ralph Kimball es otro conocido autor en el tema de los datawarehouse,
define un almacén de datos como: "una copia de las transacciones de
datos específicamente estructurada para la consulta y el análisis.
También fue Kimball quien determinó que un data warehouse no era más
que: "la unión de todos los Data marts de una entidad". Defiende por tanto
una metodología ascendente (bottom-up) a la hora de diseñar un almacén
de datos.
Una definición más amplia de almacén de datos
Las definiciones anteriores se centran en los datos en sí mismos. Sin
embargo, los medios para obtener esos datos, para extraerlos,
transformarlos y cargarlos, las técnicas para analizarlos y generar
información, así como las diferentes formas para realizar la gestión de
datos son componentes esenciales de un almacén de datos. Muchas
referencias a un almacén de datos utilizan esta definición más amplia. Por
lo tanto, en esta definición se incluyen herramientas para extraer,
transformar y cargar datos, herramientas para el análisis (inteligencia
empresarial) y herramientas para gestionar y recuperar los metadatos.
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
4/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
Función de un almacén de datos
En un almacén de datos lo que se quiere es contener datos que son
necesarios o útiles para una organización, es decir, que se utiliza como
un repositorio de datos para posteriormente transformarlos en
información útil para el usuario. Un almacén de datos debe entregar la
información correcta a la gente indicada en el momento óptimo y en el
formato adecuado. El almacén de datos da respuesta a las necesidades
de usuarios expertos, utilizando Sistemas de Soporte a Decisiones (DSS),
Sistemas de información ejecutiva (EIS) o herramientas para hacer
consultas o informes. Los usuarios finales pueden hacer fácilmenteconsultas sobre sus almacenes de datos sin tocar o afectar la operación
del sistema.
En el funcionamiento de un almacén de datos son muy importantes las
siguientes ideas:
Integración de los datos provenientes de bases de datos distribuidas por
las diferentes unidades de la organización y que con frecuencia tendrán
diferentes estructuras (fuentes heterogéneas). Se debe facilitar una
descripción global y un análisis comprensivo de toda la organización en
el almacén de datos.
Separación de los datos usados en operaciones diarias de los datos
usados en el almacén de datos para los propósitos de divulgación, de
ayuda en la toma de decisiones, para el análisis y para operaciones de
control. Ambos tipos de datos no deben coincidir en la misma base de
datos, ya que obedecen a objetivos muy distintos y podrían entorpecerse
entre sí.
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
5/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
Periódicamente, se importan datos al almacén de datos de los distintos
sistemas de planeamiento de recursos de la entidad (ERP) y de otros
sistemas de software relacionados con el negocio para la transformación
posterior. Es práctica común normalizar los datos antes de combinarlos
en el almacén de datos mediante herramientas de extracción,
transformación y carga (ETL). Estas herramientas leen los datos
primarios (a menudo bases de datos OLTP de un negocio), realizan el
proceso de transformación al almacén de datos (filtración, adaptación,
cambios de formato, etc.) y escriben en el almacén.
1.1.2 Data mart
Un Data mart es una versión especial de almacén de datos (data
warehouse). Son subconjuntos de datos con el propósito de ayudar a que
un área específica dentro del negocio pueda tomar mejores decisiones.
Los datos existentes en este contexto pueden ser agrupados, explorados
y propagados de múltiples formas para que diversos grupos de usuarios
realicen la explotación de los mismos de la forma más conveniente según
sus necesidades.
El Data mart es un sistema orientado a la consulta, en el que se producen
procesos batch de carga de datos (altas) con una frecuencia baja y
conocida. Es consultado mediante herramientas OLAP (On line Analytical
Processing - Procesamiento Analítico en Línea) que ofrecen una visión
multidimensional de la información. Sobre estas bases de datos se
pueden construir EIS (Executive Information Systems, Sistemas de
Información para Directivos) y DSS (Decision Support Systems, Sistemas
de Ayuda a la toma de Decisiones).
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
6/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
En síntesis, se puede decir que los data marts son pequeños data
warehouse centrados en un tema o un área de negocio específico dentro
de una organización.
Dependencia de un data mart
Según la tendencia marcada por Inmon sobre los data warehouse, un
data mart dependiente es un subconjunto lógico (vista) o un subconjunto
físico (extracto) de un almacén de datos más grande, que se ha aislado
por alguna de las siguientes razones:
Se necesita para un esquema o modelo de datos espacial (por
ejemplo, para reestructurar los datos para alguna herramienta
OLAP).
Prestaciones: Para descargar el data mart a un ordenador
independiente para mejorar la eficiencia o para obviar las
necesidades de gestionar todo el volumen del data warehouse
centralizado.
Seguridad: Para separar un subconjunto de datos de forma
selectiva a los que queremos permitir o restringir el acceso.
Conveniencia: la de poder pasar por alto las autorizaciones y
requerimientos necesarios para poder incorporar una nueva
aplicación en el Data Warehouse principal de la Empresa.
Demostración sobre el terreno: para demostrar la viabilidad y el
potencial de una aplicación antes de migrarla al Data Warehouse
de la Empresa.
