8/10/2019 Inteligencia de Negocios _Reparado
1/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 1
INTELIGENCIA DE NEGOCIOS
(VersinPreliminar)
MCP Ing. Ricardo Mendoza [email protected] .
blog: http://rimenri.blogspot.com
8/10/2019 Inteligencia de Negocios _Reparado
2/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 2
Sistema de Soporte a la Toma de Decisiones
Introduccin
El estudio concerniente a analizar la informacin, en estos ltimos aos, ha ido en crecimiento
constante. La informacin se constituye en el factor primario para la toma de decisiones de los
personas en los diferentes niveles de gestin que realizan siendo la clave de la gestin empresarial, y
eje principal sobre el que gravitan los sistemas de informacin empresariales.
As como las empresas se preocupan por los recursos financieros, materiales y humanos, que hasta elmomento haban constituido los ejes sobre los que haba girado la gestin empresarial, ahora aparece la
informacinal mismo nivel como un recurso primario a tener en cuenta. Si la Teora Econmica tradicional
tena al capital, la tierra y el trabajo como elementos primarios de estudio, la informacinse ha convertido,
ahora, en el cuarto recurso a gestionar.
Los problemas de los sistemas de informacin representan una combinacin de aspectos de administracin,
organizacin y tecnologas.
Administracin
de
Empresas
Administrar es dirigir una organizacin. En lneas generales, una organizacin es cualquierinstitucin compuesta de recursos, cuya combinacin, permite alcanzar una serie de objetivos
Fases:
1. Planificacin2. Organizacin3. Ejecucin4. Control
Recursos
1. Humanos2. Econmicos3. Materiales4. Informativos
8/10/2019 Inteligencia de Negocios _Reparado
3/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 3
Toma
de
Decisiones:
En el mundo empresarial la gestin de informacin tiene como uno de los productos ms relevantes el
de la toma de decisiones. Siendo as, una decisin puede ser descrita como la respuesta a un problema a
solucionar o la eleccin entre distintas alternativas para conseguir unos objetivos tal vez definidos
dentro de un plan estratgico.
Algunas Definiciones de Toma de Decisiones
McClure [21] conversin de la informacin en accin, de manera que el recurso informacinadquiere un papel imprescindible en este proceso.
Ivancevich et al.[22]"es una serie o concatenacin de pasos consecutivos o de etapas interconectadasque dan lugar a una accin o a un resultado y su correspondiente evaluacin".
Grace Carter et al. [23] es un proceso en el que una o ms personas identifican un problema y
entonces disean, eligen, implementan y programan una solucin.
Simon [24] toma de decisiones y gestin son trminos sinnimos, y que la toma de decisiones en una
organizacin tiene como fronteras los lmites de la racionalidad: "La capacidad de la mente humana
para formular y resolver problemas complejos es muy pequea comparada con el tamao de los
problemas por los cuales se requiere una solucin en un entorno real"
Mairead Browne [25] "decisin es el punto final de una serie de actividades que son primordialmente
de naturaleza cognitiva".
Las decisiones estructuradas
Son aquellas que cuentan con un proceso perfectamente definido para llevarse a cabo, es decir, que se realizanrutinariamente, no cambian; por ejemplo, la seleccin de personal en una empresa para un puesto determinadose da siempre de la misma manera. Por ejemplo cuando en una institucin educativa privada al momento deque un alumno registre sus cursos, previamente debe de pagar su matrcula. Son decisiones que siguen una
receta establecida. Normalmente pueden ser administradas por un software.
Las decisiones no estructuradas
No cuentan con un procedimiento predeterminado, quien debe tomar una decisin se basa en criterios,valoracin y puntos de vista sobre el problema que se presenta, as como en el entorno en el cual se sita laproblemtica a resolver: por ejemplo, las decisiones sobre las inversiones de una empresa cuando generaganancias extras. No es lo mismo para una institucin universitaria, desde el punto de vista de rentabilidadexpandirse como una nueva sede o construir un nuevo pabelln.
8/10/2019 Inteligencia de Negocios _Reparado
4/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 4
Las decisiones semi-estructuradas
Parte del problema sea estructurado y algunos otros elementos no lo sean. Un ejemplo de lo anterior loencontramos en los casos de ascensos de personal, ya que algunos factores estn predeterminados y otros no.
El Proceso de Toma de Decisiones
Identificacin de problemas,
Bsqueda de alternativas, Evaluacin de alternativas,
Eleccin de una alternativa.
8/10/2019 Inteligencia de Negocios _Reparado
5/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 5
Tipos
de
Sistemas
de
Informacin
en
la
Empresa
Los Sistemas de Informacin para la Gestin (SIG), oManagement Information Systems(MIS),
Sistemas Soporte a la Decisin (SSD), oDecision Support Systems(DSS),
y Sistemas de Informacin para Ejecutivos (SIE), oExecutive Information Systems(EIS).
8/10/2019 Inteligencia de Negocios _Reparado
6/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 6
Sistemas de informacin para la gestin (mis).
Los Sistemas de Informacin para la Gestin son un conjunto de herramientas que combinan las
tecnologas de la informacin (hardware + software) con procedimientos que permitan suministrar
informacin a los gestores de una organizacin para la toma de decisiones.
Podemos afirmar que estos sistemas se componen de tres funciones; la recopilacin de datos, tanto
internos como externos; el almacenamiento y procesamiento de informacin; y la transmisin deinformacin a los gestores.
Parece que el uso de los sistemas de informacin para la gestin dejaban incompletas las necesidades
informativas de los gestores de las empresas, surgiendo, as, distintos sistemas para la toma de
decisiones. Describiremos los Sistemas Soporte a la Decisin, y los Sistemas de Informacin para
Ejecutivos.
Sistemas soporte a la decisin (dss).
Hace uso de sistemas de gestin de bases de datos; de la ergonoma que aporta la necesidad de crear
interfaces que permitan que un usuario utilice una herramienta con el menor esfuerzo posible; y delanlisis de decisiones. [70]
Turban[71]manifiestaqueesunsistemadeinformacininteractivobasadoenordenadorqueutilizanormasy
modelosdedecisin,quejuntoconunabasededatossoportatodaslasfasesdelprocesodetomade
decisiones,principalmenteendecisionessemiestructuradasbajoelcontroltotaldeaquellosquesededicana
tomarlas
Yang [72] incide en aquellas caractersticas que permiten diferenciar a unDSSdel que no lo es, as:
El DSS soporta todas las fases del proceso de toma de decisiones: inteligencia, diseo, eleccine implementacin.
El soporte se realiza a varios niveles de los equipos de gestin, desde los altos ejecutivos a los
gestores de base.
Soportan varios niveles de decisiones interdependientes o secuenciales y una variedad de
procesos y estilos de toma de decisiones.
Y son fciles de usar.
8/10/2019 Inteligencia de Negocios _Reparado
7/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 7
Sistemas de informacin para ejecutivos ( eis).
SegnDanielCohenKarenyEnriqueAsnLares,unSistemade InformacinparaEjecutivossedefine,comounsistema
computacional que provee al ejecutivo acceso fcil a informacin interna y externa al negocio con el fin de dar
seguimiento a los factores crticos del xito. De esta definicin se desprende el hecho de que los SIE se enfocan
primordialmente aproporcionar informacinde la situacin actualde la compaa ydejanen unplano secundario la
visualizacinoproyeccindeestainformacinenescenariosfuturos.EsteltimoenfoqueesprovistoporlosDSS.[DW09]
Loque
debe
contener
un
SIE
Si consideramos que una pantalla de informacin valiosa es un SIE, prcticamente cualquier hoja de clculo e
incluso un reporte de produccin podra serlo. Para ser considerado un SIE, un sistema debe reunir una serie de
caractersticas adicionales a las que por defecto debe contener al formar parte de la Tecnologa de Business
Intelligence, es decir, brindar informacin y que sirva de apoyo a la toma de decisiones.
Un tpico SIE cuenta con funciones que le permiten al usuario notar rpidamente los errores y los valores
destacables de la informacin.
Figura 1.3 EjemplodeunaInterfazdeunSIE
8/10/2019 Inteligencia de Negocios _Reparado
8/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 8
Interfaz grfica fcil de usar y ver
Un SIE est diseado para un usuario final que no forzosamente domina herramientas
computacionales complejas, e independientemente de que las domine, no debe invertir una
parte importante de su tiempo en conocer y, posteriormente, utilizar herramientas
complicadas. Bajo esta filosofa es que se menciona como una caracterstica de los SIE el que
posean interfaces grficas sencillas, que tengan una curva de aprendizaje corta y, adems,
debern ser vistosas e intuitivas para facilitar la labor de monitoreo del tomador de
decisiones.
Alarmas o semforos
Un tpico SIE cuenta con funciones que le permiten al usuario notar rpidamente los errores y
los valores destacables de la informacin. Es una de las caractersticas principales, ya que las
propiedades que le son asignadas a los valores son las que permiten verdaderamente
"monitorear" la informacin, de otro modo el ver datos planos provocara que el usuario
investigue cada uno de los valores y, posteriormente, los compare contra identificadores antes
de poder determinar si son "buenos" o "malos". La tendencia es hacia interactuar cada vez
menos con los sistemas y para ellos, las alarmas se vuelven indispensables, ya que disparan
indicadores para que el ejecutivo solo ponga atencin donde se han sobrepasado ciertos
rangos de tolerancia. Estos indicadores pueden ir desde simples colores de letra y fondos,hasta el envo de correos electrnicos o mensajes por radiolocalizador.
