Tesis 41341715

UNIVERSIDAD ANDINA
NSTOR CCERES VELSQUEZ

FACULTAD DE INGENIERA DE SISTEMAS
ESCUELA PROFESIONAL DE INGENIERA DE SISTEMAS
TESIS
ESTRATEGIA EMPRESARIAL BUSINESS INTELLIGENCE PARA
EL SOPORTE A LA TOMA DE DECISIONES GERENCIALES
PRESENTADA POR:
VALDEMARD CHINO RAMIREZ
PARA OPTAR EL TTULO PROFESIONAL DE

INGENIERO DE SISTEMAS
JULIACA PER
2016
UNIVERSIDAD ANDINA
NSTOR CCERES VELSQUEZ
FACULTAD DE INGENIERA DE SISTEMAS
ESCUELA PROFESIONAL DE INGENIERA DE SISTEMAS
TESIS
ESTRATEGIA EMPRESARIAL BUSINESS INTELLIGENCE PARA EL SOPORTE

A LA TOMA DE DECISIONES GERENCIALES
PRESENTADA POR:
VALDEMARD CHINO RAMIREZ
PARA OPTAR EL TTULO PROFESIONAL DE: INGENIERO DE SISTEMAS
APROBADO POR:
PRESIDENTE : ___________________________________
MSc. Ing. Juan Benites Noriega
PRIMER MIEMBRO : ___________________________________

Dr. Ing. Richard Condori Cruz
SEGUNDO MIEMBRO : ____________________________________

MSc. Ing. Ninasivincha Garate, Ral Simen
JULIACA PER
2016
iii
DEDICATORIA
A mis familiares, amigos por

su aliento y apoyo durante el
desarrollo de la tesis.
Valdemard
iv
AGRADECIMIENTO
A mis docentes de la facultad

de ingeniera de sistemas de
la UANCV, por compartir
sus sabios conocimientos, a
los Seores Jurados por su
paciencia en la revisin del
proyecto.
Valdemard
v
NDICE
Portada ............................................................................................................................... i
Pgina de Firma de Jurados .............................................................................................. ii
Dedicatoria ....................................................................................................................... iii
Agradecimiento ............................................................................................................... iv
ndice ............................................................................................................................... v
Resumen............................................................................................................................ix
Introduccin ..................................................................................................................... .x
CAPTULO I
GENERALIDADES
1.1.PROBLEMA DE INVESTIGACIN ........................................................................ 1

1.1.1. Anlisis de la situacin problemtica ............................................................... 1
1.1.2. Descripcin del problema tipo y nivel ............................................................. 2
1.2.FORMULACIN DEL PROBLEMA........................................................................ 3
1.2.1. Problema general .............................................................................................. 3
1.2.2. Problemas especficos ..................................................................................... 3
1.3.OBJETIVOS .............................................................................................................. 3
1.3.1. Objetivo general .............................................................................................. 3
1.3.2. Objetivos especficos ....................................................................................... 4
1.4.JUSTIFICACIN ...................................................................................................... 4
CAPTULO II
MARCO REFERENCIAL
2.1.ANTECEDENTES DE LA INVESTIGACION ........................................................ 5

2.1.1. Publicaciones de Tesis ..................................................................................... 5
2.2.MARCO TERICO ................................................................................................ 11
2.2.1. BASES TERICAS ....................................................................................... 11
2.2.2. BUSINESS INTELLIGENCE ....................................................................... 11
Ventajas de un sistema de Inteligencia de Negocios ................................... 12
vi
Modelo de Madurez para Inteligencia de Negocios ................................... 14
Fase 1: No existe BI. ................................................................................... 14
Fase 2: No existe BI, pero los datos son accesibles. ................................... 15
Fase 3: Aparicin de procesos formales de toma de decisiones basada en

datos............................................................................................................. 15
Fase 4: Data Warehouse. ............................................................................. 16
Fase 5: Data warehouse crece y el reporting se formaliza. ......................... 17
Fase 6: Despliegue de OLAP. ..................................................................... 18
Fase 7: Business Intelligence se formaliza. ................................................. 19
Cundo es necesario la Inteligencia de Negocios? .................................... 19
Metodologa para aplicar Inteligencia de Negocios en una organizacin .. 20
Estrategia de Inteligencia de Negocios ...................................................... 21
2.2.3. DATA WAREHOUSE .................................................................................. 25

La base de un sistema Inteligencia de Negocios: La Bodega de datos ........ 26
Elementos de un Data warehouse ............................................................... 30
Tipos de Tablas de Hecho ........................................................................... 31
Tablas de Dimensiones ............................................................................... 32
Existen otros tipos de dimensiones cuya clasificacin es funcional ........... 33
Tipos de Mtricas ....................................................................................... 34
Esquemas para un Data warehouse ............................................................. 36
2.2.4. INTEGRACIN DE DATOS: ETL ............................................................. 37

Integracin de datos .................................................................................... 39
Tcnicas de integracin de datos ................................................................ 43
Distribucin ................................................................................................. 43
Tecnologas de integracin de datos ........................................................... 47
Uso de la integracin de datos .................................................................... 53

vii
2.2.5. DISEO DE CUBOS OLAP ......................................................................... 54

Por qu OLAP? ......................................................................................... 57
Tipos de OLAP ........................................................................................... 60
Elementos OLAP ........................................................................................ 63
2.2.6. MARCO CONCEPTUAL ............................................................................. 65

AGENTES .................................................................................................. 65
BUSINESS INTELLIGENCE .................................................................... 65
DATA MINING .......................................................................................... 65
DATA WAREHOUSE ............................................................................... 66
INTEGRACIN DE DATOS ..................................................................... 66
MULTIDIMENSIONALIDAD .................................................................. 66
OLAP .......................................................................................................... 67
CAPTULO III
METODOLOGA DE LA INVESTIGACIN
3.1.TIPO Y DISEO DE INVESTIGACION ............................................................... 68

