sistemas de información gerencialuntsig.weebly.com/uploads/5/5/5/0/5550176/sig_tema5... ·...
TRANSCRIPT
Sistemas de Información Gerencial
Tema 5: Inteligencia de Negocios y Data Warehouse
1
Ing. Francisco Rodríguez Novoa
2
INDICE
• Inteligencia de Negocios
• OLTP y OLAP
• Data Warehouse. Procesos
• Diseño de Data Warehouse
• Data Mart
Inteligencia de Negocios
• Algo peor que no tener información disponible es tener mucha información
Y no saber qué hacer con ella.
Inteligencia de Negocios ¿Porqué?
Nivel ejecutivo no cuenta con una solución integrada donde
pueda analizar los indicadores operativos y financieros
No cuentan con una perspectiva que les permita tomar
decisiones
La información reside en diferentes sistemas: ERP, CRM,
archivos planos
Cuando surge la necesidad de información mucha gente se
ve involucrada
El problema
El departamento de sistemas destinan mucho tiempo a la
elaboración de reportes
No existe una sola versión verdadera de la información
No permite la realización de comparativos, análisis ni
tendencias
Gran cantidad de reportes
La solución
Implementar un Sistema de Información Ejecutiva y
Sistemas de Soporte a las Decisiones
Utilizar las mejores tecnologías del mercado
Involucramiento de los dueños de los procesos del negocio
Alineación a los objetivos estratégicos de la organización
Los beneficios
Habilidad de tomar las decisiones correctas en el momento
correcto
Por medio de las herramientas necesarias para poder
comparar y analizar tendencias
El tiempo invertido en la realización de presentaciones
ejecutivas se ve reducido de forma significativa
Aplicaciones del BI
• Análisis de carteras de clientes
• Reducción de costos
• Análisis de riesgo
• Planificación de Marketing
• Segmentación de clientes
8
Ciclo de Vida de la Información
Definición de inteligencia de negocios
“Es el proceso de integración y tratamiento de los
datos para convertirlos en información que
permita apoyar a los tomadores de decisiones en
la organización”
Definición de inteligencia de negocios
Es una alternativa tecnológica que permite generar
conocimiento a la empresa
Es el uso de tecnologías para descubrir conocimiento
a partir de los datos que posee la empresa
Aplica el proceso KDD (Knowledge Discovery
Databases) (Descubrir conocimiento en bases de
datos)
Inteligencia de negocios. Características
La solución es un sistema:
Para soporte de toma de decisiones (nivel gerencial)
Con capacidades de análisis de alcance empresarial
global
Integración y análisis de la información desde fuentes de
datos heterogéneas
Plataforma integrada Herramientas ETL de gestión, administración y carga, el
almacenamiento de datos y las funciones relacionadas con informes, servicios
Procedimientos analíticos integrados (OLAP) Minería de datos (Uso de métodos inteligentes para extraer
conocimiento )
Inteligencia de negocios. Características
Servicios de Análisis
Entorno en tiempo real
Indicadores claves de desempeño
Servicios de Reporte
Creación, administración y visualización de informes
Motor para alojar y procesar informes
Inteligencia de negocios. Características
Inteligencia de negocios provee soluciones a nivel
empresarial que permiten a los tomadores de decisiones
transformar información clave de su negocio en
acciones concretas traduciéndose en beneficios
tangibles:
Reducción de costos
Mayor rentabilidad
Mejores relaciones comerciales
15
Fases de una solución de Inteligencia de Negocios
Herramientas de software que permiten:
• Extracción y Transformación de los datos desde las
fuentes: Bases de datos, ERP, excel, archivos texto,
etc.
• Carga de los datos transformados a la bodega
16
ETL Extraction, Transformation and Load
“Es un conjunto de datos integrados o orientados a un
objetivo específico, que varían con el tiempo (datos
históricos) y que no son transitorios.
