Implementación de inteligencia de negocios para el...

1

FACULTAD DE INGENIERÍA

Ingeniería Empresarial y de Sistemas

IMPLEMENTACIÓN DE INTELIGENCIA DE

NEGOCIOS PARA EL ÁREA COMERCIAL DE LA

EMPRESA AZALEIA - BASADO EN METODOLOGÍA

ÁGIL SCRUM

Tesis para optar el Título Profesional de Ingeniero

Empresarial y de Sistemas

JUBITZA LISBETH SALAZAR TATAJE

Asesor:

Aures García, Álvaro Antonio

Lima – Perú

2017

2

DEDICATORIA

A Dios, por permitirme llegar a este momento tan importante en mi carrera profesional. A la

vida que a pesar de todos los momentos difíciles me ha enseñado que con esfuerzo,

dedicación y fe, se puede conseguir los objetivos trazados. A mis padres que con su

inmenso amor incondicional me han apoyado en cada etapa de mi vida y en especial a mi

abuela Mela Povis Matos, quien es y será el gran pilar de mi vida, que desde el cielo sigue

mis triunfos y es el ángel que siempre me acompaña.

3

AGRADECIMIENTO

Agradezco a mi asesor de tesis el Ing. Alvaro Aures, por haber invertido tiempo y

dedicación durante todo el proceso y desarrollo de la tesis.

Sus conocimientos y orientaciones basados en la experiencia, inculcando el sentido de la

seriedad, el compromiso, y responsabilidad que un profesional debe de tener.

Más que un asesor, es un amigo que ha sido capaz de ganarse mi confianza y admiración

a nivel profesional y como persona.

4

ÍNDICE

ÍNDICE DE TABLAS ............................................................................................... 7

Resumen ................................................................................................................. 8

Abstract .................................................................................................................. 9

Capítulo 1: Introducción ...................................................................................... 10

1.1. Problema de Investigación ........................................................................... 10

1.1.1. Planteamiento del problema. ............................................................... 10

1.2. Formulación del problema ............................................................................ 12

1.2.1. Justificación de la investigación ........................................................... 12

1.3. Marco referencial .......................................................................................... 14

1.3.1. Antecedentes ....................................................................................... 14

1.3.2. Marco teórico ....................................................................................... 17

1.3.2.1. Plataforma de Inteligencia de Negocios ............................... 17

1.3.2.2. Beneficios ............................................................................ 20

1.3.2.3. Componentes de la inteligencia de negocio ......................... 21

1.3.2.4. Repositorio de información................................................... 23

1.3.2.5. Metodología de Inteligencia de Negocios ............................. 24

1.3.2.5.1. Metodología Ralph Kimball .................................................. 25

1.3.2.5.2. Metodología Bill Inmon ......................................................... 26

1.3.2.5.3. Metodología Hefestos .......................................................... 27

1.3.2.5.4. Metodología Ágil .................................................................. 27

1.3.2.5.5. Scrum .................................................................................. 28

1.3.2.6. Repositorio Data Mart .......................................................... 30

1.3.2.7. Crecimiento de los Data Marts ............................................. 31

1.3.2.8. Data Marts Virtuales y Meta Vistas ...................................... 33

1.3.2.9. Administración de los Data Marts ......................................... 34

1.3.2.10. Paquetes Data Marts ........................................................... 35

1.3.2.11. Cubo Olap de estructura dimensional .................................. 36

1.3.2.12. Tableros de control .............................................................. 39

1.3.2.13. Software de explotación de información ............................... 40

1.3.2.14. Extracción, transformación y carga (ETL) ............................ 41

1.4. Objetivo e Hipótesis ...................................................................................... 42

1.4.1. Objetivo general ................................................................................... 42

1.4.2. Objetivos específicos ........................................................................... 42

1.4.3. Operacionalización de las variables e hipótesis ................................... 43

1.4.3.1. Hipótesis general ................................................................. 43

1.4.3.2. Hipótesis secundarias .......................................................... 43

1.4.3.3. Variables .............................................................................. 44

1.5.1. Alcance ................................................................................................ 45

1.5.2. Limitaciones ......................................................................................... 46

1.6. Breve resumen de las fases ......................................................................... 46

Capítulo 2: Marco Contextual .............................................................................. 47

2.1. Descripción de la Empresa ........................................................................... 47

2.2. Presentación del área funcional ................................................................... 51

2.3. Cadena de Valor ............................................................................................ 51

2.4. Cadena de Valor – Macro Procesos Misionales .......................................... 52

2.5. Procesos de venta e importaciones Nivel 0 ................................................ 53

5

Capítulo 3: Marco Metodológico ......................................................................... 55

3.1. Modelo de negocio ........................................................................................ 55

3.3. Metodología de desarrollo ............................................................................ 55

3.3.1. EDT Implementación de Inteligencia de Negocios ............................... 56

3.3.2. Tablero Kanban ................................................................................... 57

3.4. Dimensionamiento del Proyecto .................................................................. 57

3.5. Roles y responsabilidades ........................................................................... 57

3.6. Sprint Backlog ............................................................................................... 58

3.7. Desarrollo Sprint I ......................................................................................... 60

3.7.1. Entregables .......................................................................................... 60

3.7.2. Diseño de Arquitectura Azaleia ............................................................ 60

3.7.3. Indicadores de gestión ......................................................................... 61

3.7.4. Historias de Usuarios ........................................................................... 66

3.7.5. Diseño de Prototipos ............................................................................ 68

3.7.5.1. Tablero Gerencial ................................................................ 68

3.7.5.2. Ventas por Mayor ................................................................. 69

3.7.5.3. Ventas por Tienda ................................................................ 70

3.7.5.4. Ventas por Catálogo ............................................................ 71

3.8. Desarrollo Sprint II ........................................................................................ 72

3.8.1. Entregables .......................................................................................... 72

3.8.1.2. Modelo Dimensional ............................................................ 73

3.8.1.3. Diseño físico de la base de datos ........................................ 73

3.8.1.4. Diseño físico de la base de datos intermedia ....................... 74

3.8.1.5. Diseño de la arquitectura técnica ......................................... 74

3.8.1.6. Selección e instalación de productos ................................... 74

3.8.1.7. Especificación de la aplicación de usuarios ......................... 75

3.8.1.8. Implementación .................................................................... 75

3.8.1.9. Diseño de Extracción Transformación y Limpieza (ETL) ...... 75

3.8.1.10. Tablas identificadas ............................................................. 77

3.8.1.11. Tabla de extracción – Esquema SSIS .................................. 79

3.8.1.12. Modelo entidad relación / Diagrama E-R .............................. 79

3.9. Desarrollo Sprint III ....................................................................................... 81

3.9.1. Entregables .......................................................................................... 81

3.9.2. Implementación de interfaz de usuario ................................................. 81

3.9.2.1. Pruebas integrales ............................................................... 87

3.9.2.2. Carga de Datos .................................................................... 87

3.9.2.3. Afinamiento de rendimiento.................................................. 87

3.9.2.4. Estabilización y pase a producción ...................................... 87

3.9.2.5. Criterios de aceptación ........................................................ 88

3.10. Pruebas y resultados ............................................................................. 90

3.10.1 Contrastación de Hipótesis ................................................................... 90

3.11. Retorno de Inversión ............................................................................. 92

Conclusiones ....................................................................................................... 93

Recomendaciones ............................................................................................... 94

Referencias Bibliografía ...................................................................................... 95

Anexos .................................................................................................................. 98

6

INDICE DE FIGURAS

FIGURA 1 USO DE HERRAMIENTAS BI ....................................................................................11

FIGURA 2 NIVELES DE ANÁLISIS DE INTELIGENCIA DE NEGOCIO ................................................18

FIGURA 3. MODELO INTEGRAL SOLUCIÓN BI ..........................................................................22

FIGURA 4. COMPONENTES DE LA INTELIGENCIA DE NEGOCIO ..................................................23

FIGURA 5. ESQUEMA TRANSACCIONAL ERP ..........................................................................23

FIGURA 6. THE KIMBALL DATA LIFECYCLE .............................................................................26

FIGURA 7. THE INMON WAREHOUSE ......................................................................................26

FIGURA 8. FASES DE LA METODOLOGÍA HEFESTO...................................................................27

FIGURA 9. SCRUM FRAMEWORK ...........................................................................................29

FIGURA 10. INTEGRACIÓN DE DATA MARTS ...........................................................................34

FIGURA 11. DATA WAREHOUSE CENTRALIZADO .....................................................................35

FIGURA 12. ESQUEMA OLAP ................................................................................................36

FIGURA 13. ESQUEMA M-OLAP............................................................................................37

FIGURA 14. ESQUEMA R-OLAP ............................................................................................38

FIGURA 15. ESQUEMA H-OLAP ............................................................................................38

FIGURA 16. CUADRO DE MANDO MICROSTRATEGY ................................................................40

FIGURA 17. CUADRANTE GARTNER 2015 ..............................................................................41

FIGURA 18. PROCESO ETL ...................................................................................................42

FIGURA 19. ORGANIGRAMA AZALEIA PERÚ ............................................................................51

FIGURA 20. CADENA DE VALOR AZALEIA PERÚ.......................................................................52

FIGURA 21. MACRO PROCESOS MISIONALES .........................................................................53

FIGURA 22. PEDIDO VENTA AZALEIA ......................................................................................53

FIGURA 23. PEDIDO BRASIL ..................................................................................................54

FIGURA 24. PEDIDO ASIA .....................................................................................................54

FIGURA 25. TABLERO KANBAN ..............................................................................................57

FIGURA 26. ARQUITECTURA AZALEIA PERÚ ...........................................................................61

FIGURA 27. PROTOTIPO TABLERO GERENCIAL ........................................................................69

FIGURA 28. PROTOTIPO VENTA POR MAYOR ..........................................................................70

FIGURA 29. PROTOTIPO VENTA POR TIENDA ..........................................................................71

FIGURA 30. PROTOTIPO VENTA POR CATALOGO .....................................................................72

FIGURA 31. MODELO DIMENSIONAL DATA MART .....................................................................80

FIGURA 32. MODELO DIMENSIONAL QLIKVIEW ........................................................................80

FIGURA 33. TABLERO GERENCIAL .........................................................................................82

FIGURA 34. TABLERO CANAL DE VENTAS POR TIENDA .............................................................83

FIGURA 35. TABLERO CANAL DE VENTAS POR TIENDA .............................................................84

FIGURA 36. TABLERO VENTAS POR MAYOR ............................................................................85

FIGURA 37. TABLERO DE VENTAS POR CATALOGO ..................................................................86

FIGURA 38. EVALUACIÓN CALIDAD DE INFORMACIÓN ..............................................................90

FIGURA 39. EVALUACIÓN EFICIENCIA Y EFECTIVIDAD ..............................................................90

FIGURA 40. EVALUACIÓN AUMENTO DE PRODUCTIVIDAD DE VENTAS .......................................91

FIGURA 41. CRECIMIENTO DE VENTAS ANUAL ........................................................................91

FIGURA 42. CRECIMIENTO DE PUNTOS DE VENTA ...................................................................91

7

ÍNDICE DE TABLAS

TABLA 1. ACCIONES E INDICADORES SEGÚN METODOLOGÍA ....................................................20

TABLA 2. OPERALIZACIÓN DE VARIABLES ...............................................................................43

TABLA 3.INDICADORES DE LAS VARIABLES INDEPENDIENTES ...................................................44

TABLA 4. INDICADORES DE LAS VARIABLES DEPENDIENTES .....................................................45

TABLA 5. VENTAS ANUAL AZALEIA PERÚ ................................................................................49

TABLA 6. SPRINT BACKLOG ..................................................................................................59

TABLA 7. INDICADOR TOTAL DE VENTAS NETAS ......................................................................62

TABLA 8.INDICADOR COSTO PROMEDIO .................................................................................63

TABLA 9. INDICADOR DESCUENTO .........................................................................................64

TABLA 10. INDICADOR ÍNDICE DE ROTACIÓN ...........................................................................64

TABLA 11. INDICADOR METAS POR COBRANZA .......................................................................65

TABLA 12. CONTROL DE ACCESO A USUARIOS .......................................................................66

TABLA 13. DIMENSIONES DEL TIEMPO Y LUGAR ......................................................................66

TABLA 14. VISUALIZACIÓN DE ANÁLISIS DE LAS VENTAS ..........................................................67

TABLA 15. INDICADORES DE VENTAS .....................................................................................67

TABLA 16. VISUALIZACIÓN POR CATEGORÍAS .........................................................................68

TABLA 17. FUENTE DE DATOS TRANSACCIONALES_AZALEIA ....................................................78

TABLA 18.DIMENSIONES Y MÉTRICAS ....................................................................................79

8

Resumen

El principal objetivo de este trabajo, ha sido la implementación de un Datamart enfocado

para el área comercial – Ventas de la empresa Azaleia del Perú, que permita apoyar la

toma de decisiones y crecimiento de ventas en el mercado bajo los lineamientos

estratégicos de la empresa.

La implementación parte desde el análisis realizado al proceso del área de ventas de la

empresa Azaleia del Perú, dónde se pudo evidenciar varios puntos importantes de los

cuales resaltan tres. Como primer punto, el manejo de diferentes sistemas que contienen

información del área, genera para el usuario carga operativa en la obtención y

consolidación de esta. Como segundo punto, se encuentra la dependencia generada con el

área de sistemas, debido al mantenimiento que realizan en la estructura de la base de

datos para poder obtener la información solicitada por los diferentes usuarios generando

un cuello de botella lo cual impacta en tiempo de respuesta en las ventas. Y como tercer

punto, la integridad en la información como soporte a la toma de decisiones de la gerencia

general.

Como resultado de la investigación se tendrá el diagnóstico y solución a implementar en la

empresa Azaleia del Perú, la cual se enfoca en dos puntos relevantes: mejora en la

obtención de la información por parte de los usuarios, reduciendo la carga operativa y

dependencia al área de tecnología de información y un mejor monitoreo de los indicadores,

que permita a la gerencia general identificar patrones en el comportamiento de las ventas,

permitiendo obtener respuestas más acertadas basado en la demanda del mercado, para

la toma de decisiones.

Palabras clave: inteligencia de negocios, metodología ágil, data marts, scrum, olap,

dashboard.

9

Abstract

The main objective of this work has been the implementation of a Datamart focused to the

commercial area of the company Azaleia of Peru, which allows support decision making

and sales growth in the market under the strategic guidelines of the company.

The implementation part from the analysis process the business area of the company

Azaleia of Peru, where it was evident several important points, which stand 3. As a first

point, handling different information systems containing commercial area generated for the

user an operational burden in obtaining and consolidating this. As according point is, the

dependence generated by the systems area due to maintenance performed on the

structure of the database to obtain the information requested by different users creating a

bottleneck, which affects the time response to decision making in sales. Moreover, the third

point, the integrity of the information to support the decision of the general management.

Because of research the diagnosis and solution to be implemented in the company Azaleia

of Peru, which focuses on two important points, shall be improvement in obtaining

information from users, reducing dependence on technology area information and improved

decision -making, allowing the general management have more right answers depending

on market demand.

Key words: Business Intelligence, agile methodology, data marts, scrum, olap, dashboard.

10

Capítulo 1: Introducción

1.1. Problema de Investigación

1.1.1. Planteamiento del problema.

Según Ponjuán Dante, Gloria. Gestión de la información en las organizaciones:

Principios, conceptos y aplicaciones. (1998). Se evidencia que algunas

organizaciones carecen de conocimiento y tecnológicas que ayuden a absorber la

superabundancia de información contenida en la ingente cantidad de datos 1que

disponen y que son generadoras de conocimiento para la toma de decisiones.

Según Peña (2006). En la actualidad las organizaciones tienen la posibilidad de

recopilar y almacenar grandes volúmenes de información con datos operativos y de

clientes, el reto es como emplearla para que la información fluya en el momento

preciso, a cada uno de los niveles que constituyen la organización, ampliando la

visión estratégica, reduciendo los riesgos e incertidumbre y dando un mejor soporte

en el proceso para la toma de decisiones.

En ese sentido, Peña (2003) señala que la inteligencia de negocios es más que una

actitud empresarial o una tecnología, es un marco de referencia para la gestión del

rendimiento empresarial que ayuda a los gerentes a tomar mejores decisiones en los

niveles estratégicos y operativos.

Según la Consultora Gartner2 (2014), más del 60% de los compradores de

herramientas de inteligencia de negocios no son necesariamente profesionales del

área de sistemas, sin embargo buscan herramientas que les permita obtener y

1 Representación simbólica de un atributo o variable cuantitativa

2 Empresa consultora y de investigación de las tecnologías de información

11

visualizar mejor la información siendo lo más solicitado los tableros de control 3para el

análisis (véase Gráfico N° 01)

Figura 1 Uso de herramientas BI

Fuente: Adaptado de Gartnet, 2014.

La empresa Azaleia Perú, cuenta con más de 20 años en el mercado

comercializando calzados, sin embargo presenta sistemas poco integrados que son

manejados por aplicaciones independientes las cuales están alimentadas por

diferentes fuentes de información, no permitiendo tener la capacidad para monitorear,

entender y administrar de manera eficiente el comportamiento de los sus indicadores

de ventas, limitando a la empresa a tomar decisiones importantes sin tener todos los

elementos imprescindibles a la mano.

Además existe una carencia en la optimización para el análisis de la información y

la toma de decisiones de manera proactiva debido a la falta en la centralización de los

datos que permitan a los usuarios obtener información de forma fluida sin necesidad

de invertir mucho tiempo en la elaboración de estos.