3.1.1. TIPO DE INVESTIGACION ........................................................................ 68
3.1.2. DISEO DE INVESTIGACIN .................................................................. 68
3.2.TECNICAS E INSTRUMENTOS ........................................................................... 68
3.3.PROCEDIMIENTOS ............................................................................................... 69
3.4.POBLACION Y MUESTRA ................................................................................... 69
3.5.METODLOGIA DE DESARROLLO PARA LA ESTRATEGIA EMPRESARIAL
BUSINESS INTELIGENCE ................................................................................... 70
3.6.HIPOTESIS ............................................................................................................. 70
Hiptesis General ..................................................................................................... 70
Hiptesis Especficas ............................................................................................... 70
Variables .................................................................................................................. 70
Operacionalizacion de variables .............................................................................. 71

viii
CAPTULO IV
ANALISIS E INTERPRETACION DE RESULTADOS
4.1.RESULTADOS ....................................................................................................... 72
4.2.VALIDACIN DEL PROTOTIPO MEDIANTE LA ENCUESTA ...................... 93
4.3.MTODO DE APLICACIN ................................................................................. 93
4.4.RESULTADOS DE LA ENCUESTA ..................................................................... 94
4.5.CONTRASTACION DE LA HIPOTESIS ............................................................ 134
CONCLUSIONES ....................................................................................................... 136
RECOMENDACIONES .............................................................................................. 137
BIBLIOGRAFA ......................................................................................................... 138
ANEXOS ..................................................................................................................... 142

ix
RESUMEN
La presente investigacin ESTRATEGIA EMPRESARIAL BUSINESS
INTELLIGENCE PARA EL SOPORTE A LA TOMA DE DECISIONES
GERENCIALES que tiene por objetivo general Implementar un prototipo de
estrategia empresarial Business Intelligence para el soporte a la toma de
decisiones gerenciales.
Para lo cual se ha utilizado un tipo de estudio descriptivo y un diseo no
experimental, adems se ha utilizado la metodologa de desarrollo de prototipos.
Asimismo, se ha utilizado para la recoleccin de datos la tcnica del anlisis
documental y la observacin, con sus correspondientes instrumentos tales como
gua de anlisis documental y la gua de observacin.
Finalmente, culminada la investigacin y el informe final de tesis se
arrib a la siguiente conclusin: Se ha logrado implementar un prototipo de
estrategia empresarial Business Intelligence para el soporte a la toma de
decisiones gerenciales, utilizando la herramienta pentaho community v6.1.196.
Palabras clave: Estrategia, empresarial, Business, Inteligence, toma, decisiones.

x
INTRODUCCIN
Cuando se habla de sistemas de Informacin se tiene que mencionar los
sistemas de informacin conocidos como sistemas de inteligencia de negocios o
business intelligence, que en la actualidad son utilizados para apoyar la toma de
decisiones empresariales. Los mismos que estn basados en grandes bases de
datos organizados para realizar consultas personalizadas y acorde a las
necesidades gerenciales.
Primero fueron los datos, y aproximadamente desde 1970, las empresas
utilizaban libretas, es decir, soporte en papel, para almacenar los datos
operativos de sus negocios. En esas libretas se apuntaban las ventas realizadas,
los gastos de la empresa, los datos de los clientes. Es cierto que haba empresas
que utilizaban sistemas informticos para su gestin, pero la compra y el
mantenimiento de dichos sistemas slo estaba al alcance de las grandes
compaas. Con la aparicin de la informtica personal el uso de programas
informticos de gestin pas a ser algo comn y a estar al alcance de cualquier
empresa. Hoy en da podemos decir que cualquier empresa utiliza programas
informticos para la gestin de los datos de su explotacin diaria: compras,
ventas, gastos, gestin de clientes. Pero cul es el siguiente paso? ... despus
vino la informacin. Prcticamente todas las empresas de la actualidad disponen
de bases de datos que almacenan datos sobre sus actividades y sus colaboradores
(clientes, proveedores) mediante distintos programas informticos (programas de
contabilidad, de facturacin, de gestin de clientes, etc.).

xi
Por lo tanto, podemos decir que las empresas disponen, por norma
general, de multitud de datos histricos, fiables y rigurosos de todas las
actividades realizadas. Es lgico pensar que dichos datos podran ser refinados,
agrupados, tratados y analizados para intentar extraer informacin que
permitiera ayudar en la toma de decisiones de la empresa. Encontrar patrones de
conducta en la compra de nuestros clientes, presentar informacin en tiempo real
sobre el rendimiento de las distintas sucursales de una empresa a su direccin, o
identificar los clientes potenciales tanto de forma positiva o negativa (saber si su
costo de gestin es superior al beneficio que dejan) son ejemplos que muestran
qu se podra obtener a partir de los datos de la empresa. Este hecho, datos
operativos de las empresas en informacin que d soporte a la toma de
decisiones, es lo que se conoce como inteligencia de negocio o Business
Intelligence.
Finalmente, en la presente tesis titulada ESTRATEGIA
EMPRESARIAL BUSINESS INTELLIGENCE PARA EL SOPORTE A LA
TOMA DE DECISIONES GERENCIALES, tiene por objetivo general
Implementar un prototipo de estrategia empresarial Business Intelligence para el
soporte a la toma de decisiones gerenciales.
El informe final de la tesis est organizado en 4 captulos:
CAPTULO I: GENERALIDADES, el cual se consigna el planteamiento del
problema y la formulacin del problema, adems se formulan el objetivo general
y especfico.
xii
La problemtica radica en el hecho de no utilizar herramientas, aunque
las mejoras aparecen seguidas. las tcnicas La inteligencia de negocios es un
concepto que emergi en la dcada de los 90s como un sistema de informacin
que buscaba proporcionar la arquitectura tecnolgica necesaria para aprovechar
los datos operacionales generados por las organizaciones, esta tecnologa
buscaba tratar los datos para transformarlos en informacin, luego en
conocimiento y as utilizarlos en el proceso de toma de decisiones, de forma que
se lograra obtener y mantener ventaja competitiva. En la ltima dcada este tipo
de sistemas de informacin ha ganado madurez, pasando a ser la evolucin de
los sistemas de soporte a la toma de decisiones tradicionales, y una de las
tecnologas de informacin de mayor crecimiento en el rea de los sistemas de
soporte a la toma de decisin, segn lo revelan informes de firmas
internacionales como Hitachi, ya que en esta investigacin exploraremos los
aspectos positivos de pentaho community. Uno de estos es incorporar la
informacin no estructurada en el proceso de toma de decisiones.
CAPTULO II: MARCO REFERENCIAL, en este captulo se muestra las
teoras referidas al tema de investigacin acompaado de un marco conceptual
sobre los trminos ms utilizados en la tesis.
La base para esta investigacin est en las teoras o antecedentes. En la
actualidad, las organizaciones han empezado a utilizar herramientas de
inteligencia de negocios para la toma de decisiones. Las empresas utilizan estos
sistemas para visualizar la informacin al momento de tomar una decisin,
basndose en la calidad y cantidad de informacin analizada y as evitar una

