SISTEMAS DE INFORMACION GERENCIAL LIC.PATRICIA PALACIOS ZULETA
Qué es inteligencia de negocios? (BI) Business Intelligence es la habilidad para transformar los datos en información, y la información en conocimiento, de forma que se pueda optimizar el proceso de toma de decisiones en los negocios. I Conocimiento
Informacion
Datos
Desde un punto de vista más pragmático; Asociándolo directamente con las tecnologías de la información, podemos definir Business Intelligence como el conjunto de metodologías, aplicaciones y tecnologías que permiten reunir, depurar y transformar datos de los sistemas transaccionales e información desestructurada (interna y externa a la compañía).
Características del BI Enfocada en Información: Diseñada para investigación y exploración de los datos por parte del usuario final, no es transaccional.
Interactiva: Capaz de aceptar u actuar sobre consultas de usuario.
Agregación Dinámica: Agregación de datos en tiempo real. visualizar los procesos operativos y las metas de negocio conforme se vayan realizando.
Navegación:
Habilidad de movimiento entre los niveles de granularidad de datos.
Segmentación: Habilidad para combinar y re combinar varias dimensiones para obtener nuevas facetas de información.
Pivote: Habilidad de ofrecer comparaciones, revelar patrones y relaciones, analizar tendencias.
Rendimiento: Acceso y manipulaciones de datos se deben llevar a cabo a la "velocidad del pensamiento".
Por otro lado, los principales componentes de orígenes de datos en el Business Intelligence Son:
Datamart Datawarehouse
Los sistemas y componentes del BI se diferencian de los sistemas operacionales en que están optimizados para preguntar y divulgar sobre datos..
Características de una Data Warehouse 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 lo largo 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
ESTRUCTURA DE UNA DATA WAREHOUSE
Staging Area Es un área temporal donde se recogen los datos que se necesitan de los sistemas origen. Se recogen los datos estrictamente necesarios para las cargas, y se aplica el mínimo de transformaciones a los mismos. ODS (Operational Data Store) Como su nombre indica, este area es la que va a dar soporte a los sistemas operacionales. El modelo de datos del Almacén de Datos Operacional sigue una estructura relacional y normalizada, para que cualquier herramienta de reporting o sistema operacional pueda consultar sus datos.
Almacén de Datos Corporativo El Almacén de Datos Corporativo sí que contiene datos históricos, y está orientado a la explotación analítica de la información que recoge. Las herramientas DSS o de reporting analítico atacarán principalmente a los Data marts, pero también se pueden realizar consultas directamente contra el Almacén de Datos Corporativo, sobretodo cuando sea necesario mostrar a la vez información que se encuentre en diferentes Datamarts. Data marts Éstos se obtienen a partir de la información recopilada en el área del Almacén Corporativo. Cada Data Mart es como un subconjunto de este almacén, pero orientado a un tema de análisis, normalmente asociado a un departamento de la empresa.
CUBOS OLAP (HIPERCUBOS) TIENEN N DIMENSIONES Y N MÉTRICAS Ver: tabla-dinamica-tipo-cubo-olap
UN cubo OLAP (OnLine Analytical Processing es una base de datos multidimensional, en la cual el almacenamiento físico de los datos se realiza en vector multidimensional. Los cubos OLAP se pueden considerar como una ampliación de las dos dimensiones de una hoja de cálculo. Cubo OLAP de 3 dimensiones (productos ciudades y tiempo)
Se conoce como Data Mining o Minería de Datos al proceso no trivial de análisis de grandes cantidades de datos con el objetivo de extraer información útil, por ejemplo para realizar clasificaciones o predicciones, obtener conclusiones y tomar decisiones estratégicas. Elementos que conducen al resultado esperado: Sistemas Operacionales
Procesos de Integración
Datos Operacionales
Procesos de clasificación
Data warehouse
Procesos de consolidación Herram. BI
Data Marts
KPI
Sistemas Operacionales: Sistemas concebidos para mejorara la eficiencia Datos Operacionales: Conjunto de archivos de datos que generan los procesos operacionales Procesos de Integración: Generan un Almacén de Datos que yace en una plataforma común.
En definitiva, una solución BI completa permite: Observar ¿qué está ocurriendo? Comprender ¿por qué ocurre? Predecir ¿qué ocurriría? Colaborar ¿qué debería hacer el equipo? Decidir ¿qué camino se debe seguir
REDUCCION DE COSTOS
PRONOSTICO ACERTADOS
CONOCE MEJOR A SUS CLIENTES
Cómo funciona el concepto de BI o modelo conceptual del BI?
3. Explotación de la Información
1. Integración de Datos
Datos Externos.