Tableros de Control
Surgiendo en Francia con el nombre de Tableau de Bord, el Tablero de Control es una
herramienta que en un principio utilizaba indicadores financieros para permitir desarrollar
diferentes procesos de negocio. Su especializacin ha tomado el camino hacia el CMI (Cuadro
de Mando Integral), que ya es una poderosa herramienta para direccin, que no solo utiliza
indicadores financieros, sino tambin los no financieros para dirigir de forma proactiva a la
empresa en la consecucin de objetivos a mediano y largo plazo. El Tablero de Control no
forzosamente implica una metodologa de trabajo, en ese sentido es algo ms sencillo que
puede llegar a un nivel de especializacin tan amplio como uno lo quiera, por ejemplo,empleando la metodologa del Balanced Scorecard para implementar un sistema de monitoreo
del estado de salud corporativa.
Administracin De Una Sola Pgina
De la mano del Tablero de Control, la Administracin de una Sola Pgina significa colocar el
mayor nmero posible de indicadores destacables de la empresa en el menor nmero posible
de pginas, adems, permitir la navegacin hacia otras pginas con ms informacin, ya que,
definitivamente es prcticamente imposible colocar toda la informacin valiosa en un solo
lugar.
8/10/2019 Inteligencia de Negocios _Reparado
9/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 9
INDICADORDEGESTION(KPI:KeyPerformanceIndicator)
Unindicadordegestinesunavariablecuantitativacuyafinalidadesentregarinformacinacerca
delcumplimientodeunameta.
Es un instrumento que permite la medicin y, por lo tanto, su calidad y su utilidad estar
determinadaprincipalmenteporlaclaridadyrelevanciadelametaquetieneasociada.
Metas,sonlaexpresinconcretadelplandegestinparaellogrodelosobjetivosestratgicosde
laUnidad Ejecutora. Pueden serdeproduccin (toman en cuenta los productos y la poblacin
objetivoatendida)odegestin(seproponenmejorarlosprocesos). Algunosejemplospuedenser:
Indicadorde
morosidad
Indicadordeproductividad
Indicadorderecaudacin
Indicadordedesercin
La
Pirmide
de
Datos
y
Decisiones
Decisio
nes
Siste
masd
eIn
form
ac
in
LosDirectorestomandecisionesEstratgicasalargoplazodequeproductososerviciosfabricar.LosGerentes
deNivelMedioejecutanlosplanesyprogramasestablecidosporlosdirectores.Losgerentesoperativosson
responsablesdesupervisarlasactividadesdiariasdelaempresa.
8/10/2019 Inteligencia de Negocios _Reparado
10/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 10
Inteligencia de Negocios en lasOrganizaciones
Introduccin
Durante los ltimos aos se han multiplicado los estudios tendentes a analizar la informacin comofactor clave para la toma de decisiones en la empresa, clave de la gestin empresarial, y eje conceptualsobre el que gravitan los sistemas de informacin empresariales.
Se considera a la informacin un recurso que se encuentra al mismo nivel que los recursos financieros,materiales y humanos, que hasta el momento haban constituido los ejes sobre los que haba girado lagestin empresarial. Si la Teora econmica tradicional mantena el capital, la tierra y el trabajo comoelementos primarios de estudio, la informacin se ha convertido, ahora, en el cuarto recurso agestionar.
Que
es
la
Inteligencia
de
Negocios
Es una arquitectura y coleccin de herramientas que buscan mejorar a las organizaciones,proporcionando vistas de aspectos de negocio a todos los empleados (estratgico, tctico,
operacional) para que tomen mejores y ms relevantes decisiones en menos tiempo y con la mayorinformacin posible.
Brindando:
Informacin correcta Tiempo oportuno Personas correctas
Constituye una arquitectura y coleccin de aplicaciones
operacionales y de soporte de decisiones con bases de datos queproporcionan a los usuarios de la organizacin fcil acceso a la
data del negocio.
La Inteligencia de Negocios se direcciona principalmente en
Aplicaciones y Base de Datos de Soporte a la Toma de Decisiones
8/10/2019 Inteligencia de Negocios _Reparado
11/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 11
Tipos
de
Reportes
DashBoardReportsKPI(KeyPerformanceIndicator)SIE
ProductionReportsreportestradicionalesSistemaTransaccional
o OrganizacintipoPareto.
o HistorialCrediticiodeunCliente.
o Losproductosconmsrotacin.
AnalyticalReportsreportesdeconstruccindinmica.DWH
Componentes
y
Solucin
Integral
de
Inteligencia
de
Negocios
Legacy System
8/10/2019 Inteligencia de Negocios _Reparado
12/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 12
Sistemas
Fuentes:
Sonlossistemastransaccionalesquehansidodiseadosfundamentalmenteparaelsoportedelasoperaciones
delnegociocomo:Compras,Ventas,Almacenes,Contabilidad,etc. Estossistemasdebencumplirunrequisito
fundamental:yadebendeestarconsolidadosencuantoalregistrodeinformacindelasoperaciones.Nosera
limitante silecarecedereportesparatomadedecisiones,yaqueesahelvacioquecubrirlaInteligenciade
Negociosadicionandomdulosdegestinparalasdecisionesoperacionales.
Base
de
Datos
Operacionales:
OLTP
Lossistemastransaccionalesregistranograbanlasoperacionesdentrodelasbasededatosoperacionales(On
LineTransactionalProcess:OLTP).Estasdatospermitirngenerar informacinpara la tomadedecisionesa
niveloperacional.Estasbasesdedatosloquepersiguenfundamentalmentesonelregistrodetransaccionesy
laconsistenciadelosdatos.
RequerimientosEstratgicos(PlanEstratgico)
Es altamente recomendable tener definido el Plan Estratgico de la Organizacin. En caso extremo no se
obtenga,apartir
de
las
entrevistas
se
pueden
buscar:
objetivos,
estrategias,
indicadores
de
estrategias
que
permitanorientarelproductoadisear.Sonbastantetilesademsdelplanylasentrevistas losreportesde
gestinquelostomadoresdedecisionesposeenparamedirsugestin.
Estosrequerimientosestratgicosdeberncontrastarsecon laBasedeDatosOperacional,yaquemuchosde
ellosseobtendrndeestafuente.Encasonopuedanserobtenidosserecomiendareestructurar laBasede
datosylasaplicaciones,afindesatisfacerestosrequerimientosestratgicos.
ETL(Extraer,TransformaryCargarPoblar)
Eselcomponentequepermitir2cosasfundamentalmente
IntegrarDatoscuandosetengandistintasfuentes(DiferentesmanejadoresdeBasedeDatos)
Llevarinformacindelasbasededatosoperacionalesalasbasededatosdimensionales
Data
WareHouse
(DWH)
8/10/2019 Inteligencia de Negocios _Reparado
13/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 13
Eselgranalmacndedatosqueestestructuradoparaanalizarlainformacin,adiferenteniveldedetalle,de
todoslos
procesos
de
negocios
que
tiene
la
organizacin.
Es
la
Base
de
Datos
llamada
estratgica
o
multidimensional.Una vez diseadasmediante el ETL es poblada o llenada a partir de las Bases deDatos
operacionales.Eldiseovaorientadoaencontrarmedidas(Porejemplo:montosvendidos,montoscobrados,
horashombreutilizadas,etc)ydimensiones(Clientes,Productos,Tiempo,Organizacin,Servicios,etc).
Data
Marts
ConstituyenunapartedeunDWH.SiunDWHestformadoportodoslosprocesosde laorganizacin,unData
Martconstituyeundeterminadoproceso.PorejemplopodramostenerunDataMartparaFinanzas,otropara
Logstica.PuedenserpreparadosapartirdeunDWHoserelaboradosindependientemente.
Tecnologias
OLAP
(On
Line
Analytical
Process)
Es la tecnologaquepermite aprovecharcomoestestructurada la informacindeunDataMartounData
WareHouse.Fundamentalmenteesuna tecnologaquepermitiranalizar informacindinmicamentea los
nivelestcticoyestratgicobasadosenCubosquecontienenlasmedidasylasDimensiones.
Minera
de
Datos
Constituyenalgoritmosavanzados (estadsticas, inteligenciaartificial) que intentadescubrircosasocultasen
losdatos
capturados
alo
largo
de
las
operaciones
del
negocio.
Es
el
llamado
el
descubrimiento
del
conocimientoyvadireccionadoalnivelestratgicodirectamente.
Aplicaciones
para
Soporte
de
Decisiones
Van diseadas para cubrir las decisiones tcticas y estratgicas. En el mercado existen una serie de
herramientasquepermitenconstruirestasaplicaciones,quesemontansobreunasolucinOLAPoBasesde
Datostransaccionales.
Sistemas
de
Informacin
para
Ejecutivos
Sonsistemasdiseadosparalaaltadireccinyqueestnbasadosenalertasosemforosqueindicanelestado
deundeterminado indicadordenegocio.Este indicador se le llamaKPI (KeyPerformance Indicator).Estos
estadosestn reflejadosensmboloscomounsemforo (rojo,verde,mbar)entreotros.Generalmenteson
obtenidosapartirdeunBalanceScoredCard)
8/10/2019 Inteligencia de Negocios _Reparado
14/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 14
Factores
a
Considerar
para
implementar
un
Proyecto
de
BI
Acceso
a
la
informacin
transaccional:
Bases
de
Datos
y
Aplicaciones
TipodeManejadordeBasedeDatosqueusa.