xiii
determinacin errnea nos demuestran con un estudio realizado en Europa que
los personales de las empresas pierden una media de 67 minutos diariamente
buscando informacin de la organizacin, lo que equivale un 15,9% de su
jornada laboral, ocasionando prdidas monetarias por la falta de sistemas de
toma de decisiones. se recomienda el uso de estos sistemas de informacin, los
cuales son capaces de almacenar grandes cantidades de informacin para su
anlisis en las organizaciones; es decir, generar informacin valiosa de manera
automatizada otro de los beneficios al implementar una herramienta de BI es que
permitir a las empresas soportar las decisiones que son tomadas al nivel interno
o externo. las organizaciones no logran obtener los beneficios que ofrece un
sistema de BI, debido al mal planteamiento de los flujos de informacin entre
diversas reas.
CAPTULO III: METODOLOGA DE LA INVESTIGACIN, en este
captulo se aborda el tipo de investigacin, las tcnicas e instrumentos de
recoleccin de datos, los procedimientos a utilizar, la poblacin y la muestra
sobre la cual se ha trabajado la investigacin; y la metodologa de desarrollo
utilizada para el prototipo.
CAPTULO IV: RESULTADOS, en esta parte de la tesis se muestra los
resultados a los cuales se han arribado.
Los resultados de la prueba del aplicativo pentaho comunity versin 6.1,
en el cual se muestra las posibilidades y formas en las que se pueden transformar
los datos.
xiv
Tambin incluye los resultados de encuesta aplicada, para la
implantacin de un prototipo, los beneficios que en adelante significa para las
organizaciones.
Finalmente, se consideran las conclusiones, recomendaciones, bibliografa y los
anexos correspondientes.
1
CAPTULO I
GENERALIDADES
1.1. PROBLEMA DE INVESTIGACIN
1.1.1. Anlisis de la situacin problemtica
En la actualidad las empresas u organizaciones manejan
grandes volmenes de informacin, donde el problema es que
dicha informacin no est bien organizada y a disponibilidad de
los usuarios para beneficio de la empresa u organizacin. Por ello
se afirma lo siguiente: algo peor que no tener informacin
disponible es tener mucha informacin y no saber qu hacer con
ella.
Por lo tanto, la Inteligencia de Negocios o Business
Intelligence (BI) es la solucin a ese problema, pues por medio de
dicha informacin puede generar escenarios, pronsticos y
reportes que apoyen a la toma de decisiones, lo que se traduce en
una ventaja competitiva.
La clave para BI es la informacin y uno de sus mayores
beneficios es la posibilidad de utilizarla en la toma de decisiones.
En la actualidad hay una gran variedad de software de BI con
aplicaciones similares que pueden ser utilizados en las diferentes
reas de la empresa, tales como, ventas, marketing, finanzas, etc.
Son muchas las empresas que se han beneficiado por la