3 Herramienta de diagnóstico y control permanente de indicadores

12

La poca visibilidad, la carencia de análisis y la falta de gestión en la información del

área de ventas, convierte a la empresa Azaleia Perú, en un tomador de decisiones

reactivo y no proactivo, debido a que no lleva un control de los problemas que

normalmente aborda el área comercial como: posibilidad de segmentar correctamente

a los clientes, saber por qué los clientes dejan de comprar, saber que marca es la más

vendida, cuales son los clientes más rentables y pérdida de oportunidades por falta de

control.

1.2. Formulación del problema

¿Cuál es el efecto que se obtendrá con la implementación de una plataforma de

inteligencia de negocios para el área de ventas de la empresa Azaleia Perú que se

encuentra focalizada en el crecimiento de sus puntos de venta y que maneja grandes

volúmenes de información?

1.2.1. Justificación de la investigación

El comportamiento de las importaciones de calzados en el Perú para el año 2014

y 2015 representó una variación de crecimiento de 73% en el caso de China y 7% para

Brasil. Posicionándose estos dos países como líderes en el sector de calzados

peruano.

La tecnología en el mercado Peruano, viene creciendo constantemente en las

empresas, las cuales usan de soporte para los objetivos estratégicos, destinando parte

del presupuesto anual, en inversión de herramientas que apoyen en el negocio a la

toma de decisiones.

El mercado de calzados en el Perú se caracteriza por ser bastante competitivo,

debido a la incursión de varias marcas tanto nacionales como internacionales, razón

13

por la cual se han visto en la necesidad de administrar de manera eficiente la

información, a efecto de mantener su posicionamiento en el mercado con estrategias y

tecnologías que sirvan de apoyo para obtener mayores beneficios económicos.

La empresa Azaleia Perú, en los últimos 3 años se ha expandido de manera

agresiva en el mercado Peruano, posicionándose como una de las marcas líderes de

calzados, teniendo un crecimiento del 10% anual a través de sus tiendas propias,

ventas por catálogo, ventas por internet y su canal de mayorista. Este último es el que

concentra la mayor parte de los ingresos (50%) de la empresa, Azaleia Perú. (2014).

Reporte de crecimiento por canal.

Tomando en consideración las premisas expuestas, la presente investigación se

focaliza en la implementación de una plataforma de inteligencia de negocios para el

área comercial, con alcance en las ventas de la empresa Azaleia Perú, que le permita

apoyar en la toma de decisiones de manera proactiva, para que se mantenga

competitivamente en el mercado.

Se pretende mediante la implementación, brindar al usuario una plataforma que

tenga acceso a un solo repositorio de datos centralizado y tableros de control con el fin

de optimizar, analizar, compartir y monitorear la información en línea y a nivel de

detalle, identificando de manera proactiva el comportamiento de las ventas mediante

visualizaciones gráficas que sean de apoyo en las funciones operativas para

anticiparse ante cambios y sucesos producidos por la demanda del mercado.

14

1.3. Marco referencial

1.3.1. Antecedentes

La inteligencia de negocios data desde los años 60, en donde se establecieron los

primeros sistemas de información.

En la década de los 70 aparecieron las primeras bases de datos 4como las primeras

aplicaciones empresariales. Estas estaban enfocadas en la introducción de los datos

para un mayor control de estos.

Hoy en día las empresas han visto la necesidad de implementar la inteligencia de

negocios a nivel corporativo o por áreas funcionales con el fin de mejorar el análisis de

la información para obtener ventajas competitivas en el mercado y anticiparse ante los

cambios de la demanda, teniendo un mejor control y seguimiento de los indicadores y

haciendo de estos la mejor arma para identificar anomalías en el negocio.

En base a estas premisas se viene realizando investigaciones en torno a la

inteligencia de negocios tal es el caso de:

Rafael Matamoros Zapata. (2010). En la Investigación titulada. “Implantación en

una empresa de un sistema Business Intelligence SaaS / On Demand a través de la

plataforma LITEBI5”, caracterizó técnicas de una adecuada gestión de soporte y

análisis de datos a una determinada empresa. Para alcanzar tales fines, propuso

realizar el análisis, diseño e implementación de una solución de BI sobre la plataforma

Business Intelligence SaaS6 / On Demand LITEBI. Asimismo, dicho estudio realizó el

análisis de las diferentes técnicas, herramientas y conceptos sobre el Business

4 Conjunto de datos pertenecientes a un mismo contexto almacenados sistemáticamente para su

posterior uso. 5 Empresa española dedicada a desarrollo y distribución de plataformas de inteligencia de negocio.

6 Software como servicio

15

Intelligence para su posterior aplicación en el planteamiento y diseño de una solución

tecnológica.

La investigación hace denotar que el autor realizó un estudio de la plataforma de

Business Intelligence SaaS / On Demand Litebi a partir de la realización de otros

pequeños proyectos, ya que no existía en su día documentación asociada a la

plataforma ni manual de usuario, al tratarse de una aplicación en desarrollo constante

y con poco tiempo en el mercado. Debido a esto, se planteó estudiar la aplicación de

forma práctica y adjuntar en este proyecto la documentación pertinente con sus

principales características. También hizo un desarrollo de una solución de Business

Intelligence destinada a cubrir las necesidades demandadas por el cliente,

implementando, a partir de una arquitectura previamente diseñada, los procesos,

extracción, transformación y limpieza que alimenten de forma actualizada la

información contenida en el Data Warehouse7, así como el diseño de una capa de

metadatos8 capaz de albergar las estructuras que permitan la comunicación entre el

usuario y la información necesaria con el fin de poder analizarla de forma rápida y

sencilla.

Como resultado de la investigación, la implantación de la solución se hizo efectiva

cubriendo todas las necesidades de información demandadas por el cliente tales

como: mantener actualizada la información a diario de la empresa y la presentación de

sus resultados. En este último punto, el autor procedió analizar aquellos informes que

la empresa estaba realizando anteriormente a la implantación de la solución de

Business Intelligence BI, encontrando brechas de información en los indicadores de

gestión de la empresa.

7 Almacén de datos organizacional, integrado, no volátil y variable en el tiempo de apoyo a la toma

de decisiones 8 Datos que describen otros datos

16

Como conclusión, se determinó que gracias a esta solución se eliminó

completamente la dependencia de los anteriores sistemas heterogéneos de reporte,

integrando toda la información de los análisis de los laboratorios de la organización en

un único lugar de una manera rápida, sencilla y fiable. Además cabe destacar en la

investigación la escalabilidad de la solución, que permitirá en un futuro de una forma

sencilla, desplegar el uso del sistema a otros departamentos, si se diera el caso, así

como a otras áreas de la empresa (finanzas, producción, administración, etc.).

Otro de los estudios que podemos mencionar es de Jonathan Narvaez y Otros

(2013) titulado “Business intelligence solution for managing educational resources and

physical spaces in Magdalena University”, la cual caracteriza una solución de

inteligencia de negocios para la gestión de recursos educativos y espacios físicos en la

Universidad del Magdalena de Colombia. Con esta solución se pueden obtener

informes históricos y actuales de los procesos, gestionar el rendimiento, tomar

decisiones de compra, prever la ocupación y mejorar la disponibilidad de los recursos,

etc. Para el desarrollo e implementación de la solución, se usó la plataforma Business

Intelligence, de Microsoft SQL Server 92008 R2.

Para ello y en procura de aumentar el rendimiento de las consultas, facilitar el auto

suministro de datos y permitir monitorear el rendimiento de los procesos en base a

indicadores, la solución de inteligencia de negocios desarrollada por Narvaez & Otros,

incluye los Cubos OLAP10 e Indicadores de Rendimiento.

Como resultado de la investigación, se determinó que los avances en tecnologías

de información y la reducción de sus costos, hacen posible que las soluciones de

inteligencia de negocios, que solían ser exclusividad de las grandes compañías, sean

9 Sistema de manejo de base de datos

10 On-Line Analytical Processing

17

utilizadas por pequeñas empresas. No obstante a la creciente crítica de las soluciones

de Inteligencia de negocios Stand – Alone dentro de la comunidad de académicos, ha

permitido que este tipo de solución se oriente también a unidades funcionales

específicos dentro de una organización a efectos de disponer sus beneficios

inmediatos, sin esperar una inversión empresarial que pueda nunca llegar.

1.3.2. Marco teórico

1.3.2.1. Plataforma de Inteligencia de Negocios

La mayor parte de las empresas existentes generan, almacenan y

modifican una enorme cantidad de datos de cualquier actividad que se registre en la

empresa a través de aplicaciones de gestión de datos, cada vez más complicadas de

utilizar y más obsoletas. A causa de esta necesidad, sobre los años 80 comenzaron

aparecer sistemas que ofrecían soluciones de apoyo para la toma de decisiones que

actualmente se conoce como el término Business Intelligence, acuñado por Howard

Dresner del grupo Gartner en 1989. Este término pretende ser la base para reunir todo

tipo de tecnologías capaces de extraer los datos corporativos almacenados por los

diferentes sistemas de gestión y tratarlos de manera que, al presentarlos a cualquier

persona o usuario, pueda obtener un conocimiento intelectual para así llevar a cabo

las tareas necesarias de la consecución exitosa de las metas propuestas en su

negocio.

El enfoque metodológico de Business Intelligence es también conocido

como modelo de inteligencia de negocio, el cual tiene diferentes niveles en cuanto al

tipo y tratamiento de información. Está basado en tres acciones: Procesos/actividades,

Gestión y Estrategia, cada una de ellas asociada al Cuadro de Mando Operativo,

Cuadro de Mando de Gestión y Cuadro de Mando Integral (véase Figura N° 2):

18

Figura 2 Niveles de análisis de inteligencia de negocio

Fuente: Elaboración propia

El objetivo básico es apoyar de forma sostenible y continuada a las

organizaciones para mejorar su competitividad, facilitando la información necesaria

para la toma de decisiones. El primero que acuñó el término fue Howard Dresner

que, cuando era consultor de Gartner, popularizó la inteligencia de negocio (Business

Intelligence o BI) como un término paraguas para describir un conjunto de conceptos

y métodos que mejoraran la toma de decisiones, utilizando información sobre qué

había sucedido (hechos).

Para definir la inteligencia de negocio utilizamos la definición de Gartner11:

“BI es un proceso interactivo para explorar y analizar información estructurada

sobre un área (normalmente almacenada en un Data Warehouse), para descubrir

tendencias o patrones, a partir de los cuales derivar ideas y extraer conclusiones”.

Por ejemplo:

11

Gartner es una consultora internacional especializada en Tecnologías de Información y Comunicación. www.gartner.com

19

- Proceso interactivo: al hablar de inteligencia de negocio estamos suponiendo

que se trata de un análisis de información continuado en el tiempo.

- Explorar: En todo proyecto de inteligencia de negocio hay un momento inicial

en el que por primera vez accedemos a información que nos facilita su

interpretación. En esta primera fase lo que hacemos es “explorar” para

comprender qué sucede en nuestro negocio.

- Analizar: Pretendemos descubrir relaciones entre variables, tendencias, es

decir, cuál puede ser la evolución de la variable, o patrones.

- Información estructurada y Data Warehouse: La información que utilizamos en

inteligencia de negocio está almacenada en tablas relacionadas entre ellas. Las

tablas tienen registros y cada uno de los registros tiene distintos valores para

cada uno de los atributos. Estas tablas están almacenadas en lo que

conocemos como Data Warehouse, datamart12 o almacén de datos.

- Área de análisis: Todo proyecto de inteligencia de negocio debe tener un objeto

de análisis concreto.

- Comunicar los resultados y efectuar los cambios: Un objetivo fundamental de la

inteligencia de negocio es que, una vez descubierto algo, sea comunicado a

aquellas personas que tengan que realizar los cambios pertinentes en la

organización para mejorar nuestra competitividad.

12

Subconjunto de datos que apoyo a un área específica dentro de una organización.

20

Tabla 1. Acciones e indicadores según metodología

¿Qué es y para qué sirve? ¿Qué tipo de indicadores son?

Modelo orientado a la implantación y gestión de la estrategia de la organización

Indicadores orientados al seguimiento de los objetivos estratégicos de las unidades estratégicas de la empresa.

ES

TR

AT

EG

IA

Objetivos estratégicos

No solamente son financieros sino, balanceados en la perspectiva del cliente, procesos internos, personas, etc.

Iniciativa orientadas al cumplimiento de los objetivos

Indicadores de gestión y desempeño

Indicadores clave y metas que definen el grado de cumplimiento

Actualizado de forma mensual

Modelo orientado al análisis de la gestión del negocio

Mayor número de indicadores que pueden ser analizados

GE

ST

IÓN

La información puede ser analizada a un nivel agregado o desglosado de detalle deseado

Fundamentalmente indicadores de resultados y estructurados

Se caracteriza por la flexibilidad para realizar una amplia variedad de análisis por tipo de usuario

Actualizado de forma mensual

Unifica en una misma aplicación la información de diferentes sistemas fuentes

Sistema y control orientado a la gestión operativa y de procesos específicos claves

Refleja el nivel de actividad

PR

OC

ES

OS

Y

AC

TIV

IDA

DE

S

Diseñado e implementado para determinadas unidades o áreas de la organización

Indicadores de resultados, actualizado diariamente

Fuente: Adaptado de Navarro, 2013.

1.3.2.2. Beneficios

Uno de los objetivos básicos de los sistemas de información es que nos

ayuden a la toma de decisiones. Sin embargo, aunque todos la utilicen, no todos los

responsables recogen la misma información. Depende de muchos factores, como

pueden ser su experiencia, formación, disponibilidad, etc. Acuñado por Braulio Arturo

Macedo, 2012

21

Del mismo modo, el autor menciona que los responsables pueden necesitar

recoger más o menos información dependiendo de su mayor o menor aversión al

riesgo. A partir de los datos que nos proporciona el sistema de inteligencia de

negocio podemos descubrir conocimiento. Como hemos visto, la inteligencia de

negocio nos servirá como ayuda para la toma de decisiones y, posteriormente, para

descubrir cosas que hasta ahora desconocíamos.

Los beneficios que se pueden obtener a través del uso de la inteligencia de

negocio pueden ser de distintos tipos:

- Beneficios tangibles, como por ejemplo: reducción de costes, generación de

ingresos o reducción de tiempos para las distintas actividades del negocio.

- Beneficios intangibles: el hecho de que tengamos disponible la información para la

toma de decisiones hará que más usuarios utilicen dicha información y por ende

mejoren la posición competitiva.

- Beneficios estratégicos: Todos aquellos que nos facilitan la formulación de la

estrategia, es decir, a qué clientes, mercados o con qué productos dirigirnos.

1.3.2.3. Componentes de la inteligencia de negocio

Según Roberto Espinoza (2010). En un proyecto real debemos definir

primero cuáles son los objetivos y el alcance de la solución, qué modelos de negocio

queremos analizar. Con esta información es mucho más fácil tomar las decisiones

necesarias en cada uno de los componentes.

Estos componentes los podemos ver visualmente en la siguiente (véase figura N° 3):

22

Figura 3. Modelo integral solución BI

Fuente: Adaptado de Navarro, 2013.

Los componentes son:

- Fuentes de información, de las cuales partiremos para alimentar de contenidos el

Data Warehouse.

- Proceso ETL13 de extracción, transformación y carga de los datos en el Data

Warehouse. Antes de almacenar los datos en un Data Warehouse, éstos deben

ser transformados, limpiados, filtrados y redefinidos.

- El motor OLAP14 , que nos debe proveer capacidad de cálculo, consultas,

funciones de planeamiento, pronóstico y análisis de escenarios en grandes

volúmenes de datos.

- Las herramientas de visualización, que nos permitirán el análisis y la navegación a

través de los mismos.

13

ETL corresponde a las siglas del inglés Extract, Transform and Load (Extracción, transformación y carga)

14 OLAP corresponde a las siglas de inglés Online Analytical Processing.

23

Figura 4. Componentes de la inteligencia de negocio Fuente: Navarro, 2013.

1.3.2.4. Repositorio de información

Vamos analizar las distintas fuentes de información con las que podemos

alimentar un Data Warehouse o un Datamart.

Las fuentes de información a las que podemos acceder son:

- Básicamente, de los sistemas operacionales o transaccionales, que

incluyen aplicaciones desarrolladas a medida, ERP, CRM, SCM, etc.

- Sistemas de información departamentales: previsiones, presupuestos,

hojas de cálculo, etc.

- Fuentes de información externa, en algunos casos comprada a terceros,

como por ejemplo estudios de mercado. (Navarro, 2013).

Figura 5. Esquema transaccional ERP

Fuente: Navarro, 2013

24

Existen muchos factores que contribuyen a la complejidad de cargar la

información en un Data Warehouse. Uno de los principales es el número de

diferentes fuentes de información que es cargado a un repositorio centralizado

(Navarro, 2013).

Según Bernabeu, R., (2007). El Data Warehouse, posibilita la extracción de

datos de sistemas operacionales y fuentes externas, permitiendo la integración y

homogenización de los datos de toda empresa.

Acceder a distintas bases de datos requiere distintas habilidades y el

conocimiento de distintas sintaxis de SQL15. Si el número de bases de datos a las

que debemos acceder es elevado, puede provocar que tanto las definiciones como

las codificaciones en los distintos entornos sean diferentes, lo que añadirá dificultad a

nuestro proyecto.

La información que cargamos en un Data Warehouse o Data mart

normalmente es estructurada, es decir, aquella que se puede almacenar en tablas:

en la mayoría de los casos es información numérica. Tendremos que analizar si la

información que disponemos es la que necesitamos para alimentar los modelos de

negocio que hemos definido anteriormente. Una vez decididas las fuentes de

información debemos verificar la calidad de los datos. (Navarro, 2013).

1.3.2.5. Metodología de Inteligencia de Negocios

Existen diversas metodologías para el desarrollo de un proyecto

de inteligencia de negocios, lo mejor es evaluar la que más se ajusta a cada proyecto

y para cada organización.