Política: Razones internas de la organización para hacer esta
división o separación de los datos del almacén de datos, por
ejemplo:
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
7/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
o Cuando se decide una estrategia para las TI (Tecnologías de
la información) en situaciones en las que un grupo de usuarios
tiene más influencia, para determinar si se financia dicha
estrategia o descubrir si ésta no sería buena para el almacén
de datos centralizado.
o Estrategia para los consumidores de los datos en situaciones
en las que un equipo de almacén de datos no está en
condiciones de crear un almacén de datos utilizable.
Según la escuela Inmon de data warehouse, entre las pérdidas inherentes
al uso de data marts están la escalabilidad limitada, la duplicación dedatos, la inconsistencia de los datos con respecto a otros almacenes de
información y la incapacidad para aprovechar las fuentes de datos de la
empresa. Así y todas estas herramientas son de gran importancia.
Conceptos erróneos de los Data Marts
Al hablar de los data marts, es inevitable la comparación con los data
warehouse y al final se acaba diciendo (o entendiendo) que son como
estos, pero en pequeño, y en cierto modo esto es así, pero esta idea suele
hacer caer en los siguientes errores sobre la implementación y
funcionamiento de los data marts:
Son más simples de implementar que un Data Warehouse:
FALSO, la implementación es muy similar, ya que debe
proporcionar las mismas funcionalidades.
Son pequeños conjuntos de datos y, en consecuencia, tienen
menor necesidad de recursos: FALSO, una aplicación corriendo
sobre un data mart necesita los mismos recursos que si corriera
sobre un data warehouse.
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
8/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
Las consultas son más rápidas, dado el menor volumen de datos:
FALSO, el menor volumen de datos se debe a que no se tienen
todos los datos de toda la empresa, pero sí se tienen todos los
datos de un determinado sector de la empresa, por lo que una
consulta sobre dicho sector tarda lo mismo si se hace sobre el data
mart que si se hace sobre el data warehouse.
En algunos casos añade tiempo al proceso de actualización:
FALSO, actualizar el data mart desde el data warehouse cuesta
menos (ya que los formatos de los datos son o suelen ser
idénticos) que actualizar el data warehouse desde sus fuentes de
datos primarias, donde es necesario realizar operaciones detransformación.
1.1.3 Tipos de sistemas de información
Un sistema de de información tienen como propósito perfeccionar las
actividades llevadas a cabo en una organización, y así alcanzar ventajas
competitivas.
Siguiendo esta línea, y de acuerdo a su función se distinguen cuatro tipos
de sistemas de información:
SISTEMA DE PROCESAMIENTO DE TRANSACCIONES: Cuando un
sistema recopila, almacena y altera la información creada a partir de
transacciones llevadas a cabo dentro de una organización se denomina
sistema de procesamiento de transacciones. Tiene como finalidad
procesar las transacciones diarias de una empresa, acumulando toda la
información recibida en una base de datos para su posterior consulta.
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
9/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
SISTEMA DE INFORMACIÓN GERENCIAL: Un sistema de información
gerencial es aquel utilizado por la empresa para solventar inconvenientes
en la misma. Es decir, el objetivo del mismo es la suministración de
información para la resolución de problemas a través de la interacción
entre tecnologías y personas.
Los datos aportados por el sistema deben disponer de cuatro cualidades
elementales: Calidad, oportunidad, Cantidad y Relevancia.
SISTEMA DE SOPORTE A DECISIONES: Este sistema se basa en el
estudio y la comparación entre un conjunto de variables con el objeto decontribuir a la toma de decisiones dentro de una empresa. El apoyo dado
por el sistema involucra la estimación, valoración y balance entre
alternativas. Al igual que el sistema de información gerencial, esta
tecnología interacciona con personas en el filtrado de información que
permite optar por la decisión más acertada.
SISTEMA DE INFORMACION EJECUTIVA: Esta tecnología es utilizada
por los gerentes de una empresa, ya que permite acceder a la información
interna y externa de la misma, disponiendo de los datos que puedan llegar
a afectar su buen rendimiento.
De esta manera, el ejecutivo podrá conocer el estado de todos los
indicadores, incluso aquellos que no cumplan con las expectativas y a
partir de esto, tomar las medidas que considere adecuadas.
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
10/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
1.1.4 Variables de medición
Las variables de medición son aquellas que representan la medición
matemática de un aspecto del negocio.
Se utilizan para medir la productividad, las pérdidas, las ganancias, entre
otros aspectos que les pueden definir un sin número de indicadores que
le permitirá a un ejecutivo tomar decisiones operativas o estratégicas.
Un ejemplo práctico es que si una empresa vende refrescos las variablesde medición le ayudan a saber y a poder graficar cuantos refrescos se
venden al día, cual es el más consumido, a qué tipo de personas les gusta
el refresco, entre otras cosas se pueden aplicar las variables de medición.
1.1.5 Variables de Análisis
Las variables de análisis son aquellas que se incluyen en el proceso
estadístico, son aquellas variables que realizan estudios analíticos sobre
las variables de medición.
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
11/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
Las variables de análisis se utilizan principalmente para realizar estudios
estadísticos como factores de riesgo, permanencia del producto en el
mercado, entre otras cosas.
Un ejemplo práctico es que se utilizan dentro de la empresa para poder
determinar los diversos riesgos, la permanencia del producto o el servicio
dentro del mercado, local, nacional e internacional y también se obtienen
fortalezas y debilidades de la empresa.