2
implementacin de un sistema de BI, adems se pronostica que
con el tiempo se convertir en una necesidad de toda empresa.
1.1.2. Descripcin del problema tipo y nivel
El problema a tratar es la carencia y la no utilizacin de
tecnologas de sistemas de informacin tales como el Business
Inteligence por las empresas de la regin de Puno, que permiten
dar apoyo a la toma de decisiones mediante la organizacin de la
informacin bases de datos utilizando minera de datos y
datawarehouse, Lo cual es determinante para la toma de
decisiones, por lo que con la presente investigacin queremos
promover el uso y difusin de la tecnologa de Business
Inteligence, por parte de gerentes y directivos de las empresas.
As mismo brindar un entorno de inteligencia de negocios
que permita mostrar un modelo que puedan seguir personas o
profesionales interesados en referencia a este tema tan importante
y de actualidad para un buen manejo de la informacin.
Esta estrategia de inteligencia de negocios permitir a las
empresas ganar ventaja frente a los competidores, ya que tendrn
informacin a la mano y necesaria para tomar decisiones
adecuadas. Lo cual conlleva una administracin de excelencia y
acorde al avance de la tecnologa de informacin y
comunicaciones.
3
El tipo de problema de investigacin ser aplicado
tecnolgica, el cual se encuentra en un nivel de investigacin
bsico descriptivo.
1.2. FORMULACIN DEL PROBLEMA
1.2.1. Problema general
Es factible implementar un prototipo de estrategia
empresarial business intelligence para el soporte a la toma de
decisiones gerenciales?
1.2.2. Problemas especficos
Es factible realizar una bsqueda de informacin sobre
herramientas de business intelligence y elegir una que nos permita
proponer un prototipo de estrategia empresarial business
intelligence para el soporte a la toma de decisiones gerenciales?
Es factible desarrollar el modelamiento del prototipo de
estrategia empresarial business intelligence para el soporte a la
toma de decisiones gerenciales?
1.3. OBJETIVOS
1.3.1. General
Implementar un prototipo de estrategia empresarial
business intelligence para el soporte a la toma de decisiones
gerenciales.
4
1.3.2. Especficos
Realizar una bsqueda de informacin sobre herramientas de
business intelligence y elegir una que nos permita proponer un
prototipo de estrategia empresarial business intelligence para el
soporte a la toma de decisiones gerenciales.
Desarrollar el modelamiento del prototipo de estrategia
empresarial business intelligence para el soporte a la toma de
1.4. JUSTIFICACIN
La presente investigacin se justifica por lo siguiente:
Porque la estrategia business intelligence, en la actualidad son
indispensables para la toma de decisiones gerenciales de una
organizacin de cualquier tipo, debido a los grandes volmenes de
informacin que se manejan y la necesidad de acceso a la informacin al
momento.
La estrategia de business intelligence, como el que se muestra y
propone en esta tesis permiten que los gerentes modernos de este mundo
globalizado y basado en TICs, puedan tomar las decisiones adecuadas
con el objetivo de alcanzar el xito organizacional.
Finalmente, la presente investigacin, beneficiara a todos los gerentes de
empresas y organizaciones, brindndoles el conocimiento para aplicar la
estrategia de business intelligence.

5
CAPTULO II
MARCO REFERENCIAL
2.1. ANTECEDENTES DE LA INVESTIGACION
2.1.1. Publicaciones de Tesis
en esta etapa se hizo bsqueda en repositorios, de
investigaciones, se han encontrado los siguientes antecedentes:
a) AUTOR: Pea Ayala, Alejandro
TESIS: INTELIGENCIA DE NEGOCIOS: UNA
PROPUESTA PARA SU DESARROLLO EN LAS
ORGANIZACIONES
UBICACIN: MEXICO: presentado en el Instituto
Politcnico Nacional de Mxico.
AO: 2002
CONCLUYE: Arribo a la siguiente conclusin general: En
la obra se ha podido apreciar el mtodo para plantear y
desarrollar un sistema de Inteligencia de Negocios, a partir de
comprender un perfil que describe su naturaleza. Al apreciar
los atributos de la Inteligencia de Negocios se aprecia que esta
no reemplaza a las Tecnologas de la Informacin
convencionales. Sino que ms bien, convive con ellas e
integra a las Tecnologas del Conocimiento en un marco
organizado jerrquicamente en campas de proceso.

6
b) AUTOR: Villarreal Rosero, Roberto Xavier
TESIS: ESTUDIO DE METODOLOGAS DE
DATA WAREHOUSE PARA LA IMPLEMENTACIN DE
REPOSITORIOS DE INFORMACIN PARA LA TOMA
DE DECISIONES GERENCIALES.
UBICACIN: ECUADOR: universidad tcnica del norte
facultad de ingeniera en ciencias aplicadas, carrera de
ingeniera en sistemas computacionales.
AO: 2013
CONCLUYE: Arribo a la siguiente conclusin general: Se
realiz el estudio de metodologas de Data Warehouse para la
implementacin de repositorios de informacin para la toma
de decisiones gerenciales, y luego la aplicacin de la
metodologa seleccionada en la implementacin de una
aplicacin utilizando la herramienta de Inteligencia de
negocios Pentaho para crear reportes que permitan conseguir
los objetivos planteados, se muestran las siguientes
conclusiones:
La implementacin de herramientas de Inteligencia de
negocios en las empresas colabora al mejoramiento de la
administracin y gestin de los datos, mostrando una
mejor visin del estado actual e histrico de las empresas
o negocios a travs de la toma de decisiones oportunas.

7
La utilizacin de una metodologa de desarrollo tanto para
implementaciones de software como de desarrollo de Data
Warehouse permiten obtener productos de calidad y en
tiempos relativamente cortos ya que se conoce los pasos a
seguir y las posibles complicaciones que se puede tener en
el transcurso.
El uso de la metodologa Ralph Kimball representa u
proceso eficaz en tiempo y recursos debido a que se
obtiene la solucin al problema en corto plazo,
acoplndose a la metodologa tradicional de desarrollo de
software.
Existen excelentes herramientas de software libre para el
desarrollo de sistemas de inteligencia de negocios. La
versin community de Pentaho por ahora est siendo
mantenido por la comunidad, pero actualmente existe
alternativas a jpivot como visor OLAP.
Cuando se trata de reportes que utilizan una gran cantidad
de informacin el usuario debe tener conocer las
dimensiones y medidas que van a interactuar en el reporte
BI, para mejorar el rendimiento.