15

Por sus siglas, Structured Query Language, en español lenguaje de consulta estructurada

25

Según los especialistas L.T. Moss, las metodologías de BI deben

de cumplir con las siguientes carteristas:

1. Debe orientarse al cambio y no a conseguir un producto final

2. El proyecto debe ser gestionado en forma global y

transversal a toda la empresa

3. Debe tener la posibilidad de manejar múltiples proyectos.

4. Debe considerar todas las tareas y procesos de la empresa,

seas o no críticos

5. Se debe de basar en la gestión de cambios críticos del

workflow empresarial.

6. Debe orientarse a las personas y a las relaciones entre ellas.

7. Debe alinearse con la necesidad de negocio de la

organización.

1.3.2.5.1. Metodología Ralph Kimball

El enfoque de Ralph kimball hace referencia al Bottom –up.

El cual indica que la forma más flexible y sencilla de trabajar un Data Warehouse es

armando primero los Data marts como primer elemento del sistema de análisis y

luego ir añadiendo otros Data marts que compartan las dimensiones ya definida o

añadan nuevas.

Esta metodología incluye cuatro fases: Selección del proceso de negocio, definición

de la granularidad de la información, elección de las dimensiones de análisis e

identificación de los hechos y métricas y dimensiones lentamente cambiantes

(SCD).

26

Figura 6. The Kimball Data Lifecycle

Fuente: Ian Abramson, 2010

1.3.2.5.2. Metodología Bill Inmon

El enfoque de Bill Inmon hace referencia al Top –down. El

cual indica que la forma de construir un Data Warehouse es teniendo el enfoque

global “todo” para luego manejar el detalle. El Data Warehouse no está modelado

dimensionalmente sino en tercera forma normal.

Una vez generado el Data warehouse, se puede proceder

a crear los data marts para las áreas de negocio que se necesite.

Figura 7. The Inmon Warehouse

Fuente: Ian Abramson, 2010

27

1.3.2.5.3. Metodología Hefestos

HEFESTOS, es una metodología propia que permite la

construcción de un Data warehouse de forma sencilla, ordenada e intuitiva.

Es una investigación basada en metodologías existentes,

experiencias propias de confección de almacén de datos. Busca entregar una

primera implementación que satisfaga una parte de la necesidad, con el objetivo de

mostrar las ventajas y beneficios del Data Warehouse.

Está dividido en 5 fases, que muestra en como los datos

serán transformados, para posteriormente ser explotados para la toma de decisiones.

Figura 8. Fases de la metodología Hefesto

Fuente: Dario, 2013

1.3.2.5.4. Metodología Ágil

Según Scientia et Technica Año 384 XIII. (2007). “Principios de las

metodologías ágiles”. Se basa en garantizar una mayor productividad e interrelación

con el equipo, que permita mayor dinamismo y adaptación al cambio, con el objetivo

de entregar un producto de acuerdo a las expectativas y exigencias del cliente.

- Individuos e interacciones sobre procesos y herramientas.

- Software funcionando sobre documentación extensiva.

- Colaboración con el cliente sobre negociación contractual.

28

- Respuesta ante el cambio sobre seguir un plan.

En estos 4 valores se resumen los 12 principios del manifiesto ágil.

La intención es detallar las partes más prioritarias sobre las que son menos

prioritarias cuando tratamos con un proyecto ágil16. Hay que proporcionar una

motivación en los individuos y confiarles la ejecución del proyecto. Aunque se utilicen

herramientas para la gestión del proyecto, el método más efectivo y eficiente de

comunicación es cara a cara.

En las metodologías ágiles podemos encontrar una serie de prácticas

o técnicas habituales a la hora de afrontar la ejecución de un proyecto. Por ejemplo,

a la hora de hacer reuniones tienen que ser rápidas y frecuentes, lo suficientemente

rápidas (ágiles) como para no perder el tiempo pero con una frecuencia suficiente

para que los integrantes del equipo estén informados de todo. Suelen ser reuniones

diarias. Cuando se trata de una reunión de planificación de iteración en la que hay

una parte del producto para entregar se re-planifica la siguiente iteración a partir del

feedback obtenido del cliente. El intervalo de tiempo entre entregas se denomina

iteración. Como se puede deducir en este tipo de reuniones participa el cliente, al

que se considera uno más del equipo.

1.3.2.5.5. Scrum

Scrum parte de la esencia del desarrollo ágil. Se centra en las

funcionalidades con más prioridad y que pueden ser ejecutadas en un periodo corto

de tiempo. Los ciclos de desarrollo, llamados sprints, producen un incremento de

funcionalidad terminado y operativo.

16

Manifesto for Agile Software Development. http://agilemanifesto.org/

29

En Scrum la evolución de una iteración se revisa con reuniones de

seguimiento diarias, en las que se reúne todo el equipo de desarrollo, comenta el

trabajo que ha terminado, el trabajo que tiene por terminar y los impedimentos que

hayan podido surgir.

Scrum toma la inestabilidad como premisa. No se considera que la

definición detallada del producto, ni la arquitectura software tengan que estar en una

primera fase del proyecto. Como metodología ágil que es, no será un desarrollo por

fases.

Es decir, en cada iteración se van añadiendo las nuevas funcionalidades y

se hace necesario modificar la estructura de las funcionalidades implementadas para

adoptar las nuevas sin modificar el resultado que ya teníamos. Mientras que en una

metodología predictiva la responsabilidad de las circunstancias no planificadas las

tendrá el gestor de proyectos, en Scrum se parte de equipos auto-organizados con

suficiente margen para tomar las decisiones oportunas.

Figura 9. Scrum Framework

Fuente: Scrum.Org, 2014

30

1.3.2.6. Repositorio Data Mart

Un Data Mart es una aplicación de un Data Warehouse construida

rápidamente para soportar una línea de negocio simple. Los Data Marts, tienen las

mismas características de integración, no volatilidad y orientación temática que el

DW. Representan una estrategia de “divide y vencerás” para ámbitos muy genéricos

de un Data Warehouse. (Vitt, 2013).

Esta estrategia es particularmente apropiada cuando el DW central crece

muy rápido y los distintos departamentos requieren sólo una pequeña porción de los

datos contenidos en él. (Inmon, 2012)

La creación de los Data Mart requiere de algo más que una simple réplica

de datos: se necesitarán tanto la segmentación como algunos métodos adicionales

de consolidación.

Dado que un Data Mart soporta menos usuarios que un Data Warehouse

se puede optimizar para recuperar más rápidamente los datos que necesitan los

usuarios. La arquitectura de un Data Mart es aconsejable porque:

- Menores cantidades de datos implican que se procesan, tanto las cargas de datos

como las consultas.

- Las peticiones pueden acotarse al área o red que sirve esos datos, sin afectar al

resto de los usuarios.

- La aplicación cliente, que pide la consulta es independiente del servidor que la

procesa y del servidor de bases de datos que almacenan la información. (Vitt,

2013).

31

El uso efectivo de los Data Marts en un ambiente de Data Warehousing, es

un factor importante para la efectividad del Warehouse, y puede también ser

determinante en el éxito del proyecto de desarrollo. Los Data Marts son diseñados

para satisfacer las necesidades específicas de grupos comunes de usuarios

(divisiones geográficas, divisiones organizacionales, etc.). Los Data Marts son

generalmente, subconjuntos del Data Warehouse, pero pueden también integrar un

número de fuentes heterogéneas, e inclusive ser más grandes, en volumen de datos,

que el propio Warehouse central. Como los Data Marts son un factor crítico para el

éxito proyecto de Data Warehousing de mayor escala, también lo son su creación y

mantenimiento. (Vitt, 2013).

Actualmente, las organizaciones se están convenciendo de que los Data

Warehouse corporativos, son complejos tanto para construir como para usar.

Implementar un Data Warehouse, requiere de un considerable equipo de

desarrolladores, hardware, software, tiempo y dinero. Las necesidades de diferentes

áreas de la empresa, a veces conflictivas, deben ser sobrellevadas en su conjunto.

Los usuarios los encuentran difíciles de construir, y por lo tanto de navegar. En

consecuencia, las empresas están construyendo Data Marts, en lugar de los Data

Warehouse. (Inmon, 2012).

1.3.2.7. Crecimiento de los Data Marts

Existe un número de sólidas razones detrás del aumento en popularidad

de los Data Marts, en comparación con los sistemas de Data Warehouse a nivel de

empresa.

Los Data Marts han reducido drásticamente el costo implícito en la

creación y operación de un sistema de soporte a las decisiones. El concepto del Data

32

Mart ha logrado situar la instalación de la tecnología de soporte a las decisiones

dentro del rango de posibilidades económicas de un número mucho mayor de

usuarios. Mientras que los presupuestos de instalación de Data Warehouse

típicamente oscilan entre los $2-5 millones de dólares, los Data Marts típicamente

cuestan entre $100.000 y 1 millón de dólares al presupuesto total del proyecto. (Vitt,

2013).

Los Data Marts son los preferidos por los departamentos autónomos y las

pequeñas unidades comerciales que los emplean para crear sus propios sistemas de

soporte a decisiones. Pero los Data Marts también se han convertido en los favoritos

de la mayoría de los departamentos de Sistemas de Información (IS), para crear

grandes almacenes centrales de datos. La idea consiste en crear un Data

Warehouse paso a paso, añadiendo un Data Mart o área de estudio a la vez,

adquiriendo gradualmente la experiencia y el soporte de administradores comerciales

clave, quienes ven beneficios concretos cada 3-6 meses. (Vitt, 2013).

Con los Data Marts, resulta mucho más fácil identificar un cliente o

patrocinador comprometido dentro de una organización. En comparación con los

Data Warehouse, los Data Marts son más limitados en cuanto a alcance, y se

concentran más en un grupo específico de necesidades del usuario. La clave aquí

radica en concentrarse en un reto y enfrentarlo con un grupo específicamente

dedicado a esa tarea.

Los Data Marts permiten una prototificación más rápida para la captura de

los requisitos del sistema de soporte a decisiones. Las encuestas realizadas entre los

consumidores indican que los pilotos de los Data Marts se montan en 30-120 días.

33

La completa instalación del sistema se logra en un período que oscila de 3 a 6

meses. (Vitt, 2013).

En conclusión los Data Marts son:

- Más pequeños con tiempo de respuesta más rápido.

- Acceso menos complejo para los usuarios a los Data Marts.

- Data Marts diseñados para grupos de usuarios específicos.

1.3.2.8. Data Marts Virtuales y Meta Vistas

Los vendedores están desarrollando el concepto de Data Marts Virtuales

para satisfacer la necesidad de los usuarios de acceder a muchos Data Marts, sin

necesidad de excesivas replicaciones entre ellos. Los Datamarts Virtuales son vistas

de varios Data Marts Físicos, o del Data Warehouse corporativo, brindadas a grupos

específicos de usuarios. (Inmon, 2012)

Una Meta Vista es una representación gráfica de una base de datos que

incluye tablas, columnas y joins17. Una vez que una Vista Básica es creada, múltiples

Meta Vistas se pueden derivar de ella. Una Meta Vista es una representación lógica

de partes, de una o más Vistas Básicas. Inicialmente las tablas son desplegadas

como categorías, y los campos como partes. Se pueden renombrar o remover

categorías o partes de una Meta Vista. (Vitt, 2013).

Esos cambios no afectan a las Vistas Básicas que la soportan. La Meta

Vistas permite usar una única Vista Básica para presentar diferentes partes de la

información a diferentes grupos de usuarios. (Vitt, 2013).

17

Sentencia SQL, que permite combinar registros de dos o más tablas en una base de datos relacional

34

1.3.2.9. Administración de los Data Marts

Dentro de una empresa se hace latente la administración y coordinación a

medida que el número de Data Marts crece. Se hace necesario asegurar

consistencia e integridad de datos, controlar la seguridad y mantener el rendimiento

(performance) global.

La administración de estos tiene recientes requerimientos como

coordinación, extracción de datos, lectura, procedimientos de replicación,

procedimientos de respaldo, manejo de metadatos y performance18. (Inmon, 2012)

La administración de los Data Marts, pasa a convertirse en un

rompecabezas donde la gestión para obtener la información se ha complicado. No

obstante, lo que ha fallado no es la integración de Data Marts, sino su forma de

integración como se muestra (véase figura N° 6):

Figura 10. Integración de Data Marts Fuente: Vitt, 2013.

18

Desempeño con respecto al rendimiento del hardware

35

El enfoque más adecuado sería la coordinación de la gestión de

información de todos los Data Marts en una Data Warehouse centralizado

(corporativo) como se muestra en la siguiente figura:

Figura 11. Data Warehouse centralizado

Fuente: Vitt, 2013.

1.3.2.10. Paquetes Data Marts

Muchos vendedores han reconocido la necesidad de hacer que los Data

Marts sean más fáciles de instalar e implementar que un Data Warehouse

corporativo. Los paquetes de Data Marts pueden proveer herramientas convenientes,

y de relativamente bajo costo, que pueden ser el puntapié inicial para el desarrollo de

los Data Marts. Aunque un Data Mart es relativamente fácil de instalar, hay que tener

en cuenta otros aspectos como la lógica de los datos operacionales extraídos, la

consistencia en la definición de los datos, y el diseño del Data Mart, para lograr un

óptimo performance (rendimiento). (Inmon, 2012)

36

1.3.2.11. Cubo Olap de estructura dimensional

Estas herramientas manejan una serie de consultas de forma interactiva

sobre estructuras multidimensionales19 (Cubos OLAP) cargadas previamente con los

datos almacenados en las bases de datos corporativas tradicionales. Permiten

realizar informes y obtener grandes cantidades de información a partir de lo que

resultaría ser a modo rutinario una serie de complejas consultas sobre una base de

datos de forma sencilla. Con estos sistemas es posible analizar la información

almacenada en un Data Warehouse, pero no es estrictamente necesario, ya que la

información puede provenir de diferentes bases de datos. El objetivo de estas

herramientas es obtener una mejor comprensión de lo almacenado en las bases de

datos. (Navarro, 2013)

Figura 12. Esquema OLAP Fuente: Tomado de Oyarce, 2012

19

Usado principalmente para crear aplicaciones OLAP, almacena registros dimensionales y métricas para el estudio o análisis.

37

Existe una categorización para estas herramientas según su arquitectura:

M-OLAP (Multidimensional OLAP): Sistema OLAP que posee los datos almacenados

en una base de datos multidimensional. Esta implementación mejora los tiempos de

acceso a los datos ya que están pre calculados a costa de necesitar mayor espacio

de almacenamiento, aunque algunos sistemas utilizan la compresión. Es un sistema

OLAP compuesto por Cubos. (Navarro, 2013)

Figura 13. Esquema M-OLAP

Fuente: Tomado de Sinnexus, 2007

R-OLAP (Relational OLAP): Sistema OLAP que mantiene los datos

almacenados en una base de datos relacional. Para esta implementación se realiza

un Cubo virtual o tablas en forma de estrella20 con lo que se consigue una mayor

capacidad de almacenamiento sacrificando tiempo de respuesta. (Navarro, 2013)

20

Modelo dimensional que contiene una tabla de métricas que contiene los datos para el análisis y

está rodeada de tablas dimensionales.

38

Figura 14. Esquema R-OLAP


H-OLAP (Hybrid OLAP): Combinación de los dos sistemas anteriores

donde los datos se almacenan repartidos en implementaciones M-OLAP y R-OLAP.

Esta combinación permite obtener ventajas de ambas implementaciones según

donde se almacene el dato y las operaciones que se vayan a realizar sobre él.

(Navarro, 2013)

Figura 15. Esquema H-OLAP


39

En cualquier herramienta OLAP encontramos dos tipos de variables

características, independientemente del modo en que estén almacenados los datos y

Dimensiones, estas variables nos indican los diferentes puntos de vista con los que

podemos analizar la información. Las dimensiones son usadas para seleccionar y

agregar datos a un cierto nivel deseado de detalle. (Navarro, 2013)

Las dimensiones se relacionan en jerarquías o niveles, esto es, un

conjunto de niveles cada uno expresando un nivel de profundidad en la información,

indicadores o métricas: Es el dato que está siendo analizado, aquello que es

cuantificable en lo que se desea analizar, suelen ser valores numéricos. Ejemplo:

Número de productos vendidos en el mes de Mayo.

La forma de exploración de los datos en análisis OLAP suele ser en forma

de matriz, donde sobre cada uno de los ejes se sitúa una dimensión y sobre las

celdas se sitúan las métricas, conteniendo el valor en función de las dimensiones

escogidas. (Navarro, 2013)

1.3.2.12. Tableros de control

Los cuadros de mando, es una herramienta de dirección que permite

realizar el seguimiento y monitorear los procesos operativos para detectar y

diagnosticar estados de desempeño de los indicadores. Integra la información

resaltante el cual sirve de consumo para los tomadores de decisiones.

Su estructura o desarrollo se basa en gráficas, semaforizaciones y alertas que

permitan al usuario detectar desviaciones en función a umbrales pre definidos por el

negocio.

40

Figura 16. Cuadro de mando MicroStrategy

Fuente: Tomado de MicroStrategy, 2015

1.3.2.13. Software de explotación de información

El software de inteligencia de negocio son aplicaciones diseñadas para

colaborar con la implementación de una plataforma de BI, para el proceso de análisis

y visualización de la información.

El cuadrante de Gartner, muestra un informe de las herramientas líderes

en el mercado que básicamente tiene una potente capacidad de visualización, fáciles

de usar y proporcionan auto servicio a los usuarios.