ModelodeDatos(ER) >documentado
Tabla:Clientealmacenainformacindelacarteradeclientes
Campo
Descripcin
TipoDato
Null
Pk
FK
IdCliente Identificador
delcliente
Int No Si No
CuantoPesalaBasedeDatos.
Direccionamiento
del
Negocio:Gestin,PlanesEstratgicosorientaralajustificacindelproyectodeBI.
Riesgos
GestindelProyecto(experienciay/oconocimiento)TiempoyPresupuestoPlanificado.
Definir5riesgos (LeerlibrodeSteveMcConell>GestindeProyectosdeSistemasdeInformacin)
Justificacin
y
Retorno
de
la
Inversin(mnimode5)
Costohora hombre(#horasqueactualmenteseinvierteparaobtenerlainformacin,costohora)
Tiempo(medirelnrodehhobtenerelreporteactual)
Capacidaddeautogeneracindeinformacin(evitardependenciaconpersonasoreas)
8/10/2019 Inteligencia de Negocios _Reparado
15/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 15
Tecnologa:secuentaconelequipamientosuficiente(1gbtransaccional>=3.5Gb)
Servidores:1
Software: No
Comunicaciones:
Planificando
un
Proyecto
de
Inteligencia
de
Negocios
Costo
Tiempo
Cunto
Cuesta
?
RecursosHumanos
RecursosMateriales
RecursosTecnolgicos
Recursos
Humanos
BusinessRepresentative:beneficiariodirecto:GerenteGeneral:Lic.XX
BusinessExecutiveSponsor:aseguraquesecumplanlosobjetivosdelproyectoBI(GerenteGeneral:Lic.XX)
ProjectManager:
integrador
de
los
sistemas
(Coordinador,
Lider
Grupo)
BusinessProcessExpert:expertdelprocesodeNegocios(Cargo,Grado,Nombremail telefono)
DataSpecialist:especialistadedatos(Cargo,Grado,Nombremail telefono)DBA:DataBaseAdministrator
CoredelProyecto
8/10/2019 Inteligencia de Negocios _Reparado
16/80
8/10/2019 Inteligencia de Negocios _Reparado
17/80
8/10/2019 Inteligencia de Negocios _Reparado
18/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 18
Construyendo un Data WareHouse.Introduccin
Introduccin
Dentro de las tareas de anlisis de informacin para la consiguiente toma de decisiones deencuentra el Data WareHouse que est basado en un Modelo Dimensional (dimensiones y
medidas) y que se construye fundamentalmente a partir de dos componentes fundamentales
La Base de Datos Operacional Consolidada
Definicin de los Requerimientos Estratgicos
Utiliza el ETL (Extraccin, Transformacin y Carga de Datos) como herramienta de carga de
datos. Una vez diseado y encontrndose con datos puede ser utilizada por Tecnologas OLAP
que explotaran la forma como ha sido estructurada.
Un data WareHouse constituye una parte fundamental de la Inteligencia de Negocios
Definicin
de
un
Data
WareHouse
Un Data WareHouse es una Base de Datos, constituye el gran almacn de Datos que estdiseado fundamentalmente para:
Permitir el acceso en forma fcil a toda la organizacin
Integrar informacin histrica y consistente
Adaptarse a los cambios que se dan en la organizacin
Generar datos dirigido al usuario y presentados en forma consolidadafundamentalmente.
Para Distribucin de Informacin y de Consultas
El valor de un DW queda descrito en tres dimensiones, segn Inmon & Hackathorn, [1994]:
8/10/2019 Inteligencia de Negocios _Reparado
19/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 19
Mejorar la Entrega de Informacin: informacin completa, correcta, consistente,oportuna y accesible. Informacin que la gente necesita, en el tiempo que la necesita y en elformato que la necesita.
Facilitar el Proceso de Toma de Decisiones: con un mayor soporte de informacin seobtienen decisiones ms rpidas; as tambin, la gente de negocios adquiere mayor
confianza en sus propias decisiones y las del resto, y logra un mayor entendimiento de losimpactos de sus decisiones.
Impacto Positivo sobre los Procesos Empresariales: cuando a la gente accede a una mejorcalidad de informacin, la empresa puede mejorar:
o Eliminar los retardos de los procesos empresariales que resultan de informacinincorrecta, inconsistente y/o no existente.
o Integrar y optimizar procesos empresariales a travs del uso compartido e integradode las fuentes de informacin.
o Eliminar la produccin y el procesamiento de datos que no son usados ni necesarios,producto de aplicaciones mal diseados o ya no utilizados.
Sistemas
Operacionales
y
Sistemas
Analticos
Los sistemas operacionales normalmente registran la informacin de las transacciones que se generande las labores operativas y el data warehouse es desde se muestra la informacin para analizar y
permitir tomar decisiones ms acertadas.
Sistemas Operacionales
Siguen Eventos individuales.
Diseados para ingreso de informacin en tiempo real y permiten la edicin de datos
Permitir registrar informacin consistente que asegure la integridad de los datos
Ejemplos:o Sistemas de Almacenes
o Sistemas de Contabilidado Sistemas de Comercializacin
Sistemas Analticos
Asiste como Soporte a las Decisiones Estratgicas.
Proporciona Anlisis a Diferente Nivel de Detalle
Permite a los usuarios navegar en diferente niveles (Drilling Up, Drilling Down)
Permite a los sistemas bsquedas para hallar nuevas relaciones
8/10/2019 Inteligencia de Negocios _Reparado
20/80
8/10/2019 Inteligencia de Negocios _Reparado
21/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 21
Parte de un Data WareHouse
Se centra sobre temas particulares o procesos de negocios especficos.
Puede ser una solucin tctica que brinde resultados en corto tiempo.
Se construyen fundamentalmente:o Realizar Consultas Rpidaso Existen pocos usuarioso Implementados en corto tiempo
Moviendo Datos de un Data WareHouse a Data Marts
Ventajaso Campos Compartidos (dimensiones comunes)o Origen Comno Procesamiento Distribuido
Desventajaso Tiempo largo de desarrollo
Moviendo Datos de un DataMart a un WareHouse
8/10/2019 Inteligencia de Negocios _Reparado
22/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 22
Ventajaso Simple y Rpido
o Datos Departamentaleso Procesamiento Distribuido
Desventajaso Duplicacin de Datao Posible incompatibilidad de los Data Mart al querer ser integrados
El
ciclo
de
Vida
de
un
Data
WareHouse
Elementos Bsicos
8/10/2019 Inteligencia de Negocios _Reparado
23/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 23
8/10/2019 Inteligencia de Negocios _Reparado
24/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 24
Herramientas a Usar para Manejar el Proceso
Componente del Proceso Herramienta
Data WareHouse, Data Mart DataBase Engine
ETL Integration Services
Cubos Servicios de Anlisis
Pivot Table Services Owc 11Construccin de Interfaces Excel, VS.NET
Datos
en
un
Data
WareHouse
Caractersticas de la Data
ParaeldesarrollodelcursosetrabajaraconelSQLServer2005
8/10/2019 Inteligencia de Negocios _Reparado
25/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 25
Ejemplo de Organizacin de Datos
ParaeldesarrollodelcursosetrabajaraconelSQLServer2005
La
propuesta
Metodolgica
de
Kimball
8/10/2019 Inteligencia de Negocios _Reparado
26/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 26
ATENERENCUENTA! ValidandounaBasedeDatosOperacional
Vaorientadoadeterminarlacalidaddeladataoperacionalqueasegurelaconsistenciadesuuso,enestecaso
deldatamart.
HablardeconsistenciaespensarenIntegridaddeDatosyexisten2formasdeForzarIntegridad
IntegridadDeclarativa:esdondeelDBMSadministralaintegridadprotegindolodeposibles
inconsistencias.Tenemoslossiguientestipos
IntegridadProcedural:cuyaintencinesimplementarlasreglasdenegocioutilizandocdigo
personalizadomedianteun:
o StoredProcedure
o Trigger
Lospasossugeridosparadeterminarlaconsistenciadelabaseoperacionalson:
Identificar Data Requerida
Solicitar el Modelo de Datos
Solicitar Documentacin del modelo
8/10/2019 Inteligencia de Negocios _Reparado
27/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 27
Analizar el Contexto de la Data
Revisar el Modelo de Datoso Claves Primariaso Relacioneso Tipos de Datoso Reglas de Validacino Identificar campos claves determinando si son NULL.
Determinar informacin cronolgica
Determinar Valores numricoso NULLo No negativos
Seleccionar la Data Usada para la Solucin de Inteligencia de Negocios (BI)
Priorizar la correccin de las inconsistencias con la data que posiblemente ser usada para la Solucin de
InteligenciadeNegocios.
Preparar Data para Limpieza
Consiste en determinar la estrategia a usar para asegurar la integridad de datos. En algunos casos podra
hacerseenelETL,enotrosdejarladataexpeditaantesdeliniciodelaimplementacindelproyecto.
Aplicar Herramientas
Consisteenejecutalaordenqueharelcorrectivodelaestrategiadefinidaenelpasoanterior.Normalmente
seaplicaranordenesSELECTyalgunaspodranserincluidasenunStoredProcedure.