8
c) AUTOR: Marchn Rumbea, Karina Raquel
TESIS: ANLISIS DE COMPETENCIAS Y
HABILIDADES PARA QUE UN USUARIO UTILICE
HERRAMIENTAS DE INTELIGENCIA DE NEGOCIOS
EN LAS PYMES DEL ECUADOR
UBICACIN: ECUADOR: presentada en la Escuela
Superior Politcnica del Litoral en la Facultad de Ingeniera
en Electricidad y Computacin de Guayaquil.
AO: 2009
CONCLUYE: Arribo a la siguiente conclusin general: Las
PYMES ecuatorianas poseen un gran potencial para generar
produccin, empleo e ingresos es ms si el sector recibiera el
suficiente apoyo para su desarrollo como poltica de estado
para bajar el nivel de desempleo, tendra muchas condiciones
para constituirse en el motor del desarrollo y tener mayor
participacin de producir para el mercado internacional. Es
por ello que esta tesis est encaminada a transmitir a los
pequeos y medianos empresarios que la tecnologa ha
ocupado un lugar muy importante en las organizaciones ya
que ha permitido que sus procesos sean ms efectivos y
eficientes. El contar con tecnologa que se adapte a los
cambios constantes que se generan, es una ventaja competitiva
que hace que las organizaciones sigan teniendo presencia
creciente en el mercado.
9
d) AUTOR: Recasens Snchez Javier
TESIS: INTELIGENCIA DE NEGOCIOS Y
AUTOMATIZACIN EN LA GESTIN DE PUNTOS Y
FUERZA DE VENTAS EN UNA EMPRESA DE
TECNOLOGA
UBICACIN: CHILE: presentada en la universidad de
Chile Facultad de Ciencias Fsicas y Matemticas del
departamento de Ingeniera Industrial.
AO: 2011
CONCLUYE: Arrib a la siguiente conclusin general: En
el siguiente trabajo se ha logrado dar una solucin completa y
rentable a la principal problemtica de una empresa de
tecnologa que opera en el Retail chileno. Inicialmente se
tiene una compaa sin las herramientas necesarias para tomar
decisiones optimas sobre los Puntos de Venta y Fuerza de
Venta, debido principalmente a la dispersin de datos entre las
diferentes cadenas, falta de control y organizacin en los
procesos que no son apoyados por ningn sistema de
informacin que pueda automatizar la creacin de reportes de
gestin.
10
e) AUTOR: Alejandro Rojas, Zaldvar
TESIS: IMPLEMENTACIN DE UN DATA MART
COMO SOLUCIN DE INTELIGENCIA DE NEGOCIOS,
BAJO LA METODOLOGA DE RALPH KIMBALL PARA
OPTIMIZAR LA TOMA DE DECISIONES EN EL
DEPARTAMENTO DE FINANZAS DE LA
CONTRALORA GENERAL DE LA REPBLICA
UBICACIN: PERU: presentada en la Universidad San
Martin de Porras de Lima.
AO: 2014
CONCLUYE: Arribo a la siguiente conclusin general: Se
construy un modelo de datos OLAP, que permiti ejecutar
las consulta, a partir de informacin previamente procesada
obteniendo como resultado la flexibilidad al usuario al realizar
las diferentes consultas pre elaboradas. Adems, se efectuaron
las pruebas, para corregir los errores siguiendo la solucin de
inteligencia de negocios y se dise las interfaces, mediante la
herramienta QlikView para desplegar el cubo OLAP

11
2.2. MARCO TERICO
2.2.1. BASES TERICAS
2.2.1.1.BUSINESS INTELLIGENCE
El desarrollo de las empresas en el contexto del
anlisis de la informacin ha propiciado la necesidad de
tener mejores, ms rpidos y ms eficientes mtodos para
extraer y transformar los datos de una organizacin en
informacin y distribuirla a lo largo de la cadena de valor.
La inteligencia de negocio responde a esta
necesidad, y se puede entender, en una primera
aproximacin, que es una evolucin de los sistemas de
soporte a las decisiones (DSS, Decissions Suport
Systems). El concepto de Inteligencia de negocios, a pesar
de ser un tema crtico e importante en las empresas, no es
un tema nuevo. En octubre de 1958 Hans Peter Luhn,
investigador de IBM, acu el trmino en el artculo A
Business Intelligence System: La habilidad de aprender
las relaciones de hechos presentados de la forma que guen
las acciones hacia una meta deseada. (Oramas, 2009)
Se puede precisar hoy como:
La adquisicin y utilizacin de conocimiento
basado en hechos para mejorar la estrategia del negocio y
las ventajas tcticas del mercado. (Oramas, 2009)

12
Desde entonces, el concepto ha evolucionado apilando
diferentes tecnologas, metodologas y trminos bajo ste
concepto. Es necesario, por lo tanto, establecer una
definicin formal: Se entiende por Business
Intelligence al conjunto de metodologas, prcticas,
aplicaciones y capacidades enfocadas a la creacin y
administracin de informacin que permite tomar mejores
decisiones a los usuarios de una organizacin. (Daz,
2010)
Entre las tecnologas que forman parte de la
Inteligencia de Negocios se encuentran:
OLAP
Data W arehouse
Cuadro de mando
Cuadro de mando integral
Minera de datos
Dashboards
Integracin de datos
Previsiones
Reporteadores
Ventajas de un sistema de Inteligencia de Negocios
La implantacin de estos sistemas de informacin
proporciona diversas ventajas entre las que se puede
destacar:
13
Crear un crculo virtuoso de la informacin (los
datos se transforman en informacin que genera un
conocimiento que permite tomar mejores decisiones que
se traducen en mejores resultados y que generan nuevos
datos). Como se ilustra en la siguiente figura:
Ciclo de vida informacin (Urquizu, 2010)
Permitir una visin nica, conformada, histrica,

persistente y de calidad de toda la informacin.
Crear, manejar y mantener mtricas, indicadores
claves de rendimiento (KPI, Key Performance
Indicator) e indicadores claves de metas
fundamentales para la empresa.
Aportar informacin actualizada tanto a nivel agregado
como en detalle.
Reducir e l diferencial de orientacin de negocio entre el
departamento de
14
Tecnologas de la Informacin y la organizacin

