lmfv aa3-1 cuestionario identificación de técnicas de inteligencia de negocios

7/25/2019 LMFV AA3-1 Cuestionario Identificacin de Tcnicas de Inteligencia de Negocios

1/9

AA3-1 CUESTIONARIO IDENTIFICAR

TE CNICAS DE INTELIGENCIA DENEGOCIOS

LAURA MILENA FERNNDEZ VARELA

Especializacin en Gestin y Seguridad de Base

de Datos

SENA

5 de Octubre de 2015


2/9

CUESTIONARIO AA3-1 IDENTIFICAR TCNICAS DE INTELIGENCIA DENEGOCIOS

AA3-1 CUESTIONARIO IDENTIFICAR TCNICAS DE INTELIGENCIA DE

NEGOCIOS

Contenido

1. Que es inteligencia de negocios en base de datos? ........................................... 2

2. Que es Data WareHouse? ................................................................................. 2

3. Que es un cubo? ................................................................................................ 4

4. Que modelos encontramos para la realizacin de un cubo, explique por lomenos 2 de ellas? .................................................................................................. 5

5. Cul es el ciclo de vida de un cubo? .................................................................. 6

6. Cules son las 4 P de un cubo? ......................................................................... 6

7. Que permite la implementacin de BI en una empresa? .................................... 6

Bibliografa ............................................................................................................. 8


3/9



NEGOCIOS

1. Que es inteligencia de negocios en base de datos?

Es el aprovechamiento de la informacin almacenada en repositorios, con el

objetivo de integrar un conocimiento que sirva de apoyo para tomar decisionesoportunas generando unas directrices que se apliquen a travs de un plan deaccin cuyos resultados sirvan de retroalimentacin a todo el sistema o negocio.Diseada para ofrecer informacin a los responsables de la toma de decisionescon tan solo un click del mouse, permitiendo que los gerentes de negocioidentifiquen y respondan adecuadamente a las cambiantes condiciones delmercado y la demanda de los clientes, en cualquier momento y lugar.

Tomar decisiones bien informadas

Con acceso en tiempo real a una sola fuente de datos precisos de negocio, sepuede:

1. reaccionar ms rpidamente a las cambiantes condiciones de negocio2. detectar y desbloquear los cuellos de botella en la cadena de

abastecimiento3. brindar informacin segura donde sea necesario4. identificar reas para ahorros potenciales de costo5. y mucho ms

Las principales limitantes que soluciona BI son:

1. Gran rigidez a la hora de extraer datos2. Necesidad de conocimientos tcnicos.3. Largos tiempos de respuesta4. Deterioro en el rendimiento del SI.5. Falta de integracin que implica islas de datos.6. Datos errneos, obsoletos o incompletos7. Problemas para adecuar la informacin al cargo del usuario8. Ausencia de informacin histrica.

2. Que es Data WareHouse?

Representa desde el punto de vista tcnico el inicio de Business Intelligent; es elalmacenamiento de informacin homognea y fiable, en una estructura basada enla consulta y el tratamiento jerarquizado de la misma, y en un entorno diferenciadode los sistemas operacionales. La ventaja principal de este tipo de bases de datos


4/9



NEGOCIOS

radica en las estructuras en las que se almacena la informacin (modelos detablas en estrella, en copo de nieve, cubos relacionales... etc). Este tipo depersistencia de la informacin es homognea y fiable, y permite la consulta y eltratamiento jerarquizado de la misma (siempre en un entorno diferente a lossistemas operacionales). El Data Warehouse se caracteriza por ser:

Integrado: los datos almacenados en el datawarehouse deben integrarse en unaestructura consistente, por lo que las inconsistencias existentes entre los diversossistemas operacionales deben ser eliminadas.

Temtico: Los datos se organizan por temas para facilitar su acceso yentendimiento por parte de los usuarios finales. Ejm toda la informacinrelacionada con los servicios prestados en un solo lugar o tabla.

Histrico: la informacin almacenada en el datawarehouse sirve, entre otras

cosas, para realizar anlisis de tendencias. Por lo tanto, el datawarehouse secarga con los distintos valores que toma una variable en el tiempo para permitircomparaciones.

No voltil:el almacn de informacin de un datawarehouse existe para ser ledo,pero no modificado. La informacin es por tanto permanente, significando laactualizacin del datawarehouse la incorporacin de los ltimos valores quetomaron las distintas variables contenidas en l sin ningn tipo de accin sobre loque ya exista.

La toma de decisiones se basan en un anlisis de naturaleza multidimensional,

que se intentan resolver con la tecnologa no orientada para esta naturaleza. Esteanlisis multidimensional, parte de una visin de la informacin como dimensionesde negocio. Solo se realizan dos operaciones carga de la informacin y consulta.

Ejm: Dimensin en cubo:

Un gerente de una IPS que desea saber toda la informacin relacionada con elperfil epidemiolgico de los pacientes atendidos en una cierta zona geogrficadurante un periodo de tiempo determinado.

Zona geogrfica

p

a

c

i

e

n


5/9



NEGOCIOS

A su vez, estas dimensiones tienen una jerarqua, interpretndose en el cubocomo que cada cubo elemental es un dato elemental, del que se puede extraerinformacin agregada.

3. Que es un cubo?Los cubos basados en herramientas de BI son usados para proveer capacidadesanalticas a los administradores de negocios. Los sistemas OLAP (Una base dedatos para soportar procesos transaccionales) son bases de datos orientadas alprocesamiento analtico. Este anlisis suele implicar, generalmente, la lectura degrandes cantidades de datos para llegar a extraer algn tipo de informacin til:tendencias de ventas, patrones de comportamiento de los consumidores,elaboracin de informes complejos etc. Este sistema es tpico de los datamarts.