8/10/2019 Inteligencia de Negocios _Reparado
28/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 28
Construyendo un Data WareHouse.Requerimientos Estratgicos
Introduccin
Constituyen la parte gravitante y central en la construccin del Data WareHouse (DW). Los
requerimientos ayudan a definir los datos que estarn disponibles en el DW que usuarios lousaran a fin de definir la arquitectura tecnolgica y como se harn las aplicaciones.
El propsito final, es determinar las medidas y dimensiones que formarn parte de un Data
WareHouse
Para empezar a definir los requerimientos se recomienda:
Entrevistas con los usuarios del negocio (identificar medidas y dimensiones)
Cuadros de gestin (identificar medidas y dimensiones)
Revisar el Plan Estratgico (identificar ndices y medidas)
Conocer el modelo de datos de la Base Datos Operacional (determinar si existen lasmedidas y dimensiones requeridas en la BD actual).
Entrevistas
con
los
Usuarios
del
Negocio
PreparacindeEntrevistas
a. Constituir el equipo de Trabajo
El Business Manager: recibir el beneficio directo del producto
El Business Expert: conocedor y analista de la informacin
El Data Specialist: conocer la Base de Datos Operacional y como se obtienen los cuadros degestin.
Project Manager: lder del proyecto.
b. Preparar Cronograma de Entrevistas
8/10/2019 Inteligencia de Negocios _Reparado
29/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 29
Coordinar con el equipo de trabajo fechas y horas de reuniones.
Recomendamos un tiempo mximo de 90 minutos por cada reunin.
Preparar y Revisar las Hojas de Entrevistas propuestas.
Para identificar requerimientos utilice la tcnica dimensional
Las preguntas deben ir orientadas fundamentalmente a medir gestin:
Las preguntas normales para el Business Manager o Business Expert podran ser:
Preguntas Para conocer el Negocio (Objetivos del Negocio)
Culessonlosobjetivosdelaorganizacin?ObjetivosProcesoNegociosquerepresenta?
Comoestntratandodecumplirlos? DefinirEstrategias
Culessonlasmetaprioritarias (Medidas,Indicadores)
Otras podran a considerar serian:
Culessonlasmedidasdexitodesugestin?
Comosabesiestnhaciendobien?
Cadaqu
tiempo
realiza
la
medicin
de
su
gestin?
Tener en cuenta la misin de la empresa o la misin del proceso de negocios. Considere las siguientes
preguntas claves para determinar como analiza la informacin:
Qu?Aquesededicalaorganizacin?
Quin? Quienessonlosquedemandanoaquienesvadirigidoesosque?:
Dnde?Dondeoenqulugarseproducelatransaccindelosqueylosquien?
Cundo?
Cuando
o
en
qu
momento
le
gustara
analizar
los
datos
?
Cmo?Comoseprodujoelconocimientodelosquienes?
Dequforma?orientadoaqueformaelquiensolicita/recibeelQue?
Por ejemplo en un sistema comercial
Aqu sededica?comercializar:productos
8/10/2019 Inteligencia de Negocios _Reparado
30/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 30
Quin demandaproductos? :losclientes
Dnde seproducelademandadelosproductosporlosclientes?:laorganizacin
Cundo? :anualmenteydiariamente
Cmo?:medianteradio,televisin.
Dequforma?Enlaoficina,pordelivery,porinternet.
Por ejemplo en un sistema de produccin.
Aqu
se
dedica?
procesar
:productos
Quin procesaproductos? :losclientes
Dnde seproducelademandadelosproductosporlosclientes?:laorganizacin
Cundo? :anualmenteydiariamente
Cmo?:medianteradio,televisin.
Dequforma?Enlaoficina,pordelivery,porinternet.
Preguntas Para Analizar Requerimientos
Algunas podran ser:
Qutipodeanlisisutilizarutinariamente?Quedataesusada?Comoobtieneladata?
Quereportesgeneralmenteutiliza?Quedatossepresentanenelreporte?Podraobtenerunamuestrade
esereporte?
Quecapacidaddeanlisisquisieratener(Porejemplorespectoalproducto,cliente,tiempo,promocin,
organizacin,formadeventa)
Queoportunidadesexistenenelnegociobasadoenelanlisisdelainformacin.Influyenyenqumedida
enlasfinanzas?
Las preguntas normales para el Data Specialist podran ser:
ANALISISYREQUERIMIENTODEDATOS
Culeselprocesoactualmenteusadoparaanalizarinformacin
8/10/2019 Inteligencia de Negocios _Reparado
31/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 31
Queherramientasseusanparaanalizarinformacinyquieneslasusan
Dependenen
la
elaboracin
de
informacin
de
anlisis
de
su
Area?.
Ha
creado
reportes
estandarizados
Describalosreportestpicosrequeridos.Cuantodemoraenobtenerlos?
Cul eslafrecuenciaderequerimientosdeinformacinparaanlisis?
Comoconsideraelniveltcnicoydeanlisisdelosusuarios
Existepuntosdescentralizadosenlaorganizacin.
Existeunaformadearchivarhistricamentelosrequerimientosdelosusuarios?
D. DISPONIBILIDADYCALIDADDELADATA
QuemanejadordeBDutilizar(DBMS)
Conque
frecuencia
se
actualiza
la
data
yen
que
momento
de
producen
los
cierres
respectivos
de
operaciones.
Quetantoladatahistricaseencuentradisponible
DesdecuandosetienedatosenlaBD
CualestimadodesuBD(1gbtransaccional 3.5a4enelDSS)
Culessonlosdatos obligadosycualeslosopcionalesdocumentacindelmodelodedatos.
Cualessonlastablasmaestros
Culessonlastablastransaccionalesodemovimientos
ExistedocumentacindelaBasedeDatos(Suplicarquelesentreguen) Culessonlosnivelesdeseguridaddeaccesoalosdatosyaplicaciones?
Cules
la
frecuencia
de
modificaciones
de
datos
en
las
jerarquas
de
las
dimensiones
(producto,
vendedor,
promociones,etc)
Revisar
los
Resultados
de
la
Entrevista
Objetivos
Proceso
de
Negocios
de
Ventas
IncrementarVentas
Estrategias(Indicadores)
Proponernuevas
sucursales
yhorarios
de
atencin
CrearPromociones
CapacitarPersonal
PosibleMedidas
Montovendidos
Cantidadesvendidas
Descuentos
Comisiones
8/10/2019 Inteligencia de Negocios _Reparado
32/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 32
PosiblesDimensiones
Productos
Promociones
Clientes
Tiempo
Vendedores
PosiblesJerarquasoNivelesdeunaDimensin
Producto
Categora,Clase,SubClase,
Color
Modelo
Cliente
Genero
Edad
ZonaSector
TipodeNegocio
TipodeCliente
Cuadro
de
dimensiones
y
niveles
Dimensin Nivel 1 Nivel 2 Nivel 3 Nivel 4
CLIENTE RazonSocial TipoNegocio
RazonSocial Sector Zona
RazonSocial Genero
Edad GrupoEdad
PRODUCTO Producto Clase Categoria
Producto Departamento
Color
Producto Modelo
TIEMPO Da Mes Trimestre Ao
8/10/2019 Inteligencia de Negocios _Reparado
33/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 33
VENDEDOR Punto Atencin Oficina Sucursal Empresa
PROMOCION Promocin Tipo Promocin
Crucede MedidasconDimensiones
Producto
Cliente
Tiempo
Promocin
Organizacin
Montos
Vendidos X X X X X
Montos
Cobrados X X X X
8/10/2019 Inteligencia de Negocios _Reparado
34/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 34
A
TENER
EN
CUENTA!
Informacin
importante
para
identificar
requerimientos
1. ModelodeEntrevistaalAnalistaoAdministradordelNegocio
2. ModelodeEntrevistaalEspecialistadeDatos
3. EjemplosdeCuadrosdeGestin
8/10/2019 Inteligencia de Negocios _Reparado
35/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 35
Analista o Adminis trador del Negocio (Business Executive)
A. INTRODUCCION
Discutirlosobjetivosdelproyectodedatawarehouse.
Definalasmetasdelasentrevistas(porejm:,definirrequerimientos).
Definalosrolesdelequipo.
Confirmareltiempodisponible.
B. RESPONSIBILIDADES
Describaala
organizacin
ysu
relacin
con
el
resto
de
la
organizacin.
Culessonlasresponsabilidadesprimarias?
C. OBJETIVOSDELNEGOCIOS
Culessonlosobjetivosdelaorganizacin?
Comoestntratandodecumplirlos?Estrategias
Culessonlasmetaprioritarias (Medidas,Indicadores)
Culessonlasmedidasdexitodesugestin
Comosabesiestnhaciendobien
Cadaqutiemporealizalamedicindesugestin?
Comoidentificalosproblemasoexcepciones?
Describaasus
productos
(clientes
proveedores,
ventas,
promociones
,etc)
Comoclasificaodistingueasusproductos?Comolosdistinguedesucatalogodeproductos?
D. ANALIZARREQUERIMIENTOS
Quetipodeanlisisutilizarutinariamente?Quedataesusada?Comoobtieneladata?
Quereportesgeneralmenteutiliza?Quedatossepresentanenelreporte?Podriaobtenerunamuestrade
esereporte?
Quecapacidaddeanlisisquisieratener(Porejemplorespectoalproducto,cliente,tiempo,promocin,
organizacin,formadeventa)
Queoportunidadesexistenenelnegociobasadoenelanlisisdelainformacin.Influyenyenquemedida
enlas
finanzas?