Mejorar la comprensin y documentacin de los
sistemas de informacin en el contexto de una
organizacin.
Modelo de Madurez para Inteligencia de Negocios
El modelo de madurez permite clasificar la
organizacin desde el punto de vista del grado de madurez
de implantacin de sistemas de Inteligencia de Negocios
en la misma.
Las caractersticas que presentara cada etapa del
modelo de madurez, seran las siguientes: (Ordoez, 2011)
Fase 1: No existe BI.
Los datos se hallan en los sistemas de
procesamiento de transacciones en lnea (OLTP, On-Line
Transaction Processing), dispersos en otros soportes o
incluso slo contenidos en el know-how de la
organizacin. Las decisiones se basan en la intuicin, en
la experiencia, pero no en datos consistentes. El uso de
datos corporativos en la toma de decisiones no ha sido
detectado y tampoco el uso de una herramienta adecuada
al hecho.
En general, el valor de la informacin en la toma
de decisiones no es suficientemente apreciado y
promovido en la organizacin; aparecen varias versiones

15
de la verdad, dependiendo de cmo cada ejecutivo
define conceptos como Utilidad, Ingresos,
Facturacin o cualquier otro que requiere para su
anlisis y por supuesto, de qu fuente los toma; cada
funcionario maneja un argot propio y no existe un acuerdo
corporativo sobre los trminos del negocio.
Fase 2: No existe BI, pero los datos son accesibles.
No existe un procesado normal de los datos para la
toma de decisiones, aunque algunos usuarios tienen acceso
a informacin de calidad y son capaces de justificar
decisiones con dicha informacin. Frecuentemente este
proceso se realiza mediante Excel o algn tipo de
reporting. Se intuyen que deben existir soluciones para
mejorar este proceso, pero se desconoce la existencia de la
Inteligencia de Negocios.
Fase 3: Aparicin de procesos formales de toma de
decisiones basada en datos.
Se establece un equipo que controla los datos y
que permite hacer informes contra los mismos que
permiten tomar decisiones fundamentales. Los datos son
extrados directamente de los sistemas transaccionales sin
data cleansing ni modelizacin, ni existe un data
warehouse.
16
En un escenario menos desalentador (aunque
todava lejano de la solucin ptima), o bien, una vez
capitalizada la mala experiencia anterior, se decide
disponer de una infraestructura tecnolgica separada de
los sistemas OLTP; pero como no hay recursos para
una adecuada planeacin y la solucin se necesita
ya, se implementa un primer datamart para resolver el
problema crtico: tpicamente la informacin de ventas.
Si bien se lleva a cabo un proceso deETLC en
alguna extensin y eventualmente se combinan las fuentes
necesarias, normalmente no se realiza una identificacin
adecuada de requerimientos, y la informacin
incorporada en el datamart no es completa, no obedece a
criterios ni necesidades corporativas sino
departamentales, y tpicamente se agrega, limitando as
su potencial para el anlisis.
Fase 4: Data Warehouse.
El impacto negativo contra los sistemas OLTP
lleva a la conclusin de que un repositorio de datos es
necesario para la organizacin. Se percibe la bodega de
datos como una solucin deseada. El reporting sigue
siendo personal.
17
En vista de la experiencia adquirida, es claro que
la unin de los datamarts en una bodega de datos
corporativa, no es posible a menos que se lleve a cabo un
proceso de planeacin y anlisis de requerimientos con
ese alcance, es decir, con alcance corporativo. Un
proceso que lleve a la identificacin juiciosa de
dimensiones y medidas fundamentales del negocio,
identificando y seleccionando sus fuentes potenciales e
incluyendo toda la informacin inherente a cada
componente. Un proceso que logre capturar en toda su
extensin a la esencia de la informacin del negocio, y
que vaya de la mano con la creacin de un glosario de
trminos y conceptos que idealmente gue la consulta y
explotacin d e la informacin del negocio.
Fase 5: Data warehouse crece y el reporting se
formaliza.
La bodega de datos funciona y se desea que todos
se beneficien del mismo, de forma que el reporting
corporativo se formaliza. Se habla de OLAP, pero slo
algunos identifican realmente sus beneficios, es hacer las
cosas bien: Planear global y construir local, ahora s,
como debi hacerse desde el principio; el concepto de
bodega de datos corporativa toma fuerza, se entiende la
utilidad y complejidad del proceso de ETL. Los

18
problemas de calidad de los sistemas OLTP empiezan a
solucionarse de raz. La planeacin estratgica de la
organizacin se mide con base en indicadores y stos ya
pueden calcularse de una manera ms automtica y segura
con base en la bodega de datos. Adems, las herramientas
para construccin de tableros de control demuestran su
efectividad, ahora que adems no debe llevarse a cabo un
proceso manual tortuoso para alimentarlas.
Fase 6: Despliegue de OLAP.
Despus de cierto tiempo, ni el reporting ni la
forma de acceso al data warehouse es satisfactoria
para responder a preguntas sofisticadas. OLAP se
despliega para dichos perfiles. Las decisiones empiezan a
impactar de forma significativa en los procesos de
negocios de toda la organizacin. Se tiene una verdadera
integracin entre la gestin estratgica y la gestin
operacional. La informacin es el activo principal de la
organizacin y se cumplen las metas: La informacin es
accesible (entendible, navegable y con alto
desempeo), la informacin es consistente, adaptable y
soporta los cambios en el negocio, hay control de acceso
y visibilidad sobre el uso de la informacin, y UNA y
solo una verdad y fuente nica de informacin.