Soportan el proceso de toma de decisiones de la
administración y está orientada al manejo de grandes
volúmenes de datos provenientes de diversas fuentes o
diversos tipos”
17
Bodega de Datos. Definición
Una Bodega de Datos es una base de datos que
organiza y almacena una colección de información
derivada directamente de los sistemas operacionales y
de algunos datos externos
18
Bodega de Datos. Definición
19
Bodega de Datos. Información
Se apoyan en tres procesos de organización de alto nivel:
Operaciones del negocio: Se refiere a las transacciones
cotidianas diarias del negocio.
La inteligencia de negocio: se refiere a la búsqueda de
una mejor comprensión de la compañía de sus
productos, y sus clientes
La gerencia de negocio: es la función en la cual elconocimiento nuevo y las acciones determinadas en lainteligencia del negocio se institucionalizan y seintroducen en las operaciones diarias del negocio.
BI en la Empresa
Fuentes de datos
Extracción Almacén Herramientas Usuarios
20
DISEÑO
ESTRUCTURAL
OLTP (On Line Transactional Process)
• Son sistemas de información operacionales que tienen
transacciones en línea y de esa manera se van añadiendo
datos.
• Gran detalle de cada operación.
El Diseño Transaccional es:
• Orientado a aplicaciones con
movimientos constantes.
• Datos normalizados. Se
busca ahorrar espacio de
almacenamiento.
• Datos volátiles
• No existe sumarización de
datos.
• Grandes niveles de detalle.
Lógica
OLAP (Online Analytical Process)
• Tecnología que permite laexplotación de datos en
diferentes niveles
organizacionales yperiodos de tiempo
El Data Warehouse esta:
• Orientado a áreas de la
organización
• Integrado
• Los datos no son volátiles
• Diversos niveles de detalle
con sumarizaciónes.
• Se disminuye la cantidad de
ligas con modelos tipo
estrella o copo de nieve.
Lógica
www.EasyBI.cl 26
Conceptos Generales
Transacciones
Fundamentos.
Registrar y Controlar (OLTP)
VentasInventarios
ContabilidadRecursos Humanos
Etc-
Velocidad de TransacciónIntegridad de Información
Evitar Redundancias“3ª Forma Normal”
On-Line TransactionProcessing
Analizar y Evaluar (OLAP)
Velocidad de ConsultasApoyo Toma de Decisiones
“Desnormalizado”
On-Line AnalyticalProcessing
Como operan las B.D. Relacionales
Los datos se almacenan en tablas
Cantidad
25000
15000
5000
27000
20000
6000
2700
8000
19000
54700
23000
6100
1800
7600
1200
2000
Variable
Sales
Expenses
Cost of goods
Sales
Expenses
Cost of goods
Sales
Expenses
Cost of goods
Sales
Sales
Expenses
Cost of goods
Sales
Expenses
Cost of goods
Meses
January
January
January
February
February
February
March
March
March
Qtr1
April
April
April
May
May
May
Productos
Large
Large
Large
Large
Large
Large
Large
Large
Large
Large
Medium
Medium
Medium
Medium
Medium
Medium
Amount
2500015000500027000200006000270080001900054700 2300061001800760012002000
Variable
SalesExpensesCost of goodsSalesExpensesCost of goodsSalesExpensesCost of goodsSalesSalesExpensesCost of goodsSalesExpensesCost of goods
Months
JanuaryJanuaryJanuaryFebruaryFebruaryFebruaryMarchMarch MarchQtr1AprilAprilAprilMayMayMay
Product
LargeLargeLargeLargeLarge LargeLargeLargeLargeLargeMediumMediumMediumMediumMediumMedium
Variable January February March April May June
Sales 25000 27000 24000 28000 30000 29000
Expenses 15000 20000 15000 17000 19000 14000
Cost of goods 5000 6000 5000 7000 7000 6000
de esta estructura
a esta
se necesita …
Lógica
Vista Multidimensional
Poder observar los datos desde distintas perspectivas.