1.2 Componentes de la inteligencia de negocios1.2.1 Minería de datos
La minería de datos o exploración de datos (es la etapa de análisis de
"Knowledge Discovery in Databases" o KDD) es un campo de las ciencias
de la computación referido al proceso que intenta descubrir patrones en
grandes volúmenes de conjuntos de datos. Utiliza los métodos de la
inteligencia artificial, aprendizaje automático, estadística y sistemas de
bases de datos. El objetivo general del proceso de minería de datos
consiste en extraer información de un conjunto de datos y transformarla
en una estructura comprensible para su uso posterior . Además de la
etapa de análisis en bruto, que involucra aspectos de bases de datos y
de gestión de datos, de procesamiento de datos, del modelo y de las
consideraciones de inferencia, de métricas de Intereses, de
consideraciones de la Teoría de la complejidad computacional, de post-
procesamiento de las estructuras descubiertas, de la visualización y de la
actualización en línea.
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
12/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
El término es una palabra de moda, y es frecuentemente mal utilizado
para referirse a cualquier forma de datos a gran escala o procesamiento
de la información (recolección, extracción, almacenamiento, análisis y
estadísticas), pero también se ha generalizado a cualquier tipo de sistema
de apoyo informático decisión, incluyendo la inteligencia artificial,
aprendizaje automático y la inteligencia empresarial. En el uso de la
palabra, el término clave es el descubrimiento, comúnmente se define
como "la detección de algo nuevo". Incluso el popular libro "La minería de
datos: sistema de prácticas herramientas de aprendizaje y técnicas con
Java" (que cubre todo el material de aprendizaje automático)originalmente iba a ser llamado simplemente "la máquina de aprendizaje
práctico", y el término "minería de datos" se añadió por razones de
marketing. A menudo, los términos más generales "(gran escala) el
análisis de datos", o "análisis" -. O cuando se refiere a los métodos
actuales, la inteligencia artificial y aprendizaje automático, son más
apropiados.
La tarea de minería de datos real es el análisis automático o semi-
automático de grandes cantidades de datos para extraer patrones
interesantes hasta ahora desconocidos, como los grupos de registros de
datos (análisis clúster), registros poco usuales (la detección de
anomalías) y dependencias (minería por reglas de asociación). Esto
generalmente implica el uso de técnicas de bases de datos como los
índices espaciales. Estos patrones pueden entonces ser vistos como una
especie de resumen de los datos de entrada, y pueden ser utilizados en
el análisis adicional o, por ejemplo, en la máquina de aprendizaje y
análisis predictivo. Por ejemplo, el paso de minería de datos podría
identificar varios grupos en los datos, que luego pueden ser utilizados
para obtener resultados más precisos de predicción por un sistema de
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
13/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
soporte de decisiones. Ni la recolección de datos, preparación de datos,
ni la interpretación de los resultados y la información son parte de la etapa
de minería de datos, pero que pertenecen a todo el proceso KDD como
pasos adicionales.
Los términos relacionados con la obtención de datos, la pesca de datos y
espionaje de los datos se refieren a la utilización de métodos de minería
de datos a las partes de la muestra de un conjunto de datos de población
más grandes establecidas que son (o pueden ser) demasiado pequeñas
para las inferencias estadísticas fiables que se hizo acerca de la validez
de cualquier patrón descubierto. Estos métodos pueden, sin embargo, serutilizados en la creación de nuevas hipótesis que se prueban contra
poblaciones de datos más grandes.
Proceso
Un proceso típico de minería de datos consta de los siguientes pasos
generales:
A. Selección del conjunto de datos, tanto en lo que se refiere a las
variables objetivo (aquellas que se quiere predecir, calcular o
inferir), como a las variables independientes (las que sirven para
hacer el cálculo o proceso), como posiblemente al muestreo de los
registros disponibles.
B. Análisis de las propiedades de los datos, en especial los
histogramas, diagramas de dispersión, presencia de valores
atípicos y ausencia de datos (valores nulos).
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
14/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
C. Transformación del conjunto de datos de entrada, se realizará de
diversas formas en función del análisis previo, con el objetivo de
prepararlo para aplicar la técnica de minería de datos que mejor se
adapte a los datos y al problema, a este paso también se le conoce
como pre procesamiento de los datos.
D. Seleccionar y aplicar la técnica de minería de datos, se construye
el modelo predictivo, de clasificación o segmentación.
E. Extracción de conocimiento, mediante una técnica de minería de
datos, se obtiene un modelo de conocimiento, que representa
patrones de comportamiento observados en los valores de lasvariables del problema o relaciones de asociación entre dichas
variables. También pueden usarse varias técnicas a la vez para
generar distintos modelos, aunque generalmente cada técnica
obliga a un pre procesado diferente de los datos.
F. Interpretación y evaluación de datos, una vez obtenido el modelo,
se debe proceder a su validación comprobando que las
conclusiones que arroja son válidas y suficientemente
satisfactorias. En el caso de haber obtenido varios modelos
mediante el uso de distintas técnicas, se deben comparar los
modelos en busca de aquel que se ajuste mejor al problema. Si
ninguno de los modelos alcanza los resultados esperados, debe
alterarse alguno de los pasos anteriores para generar nuevos
modelos.
