Inteligencia de Negocios
Juan Manuel Herrera Pastor
Consultor en Inteligencia de Negocios
MCP, MCSD, MCAD, MCSD .NET, MCDBA
Microsoft Perú
Qué es la Inteligencia de Negocios?
Llamamos Inteligencia Empresarial o Inteligencia de Negocios (Business Intelligence, BI) al
conjunto de estrategias y herramientas enfocadas a la
administración y creación de conocimiento mediante el análisis de datos en
una organización o empresa.
Finalidad de la Inteligencia de Negocios
Brindar a los empleados de una
organización la información correcta
en el momento y formato
adecuado para la toma de
decisiones y cumplimiento de los objetivos
empresariales.
Características de la Inteligencia de Negocios
Accesibilidad a la información.
Apoyo a la toma de decisiones.
Orientación al usuario final.
Inteligencia de Negocios e Ingeniería de
Sistemas
DATA
WAREHOUSE
Características de un 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
Componentes de un Data Warehouse
Data
Presentación
Fuente Warehouse
Data Marts
de Datos Area de
Estacionamiento
Entrada de Datos
Acceso a Datos
Creación de un Data Warehouse
Source Integration Storage Analysis Presentation
Data Data Extraction Dimension OLAP Host
Source Data Quality Modeling Data Mining Format
Data Transformation Data Partitions Presentation
Data Loading
Data Staging
Meta data, Security, Performance and Operations
Fuente: Business Intelligence Architecture and
Design Guides
Fuente de Datos
Ambientes diferentes con Sistemas diferentes, incluyendo
plataformas diferentes y Sistemas operativos diferentes. Ambientes Diferentes
Sistemas de Base de Datos Diferentes.
Esquemas, formatos de datos y convenciones de nombrado
diferentes. Sistemas Diferentes
Fuentes de Datos dispersas geográficamente
Propietarios de los datos.
Base de Datos Diferentes
Impacto sobre el Sistema Fuente.
Volatilidad de los datos.
Volumen de los datos. Versiones de Base de Datos
Diferentes
Esquemas Diferentes
Integración
Estudio de los datos: análisis de las columnas, análisis de las dependencias y análisis de la
redundancia. Permitirá identificar:
Datos fuera de los límites.
Violaciones a las dependencias.
Datos redundantes.
Datos huérfanos.
Extracción de los datos:
En qué formatos se encuentran los datos?
Cuál será la frecuencia con la que se extraerán los datos?
En qué orden se cargarán los datos?
Cómo se minimizará el tiempo requerido para cargar los datos?
Estacionamiento de los datos
Almacén de datos temporal
Evitar sobrecarga en las fuentes de datos
Integración
Transformación de los datos
Ordenar
Dividir
Juntar
Buscar y Anexar
Agregar resúmenes
Limpieza de los datos
Ausencia de valores
Valores inconsistentes
Valores duplicados
Violaciones a las reglas del negocio
Reuso de la clave primaria
Carga de los datos
Datos actuales e históricos
Almacenamiento de Datos
Modelado de Dimensiones
Modelo en Estrellas o Modelo Cono de Nieve
Seleccionar las métricas relevantes para el negocio.
Seleccionar el nivel de granularidad apropiado.
Particiones
Dividir tablas e índices en múltiples segmentos. MOLAP
35% agg
Mejora el desempeño de la solución.
Índices
Patrones de Uso. MOLAP
Tipos de Columnas 10% agg
Necesidades de Almacenamiento.
Análisis de Datos
OLAP
Análisis de las métricas del negocio.
Datos almacenados y pre-procesados a nivel de cubos.
Datos resumidos rápidamente.
Minería de Datos
Basados en algoritmos complejos.
Permiten hacer predicciones.
Presentación de Datos
Fácil de Navegar
Manera simple de ir al detalle estando en el resumen.
Manera simple de ir al resumen estando en el detalle.
Cambio rápido de Dimensiones.
Uso de “Arrastrar y soltar”
Formato
Grafico, tabla, reporte, tablero de comando, indicador de
performance (KPI)
Cliente
PCs, Table PCs, Pocket PC, etc
Web o Windows.
Productos Microsoft BI
Share Point Portal
Server
Excel Map Point
Services
Microsoft Project Performance
Point
Commerce Server
Microsoft SQL Server 2005
Integration Analysis Reporting
Integration Services Analysis Services Reporting Services
SQL Server 2005 RDBMS
Cubo: Modelo Dim_Empleado
en Estrella
ID_Empleado
Nombre_Empleado
...
Tabla de Dimensión
Dim_Tiempo Tabla de Hechos Dim_Producto
ID_Tiempo Ventas ID_Producto
Fecha ID_Tiempo Nombre_Producto
... ID_Empleado ...
ID_Producto
ID_Cliente
ID_Proveedor
Monto Venta
Unidades Vendidas...
Dim_Proveedor Dim_Cliente
ID_Proveedor ID_Cliente
Nombre_Proveedor Nombre_Cliente
... ...
Cubo: Modelo Cono de Nieve
Dimensión, Nivel y Miembros
Tabla de Hechos
Tablas de
Dimensiones Tabla de Ventas
Dim_Cliente
201 ALFI Alfreds Claves Foráneas Medidas
ID_Cliente ID_ProductoID_Tiempo
Numero Ventas
Monto Venta
Dim_Producto
25 123 Chai 201 25 134 400 10,789
Dim_Tiempo
134 1/1/2000
La granularidad se encuentra definida por el mas bajo
nivel de detalle almacenado en cada dimensión.
Representación de un Cubo
Ventas
Dimensión de Mercados
Atlanta
Chicago
Denver
Naranjas
Platanos
tos
Dallas Melones
uc
od
Manzanas
Pr
de
T1 T2 T3 T4
ión
Dimensión de Tiempo
ns
me
Di
Finalidad de los Cubos
Analysis Server
Finanzas
Ganancias
Operaciones
Por División Volumen
Por País Por Planta
Por Mes Por Turno
Por Actual/Presupuesto Ventas Marketing Por Producto
Ventas Ventas Por Dia
Por Producto Por Cliente
Por Region Por Industria
Por Rep. Ventas Por Canal
Por Trimestre Por Semana
DEMO
GRACIAS..!!!