Jan
Feb
Mar
Apr
TV
VCR
East
West
Total
South
East
West
Total
South
Actual BudgetSales SalesMargin Margin
position only
Cogs
Margin
Total Exp
Profit
TV
VCR
Jan
Feb
Qtr 1
Mar
East WestActual ActualBudget Budget
Jan
Feb
Qtr 1
Mar
Jan
Feb
Mar
Apr
East
West
Actual
Budget
Variance
Forecast
Sales MarginTV TVVCR VCR
Actual
Budget
Variance
Forecast
position only
West
SF
LA
Denver
Sales
Margin
Camera
TV
Audio
VCR
February MarchActual ActualBudget Budget
Camera
TV
Audio
VCR
Accounts by Product
Regions by ScenarioProducts by Region
Products by Time
OLAP
Inteligencia de Negocios
• Componentes de Business Intelligence
Todas las soluciones de BI tienen funciones parecidas,
pero deben de reunir al menos los siguientes
componentes:
• Multidimensionalidad
• Data Mining
• Agentes
• Data Warehouse
Inteligencia de Negocios
• Multidimensionalidad: la información multidimensional
se puede encontrar en hojas de cálculo, bases de datos,
etc.
• 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.
• Tabla de Dimensiones
Ubicación
Tiempo
Mercado
Productos
• Tablas de Hechos
Definición de Eventos
Modelado de Datos Multidimensional
• Mercado .- Localización de una Sucursal o Agencia (Calle, Colonia, Delegación o Municipio)
tres niveles de detalle
• Tiempo .- Día de Facturación, Día de Entrega a Sucursales o Agencias, Día de Entrega al Consumidor
tres niveles de detalle
• Producto .- Suministro de Energía Eléctrica Monofásica, Bifásica y Trifásica
tres niveles de detalle
Análisis de Datos
Modelado de Datos Multidimensional
Inteligencia de Negocios
• Data Mining.- Las empresas suelen generar grandes
cantidades de información sobre sus procesos productivos,
desempeño operacional, mercados y clientes.
• Las aplicaciones de data mining pueden identificar tendencias
y comportamientos, no sólo para extraer información, sino
también para descubrir las relaciones en bases de datos que
pueden identificar comportamientos que no muy evidentes.
Inteligencia de Negocios
• Agentes: Los agentes son programas que piensan. Ellos
pueden realizar tareas a un nivel muy básico sin necesidad de
intervención humana.
• Por ejemplo, un agente pueden realizar tares un poco
complejas, como elaborar documentos, establecer diagramas
de flujo, etc.
Inteligencia de Negocios
• Data Warehouse: Es la respuesta de la tecnología de
información a la descentralización en la toma de decisiones.
Coloca información de todas las áreas funcionales de la
organización en manos de quien toma las decisiones. También
proporciona herramientas para búsqueda y análisis.
Data Warehouse
Ø Un Data Warehouse es un
almacenamiento separado y
homogéneo donde son
cargados datos transformados
provenientes de diferentes
bases de datos.
Data Warehouse
Colección integrada de información corporativa diseñada para
la recuperación y el análisis en apoyo a los procesos de toma
de decisiones.
Una sola visión de la información de su empresa.
Múltiples y ambiguas definiciones habrían sido eliminadas...
“Mecanismo para entregar información de negocios
integrada”.
• Colección de datos integrados, variantes en el tiempo, no
volátiles, orientados a temas de interés para la gestión de una
organización o empresa, que ayuda en los procesos de toma
de decisiones.
• Es una combinación de conceptos y tecnologías destinadas a
satisfacer los requerimientos de una organización o empresa,
en términos de mejorar la gestión, con eficiencia y facilidad
de acceso.
40
Data Warehouse
41
Conceptos Generales
Características de un DataWarehouse
Orientado a Temas
Integrado
Variantes en el Tiempo
Los datos se organizan y estructuran de acuerdo a las áreastemáticas que son de interés para los directivos de la empresa yno en función de procesos operacionales específicos. Todos losdatos relativos a una misma “entidad” quedarán en una tabla.
Debido a que la información procede desde distintos sistemas,es tarea del DW integrar las diversas fuentes y normalizar losdatos.
Un DW se organiza como una sucesión de “fotografías” de laorganización o empresa, cada una asociada a un periodo o puntoespecífico del tiempo, lo que permite realizar análisis en funcióndel tiempo, con la finalidad de realizar pronósticos y análisis detendencias.
No Volátil No se realizan actualización o eliminaciones de los datos, losdatos se insertan como nuevos registros y por tanto nosobrescriben los existentes.