Si el modelo final no superara esta evaluación el proceso se podría repetir
desde el principio o, si el experto lo considera oportuno, a partir de
cualquiera de los pasos anteriores. Esta retroalimentación se podrá
repetir cuantas veces se considere necesario hasta obtener un modelo
válido.
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
15/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
Una vez validado el modelo, si resulta ser aceptable (proporciona salidas
adecuadas y/o con márgenes de error admisibles) éste ya está listo para
su explotación. Los modelos obtenidos por técnicas de minería de datos
se aplican incorporándolos en los sistemas de análisis de información de
las organizaciones, e incluso, en los sistemas transaccionales. En este
sentido cabe destacar los esfuerzos del Data Mining Group, que está
estandarizando el lenguaje PMML (Predictive Model Markup Language),
de manera que los modelos de minería de datos sean interoperables en
distintas plataformas, con independencia del sistema con el que han sido
construidos. Los principales fabricantes de sistemas de bases de datos yprogramas de análisis de la información hacen uso de este estándar.
Tradicionalmente, las técnicas de minería de datos se aplicaban sobre
información contenida en almacenes de datos. De hecho, muchas
grandes empresas e instituciones han creado y alimentan bases de datos
especialmente diseñadas para proyectos de minería de datos en las que
centralizan información potencialmente útil de todas sus áreas de
negocio. No obstante, actualmente está cobrando una importancia cada
vez mayor la minería de datos desestructurados como información
contenida en ficheros de texto, en Internet, entre otros.
Protocolo de un proyecto de minería de datos
Un proyecto de minería de datos tiene varias fases necesarias que son,
esencialmente:
Comprensión: del negocio y del problema que se quiere resolver.
Determinación, obtención y limpieza: de los datos necesarios.
Creación de modelos matemáticos.
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
16/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
Validación, comunicación: de los resultados obtenidos.
Integración: si procede, de los resultados en un sistema
transaccional o similar.
La relación entre todas estas fases sólo es lineal sobre el papel. En
realidad, es mucho más compleja y esconde toda una jerarquía de sub
fases. A través de la experiencia acumulada en proyectos de minería de
datos se han ido desarrollando metodologías que permiten gestionar esta
complejidad de una manera más o menos uniforme.
Técnicas de minería de datos
Como ya se ha comentado, las técnicas de la minería de datos provienen
de la inteligencia artificial y de la estadística, dichas técnicas, no son más
que algoritmos, más o menos sofisticados que se aplican sobre un
conjunto de datos para obtener unos resultados.
Las técnicas más representativas son:
Redes neuronales: Son un paradigma de aprendizaje y procesamiento
automático inspirado en la forma en que funciona el sistema nervioso de
los animales. Se trata de un sistema de interconexión de neuronas en una
red que colabora para producir un estímulo de salida. Algunos ejemplos
de red neuronal son:
El perceptrón.
El perceptrón multicapa.
Los mapas autoorganizados, también conocidos como redes de
Kohonen.
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
17/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
Regresión lineal: Es la más utilizada para formar relaciones entre datos.
Rápida y eficaz pero insuficiente en espacios multidimensionales donde
puedan relacionarse más de 2 variables.
Árboles de decisión: Un árbol de decisión es un modelo de predicción
utilizado en el ámbito de la inteligencia artificial, dada una base de datos
se construyen estos diagramas de construcciones lógicas, muy similares
a los sistemas de predicción basados en reglas, que sirven para
representar y categorizar una serie de condiciones que suceden de forma
sucesiva, para la resolución de un problema. Ejemplos:
Algoritmo ID3. Algoritmo C4.5.
Modelos estadísticos: Es una expresión simbólica en forma de igualdad
o ecuación que se emplea en todos los diseños experimentales y en la
regresión para indicar los diferentes factores que modifican la variable de
respuesta.
Agrupamiento o Clustering: Es un procedimiento de agrupación de una
serie de vectores según criterios habitualmente de distancia; se tratará de
disponer los vectores de entrada de forma que estén más cercanos
aquellos que tengan características comunes. Ejemplos:
Algoritmo K-means.
Algoritmo K-medoids.
Reglas de asociación: Se utilizan para descubrir hechos que ocurren encomún dentro de un determinado conjunto de datos.
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
18/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
Según el objetivo del análisis de los datos, los algoritmos utilizados se
clasifican en supervisados y no supervisados (Weiss y Indurkhya, 1998):
Algoritmos supervisados (o predictivos): predicen un dato (o un
conjunto de ellos) desconocido a priori, a partir de otros conocidos.
Algoritmos no supervisados (o del descubrimiento del
conocimiento): se descubren patrones y tendencias en los datos.
Ejemplos de uso de la minería de datos
Negocios
La minería de datos puede contribuir significativamente en las
aplicaciones de administración empresarial basada en la relación con el
cliente. En lugar de contactar con el cliente de forma indiscriminada a
través de un centro de llamadas o enviando cartas, sólo se contactará
con aquellos que se perciba que tienen una mayor probabilidad de
responder positivamente a una determinada oferta o promoción.