41

Figura 17. Cuadrante Gartner 2015

Fuente: Gartner, 2015

1.3.2.14. Extracción, transformación y carga (ETL)

Este proceso permite extraer los datos de diferentes fuentes de

información, procesarlos y transformarlos, de tal manera que la data procesada, esté

limpia para ser depositada a otra base de datos la cual es denominada un Data Mart

o Data Warehouse, con el objetivo de posteriormente ser analizados.

42

Figura 18. Proceso ETL

Fuente: Adaptada de dfernang, 2013

1.4. Objetivo e Hipótesis

1.4.1. Objetivo general

Implementar una plataforma de Inteligencia de negocios que permita a la empresa

Azaleia Perú, tener un repositorio de información centralizado a efectos de acceder a

los datos en línea, optimizar el tiempo en la obtención de los datos y mejorar el análisis

de la información para el área de ventas, sirviendo como soporte a la toma de

decisiones de manera oportuna a las necesidades del negocio.

1.4.2. Objetivos específicos

- Realizar un diagnóstico de la situación actual del proceso del área de venta

que permita identificar la problemática.

- Definir indicadores y métricas del área para la explotación de los datos.

- Elaborar un repositorio centralizado focalizado en un modelo dimensional que

permita la resolución de consultas analíticas.

http://es.slideshare.net/dfernang?utm_campaign=profiletracking&utm_medium=sssite&utm_source=ssslideview

43

- Elaborar un cubo OLAP de estructura dimensional que permita el

procesamiento en Línea, para el análisis de los usuarios de negocio.

- Analizar los efectos de la implementación de inteligencia de negocios en la

empresa Azaleia Perú.

1.4.3. Operacionalización de las variables e hipótesis

1.4.3.1. Hipótesis general

La implementación de una plataforma de BI, optimiza el proceso de

análisis, monitoreo y toma de decisiones para fortalecer la comercialización de la


1.4.3.2. Hipótesis secundarias

Las hipótesis secundarias que se van a evaluar serán las siguientes:

a) El aumento de la calidad de información, ayuda a los usuarios de

negocio a identificar y comercializar mejor los productos de la empresa

Azaleia.

b) La continuidad de la eficiencia y efectividad en la comercialización

genera una mayor rotación de productos

c) El aumento en la productividad de las ventas de la empresa Azaleia,

incrementa el número de puntos de venta.

Tabla 2. Operacionalización de variables

Variable Definición Indicador

Calidad de información Enfocado en la

calidad y

obtención de

información, para

un mejor

consumo y toma

de decisiones.

Reducción en el tiempo de procesamiento de la información

Eficiencia y efectividad en Enfocado en la Reducción en el Índice

44

la comercialización reducción de

tiempos de

respuesta de los

usuarios de

negocio, que dan

soporte al área

de ventas y

gerencia.

de fallas reportadas

Aumento en el % de rotación de productos

Aumento en la

productividad de ventas

Enfocado en el

incremento de las

ventas, reducción

de los costos y

mejor

posicionamiento

en el mercado

Incremento en las ventas

Reducción en los costos

Fuente: Propia, 2015

1.4.3.3. Variables

a) Variable Independiente.- Plataforma de inteligencia de negocio para la

explotación eficiente de la información. Para la definición de esta

variable se ha establecido 3 indicadores diferentes los cuales se

muestran en la tabla 2.

Tabla 3.Indicadores de las variables independientes

Nombre del indicador

Variable independiente

X1 Calidad de información

X2 Eficiencia y efectividad en la comercialización


b) Variable dependiente.- En el presente trabajo la variable dependiente

general es: explotación de la información para la toma de decisiones a

través del análisis de los indicadores de gestión de las ventas en el

45

mercado. Para explicar la misma se han utilizado los siguientes

indicadores, ver tabla 3.

Tabla 4. Indicadores de las variables dependientes

Nombre del indicador

Variable dependientes

Y1 Aumento en la productividad de ventas


1.5. Alcance y limitaciones

1.5.1. Alcance

- Implementación basado en la metodología Ágil Scrum y manejo de gestión de

proyectos basado en las buenas practicas del PMBOK v5.

- Identificación y análisis de procesos relacionados en el área de ventas.

- Identificar indicadores y métricas a implementar el área de ventas.

- El proceso de la extracción de la información serán de 2 fuentes de datos

(AzaleiaPeru y DBBusiness) transaccionales que se encuentran en SQL 2012.

- Los prototipos de los dashboard serán desarrollados en Storyboards, de

Microsoft Power Point.

- El desarrollo de ETL, se trabajará con SQL integration Services y será

trabajado únicamente para las tablas referida para el área de ventas.

- La elaboración de un (1) cubo OLAP en SQL Analysis Services, que contendrá

indicadores y métricas del área de ventas.

- Elaboración de tableros dinámicos y reportes en el software de explotación

QlikView.21

- Transferencia de conocimiento y capacitación a usuarios técnicos y de negocio.

21

Software de inteligencia de negocios, para explotación y descubrimiento de datos.

46

1.5.2. Limitaciones

- La implementación está basada para el área de ventas, cualquier otro

requerimiento fuera del proceso no está considerado.

- El trabajo de extracción, transformación y limpieza solo será efectuado para la

base de datos AzaleiaPeru y DBBusiness.

1.6. Breve resumen de las fases

La metodología que se propone trabajar en la implementación de inteligencia de

negocios es ágil y tiene como marco referencial Scrum22, que consiste en trabajar a

base de Sprint, de una duración de un (1) mes por Sprint, la cual se itera y revisa

constantemente con los usuarios de Azaleia Perú, para verificar que la implementación

se esté ejecutando de acuerdo al alcance y necesidad del cliente.

La implementación consta de 3 Sprint:

- Sprint 1: Abarca el levantamiento de información, especificaciones de

requerimientos de negocio y diseño de la solución.

- Sprint 2: Modelo dimensional, desarrollo ETL y creación de cubo OLAP

- Sprint 3: Explotación de Data Mart mediante herramienta Qlikview y

capacitaciones a usuarios finales

22

Marco de trabajo que adopta estrategias de desarrollo incremental e iterativo, bajo un enfoque ágil

47

Capítulo 2: Marco Contextual

2.1. Descripción de la Empresa

Azaleia Perú es filial de la empresa Vulcabras Azaleia. Fue fundada en 1958 en la

ciudad de Parobé, Brasil. Actualmente es el grupo más grande de América Latina

exportando cerca de 20% de su producción para más de 50 países.

Azaleia, maneja todo un proceso para realizar la venta propia de los productos de

las diferentes marcas que ofrece. Desde el requerimiento de la necesidad del

producto, la solicitud de importación del mismo y la distribución.

Cuenta con dos almacenes, de donde se distribuyen todos los pedidos realizados.

Además estos almacenes alimentan a las diferentes tiendas, ya que estas funcionan a

su vez como pequeños almacenes para abastecer a la demanda de los clientes.

Actualmente cuenta con 4 canales de venta los cuales son: Venta al por mayor, venta

por tienda, venta por catálogo y venta por internet (Netstore).

Canales de Venta

- Canal de Venta al por Mayor:

Maneja el mayor ingreso de las ventas, con un 70% de porcentaje de todas las

ventas realizadas en el año fiscal.

Las ventas mayoristas son manejadas a crédito, por ende cada vendedor

responsable de la cuenta, mantiene el seguimiento constante de la fecha de

pagos a ser efectuados por cada establecimiento.

48

Cada vendedor maneja una cartera de clientes de los grandes centros

comerciales a los cuales mantienen actualizados con las nuevas tendencias y

productos de Azaleia Perú.

- Canal de Venta al por Tienda:

Este canal genera el segundo ingreso en ventas para la empresa Azaleia Perú,

cuenta con 28 tiendas que están distribuidas en lima y provincias. Cada tienda

ingresa la información de las ventas del día en un sistema, el cual está

integrado con la sede principal.

La forma de pago que maneja es en efectivo o por medio de tarjeta de crédito.

- Canal de Venta al por Catalogo:

Maneja una venta más consultiva a través de promotoras que ofrecen los

productos por medio de catálogos.

Cada promotora cuenta con una supervisora, la cual hace seguimiento y

registra las ventas realizadas en el día.

- Canal de Venta al por Internet:

Tiene un ingreso de solo el 20% de las ventas totales en el año fiscal y está

siendo impulsada, para tener un mayor impacto en los próximos años debido a

la incursión en las redes sociales.

Volúmenes de facturación Anual

Para el año 2014 la empresa Azaleia Perú, tuvo ventas netas en dólares por un

monto de: USD 22’065,549.82 y un total de pares vendidos de: 877,444. Para el

año 2015 se proyecta crecer un 20% en ventas, para lo cual se estima abrir unas

10 tiendas más distribuidas a nivel nacional.

49

Tabla 5. Ventas anual Azaleia Perú

Marca Venta Neta Pares

AZALEIA 12,390,614.78 492,992

OLYMPIKUS 5,659,116.20 200,078

DIJEAN 3,831,955.60 178,406

ORTOPE 171,787.80 5,488

BOOM 6,704.36 301

TAMARIS 5,236.93 153

OPANKA 134.15 26

TOTAL 22,065,549.82 877,444

Fuente: Azaleia Perú, 2014

Número de empleados

Azaleia Perú, cuenta con un total de 229 empleados los cuales están distribuidos

en 42 administrativos y 187 personas de ventas.

Misión y Visión

a) Misión

Ofrecer calzados confortables, elaborados en los más altos estándares de

calidad y tecnología a un precio justo, brindando calidad de servicio a nuestros

clientes.

b) Visión

Ser reconocido como la empresa líder en calzados en el Perú, brindado

excelencia en nuestros productos basado en un compromiso de calidad

constante el cual brinde satisfacción a nuestros clientes.

50

c) Análisis FODA

MATRIZ FODA

Análisis Interno

Fortalezas Debilidades

F1.- Empresa de trayectoria y prestigio internacional.

D1.- Escasa presencia en redes sociales.

F2.-Locales distribuidos a nivel nacional

D2.- Carencia en tecnología como apoyo en la toma de decisiones.

F3.- Buena relación entre calidad y precio.

D3.- Carencia de integración entre áreas a través de tecnologías.

F4.-Diversidad de estilos de marcas y calzados.

An

áli

sis

del

En

torn

o

Oportunidades FO DO

O1.- Ampliación de mercado en moda y marcas.

Ampliar los puntos de venta para captar mayor cuota de mercado (F1, O1,F2)

1. Generar mayor presencia en redes sociales que se encuentren enlazadas a la página web de Azaleia (D1, O1)

O2.- Diversificación de líneas de productos demandados por los segmentos emergentes.

Conseguir alianzas estratégicas con empresas internacionales del sector que permitan expandir los productos a nuevos mercados (F2, F3, O2)

1. Implementar herramientas que apoyen a la toma de decisiones e identifiquen nuevas demandas del mercado (O1, O2, D2)

O3.- Precios elevados por parte de la competencia.

Ofrecer productos de buena calidad y diversificados al mercado nacional, manteniendo el prestigio internacional de la empresa. (F3, F4, O3)

2. Implementar nuevas tecnologías que apoyen el análisis e identificación de ventas integrada

(O3, D2,D3)

Amenazas FA DA

A1.- Competencia agresiva por nuevos canales de ventas: E-commerce.

Hacer uso de las redes sociales de manera interactiva, para captar atención del público joven. (A1, F3, F4)

Elaborar una sección online de consejos al público respecto a las tendencias en la moda de calzados (A1, D1,D2)

A2.- Competencia de otras marcas de calzados Peruanos

Organizar encuestas, show rooms y presentaciones lanzamiento de temporada, que permita conocer al público las tendencias y novedades (A2, F1,F3)

Elaborar un repositorio que permita recopilar la información de las redes sociales para explotarla e identificar las necesidades y preferencias del cliente. (A2, D1,D2)

51

2.2. Presentación del área funcional

La estructura organizacional de la Empresa Azaleia Perú, está compuesta de la

siguiente manera.

Figura 19. Organigrama Azaleia Perú


2.3. Cadena de Valor

La cadena de valor de Azaleia Perú, muestra la distinción de los procesos

primarios/misionales que corresponden al core de la empresa y aquellos que son de

apoyo o soporte.

Directorio Azaleia

Importaciones

China

Brasil

Logística y Almacenes

Compras

Almacenes

Productos Importados

Ventas y facturación

Mayorista

Tiendas

Catalogo

Internet

Créditos y cobranzas

Finanzas

Presupuestos

Contabilidad

Recursos Humanos

Gerencia Administrativa

52

Figura 20. Cadena de valor Azaleia Perú

Fuente: Elaboración propia, 2015

2.4. Cadena de Valor – Macro Procesos Misionales

Como procesos misionales de la empresa, se encuentra el proceso de ventas, en

sus diferentes canales, comercialización, importación y logística. Cada uno de estos

procesos forma parte crucial dentro de la estrategia de crecimiento en el mercado de

la empresa Azaleia Perú. Para un mejor entendimiento se detalla de la cada de valor

los Macro Procesos Misionales.

53

Figura 21. Macro Procesos Misionales


2.5. Procesos de venta e importaciones Nivel 0

Figura 22. Pedido venta Azaleia

Fuente. Elaboración propia, 2015

54

Figura 23. Pedido Brasil


Figura 24. Pedido Asia


55

Capítulo 3: Marco Metodológico

3.1. Modelo de negocio

El área comercial de Azaleia Perú tiene la necesidad de establecer

controles internos a nivel táctico y estratégico, enfocado en los indicadores de

ventas, con el objetivo de manejar, analizar y mejorar la toma de decisiones en

los distintos niveles de la organización, evitando los sistemas heterogéneos

usados hoy en día para el análisis de la información.

Busca proporcionar a los usuarios el acceso interactivo, análisis y

manipulación de la información, que contribuya con la identificación de

problemas y oportunidades del negocio, teniendo la capacidad de acceder a

volúmenes de información para dar soporte a la toma de decisiones basado en

los objetivos estratégicos de la empresa.

3.3. Metodología de desarrollo

Enfocado en metodología ágil bajo la marco de referencia SCRUM.

También, se hará uso de las buenas practicas del PMBOK v5, el cual está

enfocado en la gestión del proyecto. Además, se trabajará con la herramienta

de Microsoft Team Foundation Server23, para realizar el seguimiento de las

actividades.

23

Herramienta de Microsoft que ofrece funciones de control de código y seguimiento de elementos de trabajo y administración de proyectos.

56

3.3.1. EDT Implementación de Inteligencia de Negocios

Mediante la estructura de desglose de trabajo (EDT), se pretende mostrar los entregables que serán ejecutados en el proceso de la

implementación por el equipo de trabajo.

PROYECTO BI AZALEIA

1. Dirección y planificación

1.1 Planificación

1.1.1 Kick Off

1.1.2 Cronograma

1.1.3 Project Charter

1.1.4 Enunaciado de trabajo de proyecto

1.1.5 Identificación de Riesgos

1.1.6 Matriz de Comunicación

1.2 Control y seguimiento

1.2.1 Informes de avance

1.2.2. Informe de Comite

1.2.3 Control de Cronogrma

1.2.4 Control de Riesgos

2. Análisis y Diseño

2.1 Análisis

2.1.1 Procesos de ventas

2.1.2 Indicadores

2.1.3 Base de datos

2.2 Diseño

2.2.1 Arquitectura BI

2.2.2 Base de datos modelo dimensional

2.2.4 Prototipos de Dashboard

3. Contrucción

3.1 Desarrollo ETL

3.2 Desarrollo Cubo OLAP

3.3 Desarrollo KPI'S

3.4 Desarrollo Tablero y Reportes

4. Pruebas

4.1 Casos de Prueba

4.2 Informe de Pruebas

5. Despliegue

5.1 Manual de Configuración

5.2 Manual de Instalación

5.3 Manual de usuario

57

3.3.2. Tablero Kanban

Un sistema de gestión de proceso virtual que indica que producir,

cuándo y cuánto. Teniendo la visibilidad del equipo de trabajo.

Figura 25. Tablero Kanban

Fuente: Elaboración propia, 2015.

3.4. Dimensionamiento del Proyecto

N° Entregable Plazo Monto $

1 KickOff y Story Mapping Mayo - 2015 $9,421.25

2

Cronograma de Proyecto (Hitos)

Documento de Arquitectura Documento de especificaciones de requerimiento

Junio - 2015 $9,421.25

3 Data Mart ventas

Documento de cubo OLAP Julio - 2015 $9,421.25

4

Solución en sus ambientes de pre producción

Guía de usuario

Guía de instalación y configuración de la solución.

Agosto- 2015 $9,421.25

TOTAL USD $37,685.00

3.5. Roles y responsabilidades

58

Rol Responsabilidades

Jefe de Proyecto

Establece los plazos, fases y entregables del proyecto.

Controla el alcance del proyecto

Define, conjuntamente con los PO, los objetivos, procedimientos y estrategias del proyecto.

Monitorea el avance del proyecto, el desempeño y las necesidades del equipo en general.

Asigna los roles, responsabilidades y tareas a los miembros del equipo.

Reporta el avance del proyecto al comité de seguimiento.

Informa tempranamente y propone alternativa de solución al comité de seguimiento sobre cualquier problema que pueda generar atrasos o inconvenientes para el normal desenvolvimiento del proyecto.

Monitores los problemas presentados y establece un proceso de solución efectivo.

Provee la gestión general y diaria del proyecto.

Analista de Calidad

Encargado del levantamiento de información.

Elaboración de prototipos (Storyboarding).

Elaboración del documento de especificación.

Elaboración de Plan e informe de Pruebas.

Elaboración de Manual de usuario.

Validación del producto.

Especialista BI

Encargado del modelo de la base de Datos

Elaboración de Normalización de la base de datos

Elaboración de ETL

Elaboración de ejecución de Jobs

Elaboración de manual de despliegue

Elaboración de tablero gerencial y reportes de gestión

3.6. Sprint Backlog Dentro del Sprint Backlog podemos identificar todos los requerimientos a

desarrollar dentro de la implementación, cada uno de estos requerimientos son

priorizados de acuerdo a la necesidad del negocio por un usuario líder, el cual

es denominado como el Product Owner o dueño del producto.