E. FINAL
Resumaloencontrado.
Agradezcaalosparticipantes.
Describalossiguientespasosysiconsiderafijeunaprximaentrevista.
8/10/2019 Inteligencia de Negocios _Reparado
36/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 36
Entrevista con el Especialista en Datos
A. INTRODUCCION
Discutirlosobjetivosdelproyectodedatawarehouse.
Definalasmetasdelasentrevistas(porejm:,definirrequerimientos).
Definalosrolesdelequipoyconfirmareltiempodisponible.
B. RESPONSABILIDADES
Describaalaorganizacinysurelacinconelrestodelaorganizacin.
Culesson
las
responsabilidades
primarias?
Role
en
la
iniciativa
del
DW?
Aquegruposdenegociodasoporte?
C. ANALISISYREQUERIMIENTODEDATOS
Culeselprocesoactualmenteusadoparaanalizarinformacin
Queherramientasseusanparaanalizarinformacinyquieneslasusan?
Dependenenlaelaboracinde informacindeanlisisdesuArea?.Hacreadoreportesestandarizados
Describalosreportestpicosrequeridos.Cuantodemoraenobtenerlos?
Cuales
la
frecuencia
de
requerimientos
de
informacin
para
anlisis
Comoconsideraelniveltcnicoydeanlisisdelosusuarios
Existepuntosdescentralizadosenlaorganizacin.
D. DISPONIBILIDADYCALIDADDELADATA
QuemanejadordeBDutilizar(DBMS)
Conqufrecuenciaseactualizaladatayenqumomentodeproducenloscierresrespectivosde
operaciones.
QuetantoladatahistricaseencuentradisponibleydesdecuandosetienedatosenlaBD.
CualestimadodeltamaodesuBD(1gbtransacc 3.5a4enelDSS)
Culessonlosdatos obligadosycualeslosopcionalesexistedocumentacindelmodelodedatos?
Cualessonlastablasmaestrosylastablastransaccionales.
Culessonlosnivelesdeseguridaddeaccesoalosdatosyaplicaciones?
8/10/2019 Inteligencia de Negocios _Reparado
37/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 37
Culeslafrecuenciademodificacionesdedatosenlasjerarquasdelasdimensiones(producto,vendedor,
promociones,etc)
Cuadro de Gestin Alcanzado para un Proceso Acadmico
Identificar dimensiones
1. Visualice la clasificacin del cuadro e identifique las cabeceras de las columnas con menor nivel.
2. Visualice la clasificacin del cuadro e identifique las cabeceras de las filas con menor nivel.
3. Visualice el ttulo del reporte e identifique el nivel ms bajo
Identificar medidas
4. Cul es la interseccin entre las columnas y filas de menor nivel.
Identificar Jerarquas
5. Identifique los acumulados a nivel de Columna6. Identifique los acumulados a nivel de Fila7. Identifique alguna clasificacin en el ttulo
PREPARE EL ANALISIS DIMENSIONAL RESPECTIVO CONTESTANDO LAS PREGUNTAS
PROPUESTAS.
8/10/2019 Inteligencia de Negocios _Reparado
38/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 38
Construyendo un Data WareHouse.Requerimientos Estratgicos II y Anlisis
Dimensional
Introduccin
Estamosenlaetapadeafinamientodelosrequerimientos,previoalaelaboracindelanlisis
dimensional.Esaquendonderesumimosyreafirmamoslasmltiplesformasderealizarpeticionesporparte
delostomadoresdedecisiones.
Basadaenlaidentificacinderequerimientosprocedemosalanlisisdimensionalqueservirpara
mostraralostomadoresdecisioneslaformaenquepodrnrealizarsusrespectivosanalisis
Refinando
Requerimientos.
Lo fundamental es definir lo que se va a analizar (medidas) y como se quiere analizar la informacin(dimensiones)
ElModeloDimensional
Es una tcnica de diseo lgico enfocada a presentar la data en una arquitectura estndar que esaltamente intuitiva y busca ejecutar rpidos accesos.
Los principales componentes son:
Las Medidas
La Dimensiones
Que
es
una
Medida?
Son cosas cuantitativas que deseamos analizar y derivar reportes combinando las dimensiones.
Generalmente a partir de ellos podemos encontrar indicadores de Gestin.
Ejemplos:
8/10/2019 Inteligencia de Negocios _Reparado
39/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 39
Montos Vendidos
Montos Cobrados
Cantidad de Horas- Hombre Usadas
Nmero de Matriculados
Montos Descontados
Nmero de Devoluciones
Que
es
una
Dimensin?
Son las formas de cmo se van analizar las medidas. Constituye una clasificacin de las actividades
dentro de la organizacin.
Ejemplos:
Productos
Proveedores
Clientes
Organizacin
Medios de Publicidad
Secciones en una planta Productiva
Que son Niveles de Analisis?
Sonlospuntosqueconformanunadimensinysobreloscualessepuedenrealizaranalsisis.Porejemplo:
Producto
o Marca
o Linea
o Color
o Clase
o Tipo
Cliente
o RazonSocial
8/10/2019 Inteligencia de Negocios _Reparado
40/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 40
o Edad
o Genero
o TipodeCliente
Que son jerarquas?
Son formas de organizar los niveles contenidos en una dimensin, para que los usuarios puedan
analizar informacin de lo ms genrico a lo ms detallado y viceversa:
Por ejemplo en el caso de la dimensin producto:
o Lneao SubLineao Producto
Preparando
Requerimientos
De acuerdo a:
Plan Estratgico
Entrevistas
Cuadros de Gestin ( 3 cuadros-> 3 dimensin y 1 medida)
Modelo Conceptual de Datos
Se pueden definir los requerimientos en donde mostrando un mnimo de 3 dimensiones con su medida
respectiva, orientadas a analizar la informacin en diferentes niveles.
Bajo el sgte esquema:
Medida
Dimension1
Dimension2
Dimension3
Dato1
Dato2
Dato3
8/10/2019 Inteligencia de Negocios _Reparado
41/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 41
Ejemplos:
Requerimiento de un Proceso de Ventas: se desea conocer los montos vendidos en Mayo del 2000ocurridos en la Sucursal 1 para la lnea de productos: Aceites
Requerimiento de un Proceso de Acadmico de Matriculas: se desea conocercantidad de matriculados
en la Facultad de Medicina ocurridos en el Periodo Academico 2007- 2 para los alumnos de Gnero
Femenino.
Los requerimientos encontrados darn una idea final del producto y sirve como punto entrada para el
Anlisis Dimensional.
Montos
Vendidos
Tiempo
Organizacio
Productos
May2000
Sucursal|
Aceites
Cantidad
Matriculad
Periodo
Servicio
Cliente
20072
FacMedic
Femenino
8/10/2019 Inteligencia de Negocios _Reparado
42/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 42
Preparando
el
Anlisis
Dimensional.
De acuerdo a los requerimientos formalizados que permitieron reafirmar las medidas y dimensiones
encontradasprocederemosaelaborarelanlisisdimensional.
Es recomendables definir la preguntas: Que, Como, Cuando, etc. Como parte inicial para identificar las
dimensiones.PorejemploenunProcesodeAdmisindeunainstitucinuniversitariapodramostener:
Definimoslasdimensiones
8/10/2019 Inteligencia de Negocios _Reparado
43/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 43
Delasdimensionesymedidasencontradashabraqueincluirlaslosnivelesencadadimensin
Sedebeincluirlosnivelesdemenornivelalmayorempezandodesdelainterseccindelasdimensiones
Cuandolasmedidasnosatisfacenatodaslasdimensionessedebecrearotrodiagramadeanlisisdimensional.
Acontinuacin
implementamos
un
serie
de
cuadros
como
resultado
del
anlisis
alos
requerimientos
encontradosyqueguiaranlaelaboracindelproductoaelaborar
HojadeGestin
HojadeAnlisis
CuadrodeDimensionesyJerarquas
CuadrodeMedidasyDimensiones
8/10/2019 Inteligencia de Negocios _Reparado
44/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 44
Construyendo un Data WareHouse. AnlisisDimensional
Introduccin
Estamosenlaetapadeafinamientodelosrequerimientos,previoalaelaboracindelanlisis
Hojade
Gestin
Contieneelresumenencontradodelosobjetivos,estrategiaseindicadoresdegestin.Puedeconstituirparte
deSistemade Informacinparaejecutivospresentando los indicadoresnecesariosparaelanlisisposterior
queserealizar.
Losindicadoresmostrarntresrubros:
o NombredelIndicador:definecomoelindicadorserreconocido.Porejemploenelcasode
unaempresaquevende al crditoparamedir sugestinde cobranzaspodrautilizarel
IndicadordeMorosidad.
o Formula: a partir del cual se elaborar el indicador. Normalmente la formula est
conformadapormedidas, lasmismasquepodranformarpartedelanlisisdimensionaly
secomplementaranconlasdimensiones.