Por lo general, las empresas que emplean minería de datos ven
rápidamente el retorno de la inversión, pero también reconocen que el
número de modelos predictivos desarrollados puede crecer muy
rápidamente.
En lugar de crear modelos para predecir qué clientes pueden cambiar, la
empresa podría construir modelos separados para cada región y/o para
cada tipo de cliente.
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
19/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
También puede querer determinar qué clientes van a ser rentables
durante una ventana de tiempo (una quincena, un mes) y sólo enviar las
ofertas a las personas que es probable que sean rentables. Para
mantener esta cantidad de modelos, es necesario gestionar las versiones
de cada modelo y pasar a una minería de datos lo más automatizada
posible.
Análisis de la cesta de la compra
El ejemplo clásico de aplicación de la minería de datos tiene que ver con
la detección de hábitos de compra en supermercados. Un estudio muy
citado detectó que los viernes había una cantidad inusualmente elevada
de clientes que adquirían a la vez pañales y cerveza. Se detectó que se
debía a que dicho día solían acudir al supermercado padres jóvenes cuya
perspectiva para el fin de semana consistía en quedarse en casa
cuidando de su hijo y viendo la televisión con una cerveza en la mano. El
supermercado pudo incrementar sus ventas de cerveza colocándolas
próximas a los pañales para fomentar las ventas compulsivas.
Patrones de fuga
Un ejemplo más habitual es el de la detección de patrones de fuga. En
muchas industrias —como la banca, las telecomunicaciones, etc.—
existe un comprensible interés en detectar cuanto antes aquellos clientes
que puedan estar pensando en rescindir sus contratos para,
posiblemente, pasarse a la competencia. A estos clientes —y en función
de su valor — se les podrían hacer ofertas personalizadas, ofrecer
promociones especiales, etc., con el objetivo último de retenerlos. La
minería de datos ayuda a determinar qué clientes son los más proclives
a darse de baja estudiando sus patrones de comportamiento y
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
20/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
comparándolos con muestras de clientes que, efectivamente, se dieron
de baja en el pasado.
Fraudes
Un caso análogo es el de la detección de transacciones de lavado de
dinero o de fraude en el uso de tarjetas de crédito o de servicios de
telefonía móvil e, incluso, en la relación de los contribuyentes con el fisco.
Generalmente, estas operaciones fraudulentas o ilegales suelen seguir
patrones característicos que permiten, con cierto grado de probabilidad,
distinguirlas de las legítimas y desarrollar así mecanismos para tomar
medidas rápidas frente a ellas.
Recursos humanos
La minería de datos también puede ser útil para los departamentos de
recursos humanos en la identificación de las características de sus
empleados de mayor éxito. La información obtenida puede ayudar a la
contratación de personal, centrándose en los esfuerzos de sus
empleados y los resultados obtenidos por éstos. Además, la ayuda
ofrecida por las aplicaciones para Dirección estratégica en una empresa
se traducen en la obtención de ventajas a nivel corporativo, tales como
mejorar el margen de beneficios o compartir objetivos; y en la mejora de
las decisiones operativas, tales como desarrollo de planes de producción
o gestión de mano de obra.
Comportamiento en Internet
También es un área en boga el del análisis del comportamiento de los
visitantes —sobre todo, cuando son clientes potenciales— en una página
de Internet. O la utilización de la información —obtenida por medios más
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
21/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
o menos legítimos— sobre ellos para ofrecerles propaganda adaptada
específicamente a su perfil. O para, una vez que adquieren un
determinado producto, saber inmediatamente qué otro ofrecerle teniendo
en cuenta la información histórica disponible acerca de los clientes que
han comprado el primero.
Terrorismo
La minería de datos ha sido citada como el método por el cual la unidad
Able Danger del Ejército de los EE. UU. había identificado al líder de los
atentados del 11 de septiembre de 2001, Mohammed Atta, y a otros tres
secuestradores del "11-S" como posibles miembros de una célula de Al
Qaeda que operan en los EE. UU. más de un año antes del ataque. Se
ha sugerido que tanto la Agencia Central de Inteligencia y su homóloga
canadiense, Servicio de Inteligencia y Seguridad Canadiense, también
han empleado este método.2
Juegos
Desde comienzos de la década de 1960, con la disponibilidad de oráculos
para determinados juegos combinacionales, también llamados finales de
juego de tablero (por ejemplo, para las tres en raya o en finales de
ajedrez) con cualquier configuración de inicio, se ha abierto una nueva
área en la minería de datos que consiste en la extracción de estrategias
utilizadas por personas para estos oráculos. Los planteamientos actuales
sobre reconocimiento de patrones, no parecen poder aplicarse con éxito
al funcionamiento de estos oráculos. En su lugar, la producción de
patrones perspicaces se basa en una amplia experimentación con bases
de datos sobre esos finales de juego, combinado con un estudio intensivo
de los propios finales de juego en problemas bien diseñados y con
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
22/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
conocimiento de la técnica (datos previos sobre el final del juego).
Ejemplos notables de investigadores que trabajan en este campo son
Berlekamp en el juego de puntos-y-cajas (o Timbiriche) y John Nunn en
finales de ajedrez.