19
Fase 7: Business Intelligence se formaliza.
Aparece la necesidad de implantar otros procesos
de inteligencia de Negocio como Data Mining, Balanced
Scorecard, entre otros; y procesos de calidad de datos
impactan en procesos como Customer Relationship
Management (CRM), Supply Chan Management
(SCM) Se ha establecido una cultura corporativa que
entiende claramente la diferencia entre sistemas OLTP y
DSS.
El sistema de Inteligencia de Negocio desborda
los lmites corporativos y se extiende a clientes,
proveedores, socios de negocio y en general los
stakeholders, trmino en ingls que agrupa a todos
los terceros de inters relacionados con la empresa. BI
es un recurso corporativo estratgico que definitivamente
orienta el negocio.
Cundo es necesario la Inteligencia de Negocios?
Existen situaciones en las que la implantacin de
un sistema de Inteligencia de Negocios resulta adecuada.
Se destaca, entre todas las que contienen:
La toma de decisiones se realiza de forma intuitiva en
la organizacin
Identificacin de problemas de calidad de informacin

20
Uso de Excel como repositorios de informacin
corporativos o de usuario. Lo que se conoce como
Excel caos.
Necesidad de cruzar informacin de forma gil entre
departamentos.
Las campaas de marketing no son efectivas por la
informacin usada.
Existe demasiada informacin en la organizacin
para ser analizada de la forma habitual. Se ha
alcanzado la masa crtica de datos.
Es necesario automatizar los procesos de extraccin y
distribucin de informacin.
Metodologa para aplicar Inteligencia de Negocios en
una organizacin:
ANLISIS Y REQUERIMIENTOS
No hay ningn viento favorable para el que no sabe a
qu puerto se dirige Arthur Schopenhauer (1788-1860)
Filsofo alemn.
En primer lugar, se debe identificar qu se
quiere obtener a partir de la Inteligencia de Negocios.
Ya conocidas las ventajas y los casos en los que se
recomienda implementar un proyecto de inteligencia de
negocios (el cul no es un proyecto a corto plazo), se

21
debe prestar gran atencin al objetivo que se quiere lograr
con esta implementacin.
La frase que inicia este apartado hace alusin a
lo que se desea obtener en este primer paso de la
metodologa: Saber a dnde se debe dirigir.
En definitiva, los sistemas de Inteligencia de
Negocios buscan responder a las siguientes preguntas:
Qu sucedi?
Qu sucede ahora?
Por qu sucedi?
Qu suceder?
Estrategia de Inteligencia de Negocios
Implementar un proyecto de inteligencia de
negocios en una organizacin es una tarea de gran
dedicacin. Las buenas prcticas ensean que, para llegar
a un buen fin, es importante tener una estrategia de
inteligencia de negocio que coordine de forma eficaz las
tecnologas, el uso, y los niveles en el proceso de
madurez.
Pero, cmo se puede detectar que no existe una
estrategia?
22
Es posible detectar que no existe una estrategia
definida a travs de los siguientes tems y percepciones
en el interior de la organizacin:
Los usuarios de la organizacin indican que el rea de

informtica o tecnologas de informacin, son el
origen de sus problemas de inteligencia de negocio.
Las directivas consideran que implementar un
proyecto de inteligencia de negocio es otro costo ms.
El area de Informtica contina preguntando a los
usuarios finales sobre las necesidades de los
informes
El sistema de Inteligencia de Negocio est soportado
por el soporte del rea de tecnologa.
No hay diferencia entre BI y gestin del rendimiento
No es posible medir el uso del sistema de inteligencia
de negocio
No es posible medir el retorno de inversin (ROI,
Return On Invest) del proyecto de Inteligencia de
Negocios
Se considera que la estrategia para la bodega de datos
es la misma que para el sistema de inteligencia de
negocio
No hay un plan para desarrollar, contratar, retener
y aumentar el equipo de Inteligencia de Negocio
No se ha socializado que la empresa tiene una
estrategia para la Inteligencia de Negocio
No existe un responsable funcional (o bien, el
asignado no es el adecuado).
No existe un centro integrado de gestin de
competitividad
23
Existen mltiples soluciones en la organizacin

distribuidas en diferentes departamentos que repiten
funcionalidad
No hay un plan de formacin real y consistente de uso
de las herramientas
Alguien cree que es un xito que la informacin
consolidada est a disposicin de los usuarios finales
al cabo de dos semanas
Los usuarios creen que la informacin de la bodega de
datos no es correcta.
El desarrollo de una estrategia de negocio es un
proceso a largo plazo que incluye mltiples
actividades, entre las que es conveniente destacar:
Crear un equipo de gestin de Inteligencia de Negocio.
Tiene el objetivo de generar conocimiento en
tecnologas, metodologas, estrategia, con la presencia
de un sponsor a nivel ejecutivo y con analistas de
negocio implicados y que tengan responsabilidad
compartida en xitos y fracasos.
Establecer los estndares de Inteligencia de Negocio
en la organizacin para planear tanto las tecnologas
existentes como las futuras adquisiciones.
Identificar qu procesos de negocio necesitan
diferentes aplicaciones analticas que trabajen de
forma continua para asegurar que no existen silos de
funcionalidad.
Desarrollar un framework de mtricas a nivel
empresarial como el pilar de una gestin del
rendimiento a nivel corporativo.
Incluir los resultados de metodologas analticas
(minera de datos u otras) en los procesos de negocio
24
con el objetivo de aadir valor a todo tipo de