Para poder tener un Sprint Backlog afinado, tiene que haber mucha

interacción con el usuario de negocio, e identificar conjuntamente los

59

requerimientos necesarios para la implementación de la plataforma de BI. Es

ahí en donde indicamos que “el levantamiento de información es la parte

esencial de la implementación a realizar”.

Cada Sprint contiene una cantidad de requerimientos los cuales serán

trabajados y puesto a producción para la revisión y aprobación del Product

Owner.

Tabla 6. Sprint Backlog

Sprint Actividades

Sprint I: Especificar los requerimientos del negocio, desarrollo de prototipos de tablero y reportes, para identificación de las tablas y campos a extraer para la generación del Data Mart de Ventas

Creación de historias de usuario

Creación de Reglas de Negocio

Creación de Prototipos de tablero y Reportes

Creación de Arquitectura de BI

Identificación de Indicadores Claves de Gestión

Creación de Base de Datos Stage

Identificación de Tablas a Extraer

Generación de un KPI en Power Pivot

Sprint II: Depurar los datos inconsistentes de la bases de datos de Azaleia para proceder con la creación del modelo dimensional, consiguiendo integridad e integración en los datos los cuales serán explotados.

Depuración de Datos ETL

Creación de Modelo Dimensional

Creación de Jobs de Carga automáticas

Creación de Métricas y Hechos

Creación de Cubo Dimensional

Sprint III: Generación y Explotación de los indicadores, mediante gráficas y reportes

Desarrollo de tablero Gerencial

Desarrollo de Reportes

Cargas Incrementales del Cubo

Desarrollo de Pruebas


60

3.7. Desarrollo Sprint I Dentro del Sprint I, abarcará el levantamiento preliminar, desarrollo de las

historias de usuarios, creación de los prototipos navegables y la identificación

de las tablas a extraer según los indicadores que se quieren implementar.

3.7.1. Entregables

Sprint I

Creación de historias de usuarios

Creación de Reglas de Negocio

Creación de Prototipos de tablero y Reportes

Creación de Arquitectura de BI

Identificación de Indicadores Claves de Gestión

Creación de Base de Datos Stage

Identificación de Tablas a Extraer

Generación de un KPI en Power Pivot

3.7.2. Diseño de Arquitectura Azaleia

Es necesario establecer una arquitectura, la cual permita identificar

los sistemas transaccionales de los cuales será extraída los datos para

posteriormente realizar el proceso de extracción, transformación y carga (ETL)

hasta la explotación en la herramienta de BI, que ha sido seleccionada por la


61

Figura 26. Arquitectura Azaleia Perú

Fuente: Elaboración propia, 2015.

3.7.3. Indicadores de gestión

Los KPI (Key Perfomance Indicator) o indicadores claves de

gestión, es una medida de desempeño, el cual está ligado con los objetivos en

valores porcentuales de la empresa. Mediante el cual busca visualizar el

progreso en el proceso de ventas mediante indicadores de rendimiento que le

permita analizar y hacer comparativos para cuantificar el grado de

cumplimiento de los objetivos establecidos.

Para el caso de Azaleia Perú, los objetivos establecidos están basados en las

ventas por lo cual los indicadores que desean analizar son los siguientes:

ventas por canales y marcas, descuentos realizados, rentabilidad por categoría

de producto, costos por canal de venta, stock existente por producto, etc.

A continuación se muestra los indicadores:

62

Tabla 7. Indicador Total de ventas netas

Indicador 01 – Total de Ventas Netas

Objetivo Estratégico: Analizar la venta Neta Total la cual saldrá a partir de la sumatoria de todas las unidades de negocio.

Frecuencia de actualización: Anual, Mensual

Unidades de Medida: Soles / Dólares

Definición de fórmulas:

𝑽𝒆𝒏𝒕𝒂 𝑵𝒆𝒕𝒂𝑻𝒐𝒕𝒂𝒍 = ∑ 𝑽𝒆𝒏𝒕𝒂 𝒅𝒆 𝑼𝒏𝒊𝒅𝒂𝒅𝒆𝒔 𝒅𝒆 𝑵𝒆𝒈𝒐𝒄𝒊𝒐

Criterios de aceptación: Deberá contar con la dimensión tiempo el cual contenga Año, Trimestre, Mes,

Semana, y día. Deberá contar con la opción para elegir el origen (Brasil y Asia). Se debe contemplar campo moneda que incluya el análisis por dos tipos de moneda

(Soles y Dólares). Manejara filtros como: Clase, Marca, Colección, Categoría y sub Categoría. Incluirá el análisis comparativo de las ventas por mayor entre meses del año actual

con los meses del año – 1. El total de ventas netas deberá actualizar por año y por mes. Deberá indicar los parámetros correspondientes respecto a la meta trazada.


Se mostrará un gráfico de tacómetro el cual mostrará el avance o cumplimiento de la meta total de la venta.

El tacómetro mostrara 3 tipos de colores (Rojo, Ambar y Verde) Deberá proporcionar información resumen cuando se seleccione el Tacómetro El monto total deberá aparecer debajo del tacómetro para una mejor visualización.


63

Tabla 8.Indicador Costo promedio

Indicador 02 – Costo Promedio

Objetivo Estratégico: Identificar por cada unidad de negocio los costos totales, con el objetivo de evaluar las unidades que generan mayores costos. Las unidades de negocio a tomar en cuenta son: (Ventas por Mayor, Ventas por Tienda, Ventas por Catálogo y Ventas por NetStore)

Frecuencia de actualización: Anual, Mensual

Unidades de Medida: Soles


𝑪𝒐𝒔𝒕𝒐 𝑷𝒓𝒐𝒎𝒆𝒅𝒊𝒐 = Valor Existente en el Inventario +Valor nuevas compras

𝑵𝒖𝒎𝒆𝒓𝒐 𝒅𝒆 𝒖𝒏𝒊𝒅𝒂𝒅𝒆𝒔 𝒆𝒙𝒊𝒔𝒕𝒆𝒏𝒕𝒆𝒔 𝒆𝒏 𝒆𝒍 𝒊𝒏𝒗𝒆𝒏𝒕𝒂𝒓𝒊𝒐+𝑼𝒏𝒊𝒅𝒂𝒅 𝒅𝒆 𝒍𝒂 𝒏𝒖𝒆𝒗𝒂 𝒄𝒐𝒎𝒑𝒓𝒂

Criterios de aceptación: Deberá contar con la dimensión tiempo el cual contenga Año, Trimestre, Mes,

Semana, y día. Deberá contar con la opción para elegir el origen (Brasil y Asia), en forma de combo

box. Se debe contemplar campo moneda que incluya el análisis por dos tipos de moneda


con los meses del año (- 1). Verificar un campo que indique los costos por unidad de negocio. Verificar actualizar los montos con cada interacción de los filtros de tiempo. Verificar contar con filtros como: Clase, Marca, Colección y categoría para el análisis.


Verificar contar con un gráfico, para el análisis de ventas vs metas, que están dadas por: (Monto Vendido Neto y Meta).

Verificar un índice de rotación que estarán dadas por: (Ventas por Mayor, Ventas por Tiendas, Venta por Catálogo y Ventas por NetStore).

Verificar un análisis de unidades por Stock reflejado mediante un gráfico en cantidades respecto a: (Ventas por Mayor, Ventas por Tiendas, Ventas Catálogos, Ventas Internet, Ventas Outlet).

Elaboración propia, 2015

64

Tabla 9. Indicador Descuento

Indicador 03 – Descuento

Objetivo Estratégico: Identificar que unidades de negocio están generando mayores descuentos en comparación de sus ventas. Las unidades de negocio a tomar en cuenta son: (Ventas por Mayor, Ventas por Tienda, Ventas por Catálogo y Ventas por NetStore)

Frecuencia de actualización: Anual, Mensual.



Criterios de aceptación:

Deberá contar con la dimensión tiempo el cual contenga Año, Trimestre, Mes,

Semana, y día. Deberá contar con la opción para elegir el origen (Brasil y Asia) en forma de combo


(Soles y Dólares) Manejara filtros como: Clase, Marcas, Colección, Categoría. Incluirá el análisis comparativo de las ventas por mayor entre meses del año actual

con los meses del año (- 1) En la grilla análisis por unidad de venta se verifica la columna descuento Se verifica en la grilla una columna rentabilidad con su respectiva semaforización,

esta columna rentabilidad es un indicador derivado.


Tabla 10. Indicador índice de rotación

Indicador 04 – Índice de Rotación

Objetivo Estratégico:

Analizar cuáles son las unidades de negocio que tienen mejor índice de rotación en sus productos, con el fin de saber que artículos son los más solicitados por la demanda del mercado. Las unidades de negocio a tomar en cuenta son: (Ventas por Mayor, Ventas por Tienda, Ventas por Catálogo y Ventas por NetStore)

Frecuencia de actualización: Mensual, Diario

Unidades de Medida: Unidades



65



Semana, y día. Deberá contar con la opción para elegir el origen (Brasil y Asia) en forma de combo



con los meses del año (- 1). Para el índice de rotación se tiene el promedio de las ventas. El menor índice de rotación indicara el que tiene mayor movimiento en sus artículos

según cada unidad de negocio. El stock es por 2 0 3 meses. El grafico de barras se da por vendedor. Ver cuál es el mejor de la tienda. El filtro por catálogo permite verificar cuanto se ha vendido y cuando.


Tabla 11. Indicador metas por cobranza

Indicador 05 – Metas por Cobranza

Objetivo Estratégico: Analizar a los vendedor con sus metas y el avance de la cobranza, con el fin de saber el monto total por cobranza que está siendo efectiva de las ventas por mayor, DNRS, Tienda, y Catálogos

Frecuencia de actualización: Mensual, Diario





Semana, y día. Deberá contar con la opción para elegir el origen (Brasil y Asia) Se debe contemplar campo moneda que incluya el análisis por dos tipos de moneda

(Soles y Dólares) Manejara filtros como: Clase, Marca, Colección, Categoría y sub Categoría. Incluirá el análisis comparativo de las ventas por mayor entre meses del año actual

con los meses del año - 1 En la meta de cobranza se pagan las comisiones y se considera de la siguiente

manera:

- Hasta 50% no se paga comisión, se representa mediante el color rojo. - 51% hasta 89% se paga una comisión gradual menor a la pactada, se represente

mediante el color ámbar.

- 90% a más, la comisión se paga como si fuera 100%, se represente mediante el color verde.


𝑀𝑒𝑡𝑎 𝐶𝑜𝑏𝑟𝑎𝑛𝑧𝑎 = Facturas del mes acuerdo a fecha de vencimiento × .90

66

3.7.4. Historias de Usuarios

La historia de usuario es una representación de un requerimiento,

en el cual explica el usuario en un lenguaje común lo que necesita del sistema.

Las historias de usuarios son escritas por el cliente, tiene un peso y priorización

según el negocio.

Se muestra un extracto de las historias de usuarios realizadas:

Historia de Usuarios

Tabla 12. Control de acceso a Usuarios

Historia de Usuario

Número: 1 Usuario: Todos

Nombre historia: Control de acceso a Usuarios

Para: Mantener la seguridad y acceso a los datos de la empresa

Descripción: Antes de iniciar la aplicación se solicita el nombre de usuario y su clave para que tenga acceso a los datos que corresponden a su categoría de usuario. Hay dos tipos de usuario: Gerencia Comercial y Gerencia Administrativa, con distintos permisos de acceso a los menús de acceso a las funcionalidades que les corresponden.


Tabla 13. Dimensiones del tiempo y lugar

Historia de Usuario

Número: 2 Usuario: Gerente de Ventas y usuarios

Quiero: Filtrar las ventas por tiempo y lugar

Para: identificar los meses y localidad en donde vende mayor cantidad y en donde se tiene deficiencias

67

Historia de Usuario

Descripción: El Dashboard de la aplicación deberá poder permitir escoger mediante un calendario la fecha exacta, el cual contenga Año, Trimestre, Mes, Semana, y día. Del mismo modo deberá permitir la selección del origen de los datos entre Brasil y Asia.


Tabla 14. Visualización de análisis de las ventas

Historia de Usuario

Número: 3 Usuario: Gerente de Ventas y Usuarios

Quiero: Mejorar visualmente el análisis de las ventas

Para: Anticipar anomalías y desviaciones de las ventas

Descripción: En el dashboard de la aplicación, se deberá visualizar las ventas por canal, tanto en cantidad de pares vendedidos como monto vendido. Además la información debe filtrases, por cada categoría, localidad, tiempo y vendedor, con el fin de poder identificar las ventas a nivel de detalle.


Tabla 15. Indicadores de ventas

Historia de Usuario

Número: 4 Usuario: Gerente de Ventas

Quiero: Indicadores de las ventas

Para: Tomar acciones de negocio

Descripción: El Tablero dinámico deberá contener 5 KPI (Índice de Rotación, Stock, Venta Total, Costo de venta y Descuento) necesarios para el análisis del negocio.


68

Tabla 16. Visualización por categorías

Historia de Usuario

Número: 5 Usuario: Usuarios

Quiero: Visualizar las ventas por categorías

Para: Tener detalle de los productos que están teniendo mayor rotación en el mercado.

Descripción: El Dashboard deberá permitir realizar el análisis por las diferentes categorías como: Marca, Clase, Colección, Campaña, Línea, Referencias.

Observaciones: - Las Ventas deben ser por Mayor. - Las Ventas deben ser por Tienda. - Las Ventas deben ser por Catálogo. - Las Ventas deben ser por Internet. - Las Ventas deben ser por Outlet.


3.7.5. Diseño de Prototipos

El diseño de los prototipos fue desarrollado de acuerdo a los

requerimientos levantados y analizados en conjunto con el dueño del producto.

El objetivo consta en mostrar al usuario una idea de cómo sería la

visualización de los tableros de control y los gráficos a usar dependiendo del

análisis de o los indicadores. Este diseño previo de la interfaz, brinda al

usuario una idea de la distribución grafica dentro de los tableros de control

solicitados.

3.7.5.1. Tablero Gerencial

Permite visualizar todos los indicadores de gestión. El

objetivo es que el gerente pueda tomar mejores decisiones en base a la

información que visualizará de manera gráfica, dinámica y en línea.

69

Figura 27. Prototipo tablero gerencial


3.7.5.2. Ventas por Mayor

Permite hacer los comparativos y análisis de ventas con

información de ventas pasadas. El fin del reporte es poder analizar la tendencia

de crecimiento de las ventas por cada cliente, de acuerdo a cada categoría,

marca, colección etc.

70

Figura 28. Prototipo venta por mayor


3.7.5.3. Ventas por Tienda

El objetivo de desarrollar el reporte de ventas, además de

ver la tendencia de las ventas generadas, es saber el stock que maneja cada

tienda, con el fin de analizar el índice de rotación de cada producto.

71

Figura 29. Prototipo venta por tienda Fuente: P Elaboración propia, 2015

3.7.5.4. Ventas por Catálogo

El objetivo de desarrollar un reporte que analice las ventas

por catálogo, es hacer seguimiento a cada promotora y ver cuál es la tendencia

de ventas que tiene.

72

Figura 30. Prototipo venta por catalogo


3.8. Desarrollo Sprint II

Dentro del Sprint II se trabajará el proceso de ETL el cual permitirá

identificar y depurar la data inconsistente, para posteriormente ser almacenada

en el Data Mart de ventas. El modelo dimensional será una estructura tipo

estrella, el cual permite optimizar las consultas dentro de la herramienta de

explotación de Qlikview, que fue adquirida por Azaleia Perú.

3.8.1. Entregables

Sprint II

Depuración de Datos (Proceso ETL100%)

Creación de Dimensiones y Métricas

73

Creación del Modelo Dimensional – Data Mart Ventas

Creación de Cubo Dimensional Ventas

3.8.1.2. Modelo Dimensional

La definición de los requerimientos del negocio determina

los datos que se necesita para atender los requerimientos analíticos de los

usuarios de negocio. Diseñar modelos de datos para soportar este análisis

requiere una aproximación diferente a la usada para el diseño de sistemas

operacionales. Se empieza construyendo una matriz que representa la clave de

los procesos del negocio y su dimensión. La matriz sirve como un esquema

para asegurarse que el data Mart es pueda ser escalable para la organización

en el tiempo.

Aquí se inicia el análisis de los datos más detalladamente

uniendo este análisis con el entendimiento de los requerimientos del negocio.

Luego se desarrolla el modelo de las dimensiones. Este modelo identifica el

grado de la tabla, las dimensiones asociadas, los atributos, jerarquías y

métricas. El diseño de la base de datos lógica es completado con una

apropiada estructura de tablas y primary/foreign constraints. Se desarrolla

también el primer plan de agregaciones. Este conjunto de actividades concluye

con el desarrollo del mapeo entre los datos de origen y destino.

3.8.1.3. Diseño físico de la base de datos

El diseño físico de la base de datos se centra en la

definición de la estructura física necesaria para soportar el diseño lógico de la

base de datos. Los elementos primarios de este proceso incluyen la definición

del estándar de nomenclatura y la configuración del entorno de la base de

74

datos. También se definen los índices preliminares y la estrategia de

particionamiento.

3.8.1.4. Diseño físico de la base de datos intermedia

El diseño del repositorio de datos y el desarrollo de los

procesos es típicamente la tarea más subestimada en un proyecto de data

Mart. El proceso de almacenar la data tiene tres pasos principales: extracción,

transformación y carga. El proceso de extracción siempre expone la calidad de

la data que ha sido ingresada en los sistemas operacionales de origen. Ya que

la calidad de la data impacta directamente en la confiabilidad del data Mart, se

necesita enfocar este problema de calidad de los datos durante el

almacenamiento intermedio de los mismos. Para problemas más complicados

se necesita diseñar y construir dos procesos de almacenamiento de

warehouse, uno para la carga inicial y otro para la carga incremental.