Ciencia e Ingeniería
En los últimos años la minería de datos se está utilizando ampliamente
en diversas áreas relacionadas con la ciencia y la ingeniería. Algunos
ejemplos de aplicación en estos campos son:
Genética
En el estudio de la genética humana, el objetivo principal es entender la
relación cartográfica entre las partes y la variación individual en las
secuencias del ADN humano y la variabilidad en la susceptibilidad a las
enfermedades. En términos más llanos, se trata de saber cómo los
cambios en la secuencia de ADN de un individuo afectan al riesgo dedesarrollar enfermedades comunes (como por ejemplo el cáncer). Esto
es muy importante para ayudar a mejorar el diagnóstico, prevención y
tratamiento de las enfermedades. La técnica de minería de datos que se
utiliza para realizar esta tarea se conoce como "reducción de
dimensionalidad multifactorial".3
Ingeniería eléctrica
En el ámbito de la ingeniería eléctrica, las técnicas de minería de datos
han sido ampliamente utilizadas para monitorizar las condiciones de las
instalaciones de alta tensión. La finalidad de esta monitorización es
obtener información valiosa sobre el estado del aislamiento de los
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
23/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
equipos. Para la vigilancia de las vibraciones o el análisis de los cambios
de carga en transformadores se utilizan ciertas técnicas para agrupación
de datos (clustering) tales como los mapas auto-organizativos (SOM:
Self-organizing map). Estos mapas sirven para detectar condiciones
anormales y para estimar la naturaleza de dichas anomalías.4
Análisis de gases
También se han aplicado técnicas de minería de datos para el análisis de
gases disueltos (DGA: Dissolved gas analysis) en transformadores
eléctricos. El análisis de gases disueltos se conoce desde hace mucho
tiempo como la herramienta para diagnosticar transformadores. Los
mapas auto-organizativos (SOM) se utilizan para analizar datos y
determinar tendencias que podrían pasarse por alto utilizando las
técnicas clásicas (DGA).
Tendencias
La Minería de Datos ha sufrido transformaciones en los últimos años de
acuerdo con cambios tecnológicos, de estrategias de marketing, la
extensión de los modelos de compra en línea, etc. Los más importantes
de ellos son:
La importancia que han cobrado los datos no estructurados (texto,
páginas de Internet, etc.).
La necesidad de integrar los algoritmos y resultados obtenidos en
sistemas operacionales, portales de Internet, etc.
La exigencia de que los procesos funcionen prácticamente en
línea (por ejemplo, en casos de fraude con una tarjeta de crédito).
Los tiempos de respuesta. El gran volumen de datos que hay que
procesar en muchos casos para obtener un modelo válido es un
inconveniente; esto implica grandes cantidades de tiempo de
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
24/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
proceso y hay problemas que requieren una respuesta en tiempo
real.
Herramientas de software
Existen muchas herramientas de software para el desarrollo de modelos
de minería de datos tanto libres como comerciales como, por ejemplo:
dVelox de APARA
KXEN
KNIME
Neural Designer
OpenNN
Orange
Powerhouse
Quiterian
RapidMiner
SPSS Clementine
SAS Enterprise Miner
STATISTICA Data Miner
Weka
KEEL
Cuest ionar io:
1. ¿Qué es la minería de datos?
2. ¿Qué intenta descubrir la minería de datos?
3. ¿Cuáles son los métodos que utiliza la minería de datos?
4. ¿Cuál es el objetivo general del proceso de minería de datos?
5. ¿Cuál es la tarea real de la minería de datos?
6. Menciona los pasos de un proceso típico de minería de datos
7. ¿Cuáles son las fases necesarias de un proyecto de minería de datos?
8. Explica brevemente las técnicas de minerías de datos.
9. Menciona ejemplos de uso de la minería de datos.
10. Menciona por lo menos tres herramientas de software para el desarrollo de
modelos de minería de datos.
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
25/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
1.2.2 Administración del conocimiento
La administración del conocimiento implica la conversión del
conocimiento tácito (el que sabe un trabajador específico) en explícito
(conocimiento documentado y replicable) para convertirlo en un activo
estratégico de la organización.
Dicho en otras palabras implica la adecuada utilización de datos e
información para transformarlos en conocimiento y entendimiento.
El conocimiento responde a preguntas que empiezan con ¿Cómo?, es
decir, todo aquello que generalmente sólo algunos miembros de laorganización saben y lo tienen en su cabeza pero no ha sido transformado
en un conocimiento explícito.