Elindicadordemorosidad=Montos_Vencidos/Montos_Vendidos
Esnecesarioquecadaindicadorseadefinidoclaramentelaformulaycomoselograrsu
obtencin.
o Estado:determinaunacalificacinalvalorobtenidodelindicador.Seasociaaunsemforo:
Porejemplo:imagineelindicadordeMorosidad:
Estado Interpretacin Ejemplo
8/10/2019 Inteligencia de Negocios _Reparado
45/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 45
Bueno 10%
Ladefinicindelvalordelestadodelindicador,cuandoesbueno,malooregular,podravariaren
diferentesempresas.Enelcasodeunbancoelindicadordemorosidadtiendeaserbuenocuando
estpordebajodel4%
Ejemplo
de
una
Hoja
de
Gestin
Completa:
8/10/2019 Inteligencia de Negocios _Reparado
46/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 46
HOJA DEGESTION
Proceso Ventas
Objetivo Mejorar la Atencin de Clientes
Incrementar las ventas
Estrategias Crear Promociones, Ofertas
Capacitar al personalIncrementar puntos deatencin
Sistema de Inf Ejecutivos Sist Soporte Decisiones
INDICADORES Medidas Estados
Indicador Ind. Ventas Montos Vendidos >85%
Montos Presupuestado 70 - 85%
92%
Cantidad Producto Promocion 75 - 92%
8/10/2019 Inteligencia de Negocios _Reparado
47/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 47
Hoja
de
Anlisis
Muestraunresumendelasmedidasencontradasapartirdelosindicadoresodelasentrevistasrealizadas.Asi
mismoincluyelasdimensionesynivelesencontrados.
Acontinuacinmostramosunejemplodeestahoja:
HOJA DE ANALISIS
ProcesoNegocios Ventas
Medidas
Montos Vendidos
Montos Presupuestado
Cantidad Vendidas Promocin
Cantidad Producto PromocinCantidad ProdReclamoCantidad ProdVendidos
Interrogantes Dimensiones Formas de Analizar la Dimension
Que?? Productos Marca Linea Categoria
Sabor NombreProducto Proveedor
Cuando? Tiempo Annual Trim Mes
Dia FeriadoFinSemana
Donde ? Organizacin Sucursales Punto Atencion
Como? Forma Venta Tipo Venta Plazo
De que Forma? PromocionesTipoPromocion Promocion
Quienes? Clientes Edad Genero Ubigeo
TipoCliente RazonSocialCliente Talla
CuadrodeDimensionesyJerarquas
Enelcasoquelosnivelesseagrupenparapermitirelanlisisdelomsgenricoalomsdetallado,debende
mostrarseenelsiguientecuadro:
8/10/2019 Inteligencia de Negocios _Reparado
48/80
8/10/2019 Inteligencia de Negocios _Reparado
49/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 49
Otros
ejemplos
del
Anlisis
Dimensional
Unmodelosencillodeventas
Montos Vendidas
Unidades Vendidas
Peso
PRODUCTO
CLIENTEORGANIZACION
TIEMPO
Producto
Marca
Linea
Proveed
Dia
Mes
Trim
Anual
Cliente
Zona
Personal
OtroejemplodelprocesodenegociosdeCobranza
Monto Cobrado
Interes Cobrado
PUNTOPAG
CLIENTEBANCO
TIEMPO
Sucursal
PuntoPago
Dia
Mes
Trim
Anual
Cliente
Zona
Banco
MEDIOPAGO
MedioPago
8/10/2019 Inteligencia de Negocios _Reparado
50/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 50
Comparando
con
el
Modelo
Transaccional.
En este momento debemos contrastar nuevamente con el Modelo de Datos Transaccional y determinar
si los datos tenidos en el permitirn hacer el anlisis respectivo.
En caso no se tenga toda la informacin en la base de datos transaccional es necesario reformular elmodelo de datos y las aplicaciones. Recuerde que el anlisis dimensional encontrado resume los
requerimientos estratgicos y la forma como se analizara la informacin por lo que es necesario
capturar la informacin en los transaccionales
Es en este momento donde lo gente de la alta direccin debe comenzar a tener la idea, si aun no latiene, de que los sistemas operacionales sirve como fuente de entrada para soporte en la toma de
decisiones.
Caso: imagine que en el modelo de datos actual no existe ninguna forma de organizar los clientes por lazona geogrfica a la que pertenecen y es requerido como parte del anlisis
Tablas Actuales
Cliente
IdCliente
RazonSocial
Genero
FechaNacim
Direccion
IdTipo (FK)
docIdentidad
Categoria
FechaAdmision
Estado
TipoCliente
IdTipo
RazonSocial
Tablas Reformuladas: note que se ha incorporado la tabla Zona.
8/10/2019 Inteligencia de Negocios _Reparado
51/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 51
Cliente
IdCliente
RazonSocial
Genero
FechaNacim
Direccion
IdTipo (FK)
docIdentidad
Categoria
FechaAdmision
Estado
IdZona (FK)
TipoCliente
IdTipo
RazonSocial
Zona
IdZona
Descripcion
8/10/2019 Inteligencia de Negocios _Reparado
52/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 52
Construyendo un Data WareHouse. DiseoDimensional
Introduccin
Deacuerdoa lodefinido,enelanlisisdimensional,yrealizadoslosajustesdelcasoenelmodelode
datos transaccional,empezamosapreparareldiseodimensionalcomouna solucina loencontradoen la
etapaderequerimientosestratgicosyanlisisdefinidos.
Utilizaremos el diseo dimensional basado en el modelo estrella principalmente, pero tambin
veremosescenariosdondees requeribleaplicarelmodelocopodenievecomounaalternativaadicionalde
modelamiento.
Recordando
el
Panorama.
8/10/2019 Inteligencia de Negocios _Reparado
53/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 53
En estemomento estamos ubicados para empezar a disear el modelo dimensional sobre el cual estar
estructuradoel
Data
Mart
oel
Data
WareHouse
Comparando
Modelo
de
Datos.
Ntesequelascaractersticasdeunmodelodimensionalapuntanatenerunamenorcantidaddetablasque
hacemssencilloyrpidasuentendimientoyconsultasrespectivas.
8/10/2019 Inteligencia de Negocios _Reparado
54/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 54
Modelando
un
Data
WareHouse.
Est
sustentado
en
un
modelo
dimensional
el
mismo
que
se
encuentra
formado
por
Dimensiones
y
Medidas
Componentes
del
Data
WareHouse
Lo constituyen:
Las tablas dimensin La tabla Hecho, que contiene a las medidas.
Cada dimensin tiene presencia en la tabla hecho, la forma de esta presencia la analizaremos ms
adelante.
En la sesin anterior definimos los conceptos de medidas y dimensiones.
En el siguiente esquema mostramos un ejemplo de las tablas dimensionales y la tabla hecho. Vea que
cada dimensin se comunica con la tabla hecho por medio de su Clave Primaria (PK). Asi mismo lasjerarquas establecidas se encuentran implementadas dentro de las Tablas dimensionales.
8/10/2019 Inteligencia de Negocios _Reparado
55/80
8/10/2019 Inteligencia de Negocios _Reparado
56/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 56
Como podemos apreciar cada dimensin posee una Clave Primaria la cual, una vez establecida la
relacin con la tabla hecho, permitir analizar una determinada medida en la dimensin respectiva.
ElModeloCopodeNieve
Este modelo consiste en normalizar a la dimensin, basado fundamentalmente en el ahorro de espacio.
ComparandoModelos
La fortaleza del Modelo Copo de Nieve va por el lado de ahorro de espacio.
8/10/2019 Inteligencia de Negocios _Reparado
57/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 57
Determinando
el
Grano
(Grain)
Eslapartevitalparaelanlisisdelainformacin.Determinaelnivelmnimodeanlisis.Sirvepara:
Determinarlorequerimientosdedatos.
Escogerelnivelmsbajodedetalle.
o Proporcionacapacidaddeanlisisdeldetalledelosdatos
o Involucramstiempodeprocesamiento
o Tienequeverconlosrequerimientosdeespacio
Sepuedeobtenerapartirdela:
ConformacindelasmedidasdelaTablaHecho.Lamedidadebeserubicadaenelsistema
transaccionalapartirdeloscamposqueservirnparasupoblamiento.
TransaccionOperacionalapartirdelacualsecreanlasmedidas
TieneimpactoeneldiseodelModeloDimensional:todavezqueincidirnenalgunasmodificacionesquese
ajustenaanalizarlainformacinenformamasdetallada.
Dimensiones
Caractersticas:
Cada dimensin es una tabla
Incluyen una clave primaria del tipo auto numrico preferentemente.
Incluyen nombres descriptivos, evitar el uso de cdigos (cada nivel es un atributo)
Adicionar un atributo que represente a la dimensin en la base de datos transaccional
Condiciones para un mejor uso:
Evitar el uso de cdigos abreviados. Por ejemplo en vez de clientes A, definir algo como:clientes Mayores.
Crear columnas que sirvan para nivel de agregacin. Por ejemploo Clienteo Sectoro Zona
Eliminar los valores NULL predefiniendo un valor.
Minimizar el nro de registros que cambian en el tiempo. Por ejemplo :o Nombre Producto
8/10/2019 Inteligencia de Negocios _Reparado
58/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 58
o Nombre Marcao Nombre Linea
Ejemplo de una Dimensin bien definida con agregaciones.
Agrupando Dimensiones
Dimensin Tiempo: a partir de una columna tipo datetime podemos extraer:o Dao Semanao Meso Trimestreo Semestreo Ao
Dimensin Estndar: son el resto de las dimensiones diferentes al tiempo. Por ejemplo:o Clienteso Productoso Proveedoreso Seccin de Produccin
Compartiendo Dimensiones
8/10/2019 Inteligencia de Negocios _Reparado
59/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 59
En el caso de que existan algunas medidas para ciertas dimensiones se deben crear nuevas tablas
hechos. En el caso de que existan medidas con dimensiones comunes, estas ltimas se conviertenpotencialmente en Dimensiones Compartidas. Es el caso tpico de la dimensin tiempo.