Conceptos Generales
Componentes del Cubo
Tabla de Hechos
Tabla de Dimensiones
Almacena los indicadores del negocio (datos numéricos),tanto básicos como elementos calculados.
Almacena los datos descriptivos, por lo general son tablascon un porcentaje muy bajo de filas en relación a las tablasde Hechos, pero pueden contener muchas más columnas.
Una correcta y completa definición de campos en la tabla dedimensiones puede ayudar a realizar análisis robusto sobrelos datos.
43
Conceptos Generales
Topología
Estrella
Copo de Nieve
Las dimensiones se relacionan directamente con la tabla de hechos.
Por lo general esta estrategia es utilizada cuando hay grandes volúmenes de información y/o cuando existe un proceso robusto de administración de Información (por ejemplo EIAD).
Las dimensiones se pueden relacionar con las tablas de hechos, o con otras dimensiones.
Esta estrategia es mejor para la administración directa en el modelo de DW.
- ¿Están las ventas de artículos deportivos sujetas a tendencias por
temporada? ¿Qué artículos se ven afectados y cuándo?
- ¿Cuántos autos se vendieron el mes pasado? ¿Cómo se compara
esta cantidad con el mismo mes en los últimos cinco años?
- ¿Quiénes son los diez primeros vendedores o clientes en
Latinoamérica? ¿Qué porcentaje del ingreso generan?
- ¿Cuáles son los diez artículos de menor rentabilidad en el catálogo
de ventas?
Cómo justificar la inversión en un datawarehouse?
Ventajas - Data Warehouse
Datos de toda la compañía, organizados para facilitar las
consultas más analíticas que transaccionales.
Modelo de datos multidimensional para hacer más fácil la
navegación y explotación de datos.
Provee acceso a los datos organizacionales y corporativos.
Integra y asocia información de diversas fuentes de datos.
Brinda consistencia de datos y conceptos.
La información es de calidad, consistente y garantizada.
Soporta grandes volúmenes de información.
Puede resumir y totalizar la información.
Data Warehouse. Principales Procesos
46
Data Warehouse. Principales Procesos
47
Extracción de Información :
Extracción de datos desde los sistemas operacionales
(alimentar procesos de transformación de datos).
Carga de Datos :
Carga de datos en el DW.
Control de Calidad :
Garantizar que los datos son limpios y consistentes.
Data Warehouse. Principales Procesos
48
Unificación, Transformación y limpieza de datos :
Unificación, validación y limpieza de tatos que pueden estar en
mas de un sistema.
Auditoria y Seguridad :
Cuidar que los usuarios accedan a la información que les
corresponde y registrar un seguimiento del acceso a los datos.
Sistema de Data Warehousing
49
50
CONCEPTO
ESENCIAL
Tecnología
DATAWAREHOUSE
Los Hechos :
Un hecho es un dato sensible al tiempo que es funcionalmente
dependiente de las dimensiones que lo definen.
Ejemplo : Una matrícula.
Una matrícula es un hecho en el que un estudiante, en una
determinada fecha, a través del banco o el departamento de
finanzas, paga la matrícula de una determinada carrera.
Las dimensiones son estudiante, fecha, medio de pago y carrera.
La matrícula es un valor agregado del hecho.
51
Concepto Esencial
Metodología de Diseño
Tecnología
DATAWAREHOUSE
52
53
Diseño de Data Warehouse
Diseño de Datawarehouse
• Etapa I : Análisis de los sistemas de Información
- Averiguar con los administradores de sistemas sobre
posibles datos desconocidos o anormales (tratamiento de
los valores nulos).
- Seleccionar las fuentes operacionales en función de la
calidad de los datos y estabilidad de sus esquemas
(sincronización de vistas).
- Determinar cuales datos pueden ser totalmente integrados
con el objeto de obtener un vista completa del dominio de
la base de datos.
54
Diseño de Datawarehouse
• Etapa II : Especificación de Requerimientos
- Consiste en recolectar y filtrar los requerimientos de los
usuarios. Como resultado se obtiene la definición de los
hechos e indicaciones concernientes a las cargas de trabajo.