Los procesos y Subprocesos clave de la Administración de Conocimiento
definidos por el CSC (Centro de Sistemas de Conocimiento) son los
siguientes:
Sujeto
Capital Agente
Objeto
Capital instrumental
Contexto
Alineación y consolidación
Estratégica de capitales
Acto de
conocimiento
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
26/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
1. Alineación y consolidación estratégica de capitales:
a) Definición de Sistemas Referenciales
b) Estructuración y Operacionalización de Capitales
c) Estrategia de Administración del Conocimiento y Desarrollo de Capitales
Articuladores
2. Administración del Capital Agente
a) Administración del Aprendizaje Organizacional
b) Desarrollo de Prácticas de Valor
c) Desarrollo de Competencias Claves
3. Administración del Capital Instrumentala) Métodos y Herramientas para instrumentar las estratégicas de
Administración del Conocimiento
b) Selección e Implementación de Plataformas Tecnológicas para la
Administración del Conocimiento
c) Desarrollo de la Base de Conocimiento
Con el fin de ampliar más este concepto, se presentan diferentes enfoques desde
el punto de vista de una organización:
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
27/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
1.2.3 Aplicaciones analíticas
Segun Gartner el mercado mundial de Business Intelligence crecio un13% en 2007 respecto al 2006, esto representa un valor de mercado que
exedio los 5,1 billones de dolares en comparacion con los 4,5 billones
registrados en el periodo 2006, los proveedores mas grandes del
mercado: Bussines Objects, Cognos e Hyperion fueron adquiridos por las
corporaciones SAP, IBM y Oracle respectivamente, esto hace preveer la
presencia cada vez mayor de soluciones de Business Intelligence en
nuestro dia a dia por lo que presentamos este articulo que intenta dar
ejemplos de las aplicaciones analíticas más comunes disponibles hoy en
el mercado del business intelligence.
Desgraciadamente muchas empresas se limitan a un sistema de análisis
y reporting sobre su data warehouse, desaprovechando las
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
28/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
oportunidades que ofrecen otras aplicaciones que se basan en la misma
arquitectura.
Simulación y Forecasting. Son aplicaciones para simular
escenarios y predecir tendencias en el futuro. “Si el precio de la
materia prima crece un 5% a lo largo del año y en tres meses el
dólar sube 10%, ¿cómo afecta a nuestra venta al final del año?” “Si
invertimos 10% más en esta línea de productos,¿cómo cambia
nuestra productividad y ROI?”
Activity-Based Costing. La determinación de los costes basados
en actividades descubre los costes reales de los productos,
servicios o clientes más allá de la contabilidad tradicional y desvela
que por ejemplo dos clientes aparentemente igual de rentables
según sus compras, en realidad causan costes muy diferentes, o
que 25% de la actividad de la empresa causa80% de los costes.
Minería de Datos. Sistemas basados en algoritmos matemáticos
para descubrir tendencias escondidas entre grandes volúmenes de
datos. Aplicada desde la detección de fraude hasta el análisis de
cesta de compra.
Balanced Scorecard/Cuadro de Mando Integral. Un concepto de
gestión de la estratégica empresarial desarrollado por Norton y
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
29/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
Kaplan. Permite ver la empresa no sólo bajo la perspectiva
financiera, sino también bajo otras como clientes, procesos o
potenciales. Los objetivos estratégicos de las empresas se definen
y su alcance se mide constantemente con datos reales.
Gestión de riesgo. Especialmente las entidades financieras y las
aseguradoras, pero también otras empresas, necesitan calcular
riesgos y simular escenarios. Las aplicaciones BI proporcionan
todo el proceso.
Alertas y vigilancia. Ya no es necesario leer cada mañana
muchas páginas de informes o mirar cada hora una pantalla para
detectar si existe una situación crítica en algún lugar de laempresa. Se pueden vigilar automáticamente los indicadores de la
actividad empresarial y generar avisos por email o SMS si un
indicador está fuera de su rango normal, a cualquier ritmo y hora
del día.
Fidelización de Clientes. Las aplicaciones ayudan a identificar
que son los mejores o más rentables clientes y porque clientes
abandonan la empresa. Proporcionan los datos para campañas y
evalúan las respuestas y el impacto.
Consolidación. Automatización de consolidaciones contables
entre empresas de un mismo grupo o entre sucursales. También
se aplican en fusiones de empresas y adquisiciones.
Como hemos visto, existen numerosas aplicaciones verticales o analíticas
que se pueden instalar sobre un data warehouse existente. Si se
aprovecha esta base de infraestructura, la inversión es pequeña en
relación con el potencial empresarial de las aplicaciones.
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
30/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
1.2.4 Sistemas de reportes
Los sistemas de reportes tienen como objetivo principal mostrar una
visión general de la situación de la empresa. Consecuentemente, estosmuestran la situación de las operaciones regulares de la empresa para
que los directivos puedan controlar, organizar, planear y dirigir. Los
reportes se pueden visualizar, exportar a otros formatos como PDF,
HTML, XML, etc. y también se pueden imprimir en papel.
El Jasper Report es una librería para la generación de informes. Está
escrita en java y es libre. http://jasperforge.org/ El funcionamiento
consiste en escribir un xml donde se recogen las particularidades del
informe. Este xml lo tratan las clases del Jasper para obtener una salida.
Esta salida puede ser un PDF, XML, HTML, CSV, XLS, RTF, TXT. Otra
ventaja de utilizar Jasper Report es que se integra perfectamente con el
JFreeChart que es una librería libre para la generación de todo tipo de
graficas.
Para generar el xml lo recomendable es bajarse la herramienta iReport
que es un editor gráfico que está implementado en java y se integra
perfectamente con el Jasper Report.
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
31/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
32/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
El sistema de reportes jasper reports ofrece muchas herramientas que
son de gran utilidad proporciona todo lo necesario para diseñar informes
de una complejidad media, y la curva de aprendizaje para comenzar a
tener resultados productivos no es muy elevada. Además los informes se
pueden realizar directamente sobre los xml descriptores o podemos
utilizar la herramienta ireport para diseñarlo gráficamente.