Veamos a la dimensin tiempo que puede ser usada por varios DataMarts. En este caso decimos que la
Dimension Tiempo es compartida.
Esta dimensin ser usada por los DataMart: Logstica, Comercial y Finanzas
8/10/2019 Inteligencia de Negocios _Reparado
60/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 60
8/10/2019 Inteligencia de Negocios _Reparado
61/80
8/10/2019 Inteligencia de Negocios _Reparado
62/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 62
Dim_producto
KeyProducto
Producto
Tipo
Dim_Personal
KeyPersonal
Trabajador
Categoria
Dim_Organizac
KeyOrganizac
Area
Planta
Dim_Tiempo
KeyTiempo
TurnoDia
Dim_Equipam
KeyMaquina
Descripcion
HEcho_Produccion
KeyPersonal (FK)
KeyOrganizac (FK)
KeyMaquina (FK)
KeyProducto (FK)
KeyTiempo (FK)
PesoEntrada
PesoSalida
Hecho_ProdTerminados
KeyOrganizac (FK)
KeyTiempo (FK)
KeyProducto (FK)
KeyCliente (FK)
Cantidad Dim_cliente
KeyCliente
RazonSocila
Tipo
Las tablas dimensin compartidas son:
Dim_Producto
Dim_Tiempo
Dim_Organizacion
En adelante cuando ingresemos al tema de cubos veremos que podramos hacer el anlisis por lasdimensiones compartidas y las medidas que satisfacen a estas dimensiones comunes desde una sola
interfaz.
La
Tabla
Hecho
(Fact
Table)
Incluyelas
medidas
como
parte
de
sus
atributos.
Estas
medidas
deben
ser
numricas
ypermitirn
realizar
agregadosdelainformacin.
Recuerdequeapartirdeestasmedidasseestableceelgranodelmodelodimensionalparalosfuturosanlisisa
realizar.
Enelcasodequesetenganmedidasprecalculadaspodranincluirsecuandomejoreneltiempoderespuesta
delasconsultasarealizar,esteescuandolaformulatengaalgodecomplejidad,porejemplo:
8/10/2019 Inteligencia de Negocios _Reparado
63/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 63
Como puede deducir el PrecioOferta representa una formula algo compleja, que en tiempo de ejecucin
podra restarle rendimiento a las consultas, por lo que se recomienda tener la medida precalculada:
PrecioOfertacomo
parte
del
diseo.
MinimizandoelTamaodelaTablaHecho
Serecomiendaincluirlascolumnasquerealmentesirvanparaelanlisisdelainformacin,enelcasodeque
loscamposseandescripcioneslostiposdedatosdebernserdeanchovariable(varchar).
BalanceandoelTamaoyRendimiento
Almomentodedisearelesquemadimensional,tengaencuenta:
Las tablas Hecho tienden a ser largas por lo que debemos de buscar que sean losms angostas
posibles.
LasTablasDimensionaltiendenasercortas,porloquelosnivelesoatributosquedefinamosenella,
siemprequesirvanparaelanlisis,puedenserincluidos.
Recuerdeademsquelosdatosprecalculadosayudanamejorarelrendimiento,peroconsumenmsmedio
dealmacenamiento.
8/10/2019 Inteligencia de Negocios _Reparado
64/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 64
ETL (Extract Tranformation Load).
Introduccin
Luegode tener implementadoeldiseodimensionaly labasededatos transaccionalestamos listos
paraejecutarelprocesodeETL,elcualpermitircargar informacinalDataMartdefinido,extrayendodatos
desdelasbasededatostransaccionales.Duranteesteprocesodecargadedatosesposiblequesedenalgunas
transformaciones.
ETLsonsiglasenInglesdeExtraer(Extract),Transformar(Transform)yCargar(Load).
Extraer,
Transformar
y
Cargar:
Extraer
Consisteenidentificarlainformacinapartirdelossistemasfuentes:
BasesdeDatosTransaccionales
HojasdeCalculo
ArchivosTexto
XML
8/10/2019 Inteligencia de Negocios _Reparado
65/80
8/10/2019 Inteligencia de Negocios _Reparado
66/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 66
Transponeropivotar(girandomultiplescolumnasenfilasyviceversa)
Cargar
Lafasedecargaeselmomentoenelcuallosdatosdelafaseanteriorsoncargadoseneldestino.Dependiendo
de los requerimientos de la organizacin, este proceso puede abarcar una amplia variedad de procesos
diferentes.Algunosalmacenesdedatossobrescribeninformacinantiguaconnuevosdatos.Lossistemasms
complejospuedenmantenerunhistorialde losregistrosdemaneraquesepuedahacerunaauditorade los
mismosydisponerdeunrastrodetodalahistoriadeundato.
Validacin
de
la
Data
HayquetenerencuentaquelainformacinaponerenelDataWareHousetienecomoorigenlasbasede
datostransaccionales,porloquedebemosasegurarnosqueseaconsistente.
Existen2recomendacionesparaestecaso:
Siladatatransaccionalestuvieramuydesordenadaespreferibletrabajarenunambientede
depuracinprevioalpoblamientoalDataWareHouse.
Perosiladataesconsistenteelpoblamientosepuederealizardirectamente.
Recomendacionesadicionales:
Cualquieraseaelcasoladatadebecorregirseenelorigenantesdeexportarla.
Determinarycorregirlosprocesoquelainvalidan.
8/10/2019 Inteligencia de Negocios _Reparado
67/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 67
Grabardataentablasdeauditoraparasuposteriorrevisinycorreccin.
CausasdelaInconsistenciadeDatos:
Ladata es representada diferente endiferentesorgenesdedatos. Por ejemplo se tieneuna tabla
productosenelsistemadealmacnyotratablaproductosenelsistemadeventas,culdelasdosesla
quemanda?
Ladatanoadministraintegridaddeclarativa,locualpodragenerarinconsistenciasdediferenteforma.
La integridad declarativa permite entre otras cosasmanejar restricciones de Clave Primaria, Clave
ForneayReglas
de
Validacin
alas
columnas
respectivas.
Mtodos
para
Poblar:
Vanaestarenfuncinalacalidaddeladatatransaccional
Mtodo1:validarytransformarenunambientetemporal
Mtodo2.Validarytransformarduranteelprocesodecargadedatos.
Formas
de
Poblamiento:
Almomentodepoblartengaencuentaquelainformaciniracreciendoeneltiempo,porloquehayque
prevenirquenoserepita,paraellohay2metodos
Utilizando el mtodo de limpieza total
Eliminar informacin En el caso de las keys de las dimensiones, que han sido definidas como Surrogate Key, se
sugiere reiniciar los contadores. Poblar la informacin,
Utilizando el mtodo incremental Identificar los cambios generados
Poblar la informacin.
8/10/2019 Inteligencia de Negocios _Reparado
68/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 68
Herramientas
para
Poblar:
UsandoelLenguajeSQLparaconsultasLocales
UsandoConsultasDistribuidas
DataTransformationServices(SQL7.0ySQL2000)
IntegrationServices(SQL2005)
CrearelProyecto
EstablecerConexiones
8/10/2019 Inteligencia de Negocios _Reparado
69/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 69
PrepararelFlujodeControl
IncluirTareasSQL
IncluirTareasdeFlujodeDatos
Ejecutarpaquete
Programartareadeejecucindepaquete.
8/10/2019 Inteligencia de Negocios _Reparado
70/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 70
Cubos OLAP
Introduccin
Inteligencia deNegocios (BI) es una forma de pensamiento.Un datawarehouse es una estructura
generalparaalmacenardatosparaunbuenBI.ELDataWareHouseesunagranBDquenecesitadeayuda
adicional para convertir los datos en informacin, para ello se sustentan en losbeneficios enormes de las
tecnologasOLAP(OnLineAnalitycalProcess)herramientasqueconviertendatoseninformacin.
LosCubossonrepresentacioneslgicasdealmacenamientodeunaBDOLAP.Combinandimensionesy
medidasdentrodemodelosflexibleseintuitivosquelosusuariospuedenemplearpararealizarsusconsultasy
autogenerarsusreportes.
Fundamentalmenteproporcionaunavistamultidimensionaldelosdatos.
Beneficios
Directos
de
un
Cubo
OLAP
sobre
un
Data
WareHouse
Posibilidaddenavegacindearribahaciaabajooviceversa(drildown,drilup)
Construirvistas
dinmicas
de
los
datos
Consultasbasadasenmetadatos,conunlenguajepropio:MDX
Formas presentesalestilodeHojasdeCalculo
IncorporaelUDM(UnifiedDimensionalModeling)quepermiteintegrarModelosDimensionalescon
ModelosTransaccionales.
8/10/2019 Inteligencia de Negocios _Reparado
71/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 71
KPI (Key Perfomance Indicator).Indicadores Claves de Gestin(Rendimiento)
Introduccin
En la terminologa empresarial, un indicador clave de rendimiento (KPI) es una medida cuantificable para
identificar los xitos empresariales. Un KPI se evala con frecuencia a lo largo del tiempo. Por ejemplo, el
departamento de ventas de una organizacin puede utilizar el beneficio bruto mensual como un KPI, pero el
departamento de recursos humanos de la misma organizacin puede utilizar la rotacin de personal trimestral.