3.8.1.5. Diseño de la arquitectura técnica

El entorno del Data Mart requiere de la integración de

numerosas tecnologías. En esta actividad se establece la arquitectura y visión

generales. Se necesita considerar tres factores: los requerimientos del negocio,

el actual ambiente tecnológico y las directivas técnicas estratégicas.

3.8.1.6. Selección e instalación de productos

Utilizando el diseño de la arquitectura técnica como un

marco, se requiere evaluar y seleccionar los componentes específicos de la

arquitectura, tales como la plataforma del hardware, el sistema de

administración de base de datos, la herramienta de carga de datos y las

herramientas de acceso a los datos. Para cada componente de la arquitectura

75

se define una técnica estándar de evaluación así como los factores de

evaluación.

3.8.1.7. Especificación de la aplicación de usuarios

Se recomienda definir un grupo de aplicaciones estándar

para los usuarios finales, ya que no todos los usuarios del negocio necesitan

accesos especiales al Data Mart. Las especificaciones de las aplicaciones de

usuario final definen las plantillas de los reportes, los parámetros manejados

por el usuario y los cálculos requeridos.

3.8.1.8. Implementación

El desarrollo representa la convergencia de la tecnología,

los datos y las aplicaciones de usuario final accesibles desde el escritorio del

usuario de negocio. Se requiere de un planeamiento extensivo para asegurar

que estas piezas se unan apropiadamente. Igualmente se debe desarrollar la

capacitación de los usuarios de negocio de forma que integre todos los

aspectos de la convergencia. Además, antes de que los usuarios tengan

acceso al Data Mart se debe establecer el soporte a los usuarios y las

estrategias de comunicación o retroalimentación.

3.8.1.9. Diseño de Extracción Transformación y Limpieza

(ETL)

Durante la etapa desarrollo se crea y prueba la

funcionalidad del sistema. Aquí el entregable final es el diseño físico, las

especificaciones técnicas finales y congeladas, y el producto desarrollado y

probado. Los responsables de educación de usuario ejecutarán los planes de

capacitación, documentación, y trabajarán con el equipo de desarrollo para

crear los componentes de tutorial y guías del usuario.

76

Pasos a ejecutar en el proyecto:

Proceso de Extracción de la Fuente de la Base de Datos

Esta actividad considera la carga de datos desde la fuente. Actividad que

está cubierta tomando como base interface con sistemas transaccionales

AZALEIA PERÚ.

Diseño del Modelos Multidimensional

Diseño de la estructura física y lógica de las Dimensiones a utilizar.

Construcción del Data Mart

Desarrollo de aplicaciones de carga de Base de Datos OLAP.

Desarrollo de ETL y procedimientos almacenados para la copia de datos

de la base de datos relacional a la base de datos OLAP del Data Data

Mart.

Creación de estructura de OLAP en MS SQL Analysis Server 2012.

Desarrollo de la estructura de cubos en MS SQL Analyzer 2012 y

programación de medidas según los requerimientos definidos en la

primera fase.

Diseño e implementación de las Tareas de carga.

Diseño de los procedimientos de carga incrementales e implementación

de las tareas para la carga diaria de la data.

Implementación de la Interface de Usuario.

Construcción de la interface de usuario conjuntamente con cada uno de los

reportes a mostrar.

77

Pruebas Integrales.

Las pruebas Se realizan conjuntamente con el equipo de sistemas y

usuarios.

Carga de Datos.

Actividad que se realiza conjuntamente con el equipo de sistemas y

usuarios. Esta actividad incluye la certificación de la data, las posibles

correcciones y los afinamientos que serán necesarios para la consistencia

de los datos.

Afinamiento de Rendimiento.

Esta actividad considera las acciones necesarias para lograr que el Data

Mart se adecue a los niveles de rendimiento definidos en la etapa de

planeamiento.

3.8.1.10. Tablas identificadas

Se identificaron las siguientes tablas de las dos bases de

datos que maneja Azaleia Perú, las cuales intervendrán para el desarrollo del

proceso de ETL.

78

Tabla 17. Fuente de datos transaccionales_Azaleia

DB: AzaleiaPeruDatastage DB: BusinessDatastage

AlmArticulos AlmCampanias AlmClase AlmColeccion AlmColores AlmCtrlMovArtCab AlmCtrlMovArtDet AlmLineas AlmLineasColores AlmLineasReferencias AlmLineasReferenciasColores AlmLineasReferenciasTallas AlmMateriales AlmMaterialesDetalle AlmTallas AlmTallasDetalle AlmTallasGrupos CtaCanalesVentaMetas CtaDocumentosDeAbono CtaDocumentosDeAbonoDetal

le CtaFacturaImportacion CtaFacturaImportacionDetalle CtaPlanillaCobranzas CtaVendedoresMetasAnual MaeClientes MaeGrupos SisAdmUsers SisTabEstados SisTabEstadosPcs SisTabParamRegDet SisTabUbiGeo VtaDocumentosDeCargo Vtadocumentosdecargodetalle VtaGuiaRemisionCab VtaGuiaRemisionDet VtaPedidoImportCab VtaPedidoImportDetalle VtaPedidosPorFacturar

AlmColeccion AlmMateriales AlmMaterialesDetalle AppEmpresa ArtClase ArtDatos ArtGrupos ArtProductos CATA_MAELIDERES CtaDocumentosDeAbono CtaDocumentosDeAbonoD

etalles MaeCatalogos MaeClientes MaeColores MaeTarjetas MaeTemporadas MaeTipoCambio MaeUbiGeo PcsMovimientos PcsMovimientosDetalles SisAdmUsers SisTabEstados SisTabFormasDePago UbigeoCourier VtaDocumentosDeCargo VtaDocumentosDeCargoDe

talles VtaDocumentosDeCargoPa

gos VtaPedidosDeVenta VtaPedidosDeVentaDetalle PcsTransferencia PcsTransferenciaDetalle


79

3.8.1.11. Tabla de extracción – Esquema SSIS24

Permitirá la implementación de los paquetes y tareas.

Cada registro se podrá capturar en tiempo de ejecución sobre el paquete

ayudando auditar o solucionar problemas cada vez que se ejecuta.

Tabla 18.Dimensiones y métricas

Extraer DimCliente

Extraer DimEstado

Extraer DimProducto

Extraer DimTiempo

Extraer DimTienda

Extraer DimUbigeo

Extraer DimVendedor

Extraer FactCobranza

Extraer FactMetaCobranzaVendedor

Extraer FactMetaTienda

Extraer FactPedido

Extraer FactStock

Extraer FactStockPendiente

Extraer FactVenta

Extraer FactVentaStockIR


3.8.1.12. Modelo entidad relación / Diagrama E-R

Permite identificar las dimensiones y sus relaciones entre

ellas, organizando los datos en los sistemas para un análisis de Inteligencia

de Negocios.

Se presenta el modelo dimensional del Data Mart desarrollado:

24

SQL Server Integration Services, componente de Microsoft SQL Server utilizado para la migración de datos

80

Figura 31. Modelo dimensional Data Mart

Fuente: Azaleia Peru 2015

Figura 32. Modelo dimensional Qlikview

Fuente: Azaleia Peru 2015

81

3.9. Desarrollo Sprint III

Explotación de la información consta de: La generación de Tableros de

control, el cual contiene los 5 indicadores implementados. También se

desarrollaran reportes por cada canal de venta (Por mayor, tienda, catalogo e

internet) estos reportes serán consumidos por cada responsable de canal de

venta y por los vendedores.

Se aplicará las reglas de seguridad, para el acceso a la plataforma, según

el perfil y los privilegios que tenga.

3.9.1. Entregables

Sprint III

Desarrollo de Tablero Gerencial

Desarrollo de Reportes

Cargas Incrementales del Cubo

Despliegue

Pruebas

3.9.2. Implementación de interfaz de usuario

Se realizar la construcción de los tableros de control los cual

contendrán los indicadores de gestión implementado en el sprint II.

Asimismo los reportes que servirán para el análisis a nivel de detalle para

el personal comercial y de ventas de la empresa Azaleia Perú.

A continuación se muestran el desarrollo en QlikView de los tableros

por canal de venta.

82

Figura 33. Tablero gerencial


83

Figura 34. Tablero canal de ventas por tienda


84

Figura 35. Tablero canal de ventas por tienda


85

Figura 36. Tablero ventas por mayor


86

Figura 37. Tablero de ventas por catalogo


87

3.9.2.1. Pruebas integrales

Las pruebas se realizan conjuntamente con el equipo de

sistemas y usuarios, en donde se valida la información que está siendo

explotada con los reportes que tienen en la base de datos, transaccional.

Además se hace pruebas de carga de datos y acceso de usuarios a la

plataforma Qlikview.

3.9.2.2. Carga de Datos

Actividad que se realiza conjuntamente con el equipo de

sistemas y usuarios. Esta actividad incluye la certificación de la data, las

posibles correcciones y los afinamientos que serán necesarios para la

consistencia de los datos

3.9.2.3. Afinamiento de rendimiento

Esta actividad considera las acciones necesarias para

lograr que el Data Mart se adecue a los niveles de rendimiento definidos en la

etapa de planeamiento.

3.9.2.4. Estabilización y pase a producción

Una vez concluida esta etapa se pasa a la fase de

“Estabilización” donde se logra la estabilidad del producto, se conducen

pruebas se desarrollan las últimas correcciones que sea necesarias, se ejecuta

el plan de trabajo para el lanzamiento y puesta en marcha del sistema. Esta

etapa genera el último de los entregables: la estrategia final de implantación del

producto, el cual contempla los aspectos logísticos necesarios para lograr una

liberación exitosa del sistema en todos sus aspectos.

Pasos a ejecutar en el proyecto:

88

a) Capacitación a usuarios Finales

Capacitación para el uso correcto de las medidas y dimensiones para los

usuarios finales.

b) Capacitación a Personal de Sistemas

Capacitación al personal de sistema que se encargará del mantenimiento

del Data Mart.

c) Documentación Técnica

Documentación técnica del desarrollo implementado para quien se

encargará del mantenimiento del Data Mart.

d) Documentación de Usuario

Documentación usuaria de las Interfaces especificando los pasos a seguir

para la correcta manipulación del mismo.

e) Pase a Producción

Instalación y Configuración de la solución en el ambiente de producción del

cliente.

3.9.2.5. Criterios de aceptación

Los criterios de aceptación del servicio de

implementación de la aplicación terminada y entregada son los siguientes:

- Validar que todas las funcionalidades requeridas se encuentran

implementadas en el sistema de acuerdo al documento de visión, alcance,

y/o de requerimientos, análisis.

89

o Políticas y normatividad de Azaleia Perú, que permita asegurar el

cumplimiento de las normas internas de la empresa. Éstas políticas

comprenden aspectos:

Auditoría de la información

Responsabilidad de la información (seguridad, responsabilidad)

Dependencias de la información (mantenimiento)

o Establecimiento y definición de los estándares aplicados al sistema,

permitiendo definir claramente criterios de accesibilidad, usabilidad,

o Conjunto de datos de prueba que permitirá conocer lo correcto, exacto,

demostrable, y preciso del sistema.

- Haber realizado una prueba del funcionamiento de la solución con un

usuario funcional designado por el Cliente, de acuerdo a las

funcionalidades y criterios de aceptación aprobadas durante la fase de

análisis.

o Después de pasar 3 días útiles de liberación del producto en el ambiente

de Certificación o Pruebas no tener problemas técnicos o funcionales

asociados al producto adquirido o no recibir observaciones y/o reportes

de errores técnicos o funcionales comunicados de manera formal dentro

del plazo.

90

3.10. Pruebas y resultados

Sobre la base de las encuestas aplicadas, Evaluación de resultados, a un número

de 20 usuarios de Azaleia, se obtuvo el siguiente resultado:

3.10.1 Contrastación de Hipótesis

a) Calidad de información

Figura 38. Evaluación Calidad de Información


Del total de 20 encuestados, 85% están de acuerdo que ha mejorado la

calidad de la información, mientras un 0.05% no está de acuerdo y un 10% no

opina. Con lo se cumple con la hipótesis propuesta en la tesis.

b) Eficiencia y efectividad

Figura 39. Evaluación eficiencia y efectividad


17

1 2

0

2

4

6

8

10

12

14

16

18

SI No NA

N°

En c

ues

tad

os

Registro de cumplimiento

Calidad de información

19

0 1

0

5

10

15

20

SI No NA

N°

Encu

esta

do

s


Eficiencia y efectividad

91

Del total de 20 encuestados, 95% están de acuerdo que ha mejorado su

eficiencia y productiva con el sistema de inteligencia de negocios, mientras que un

0.05% no opina al respecto. Con lo se cumple con la hipótesis propuesta en la tesis

c) Aumento en la productividad de Ventas

Figura 40. Evaluación Aumento de productividad de ventas


Del total de 20 encuestados, 90% están de acuerdo que ha aumentado la

productividad de ventas con la solución de sistema de inteligencia de negocios,

mientras que un 0.01% no opina al respecto. Con lo se cumple con la hipótesis

propuesta en la tesis

Figura 41. Crecimiento de ventas Anual


Figura 42. Crecimiento de Puntos de venta


18

0 2

0

5

10

15

20

SI NO NA

N°

Encu

esta

do

s


Aumento en la Productividad de ventas

92

3.11. Retorno de Inversión

La tasa de descuento del proyecto utilizada es del 20%, que es el

costo de capital que estima la empresa.

Según las proyecciones del área financiera, el proyecto es rentable

(VAN positiva) al finalizar el cuarto mes de funcionamiento del Data Mart, con

un ingreso adicional proyectado inicial de 10,500 USD desde el primer mes de

explotación, producto del ahorro y/o aumento en ventas previsto, con un flujo

creciente de 50% en cada mes de operación.

93

Conclusiones

En la solución se ha aprovechado todas las capacidades de las herramientas

Qlikview, para la explotación de la información, aumentando mayor tiempo en el

porcentaje de análisis, basado en las encuestas, de la información que en el

propio desarrollo de esta. Además se ha demostrado un mejor acceso a la

información, al cubo OLAP, los diseño de reportes, creación de tableros de

control, alerta proactivas y el acceso vía portal web a toda la información.

No obstante se buscó disponer de forma atractiva e interactiva la información,

así como facilitar su elaboración por parte de los usuarios. Actualmente la

empresa invierte entre 3 a 4 días en la elaboración de reportes y graficas que

viene a ser el 50% del tiempo laboral que emplean. Luego de la implementación

de BI, este tiempo ha sido reducido a horas (4 horas), las cuales están

empleadas para la reportería afianzando el tiempo para el análisis de los

indicadores.

Gracias a la solución implementada se eliminó completamente la dependencia

que se tenía con el área de TI y los sistemas heterogéneos, integrando toda la

información en un repositorio centralizado de fácil acceso, potente y rápido para

el consumo de los usuarios. Los usuarios destacaron la rapidez de las consultas,

la forma de visualización, perfomance, navegación y facilidad para la creación de

nuevos reportes y gráficas.

Cabe resaltar que la solución es escalable, con lo cual permitirá en un futuro la

adecuación e implementación de otros departamentos o áreas de la empresa.

94

Recomendaciones

- Con el fin de explotar al máximo el recurso obtenido en base al Data Mart de

ventas de AZALEIA, para futuros trabajos se recomienda la implementación de

un Data Warehouse con mayores alcances, con el objetivo de tener una mayor

integración con los demás áreas y procesos de la empresa.

- Conforme se vaya teniendo un volumen mayor de información, será necesario

diseñar una nueva arquitectura, que soporte el crecimiento del Data Mart sin

afectar la performance.

- Por otro lado, será importante también revisar las prestaciones del motor de

base de datos y su afinamiento para lograr el rendimiento de tiempo de

respuesta esperado por los usuarios. Posiblemente en un futuro, será necesario

evaluar otras opciones de motores de base de datos, que soporten un mayor

volumen de datos, a fin de asegurar además, la continuidad y disponibilidad del

Data Mart.

- Desde el enfoque del negocio, integrar a aquellas ciudades con mayor

proyección en ventas, haciendo uso de la herramienta Qlikview, aprovechando al

máximo el potencial que brinda el entorno web y el acceso a la información

centralizada. Agilizando de esta forma oportunidades de negocio en cada sector

de los diversos canales de ventas.

- Analizar la implementación de una versión móvil de la solución Qlikview que

permita el acceso desde cualquier dispositivo en el lugar donde se encuentre el

usuario.

95

Referencias Bibliografía

Bazan,W.(2011). Desarrollo de un Datamart con indicadores financieros como

soporte para la toma de decisiones en el departamento financiero del gobierno

autónomo descentralizado Municipal San Francisco de Milagro.(Tesis de Maestría,

Universidad Estatal de Milagro). Recuperado de

http://repositorio.unemi.edu.ec/handle/123456789/74

Bernabeu, R., (2007). Data Warehousing: Investigación y Sistematización de

Conceptos. Metodología Propia para la Construcción de un Data Warehouse.

Bertello, E., (2013). Seminario de Business Intelligence. Buenos Aires: Centro de

Capacitación y Formación Gerencial.

Connolly, T., Begg, C., (2015). Sistemas de base de datos: un enfoque práctico

para diseño, implementación y gestión. Buentos Aires: Pearson Education.