Un ejemplo básico:
Para generar un reporte con jasper report debemos seguir los siguientes
pasos:
Generar un fichero .jrxml en el que se configura cómo queremos elinforme.
Compilar el fichero .jrxml para obtener un fichero .jasper.
Rellenar los datos del informe. Esto generará un fichero .jrprint.
Exportar el fichero .jrprint al formato que deseemos (pdf, etc). Esto
generará el fichero en cuestión.
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
33/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
Generar el fichero .jrxml
El fichero .jrxml se puede generar a mano con este DTD y esta referencia
de atributos. De todas formas, una opción mejor es usar la herramienta
iReport, que permite generar el fichero .jrxml de forma visual y más fácil.
En este fichero también se configura cual va a ser la fuente de datos (si
es una base de datos, un fichero, etc). Incluso si es base de datos, en
este fichero se pone el SELECT que devuelve los datos que queremos
para el informe.
Compilado del fichero .jrxml
Para compilar el fichero .jrxml y generar el fichero .jasper, desde código
podemos poner algo como esto:
JasperReport report=
JasperCompileManager.compileReport("C:\\informesJAsper\\JRXML\\Inf
ormeMySql.jrxml");
Rellenar el informe con datos
Ahora hay que rellenar el informe con datos. Desde código se hace con
algo como esto
JasperPrint print = JasperFillManager.fillReport(report, parameters,
conn);
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
34/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
Donde conn es la conexión con la base de datos. No es necesario indicar
el select ni nada similar, puesto que esta información está incluida en el
.jrxml.
Obtener el pdf (o el que sea)
Finalmente, para obtener el fichero .pdf, la línea es algo como esto
JasperExportManager.exportReportToPdfFile(print, "C:\\informes
JAsper\\PDF's\\InformePaisesMySQL.pdf");
Donde el parámetro es el fichero de salida que deseamos.
1.2.5 Multidimensionalidad
La multidimensionalidad dentro de la inteligencia de negocios ayuda a
representar los datos en forma cercana a la intuición del usuario y al
mismo tiempo resolver problemas planteados en sistemas relacionales.
La información multidimensional se puede encontrar en hojas de cálculo,
bases de datos, etc. Es una herramienta de B.I. que es capaz de reunir
información dispersa en toda la empresa e incluso en diferentes fuentes
para así proporcionar a los departamentos la accesibilidad, poder y
flexibilidad que necesitan para analizar la información. Por ejemplo, un
pronóstico de ventas de un nuevo producto en varias regiones no está
completo si no se toma en cuenta también el comportamiento histórico de
las ventas de cada región y la forma en que la introducción de nuevos
productos se ha desarrollado en cada región en cuestión.
Se representan los datos como una matriz.
En los ejes están los criterios de análisis.
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
35/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
M. T. I. Francisco Castro Hurtado
En los cruces están los valores a analizar.
A esta estructura se le llama Cubo o Hipercubo.
Los Cubos o Hipercubos constan de:
Dimensiones:
o Criterios de análisis de los datos.
o Macro-objetos del problema.
o Variables independientes.
o Ejes en el hipercubo.
Medidas:
o Valores o indicadores a analizar.
o Datos asociados a relaciones entre los objetos
o Problema.
o Variables dependientes.
o Variables en la intersección de las dimensiones.
Las bases de datos multidimensionales se utilizan principalmente para
crear aplicaciones OLAP y pueden verse como bases de datos de una sola
tabla, su peculiaridad es que por cada dimensión tienen un campo (o
columna), y otro campo por cada métrica o hecho.
-
8/15/2019 1. Introducción a la Inteligencia de Negocios.pdf
36/36
Instituto Tecnológico Superior de la Montaña
Inteligencia de Negocios
1.3 Principales herramientas de la inteligencia de negocios
Las herramientas de negocio son:
Cuadro de mando integral también llamados Dashboard.
Digital Dashboards o paneles de Control Digital - También
conocidos como Business Intelligence Dashboards, o Dashboards
Ejecutivos, Son resúmenes visuales de información del negocio,
que muestran de una mirada la comprensión del global de las
condiciones del negocio mediante métricas e Indicadores Clave de
Desempeño (KPIs). Esta es una Herramienta de Inteligencia de
Negocios muy popular desde hace unos pocos años.
OLAP (Procesamiento Analítico en línea por sus siglas en Inglés)
(incluido HOLAP, ROLAP and MOLAP)- Es la capacidad de algunos
sistemas de soporte de decisiones gerenciales que permiten
examinar de manera interactiva grandes volúmenes de información
desde varias perspectivas.
Aplicaciones de Informes, genera vistas de datos agregadas paramantener a la gerencia informada sobre el estado de su negocio.
Minería de datos - Extracción de información de las bases de datos
acerca del consumidor, mediante la utilización de aplicaciones que
pueden aislar e identificar patrones o tendencias del consumidor en
un alto volumen de datos. Hay una gran variedad de técnicas de
minería de datos que revelan distintos tipos de patrones. Algunas
de las técnicas son métodos estadísticos (Particularmente
Estadística de Negocios) y Redes Neurales como formas altamente
avanzadas de análisis de datos.