Cada uno de ellos es un ejemplo de KPI. Los ejecutivos de una compaa suelen utilizar KPI agrupados en una ficha
empresarial para obtener un resumen histrico rpido y preciso de los xitos empresariales.
Si no puede medir No puede gestionar
UnKPIpermitirmedirparapermitirelmonitoreoycompararloconlosobjetivospropuestos.
Caractersticas
de
los
KPI
Reflejanlosvaloresdelasestrategiasplanteadas.
Sondefinidasporlosejecutivos.
Vanaplicndoseencascadaenlaorganizacin
Estnbasadosenestndarescorporativos
Estnbasadosendatavalida
Debenser
fciles
de
comprender
http://www.tdwi.org/publications/display.aspx?ID=7114
Ejemplos
IndicadordeMorosidad(MEDIDASVencido/programado
8/10/2019 Inteligencia de Negocios _Reparado
72/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 72
IndicadordeRentabilidad costo/venta
8/10/2019 Inteligencia de Negocios _Reparado
73/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 73
oempeoraalolargodeltiempo.
Indicadorde
estado
Elementovisualqueproporcionauna indicacinrpidadelestadodeunKPI.Lavisualizacin
delelementosedeterminaconelvalordelaexpresinMDXqueevalaelestado.
Indicadorde
tendencia
Elemento visual que proporciona una indicacin rpida de la tendencia de un KPI. La
visualizacin del elemento se determina con el valor de la expresinMDX que evala la
tendencia.
Carpetapara
mostrar
CarpetaenlaqueaparecerelKPIcuandoelusuarioexamineelcubo.
KPI
primario
Referencia
a
un
KPI
existente
que
utiliza
el
valor
del
KPI
secundario
como
parte
del
clculo
del
KPIprimario.Enocasiones,unsoloKPIserunclculocompuestoporlosvaloresdeotrosKPI.
Esta propiedad facilita la visualizacin de los KPI secundarios situados por debajo del KPI
primarioenlasaplicacionescliente.
Miembrode
horaactual
ExpresinMDXquedevuelveelmiembroqueidentificaelcontextotemporaldelKPI.
Peso ExpresinnumricaMDXqueasignaunaimportanciarelativaaunKPI.SielKPIseasignaaun
KPIprimario,elpesoseutilizaparaajustarproporcionalmentelosresultadosdelvalordelKPI
secundarioalcalcularelvalordelKPIprimario.
Interfacesde KPI
8/10/2019 Inteligencia de Negocios _Reparado
74/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 74
8/10/2019 Inteligencia de Negocios _Reparado
75/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 75
Ejemplos:
KPI: IndicadordeRecaudacin
Valor:[Measures].[Monto Cobrado]/[Measures].[Soles]
Meta: 1
Estado:
Casewhen([Measures].[Monto Cobrado]/[Measures].[Soles]) >0.94 Then1when[Measures].[Monto Cobrado]/[Measures].[Soles]>0.80 then0
else-1end
8/10/2019 Inteligencia de Negocios _Reparado
76/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 76
Resultado
Fijeseenlosdatosactuales
Lascobranzasnorepresentanniel6%delasventasporlotantoelgaugerepresentaelcolorrojo.
EjemploconcdigoMDX:
8/10/2019 Inteligencia de Negocios _Reparado
77/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 77
Quedacomotemadeinvestigacin:
Verificartendencias
IncluirKPIasuproyecto
8/10/2019 Inteligencia de Negocios _Reparado
78/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 78
PERFILDELING.RICARDOMENDOZARIVERA
EXPERIENCIA
LABORAL
ManagerdeOperacionesdePremiun.NETBusinessIntelligenceSolutions
DiseodeProductosdeComercializacinyLogsticaPremiun.NET
DiseodeModulodeIndicadoresdeGestinComercialyLogsticaPremiun.NET
Ex JefedelAreadeSistemasdelConsorcioUniversitarioEducativoUCV
Direccindel
Area
de
Sistemas
yGestin
de
Mdulos
de
aplicaciones
Windows
yWeb.
AdministradordeBasedeDatosdelConsorcioUniversitario DBA
PreparacindeInformacindeGestinparaProcesosdeCuentasCorrientes,Acadmico,Admisin,
Bibliotecas,etc.
ProyectoparaIntegracindeFilialesMaestrasEducacinusandoReportingServices
IntegracindedatosdellamadasTelefnicas desdeunaCentralIPalSistemaPremium.NETUCV
ProyectodeunDataMartdeAcadmicoydeCobranzas.
Ex DirectordeInformacinTcnicaMetropolitanaPLANDEMETRU MPT
ProyectoGISconSQLServery.NET:SYCONGYS.
Proyectode
Informacin
de
Sistema
Catastral.
Ex AnalistadeSistemasHIDRANDINAS.A
ResponsableinformacindeGestindeMorosidad.
DesarrolloySoportedeMdulosdeCobranzas,Morosidad,Almacenes,etc.
PROYECTOS
LderProyectoPremiun.NETComercial.DEPOSITOSSANTABEATRIZ
LderelProyectoPremium.NETintegraprocesosacadmicosyadministrativosConsorcioUniversitario
EducativoUCV.
Diseo
de
Informacin
de
Gestin.
ProyectoOPTIMUSGRUPOGLORIA.HIDRANDINAS.A.(Responsable BasedeDatosdelProyecto
DBA)
ProyectodeComercializacin.LIDERPACOCHASA
ProyectodeControldeMorosidadSEDALIBSA
CAPACITACIONEMPRESASDELMEDIO
RAZZETO(AreaSistemas)ConstruccindeReportesDimensionales VB.NETySQLServer
8/10/2019 Inteligencia de Negocios _Reparado
79/80
Inteligencia de Negocios
MCP Ing. Ricardo Mendoza Rivera Page 79
SEDALIB(AreaSistemas) ConstruccindeunDataWareHouseconSQLServerBI
DAMPERTRUJILLO
(Area
Sistemas)
SQL
Server
2005
yServicios
de
Anlisis.
CAJAMUNICIPALDEPISCO(AreadeSistemas)ReportingServicesconSQLServerBI
YOGORAVERAZZETO(AreaSistemas)SQLServer2000
UNIVERSIDADPRIVADADELNORTE(AreaSistemas)SQLServer2000
TRANSPORTESLINEA(AreaSistemas) SQLServer2000
DOCENCIAUNIVERSIDADESyCENTROSDEEXTENSION
DocenteCursosdeTitulacinyPostgradoen: InteligenciadeNegocios,BasedeDatos
Multidimensionales,BasedeDatos,IngdeSoftware. UPSP,UNPRG,ULADCH,UNC,UNS,UAP,UDCH
DocenteCursodePreGrado.SistemadeTomadeDecisiones,BasedeDatos,IngenieradeSoftware
UCV,UPSP,
UNT
DocenteCISUCVTrujillo. UMLconRationalRose,Administracin,Implementacin,Construccinde
unDataWareHouse,ReportingServices.Versiones6.5,7.0,2000,2005,2008.UML
FORMACION
PROFESIONAL
MaestraenIngenieradeSistemas
PostgradoenTecnologasdeInformacinESAN
MicrosoftCertifiedProfessional
CursosdeCertificacinMicrosoftdeSQLServer,DataWareHouse,VS.NET
Cursode
Certificacin
ORACLE
PL/SQL,
Developer
2000
CursoOficialRationalHistaModelandoObjetosconUML
PONENCIAS
CongresoRegionaldeTecnologasdeInformacin.InteligenciadeNegociosconSQLServer2008.
UniversidadSanAntoniodeAbad Cusco
SeminarioRegionaldeTecnologasdeInformacin.AplicandoInteligenciadeNegociosaEmpresas
Regionales.ColegiodeIngenierosdelPerFilialAncash
SoftwareLibrevsSoftwarePropietario.MotordeBDSQLServerUSSChiclayo
SemanaSistmica.InteligenciadeNegociosconSQLServer2005UCVTarapoto
CongresoNacionalSistemas.InteligenciadeNegociosconSQLServer2005UPSPChimbote.
Semana Sistmica. Construccin de Reportes en Web usando MS Reporting Services UPSP Cajamarca.
SeminarioRegional.MSReportingServicesUDCHChiclayo
SeminarioSistemas.InteligenciadeNegociosconSQLServer2005UPSPHuaraz.
SemanaSistmica.ConstruccindeunDataWareHousesobreSQLServerUNCCajamarca
Seminario Regional de Sistemas. Construccin de un Data WareHouse sobre SQL Server ULADCH Chimbote.
SeminarioRegional.BasedeDatosDistribuidassobreSQLServerUDCHChiclayo
SeminarioRegional.ConstruccindeunDataWareHousesobreSQLServerUNSChimbote
SemanaSistmica.ConstruccindeunDataWareHousesobreSQLServerUCVPiura
SeminarioTaller.BasedeDatosDistribuidassobreSQLServerUCVTrujillo
8/10/2019 Inteligencia de Negocios _Reparado
80/80
Inteligencia de Negocios
La mejor forma de resumir todo lo anterior es por medio de la frase de Bill Gates, Director de
Microsoft, "BI ayuda a rastrear lo que en realidad funciona y lo que no" [5].