Elías, J. y Zorrilla, F. (2010). Desarrollo de un Datamart para mejorar la toma de

decisiones en el Área de Planificación Comercial del Segmento Premium de

Telefónica del Perú. (Tesis para optar el título de ingeniero, Universidad Mayor de

San Marcos). Recuperado de

http://ateneo.unmsm.edu.pe/ateneo/handle/123456789/2754?mode=full

Inmon, W. (2012) Construyendo un Data Warehouse. 3ra ed. EEUU.: Editorial

Wiley.

Matamoros, Rafael (2010) Implantación en una empresa de un sistema Business

Intelligence SaaS / On Demand a través de la plataforma LITEBI. Universidad

politécnica de Valencia. Recuperado de:

https://riunet.upv.es/bitstream/handle/10251/8591/Proyecto%20II%20-%20C1%20-

%20DMA%20-%2056-09.pdf

Narváez, Jonathan y Otros (2013) titulado “Business intelligence solution for

managing educational resources and physical spaces in Magdalena University.

Colombia. Recuperado de: http://www.unilibre.edu.co/revistaavances/avances-10-

1/Tema_01_inteligencia_negocios.pdf

96

Nase, (2010) Inteligencia de Negocios. 5 pasos para lograr un proyecto de

Business Intelligence exitoso. Recuperado de: http://www.nase-

it.com/pdf/PasosparaBI.pdf

Navarro Ruiz, Fernando (2013) Implantación de una plataforma corporativa de

Business Intelligence. Universitat Oberta de Catalunya. UOC. Recuperado de

http://openaccess.uoc.edu/webapps/o2/bitstream/10609/26761/6/fnavarroruTFC091

3memoria.pdf

Scribano, A. (2008). El proceso de investigación social cualitativa. Buenos Aires:

Prometeo.

Sinnexus (2010) Business Intelligence. Recuperado de

http://www.sinnexus.com/business_intelligence/index.aspx

Vitt, Elizabeth. (2013). Business Intelligence: Técnicas de análisis para la toma de

decisiones importantes. (2ed).Madrid, España: Mcgarw-hill / Interamericana de

España S.A.

Aamodt, Agnar; Nygard, Mads (1995). “Different roles and mutual dependencies

of data, information, and knowledge: an AI perspective on their integration”. En:

Data and Knowledge Engineering, Vol. (16). pp. 191-222.

Fuentes Morales, Bulmaro Adrián (2010): "la gestión de conocimiento en las

relaciones académico-empresariales. Un nuevo enfoque para analizar el impacto

del conocimiento académico." Tesis Phd. Universidad Politécnica de Valencia,

España.

Kimball, Ralph; Ross, Margy (2002). The Datawarehouse Toolkit. New York: Wiley.

Ponjuán Dante, Gloria. 1998. "Gestión de Información en las organizaciones:

Principios, conceptos y aplicaciones", Impresos Universitaria, Chile.

Saaty, Thomas. 2001. Decision making with dependence and FeedBack.

Pittsburgh

97

Suarez J.C, Gomez A. “Sistemas de Información Herramientas Prácticas para la

Gestión Empresarial”. Ra-Ma. Madrid. 2003

Vitt E, Luckevich M, Misner S. "Business Intelligence. Técnicas de análisis para la

toma de decisiones estratégicas". McGrawHill. 2002

Bellatreche L, Karlapalem K, Mohania M. "Chapter Some Issues in Design of

Data Warehousing Systems". Developing quality complex database systems:

practices, techniques and Technologies. IGI Publishing. EEUU. 2001

Cano J.L. “Business Intelligence: Competir con Información”. 2007. Libro publicado

por ESADE, Banesto, Banesto Pyme.

Laudon, Kenneth C., Jane Price Laudon. “Administración de los sistemas de

información: organización y tecnología”. Ed. Prentice-Hall Hispanoamericana”. 1999

Peña, A. (2006). Inteligencia de Negocios: una propuesta para su desarrollo en las

organizaciones. México. Instituto Politécnico Nacional Dirección de Publicaciones.

Scientia et Technica Año XIII, No 34, Mayo de 2007. Universidad Tecnológica de

Pereira. ISSN 0122-1701

98

Anexos

1.1 Formato Alcance – Documento de Especificación de PBI


Código

Nombre

Actor

Historia de

Usuario

Tabla

Referencia

ESCENARIO 1

Resultados

Esperados

ESCENARIO 2

Resultados

Esperados

99

1.2 Acta de reunión

ACTA DE REUNIÓN

FECHA DE CREACION:

FECHA DE MODIF.:

ELABORADO POR:

REVISADO POR:

Proyecto / Tema

Lugar de Reunión Fecha Hora

Participante Empresa Abrev. Convocad

o Asistió

ID Agenda Tiempo

ID Temas Tratados

ID Cód. Detalle de Tema Tratado Responsable Fecha


100

1.2 Acta de cierre

ACTA DE CIERRE DE PROYECTO

FECHA DE CREACION: 05/12/2014

ELABORADO POR: Jubitza Salazar

Proyecto Inteligencia de Negocios

DATA MART VENTAS

Participantes Cargo

El servicio desarrollado para el “DATA MART DE VENTAS”, se concluyeron en los

siguientes entregables:

Requerimientos

Cronograma del Proyecto (HITO)

Documento de Arquitectura del Sistema

Documento de Especificación de Requerimientos BI

Prototipo

Diccionario de Datos Stage (DBBUSINESS Y AZALEIPERU)

Documento de Especificación de Cubo OLAP

Guía de Usuario

Guía Instalación y Configuración

Aprobación del producto (09/12/14)

Por medio de la presente acta se deja constancia que AZALEIA PERU representado por

los firmantes considera como Cerrado la “IMPLEMENTACION BI DATA MART DE

VENTAS” a cargo de PROVEEDOR.

Luego de la aprobación del producto final, pasa al período de garantía de 02 meses, siendo

días calendarios*, período con el cual el PROVEEDOR se compromete a solucionar

cualquier error o vicio oculto encontrado en la solución en este periodo.

Fecha de Cierre: 05/12/2014

Fecha Inicio de garantía: 09/12/2014

Fecha Fin de garantía: 09/02/2015

En señal de conformidad con lo expuesto en la presente acta, se firma a continuación:

Nota:

_________________________ Firma:

PROVEEDOR

PROVEEDOR

_________________________ Firma:

CLIENTE

PROVEEDOR

101

* Se adjunta el Anexo 1 – Actividades realizadas

** Se adjunta el Anexo 2 - Procedimiento para atender la etapa de Garantía.

** Todos los entregables se encuentran en el portal de SharePoint.

ANEXO 1: ACTIVIDADES REALIZADAS– DATA MART DE VENTAS

Backlog Sprint I:

Tipo Actividades

%

Avance

Planificado Levantamiento de información 100%

Planificado Reglas de negocio 100%

Planificado Documento de especificación de PBI 100%

Planificado Prototipos 100%

Planificado Arquitectura de sistema 100%

Planificado Creación DataStage 100%

Planificado Creación Diccionario de datos 100%

Planificado Creación Power Pivot Tablero 100%

Planificado Validación Datos Inconsistentes 30% 100%

Backlog Sprint II:

Tipo Actividades %

Avance

Planificado Validación Datos Inconsistentes 100% 100%

Planificado Creación de dimensiones y métricas 100%

Planificado Creación del Modelo Físico Data Mart 100%

Planificado Mapeo de Datos 100%

Planificado Proceso de ETL 100%

Planificado Paquetes de Sincronización 100%

Planificado Cubo Dimensional 100%

Planificado Documento de Diseño de Cubo OLAP 100%

Planificado Creación de Qvd y Qvw 100%

Planificado Creación de Tablero 100%

Planificado Creación de Reporte 4 100%

Planificado Despliegue Cubo 100%

Backlog Sprint III:

Tipo Actividades %

Avance

102

Planificado Despliegue Qlikview 100%

Planificado Guía de Usuario 100%

Planificado Guía de Instalación y Configuración 100%

Planificado Termino de Cargas Incrementales 100%

Planificado Programación de Reproceso de Cubo 100%

Planificado Mejoras Funcionales QlikView 100%

Planificado Programación de Carga en el Management Console

QV 100%

Planificado Implementar controles de acceso en QlikView por

pestañas 100%

Planificado Filtros independientes por cada pestaña 100%

Planificado Validación de Querys 100%

Planificado Mejora de Diseño QlikView 100%

Planificado Revisión de Reporte Stock 100%

Planificado Disparador de carga de año Actual QlikView 100%

Planificado Generar permisos para usuarios QlikView 100%

Planificado Creación de tabla de auditoria 100%

Planificado Mantenimiento Base de Datos 100%

Planificado Creación de tabla de periodo de ejecución 100%

ANEXO 2: PROCEDIMIENTO DE GARANTIA

1. Objetivo de la Garantía

Asegurar que la solución desarrollada en este proyecto esté libre de defectos que impidan su funcionamiento de

acuerdo a las especificaciones funcionales correspondientes.

2. Alcance de la Garantía

Solamente defectos atribuidos durante esta consultoría que se presenten después de su puesta en producción.

Defectos en la configuración u operación de software base no forman parte de la presente garantía.

Si se identifican comportamientos de la solución durante el período de certificación que no se ciñen exactamente a

la funcionalidad esperada y el cliente decide que estos comportamientos son aceptables para la solución en

producción, la modificación de estos comportamientos no estará contemplada dentro de los alcances de la garantía.

3. Vigencia

La garantía entra en vigencia desde el día siguiente de la firma del acta de “Cierre del Proyecto”. La puesta en

producción del sistema se considera una aceptación tácita de los entregables de este proyecto.

La duración de la garantía es de 60 días - días calendarios posteriores a la fecha en que se inicia la vigencia como

se indica en el párrafo previo.

4. Condiciones de la Garantía

En caso que cliente o terceros realicen cambios en la aplicación original, la garantía automáticamente queda

anulada.

103

La garantía podrá ser activada solo si el cliente certifica la solución y/o la pone en producción.

En caso de aplicar la garantía fuera del ámbito de la ciudad de Lima Metropolitana, los costos de traslado,

alimentación y alojamiento del personal técnico, corren por cuenta del cliente.

5. Proceso de Atención de Solicitudes de Garantía

En el siguiente cuadro mostramos el proceso de atención a las solicitudes de garantía y el contacto para las

coordinaciones respectivas:

Situación Acciones Esperadas por parte de El

CLIENTE

Respuesta Esperada por Parte de

PORVEEDOR

1. Identificación de un Vicio Oculto o

Error en el ámbito del servicio

realizado.

2. Requiere atención.

1. Atención primaria del soporte

técnico del Cliente, para verificar

incidente.

2. Reporte del incidente al

Proveedor, vía telefónica o correo

electrónico

3. Asignación de un responsable

para hacer las interacciones

conducentes a la resolución del

problema.

1. Respuesta a la petición

(Ticket) en un máximo de

48 horas.

2. Coordinación de nuestro

responsable de soporte

para las actividades a

realizar.

3. Resolución del Ticket, a

más tardar a los 5 días

hábiles de respondida la

petición.

4. Atención 8 horas x 5 días a

la semana.

Persona de Contacto :

Teléfono :

Correo Electrónico :

104

1.3 Diagrama Ishikawa

105

1.4 Cronograma

Id Nombre de tarea Duración Comienzo Fin

1 Cronograma del Proyecto AZALEIA 70 días 25/05/2015 28/08/2015

2 Inicio 1 día 25/05/2015 25/05/2015

6 Planificación 4 días 26/05/2015 29/05/2015

9 Sprints 60 días 01/06/2015 21/08/2015

10 Sprint I 20 días 01/06/2015 26/06/2015

11 Análisis 4 días 01/06/2015 04/06/2015

17 Diseño 3 días 05/06/2015 09/06/2015

22 Construcción 8 días 10/06/2015 19/06/2015

31 Despliegue 5 días 19/06/2015 26/06/2015

42 Finalización Sprint I 0 días 26/06/2015 26/06/2015

43 Sprint II 20 días 29/06/2015 24/07/2015

44 Análisis y Diseño 3 días 29/06/2015 01/07/2015


58 Despliegue 8 días 15/07/2015 24/07/2015

70 Finalización Sprint II 0 días 24/07/2015 24/07/2015

71 Sprint III 20 días 27/07/2015 21/08/2015


86 Despliegue 13 días 05/08/2015 21/08/2015

104 Finalización Sprint III 0 días 21/08/2015 21/08/2015

105 Seguimiento y Control 60.5 días 01/06/2015 24/08/2015

120 Cierre 5 días 24/08/2015 28/08/2015

106

1.5 Diseño Multidimensional Cliente

Descripción Corresponde a los clientes de AZALEIA

Tipo Regular

Cambiante Si

Frecuencia de carga Diaria

Jerarquías

1. Cliente

Descripcion Niveles de cliente

Tipo Regular

Natural Sí

Nivel Atributo de base

Canal Canal

TipoCliente TipoCliente

RazonComercial Razon Comercial

2.Supervisor

Descripción Nivel de Supervisor

Tipo Regular

Natural Si


Supervisora Supervisora

RazonComercial Razon Comercial

Atributos Tipo PK FK

Descripcion Visible Comportamiento

CodUbigeo VARCHAR(6)

N N Codigo Ubicación Geográfica

No Ninguno

CodCanal VARCHAR(1) N N Codigo de Canal No Ninguno

Canal VARCHAR(11) N N Nombre del Canal Si Ninguno

CodSupervisora

VARCHAR(15) N N Codigo de Supervisora No Ninguno

Supervisora VARCHAR(80) N N Nombre de Supervisora Si Ninguno

TipoCliente VARCHAR(7) S N Calificacion de Cliente: Nuevo o Antiguo

Si Ninguno

CodClienteAnexo

VARCHAR(16) N N Codigo del Cliente No Ninguno

RazonComercial

VARCHAR(100) N N Razon Comercial del

Cliente Si Ninguno

FechaIncripcion

DATE N N Fecha de Inscripción No Ninguno

Grupo NUMERIC(5,0) N N Grupo al que pertence el cliente

No Ninguno

LimiteCreditoSoles

NUMERIC(18,2) N N Límite de crédito en soles

No Ninguno

LimiteCreditoSolesExtension

NUMERIC(18,2) N N Límite de crédito soles Extensión

No Ninguno

LimiteCreditoSolesPedidos

NUMERIC(18,2) N N Límite de crédito soles pedido

No Ninguno

107

Tiempo

Jerarquías

1. Calendario

Descripcion Niveles del Calendario

Tipo Regular

Natural Sí


Año Anio

Semestre Semestre

Trimestre Trimestre

Bimestre Bimestre

Mes Mes

Semana Semana

Día Dia

Estado

Atributos Tipo PK FK Descripcion Visible Comportamiento

CodEstado VARCHAR(2) S N Codigo Estado No Ninguno

Estado VARCHAR(2) N N Nombre de Estado Si Ninguno

Producto

Descripción Corresponde al análisis de información en diferentes aristas del tiempo.

Tipo Tiempo

Cambiante Sí


Atributos Tipo PK

FK Descripcion Visible Comportamiento

Anio INT N N Año Si Ninguno

CodSemestre

INT N N Numero de Semestre No Ninguno

Semestre VARCHAR(10) N N Nombre del Semestre Si Ninguno

CodTrimestre

INT N N Numero de Trimestre No Ninguno

Trimestre VARCHAR(11) N N Nombre del Trimestre Si Ninguno

CodBimestre INT N N Numero de Bimestre No Ninguno

Bimestre VARCHAR(10) N N Nombre del Bimestre Si Ninguno

CodMes INT N N Número del Mes No Ninguno

Mes VARCHAR(10) N N Nombre del Mes Si Ninguno

CodSemana INT N N Numero de Semana del Año No Ninguno

Semana VARCHAR(10) N N Nombre de Semana del Año Si Ninguno

Dia INT N N Día del Mes Si Ninguno

CodTiempo VARCHAR(10) S N Codito Tiempo No Ninguno

Fecha VARCHAR(10) N N Fecha No Ninguno

Descripción: Contiene la descripción del estado de las importaciones.