Los cubos, las dimensiones y las jerarquas son la esencia de la navegacin

multidimensional del OLAP. Al describir y representar la informacin en estaforma, los usuarios pueden navegar intuitivamente en un conjunto complejo dedatos.

Sistemas MOLAP

La arquitectura MOLAP usa unas bases de datos multidimensionales paraproporcionar el anlisis, su principal premisa es que el OLAP est mejorimplantado almacenando los datos multidimensionalmente. Por el contrario, laarquitectura ROLAP cree que las capacidades OLAP estn perfectamente

implantadas sobre bases de datos relacionales Un sistema MOLAP usa una basede datos propietaria multidimensional, en la que la informacin se almacenamultidimensionalmente, para ser visualizada en varias dimensiones de anlisis.

El sistema MOLAP utiliza una arquitectura de dos niveles: la bases de datosmultidimensionales y el motor analtico. La base de datos multidimensional es laencargada del manejo, acceso y obtencin del dato.

El nivel de aplicacin es el responsable de la ejecucin de los requerimientosOLAP. El nivel de presentacin se integra con el de aplicacin y proporciona uninterfaz a travs del cual los usuarios finales visualizan los anlisis OLAP.

Sistemas ROLAP

La arquitectura ROLAP, accede a los datos almacenados en un datawarehousepara proporcionar los anlisis OLAP. La premisa de los sistemas ROLAP es quelas capacidades OLAP se soportan mejor contra las bases de datos relacionales.


6/9



NEGOCIOS

Utiliza una arquitectura de tres niveles. La base de datos relacional maneja losrequerimientos de almacenamiento de datos, y el motor ROLAP proporciona lafuncionalidad analtica. El nivel de base de datos usa bases de datos relacionalespara el manejo, acceso y obtencin del dato. El nivel de aplicacin es el motor queejecuta las consultas multidimensionales de los usuarios.

El motor ROLAP se integra con niveles de presentacin, a travs de los cules losusuarios realizan los anlisis OLAP.

4. Que modelos encontramos para la realizacin de un cubo,

explique por lo menos 2 de ellas?

Un refinamiento del esquema en estrella donde alguna jerarqua dimensional se despliega en u

conjunto de tablas de dimensiones ms pequeas, Forma similar a la del copo de nieve.

Esquema en estrella con dimensiones secundarias Fcil de mantener y ahorra almacenamiento La

dimensiones se pueden relacionar con las tablas de hechos, o con otras dimensiones. Esta estrategia e

mejor para la administracin directa en el modelo de DW.

Las dimensiones se relacionan directamente con la tabla de hechos. Por lo general esta estrategia es utilizada cuand

hay grandes volmenes de informacin y/o cuando existe un proceso robusto de administracin de Informacin.Ltablas de hechos estn relacionados a cada tabla de dimensin en una relacin Muchos a Uno Tabla de hechos es

relacionado con muchas tablas de dimensiones La clave principal de la tabla de hechos es compuesta de las clavprincipales de las tablas de dimensiones Cada tabla de hecho est diseada para responder a una pregun

especfica de IN.

Tabla de hechos


7/9



NEGOCIOS

5. Cul es el ciclo de vida de un cubo?

Sirve como mapa de ruta para ayudar al equipo a realizar su trabajo en formacorrecta en el momento correcto. El diagrama no refleja una lnea de tiempoabsoluta.

6. Cules son las 4 P de un cubo?

PLAN: curso de accin conscientemente determinado

POSICIN: un medio para ubicar a la organizacin (nicho, rentas, dominio)

PATRN: es un modelo que implica consistencia

PERSPECTIVA: una manera particular de percibir el mundo (concepto, cultura,

ideologa)

7. Que permite la implementacin de BI en una empresa?

Informacin correcta en el momento adecuado, almacenada en un nico lugary disponible en tiempo real.

Evaluacin de distintos escenarios que permiten analizar situaciones que puedanafectar al negocio.

La informacin va ms all de los reportes, incluyendo indicadores que mepermitan medir el desempeo del negocio.

Permite agrupar informacin de diferentes reas para establecer, modificar yajustar polticas, procesos y procedimientos.


8/9



NEGOCIOS

Gran capacidad de reaccin ante amenaza y vulnerabilidades del negocio,actuando o anticipndose a stos.

Capacidad de retroalimentacin con respecto a hechos sucedidos para reevaluarpolticas y objetivos del negocio.


9/9



NEGOCIOS

Bibliografa

Fernndez, Carlos.A.A (2014). Business Intelligence: Sinnexus.http://www.sinnexus.com/business_intelligence/arquitectura.aspx.

Rodriguez, Sebastin.A.A (2013). Diseo eficiente de un cubo para resolver

problemas en las reas de negocios: Slishare.http://es.slideshare.net/sebasrod/diseo-eficiente-de-un-cubo-para-resolver-problemas-en-las-reas-de-negocio?qid=7cf2d416-e5b6-425c-bbc1-b2810f7290f3&v=default&b=&from_search=4.

Kimball, R., & Ross, M. (2002). The Data Warehouse Toolkit: The CompleteGuide to Dimensional Modeling (Second Edition ed.). (R. Elliott, Ed.) JohnWiley and Sons, Inc.

Prez Lpez, C., & Santn Gonzlez, D. (2007). Minera de Datos, Tcnicasy

Herramientas. Madrid: Thomson Ediciones Paraninfo, S.A.

Scheps, S. (2008). Business Intelligence For Dummies. Indianapolis:WileyPublishing, Inc.

Aguilar, Jos. Modelado de Datos. Mrida:ula.http://www.ing.ula.ve/~aguilar/actividad-docente/TIN/transparencias/clase31.pdf.

lmfv aa3-1 cuestionario identificación de técnicas de inteligencia de negocios

Documents