- La selección de los hechos se basa en la documentación de
los sistemas de información. Los hechos son conceptos de
interés primario para los procesos de toma de decisiones.
- De la comparación de los datos preliminares de la etapa
anterior es posible saber que requerimientos pueden ser
satisfechos.
55
Diseño de Datawarehouse
• Etapa III : Diseño Conceptual
Suponiendo que los sistemas operacionales son
relacionales, para cada Hecho se deben realizar las
siguientes acciones :
Construir el árbol de atributos
Podar e injertar el árbol de atributos
Definir las Dimensiones
Definir las Medidas
Definir las Jerarquías
56
Diseño de Datawarehouse
• Etapa III : Modelo de Hechos Dimensional (MHD)
Un Esquema Dimensional, que es una representación de larealidad usando el MHD, consiste en un conjunto deesquemas de hechos (uno o mas hechos) cuyos elementosbásicos son hechos, dimensiones y jerarquías.
Las metas del modelo de [Go99] son :
• Soportar eficientemente el diseño conceptual
• Proveer un ambiente expresivo para formular consultas
• Favorecer el refinamiento de los requerimientos
• Proveer una plataforma sólida para el diseño lógico
• Producir documentación expresiva y no ambigua
57
58
Diseño de Datawarehouse
59
Diseño de Datawarehouse
Etapa III : Conceptos ClavesUna Instancia de Hecho Primario es una unidad de informaciónpresente en el DW.Una Instancia de Hecho Secundaria corresponde a unaagregación de una conjunto de hechos primarios.Una Jerarquía es una relación de Muchos a Uno que se da entrelos valores de un determinado conjunto de atributospertenecientes a una dimensión.Una Dimensión es un conjunto de atributos pertenecientes auna entidad asociada a uno o más hechos. Los atributospertenecientes a una dimensión se utilizan como elementos deagrupación de los hechos o como mecanismos de búsqueda.Frecuentemente, los atributos de una dimensión conforman unajerarquía.
60
Diseño de Datawarehouse
Etapa IV : Refinamiento de Cargas y Validación de Esquemas
Esta fase esta orientada a:
1. Reformular las cargas de trabajo preliminares por medio de
una reformulación detallada y profunda de los esquemas
dimensionales.
2. Validar los esquemas desarrollados en las etapas anteriores.
Las consultas correspondientes a las cargas de trabajo pueden
ser correctamente formulada si las dimensiones o medidas han
sido identificadas, jerarquizadas y correctamente formuladas.
61
Diseño de Datawarehouse
Etapa V : Diseño Lógico
La etapa del diseño lógico recibe como entrada un diseño
multidimensional, cargas de trabajo e información adicional
(frecuencias de actualización, disponibilidad de espacio de
disco, etc.) para producir un esquema de DW que debería
minimizar los tiempos de respuesta a las consultas, respetando
las restricciones de espacio de disco.
Existen distintas alternativas de implementación tales como :
OLAP, HOLAP, MOLAP o ROLAP.
62
Diseño de Datawarehouse
Etapa V : Modelo Estrella
Se denomina modelo estrella cuando se define una gran tablacentral con tablas más pequeñas desplegadas en torno a ellas.
63
Diseño de Datawarehouse
Etapa V : Modelo Copo de Nieve (Snowflake)
Cuando la normalización no interfiere en el rendimiento de DW
esta se puede aplicar y en este caso se obtienen estructuras que se
denominan snowflake.
Datamart
• Un subconjunto del
Data Warehouse para
cierto grupo de usuarios
o funciones del negocio.
Datamart
o Qué eso Es una parte de un DWH
o De un fin específico o actividad de negocio
o Una solución táctica
o Porqué construir un Datamarto Consultas más rápidas y menos usuarios
o Tiempo de desarrollo más rápido
o Datamarts integradoso Asegurar la consistencia de datos
o Requiere de una planeación avanzada
Análisis y definición del
alcance
Mapeo de datos
Extracción de información
Transformaciónde información
Creación de cubosmultidimensionales
Creación de vistas ejecutivas
Documentación
Capacitación a usuarios y sistemas Proceso de
desarrollo
67
FIN