Tipo: Regular

Cambiante: Sí

Frecuencia de carga: Úna vez

108

Jerarquías

1. Por Clasificación

Descripcion Listado de Productos por Clasificación

Tipo Regular

Natural Sí


Pais Pais

Marca Marca

Clase Clase

Coleccion Coleccion

Categoria Categoría

SubCategoría SubCategoría

Linea Linea

Referencia Referencia

Material Material

Color Color

Talla Talla

Ubigeo

Descripción: Permitirá analizar los productos de la organización

Tipo: Regular

Cambiante: Sí

Frecuencia de carga:

Diario

Atributos Tipo PK FK Descripcion Visible

Comportamiento

CodPais VARCHAR(2) N N Codigo de Pais No Ninguno

Pais VARCHAR(8) N N Nombre de País Si Ninguno

CodMarca VARCHAR(2) N N Codigo de Marca No Ninguno

Marca VARCHAR (15) N N Nombre de Marca Si Ninguno

CodClase VARCHAR(2) N N Codigo de Clase No Ninguno

Clase VARCHAR(50) N N Nombre de Clase Si Ninguno

CodColeccion VARCHAR(2) N N Codigo de Colección No Ninguno

Coleccion VARCHAR(50) N N Nombre de Colección Si Ninguno

CodCategoria VARCHAR(3) N N Codigo de Categoría No Ninguno

Categoria VARCHAR(120) N N Nombre de Categoría Si Ninguno

CodSubCategoria

VARCHAR(3) N N Codigo de SubCategoría

No Ninguno

SubCategoria VARCHAR(120) N N Nombre de SubCategoría

Si Ninguno

CodLinea VARCHAR(3) N N Codigo de Linea No Ninguno

Linea VARCHAR(25) N N Nombre de Linea Si Ninguno

CodReferencia VARCHAR(3) N N Codigo de Referencia No Ninguno

Referencia VARCHAR(50) N N Nombre de Refernecia

Si Ninguno

CodMaterial VARCHAR(3) N N Código de Material No Ninguno

Material VARCHAR(101) N N Nombre de Material No Ninguno

CodColor VARCHAR(6) N N Codigo Color No Ninguno

Color VARCHAR(50) N N Nombre de Color No Ninguno

CodTalla VARCHAR(5) N N Codigo Talla No Ninguno

CodProducto VARCHAR(4) S N Codigo de Producto No Ninguno

Producto VARCHAR(214) N N Nombre del Producto No Ninguno

109

Atributos Tipo PK F

K Descripcion Visibl

e Comportamiento

CodDepartamento VARCHAR(2) N N Codigo de Departamento

No Ninguno

Departamento VARCHAR(50) N N Nombre del Departamento

Si Ninguno

CodProvincia VARCHAR(4) N N Codigo Provincia No Ninguno

Provincia VARCHAR(50) N N Nombre de Provincia Si Ninguno

CodUbigeo VARCHAR(6) S N Codigo Ubicación Geográfica

No Ninguno

Distrito VARCHAR(30) N N Nombre del distrito Si Ninguno

Jerarquías

1. Ubigeo

Descripcion Como se divide la ubicación geográfica

Tipo Regular

Natural Sí


Departamento Departamento

Provincia Provincia

Distrito Ubigeo

Tienda Descripción: Contiene los canales de venta de la organización

Tipo: Regular

Cambiante: Sí

Frecuencia de carga: Diario

Atributos Tipo P

K FK Descripcion Visible Comport

amiento

CodUbigeo VARCHAR(6) N N Codigo Ubicación Geográfica No Ninguno

CodTipo CHAR(1) S N Codigo Tipo Tienda No Ninguno

Tipo VARCHAR(9) N N Nombre TipoTienda Si Ninguno

CodTienda SMALLINT N N Codigo Tienda No Ninguno

Tienda VARCHAR(100) S N Nombre de la Tienda SI Ninguno

Jerarquías

1. Por Tipo

Descripcion Tipo de Tienda

Tipo Regular

Natural Sí


Tipo Tipo

Descripción Refiere a la ubicación geográfica de los diferentes puntos de análisis de la aplicacion.

Tipo Regular

Cambiante Sí


110

Tienda Tienda

Vendedor Descripción: Permite analizar a los vendedores de AZALIA

Tipo: Regular

Cambiante: Sí

Frecuencia de carga: Diaria

Atributos Tipo PK FK Descripcion Visible Comporta

miento

CodVendedor INT S N Codigo de Vendedor No Ninguno

Vendedor INT N F Nombre de Vendedor Si Ninguno

Fact Venta Descripción: Permite analizar las ventas de AZALEIA

Tipo: Contable

Cambiante: Sí


Atributos Tipo PK FK Descripción Visibl

e Comportamiento

CodClienteAnexo VARCHAR(23) N S Código del Cliente Si Ninguno

CodEstadoVenta VARCHAR(3) N N Código de Estado Venta No Ninguno

CodProducto VARCHAR(28) N S Código Producto No Ninguno

CodTiempo VARCHAR(10) N S Código Tiempo No Ninguno

CodTienda CHAR(1) N S Código Tienda

No Ninguno

CodVendedor VARCHAR(50) N S Código Vendedor Si Ninguno

CodCatalogo INT N N Código de Catalogo

No Ninguno

CodDoc VARCHAR(3) N N Código de Documento No Ninguno

NroSer VARCHAR(3) N N Número de Serie No Ninguno

NroDoc VARCHAR(8) N N Numero de documento No Ninguno

Moneda VRACHAR(3) N N Moneda(SOL,DOL) Si Ninguno

TipoCambio NUMERIC(18,5) N N Tiempo de Cambio No Ninguno

CantidadPares NUMERIC(38,0) N N Cantidad de Pares Si Ninguno

ParValor NUMERIC(20,4) N N Par Valor No Ninguno

CostoVenta NUMERIC(38,2) N N Costo de Venta Si Ninguno

ImporteVenta NUMERIC(38,2) N N Importe de Venta Si Ninguno

ImporteDescuento NUMERIC(38,2) N N Importe del Descuento Si Ninguno

ImporteTotal NUMERIC(38,2) N N Importe Total Si Ninguno

FchVence DATATIME N N Fecha Vencimiento No Ninguno

CondicionVenta VRACHAR(3) N N Condición Venta No Ninguno

DctoPieVenta NUMERIC(18,4) N N Descuento Pie de Venta

No Ninguno

DctoPtoPago NUMERIC(4,2) N N Descuento Pronto Pago

No Ninguno

PctjImpto NUMERIC(21,5) N N Porcentaje Impuesto No Ninguno

Impuesto NUMERIC(38,2) N N Impuesto No Ninguno

HoraProceso DataTime N N Hora Proceso No Ninguno

FactMeta Tienda Descripción: Permite analizar las metas de los canales de venta:

Tienda,Catalogo,outlet e internet

Tipo: Contable

Cambiante: Sí

111

Frecuencia de carga: Mensual

Atributos Tipo P

K FK Descripción Visible Comportami

ento

CodTiempo VARCHAR(6) N S Código Tiempo No Ninguno

CodTienda NUMERIC(8,0)

N S Código de Tienda No Ninguno

MetaCantidadPares

NUMERIC(18,0)

N N Metas de Cantidad de Pares

Si

MetaMontoCobranza

NUMERIC(18,2)

N N Meta de Monto Cobranza Si Ninguno

LimaProvincia VARCHAR(1) N N Indicador de ubicación geográfica de la Meta.

No Nignuno

FactMeta Cobranza Vendedor Descripción: Permite analizar las metas y cobranza de los vendedores del canal

de venta mayorista.

Tipo: Contable

Cambiante: Sí


Atributos Tipo PK FK Descripcion Visible Comporta

miento

CodTiempo

VARCHAR(6) N S Codigo Tiempo No Ninguno

CodVendedor

NUMERIC(15) N S Codigo de Vendedor No Ninguno

MetaVendedorNroPares

NUMERIC(18,0) Meta Vendedor numero pares

No Ninguno

MontoCobranza

MONEY N N Monto Cobranza del vendedor

Si Ninguno

MetaMontoCobranza

NUMERIC(18,2) N N Indicador de ubicación geográfica de la Meta.

Si Ninguno

FactStock Descripción: Permite analizar el stock por cada canal de venta

Tipo: Contable

Cambiante: Sí


Atributos Tipo PK FK Descripcion Visible Comportami

ento

CodAlmacen NUMERIC(15) N N Codigo de Vendedor No Ninguno

CodProducto MONEY N S Monto Cobranza del vendedor

No Ninguno

CodTiempo NUMERIC(18,2) N S Indicador de ubicación geográfica de la Meta.

No Ninguno

CodTienda VARCHAR(6) N S Codigo Tiempo No Ninguno

CodClienteAnexo

VARCHAR(17) N N

Codigo Cliente Anexo No Ninguno

CodEstadoStock

VARCHAR(3) N N

Codigo Estado No Ninguno

CodProceso VARCHAR(2) N N

Codigo de Proceso No Ninguno

CodItm INT N N

Codigo Item No Ninguno

112

CodMov INT N N

Codigo Movimiento No Ninguno

CodMon VARCHAR(3) N N

Codigo Moneda No Ninguno

CodCaja VARCHAR(10) N N

Codigo Caja No Ninguno

CodCatalogo INT N N

Codigo Catalogo No Ninguno

CodDoc VARCHAR(3) N N

Codigo Documento No Ninguno

NroSer VARCHAR(5) N N

Numero de Serie No Ninguno

NroDoc VARCHAR(20) N N

Numero de Documento No Ninguno

MovTipo VARCHAR(6) N N

Tipo de Movimiento No Ninguno

MovCpto VARCHAR(11) N N

Movimiento Concepto No Ninguno

OrgCodEmp INT N N

Codigo Empresa Origen No Ninguno

OrgCodAlm INT N N

Codigo Almacen Origen No Ninguno

DstCodAlm INT N N

Codigo Almacen destino No Ninguno

DstCodEmp INT N N

Codigo Empresa destino No Ninguno

ArtCant SMALLINT N N

Cantidad de productos No Ninguno

ArtValor NUMERIC(18,2) N N

Valor del productos No Ninguno

ValorDefFac NUMERIC(22,10)

N N Costo Unitario en dolares No Ninguno

ValorDefFacTot

NUMERIC(22,10)

N N Total costo en dolares No Ninguno

ValorOtrFac NUMERIC(22,10)

N N Costo unitario en soles No Ninguno

ValorOtrFacTot

NUMERIC(22,10)

N N Total costo en soles No Ninguno

Ingresos INT N N

Ingresos No Ninguno

Salidas INT N N

Egresos No Ninguno

Stock INT N N Stock(ingreso-egresos) Si Ninguno

FactStock Pendiente Descripción: Permite analizar el stock pendiente por facturar de los vendedores

del canal de venta mayorista

Tipo: Contable

Cambiante: Sí


113

Atributos Tipo PK FK Descripcion Visible Comportamiento

CodAlmacen INT N N Codigo Almacen No Ninguno

CodClienteAnexoOriginal

VARCHAR(18) N N Codigo cliente anexo original

No Ninguno

CodClienteAnexoFinal

VARCHAR(18) N N Codigo Cliente Anexo Final

No Ninguno

CodProducto VARCHAR(25) N N

Codigo Producto No Ninguno

CodVendedorOriginal VARCHAR(15) N N Codigo vendedor

original No

Ninguno

CodVendedorFinal VARCHAR(15) N N

Codigo vendedor final No Ninguno

OrgCodCaja VARCHAR(8) N N

Código caja original No Ninguno

CodCaja VARCHAR(20) N N

Codigo Caja No Ninguno

PedNro INT N N

Numero de Pedido No Ninguno

PedItm SMALLINT N N

Item de Pedido No Ninguno

CodSolic INT N N

Codigo de Slicitud No Ninguno

ParCant SMALLINT N N

Cantidad de pares Si Ninguno

ParTalla1 VARCHAR(5) N N

Nro de talla de Par1 No Ninguno

ParCant1 TINYINT N N Cantidad de pares de

Talla 1

No Ninguno




Talla 2

No Ninguno




Talla 3

No Ninguno




Talla 4

No Ninguno




Talla 5

No Ninguno




Talla 6

No Ninguno




Talla 7

No Ninguno




Talla 8

No Ninguno

ParPrecio MONEY N N

Par Precio No Ninguno

114

ParPrecioFinalMon VARCHAR(5) N N Par Precio Final

Monto

No Ninguno

ParFob MONEY N N Precio Fob de un par No Ninguno

ParCostoDef MONEY N N Par costo en dolares No Ninguno

ParCostoDefMon VARCHAR(5) N N Moneda de Par No Ninguno

CodLote TINYINT N N Codigo Lote No Ninguno

CodLado CHAR(1) N N Codigo Lado No Ninguno

CodParhl TINYINT N N Codigo Parihuela No Ninguno

CodRac VARCHAR(3) N N Codigo Rac No Ninguno

VtaEstado VARCHAR(2) N N Estado de Caja No Ninguno

VtaProceso VARCHAR(2) N N Porceso de Caja No Ninguno

VtaSelec VARCHAR(2) N N Selección de Caja No Ninguno

OrgFacCod VARCHAR(10) N N Original de código factura

No Ninguno

ParPrecioOriginal NUMERIC(18,2)

N N Precio orginal por par No Ninguno

FactCobranza Descripción: Permite analizar la cobranza realizada diaria por lo vendedores en

el canal de venta mayorista

Tipo: Contable

Cambiante: Sí


Atributos Tipo PK FK Descripcion Visible Comport

amiento

CodClienteAnexo VARCHAR(18) NO SI Codigo cliente anexo No Ninguno

CodTiempo VARCHAR(8) NO SI Código tiempo No Ninguno

CodVendedor VARCHAR(15) NO SI Codigo Vendedor No Ninguno

CodBanco SMALLINT NO NO

Codigo Banco No Ninguno

CodCuenta SMALLINT NO NO

Codigo de Cuenta No Ninguno

MontoCobranza MONEY NO NO

Monto Cobranza Si Ninguno

PlaNro VARCHAR(10) NO NO

Numero de Planilla No Ninguno

PlaDoc VARCHAR(3) NO NO Documento de

Planilla

No Ninguno

PlaItm NUMERIC(18,0)

NO NO Item de Planilla

No Ninguno

FlgPago TINYINT NO NO

Flag de Pago No Ninguno

OrgCodDoc VARCHAR(3) NO NO Código de documento

Original

No Ninguno

OrgNroSer VARHCAR(3) NO NO Numero de Serie

Original

No Ninguno

OrgNroDoc VARHCAR(8) NO NO Numero de

Documento Original

No Ninguno

TipoDep VARHCAR(5) NO NO

No Ninguno

NroTarjeta VARHCAR(50) NO NO

Numero de Tarjeta No Ninguno

NroVoucher VARHCAR(20) NO NO

Numero de Voucher No Ninguno

PagoDocCod VARHCAR(3) NO NO Código de documento

pago

No Ninguno

PagoDocSer VARHCAR(3) NO NO Serie de documento

de pago

No Ninguno

115

PagoDocNro VARHCAR(10) NO NO Numero de

documento de pago

No Ninguno

TipCam NUMERIC(18,5)

NO NO Tipo de cambio

No Ninguno

CbrImporte MONEY NO NO Importe en moneda

de pago

No Ninguno

CbrInteres MONEY NO NO Interés en moneda de

apgo

No Ninguno

CbrGastos MONEY NO NO Gastos en moneda

de pago

No Ninguno

CbrPercepcion MONEY NO NO Percepción en

modena de pago

No Ninguno

CbrTotal MONEY NO NO Total en moneda de

pago

No Ninguno

CbrMoneda VARHCAR(3) NO NO

Moneda de pago No Ninguno

DefImporte MONEY NO NO

Importe en dolares No Ninguno

DefInteres MONEY NO NO

Interés en dolares No Ninguno

DefGastos MONEY NO NO

Gastos en dolares No Ninguno

DefPercepcion MONEY NO NO Percepcion en

dolares

No Ninguno

DefTotal MONEY NO NO Total en dolares No Ninguno

OtrImporte MONEY NO NO Importe en soles No Ninguno

OtrInteres MONEY NO NO Interses en Soles No Ninguno

OtrGastos MONEY NO NO Gastos en Soles No Ninguno

OtrPercepcion MONEY NO NO Percepción en Soles No Ninguno

OtrTotal MONEY NO NO Total en soles No Ninguno

TxtObserv VARCHAR(500)

NO NO Observaciones No Ninguno

Fact Pedido Descripción: Permite analizar los pedidos de importación de los diferentes

canales de venta

Tipo: Contable

Cambiante: Sí


Atributos Tipo PK FK Visible Comporta

miento

CodClienteAnexo VARCHAR(18) NO SI Codigo Cliente Anexo

No Ninguno

CodEstado VARCHAR(2) NO SI Codigo Estado No Ninguno

CodProducto VARCHAR(25) NO SI Codigo Producto No Ninguno

CodTiempo VARCHAR(10) NO SI

Codigo Tiempo No Ninguno

CodVendedor VARCHAR(15) NO SI

Codigo Vendedor No Ninguno

CodPedido VARCHAR(25) NO NO

Codgio Pedido No Ninguno

PedItm TINYINT NO NO Numero Item de

Pedido No

Ninguno

PedNro INT NO NO

Numero de Pedido No Ninguno

TotPedido SMALLINT NO NO Numero de Total de

pedido SI

Ninguno

ParTalla1 VARCHAR(5) NO NO Numero de Talla de

Par 1 No

Ninguno

116

ParCant1 SMALLINT NO NO

Cantidad de Talla 1 No Ninguno


Par 2 No

Ninguno




Par 3 No

Ninguno




Par 4 No

Ninguno




Par 5 No

Ninguno




Par 6 No

Ninguno




Par 7 No

Ninguno




Par 8 No

Ninguno



ValorVenta NUMERIC(18,2)

NO NO Valor venta No

Ninguno

ValorIgv NUMERIC(18,2)

NO NO Valor IGV No

Ninguno

PrecioUnitario NUMERIC(18,2)

NO NO Precio Unitario No

Ninguno

PrecioVenta NUMERIC(18,2)

NO NO Precio Venta No

Ninguno

117

1.6 Cubo OLAP Jerarquía Cliente

118

Jerarquía Producto

119

Jerarquía Tiempo

120

1.6 Encuestas de satisfacción

Se realizó una encuesta para un total de 10 personas, Se muestra la estructura

De dicha encuesta con las preguntas realizadas.

121

1.7 Evaluación de resultados

Nombre: XXXXXXXX

Cargo: XXXXXXXXXXX

Lugar y Fecha:

Lima – Perú 2014

N° Puntos de Evaluación Registro de

Cumplimiento

SI NO NA

1 Hace uso de la solución de inteligencia

de negocios para la toma de decisiones

2 La solución de inteligencia de negocios

responde de manera adecuada ante las

necesidades del negocio

3 La solución de inteligencia de negocios,

le permite realizar búsquedas de

información de manera rápida

4 Es buena la experiencia de usuario en el

uso de la solución de inteligencia de

negocio


cumple con los objetivos principales de

rapidez e información confiable


le permite realizar análisis a nivel de

detalle

7 Son entendibles los resultados

mostrados en la solución de inteligencia

de negocios

8 Cree que ha mejorado el tiempo de

respuesta en el desarrollo de la

información con la solución de

inteligencia de negocio

9 Percibe una mejora en la productividad

de las ventas con la solución de

inteligencia de negocios.

Implementación de inteligencia de negocios para el...

Documents

Transcript of Implementación de inteligencia de negocios para el...