Datos Operativos Sistemas ERP, CRM Supply Chain
Metodología .
Extracción Transformación y Carga .
Calidad de Datos
Datos de Sistemas legados.
2. Consolidación de Datos
Análisis de Ventas e Inventarios Reportes
ODS/DW
Administración de Metadatos.
DM
Data Mart de Ventas.
DM
Data Mart Financiero.
ODS / Data Warehouse con Modelo de Datos Consultoría y Entrenamiento
Datos de Web site
Tableros de Control Análisis de Marketing Data Mining Pronósticos
En la fase del diseño conceptual existen varios momentos en el desarrollo de una plataforma de Inteligencia de negocio como:
1. Construcción del datawarehouse y datamarts : se construye el almacén de datos y después se alimenta con todos los datos históricos que se encuentran en los otros sistemas.
2. Implantación de herramientas de soporte a la alta dirección: se hace un análisis estratégico de la entidad identificando misión, objetivos estratégicos, factores de seguimiento, indicadores clave de gestión o KPIs.
3. Consultas y Reportes: Son herramientas para la elaboración de informes y listados, tanto en detalle como sobre información agregada, a partir de la información de los datawarehouses y datamarts. 4. Cuadro de mando analítico (EIS tradicionales): Es elaborado a partir de datamarts, informes, resúmenes e indicadores clave para la gestión (KPI, Key Performance Indicators), que permitan a los gestores de la empresa analizar los resultados de la misma de forma rápida y eficaz. En la práctica es una herramienta de consulta orientada a la obtención y presentación de indicadores para la dirección (frente a la obtención de informes y listados).
5. Cuadro de mando integral o estratégico (Balanced Scorecard): Este modelo parte de que la estrategia de la empresa es el punto de referencia para todo proceso de gestión interno. Con él los diferentes niveles de dirección y gestión de la organización disponen de una visión de la estrategia de la empresa traducida en un conjunto de objetivos, iniciativas de actuación e indicadores de evolución. Los objetivos estratégicos se asocian mediante relaciones causa-efecto y se organizan en cuatro áreas o perspectivas: financiera, cliente, procesos y formación o desarrollo. El cuadro de mando integral es una herramienta que permite alinear los objetivos de las diferentes áreas o unidades con la estrategia de la empresa y seguir su evolución.
5. OLAP (on-line analytical processing). Herramientas que manejan interrogaciones complejas de bases de datos relacionales, proporcionando un acceso multidimensional a los datos, capacidades intensivas de cálculo y técnicas de indexación especializadas. Permiten a los usuarios analizar sus datos planteando consultas sobre diferentes atributos o ejes. Utilizan un servidor intermedio para almacenar los datos multidimensionales pre-calculados de forma que la exploración sea rápida.
6. Datamining (Minería de datos). Son auténticas herramientas de extracción de conocimiento útil, a partir de la información contenida en las bases de datos de cualquier empresa. El objetivo que se persigue es descubrir patrones ocultos, tendencias y correlaciones, y presentar esta información de forma sencilla y accesible a los usuarios finales, para solucionar, prever y simular problemas del negocio. El datamining incorpora la utilización de tecnologías basadas en redes neuronales, árboles de decisión, reglas de inducción, análisis de series temporales y visualización de datos.
Entendiendo la Relación entre OLAP y Minería de los Datos OLAP y minería de datos son las tecnologías analíticas importantes, La familia de OLAP , está bueno en agregar una cantidad grande de datos de la transacción basado en las definiciones de la dimensión. Lo siguiente es algunas preguntas típicas contestado por OLAP:
Las ventas totales, son la suma de productos de la bebida en los tres meses en la región Noroeste Los 10 productos mas vendidos en todas las tiendas en el mes pasado. Cuales son los 10 productos mas comprados ya sea por los Hombre y la Mujeres La minería de datos es bueno para encontrar los modelos ocultos
Considerando que la mayoría de las técnicas de OLAP viene de la familia de la base de datos, la minería de los datos, las técnicas vienen de tres campos: las estadísticas, el aprendizaje de la máquina, y tecnología de la base de datos.
Uno de los procesos fundamentales de minería de datos es analizar las correlaciones entre los atributos y sus valores.
La vista correlativa de un OLAP el modelo minero
EJEMPLO:
Un
monitor Empresarial vía Intranet / Internet
indicadores de la empresa
donde se analizan los principales
Ventas Logística y Distribución Marketing CRM Analityc Manufactura Finanzas Supply Chain
•
•
•
•
•
•
•
Health Care Police and law enforcement Gobierno Telco Call Centers Oil and IT Industria Eléctrica
•
•
•
•
•
•
•