decisiones.
Revisar y evaluar el portafolio actual de soluciones en
un contexto de riesgo/recompensas.
Considerar inversiones inteligentes cuyo retorno de
inversin estn dentro de un periodo de tiempo de un
ao. Adems, tener en cuenta los diferentes anlisis de
mercado, de soluciones e incluso el hype cycle de
Gartner para conocer el estado del arte.
Aprender de los xitos y fracasos de otras empresas
revisando casos de estudio y consultando a las
empresas del sector para determinas qu ha funcionado
y qu no.
Culturizar la organizacin con la orientacin de
inteligencia de negocio.
Alinear los departamentos, en especial de Tecnologa
y la estrategia de la organizacin en caso de no poder
organizar un Centro de Competencia de Inteligencia de
Negocio, fundamental para trabajar como equipo
integrado. El departamento de tecnologa debe
entender las necesidades y entregar la mejor solucin
ajustada a la necesidad particular y escalable a otras
futuras.
Poner atencin en las necesidades que requieren
inteligencia de negocio en la organizacin porque se
acostumbra a satisfacer a los usuarios o departamentos
que gritan ms fuerte, y esto no significa que den
mayor valor a la organizacin. Por ejemplo, los
departamentos de finanzas son un caso tpico de baja
atencin en este tipo de soluciones.
25
2.2.2. DATA WAREHOUSE
La inteligencia de Negocios y su enfoque ha tenido una
interesante dinmica tanto acadmica como industrial en los
ltimos aos. Uno de los conceptos claves que ms ha tomado
fuerza es el repositorio de datos, tambin conocido como data
warehouse.
Data Warehouse [Fuente: imgenes de internet]
Este captulo se enfoca en la introduccin de la
metodologa ya consolidada en mltiples proyectos y las cuales
han dado la evolucin actual de este concepto, el objetivo de este
captulo es la introduccin del concepto de data warehouse y la
aplicacin de la metodologa usando un ejemplo con una
solucin open source, en este caso pentaho data integration y

26
cmo repositorio de datos el motor de base de datos oracle
express edition.
La base de un sistema de Inteligencia de Negocios: La
Bodega de datos
Una data warehouse es un repositorio de datos que
proporciona una visin global, comn e integrada de los datos de
la organizacin, con las siguientes propiedades:
Estable
Coherente
Fiable
Con informacin histrica
En distintos artculos de internet identifican como
funcionalidades de un sistema de datawarehuse tales como:
(Velasco, 2004)
Integracin de bases de datos heterogneas

(relacionales, documentales, geogrficas, archivos, etc.).
Ejecucin de consultas complejas no predefinidas
visualizando el resultado en forma de grfica y en diferentes
niveles de agrupamiento y totalizacin de datos.
Agrupamiento y desagrupamiento de datos en forma
interactiva.
Anlisis de problema en trminos de dimensiones. Por
ejemplo, permite analizar datos histricos a travs de una
dimensin tiempo.
Control de calidad de datos para asegurar, no solo la
consistencia de la base, sino tambin la relevancia de los
27
datos en base a los cuales se toman las decisiones.
Al abarcar el mbito global de la organizacin y con
un amplio alcance histrico, el volumen de datos puede ser
demasiado grande (centenas de terabytes). Las bases de datos
relacionales son el soporte tcnico ms comnmente usado para
almacenar las estructuras de estos datos y sus grandes volmenes.
(Curto, 2007)
Presenta las siguientes caractersticas:
Orientado a un tema: organiza una coleccin de informacin

alrededor de un tema
central. Las transacciones operacionales estn diseadas
alrededor de aplicaciones y funciones, como por ejemplo
pagos, ventas, entregas de mercadera, para una institucin
comercial. Un Data W arehouse est organizado alrededor de
los temas ms globales, como cliente, vendedor, producto y
actividades.
Integrado: incluye datos de mltiples orgenes y presenta
consistencia de datos.
Cuando los datos son copiados del ambiente operacional,
son integrados antes de entrar en el date warehouse. Por
ejemplo, un diseador puede representar el sexo como "M" y
"F", otro puede representarlo como "0" y "1", o "x" e "y", y
otro usar las palabras completas "masculino" y "femenino".
No importa la fuente de la cual el sexo llegue al data
warehouse, debe ser guardado en forma consistente.
Variable en el tiempo: se realizan fotos de los datos basadas
en fechas o hechos.
28
Los datos en la bodega de datos son precisos para un cierto

momento, no necesariamente ahora; por eso se dice que los
data warehouse son variantes en el tiempo. Las varianzas
en el tiempo de los datos de un warehouse se
manifiestan de muchas maneras. La bodega de datos
contiene datos de un largo horizonte de tiempo. Las
aplicaciones operacionales, sin embargo, contienen datos de
intervalos de tiempo pequeos, por cuestiones de
performance (tamao de las tablas). Toda estructura clave en
un data warehouse contiene implcita o explcitamente un
elemento del tiempo. Esto no necesariamente pasa en el
ambiente operacional.
No voltil: slo de lectura para los usuarios finales.
Updates, inserts y deletes son efectuados regularmente, en
una base de datos transaccional. La manipulacin de datos
en un data warehouse, es mucho ms sencilla. Solo ocurren
dos operaciones, la carga inicial, y el acceso a los datos. No
hay necesidad de updates (en su sentido general).
Frecuentemente la bodega de datos est constituido por una
base de datos relacional, pero no es la nica opcin factible,
tambin es posible considerar las bases de datos orientadas a
columnas o incluso basadas en lgica asociativa. (Daz, 2010)
Se debe tener en cuenta que existen otros elementos en el
contexto de un a bode de datos:
Data Warehousing: es el proceso de extraer y filtrar
datos de las operaciones comunes de la organizacin,
procedentes de los distintos sistemas de informacin
operacionales y/o sistemas externos, para transformarlos,
integrarlos y almacenarlos en un almacn de datos con el fin
de acceder a ellos para dar soporte en el proceso de toma de
decisiones de una organizacin.
29
Data Mart: es un subconjunto de los datos de la bodega de

datos cuyo objetivo es responder a un determinado anlisis,
funcin o necesidad, con una poblacin de usuarios
especfica. Al igual que en un data warehouse, los
datos estn estructurados en modelos de estrella o copo de
nieve, y en un data mart puede ser dependiente o
independiente de un data warehouse. Por ejemplo, un
posible uso sera para la minera de datos o para la
informacin de marketing. El data mart est pensado para
cubrir las necesidades de un grupo de trabajo o de un
determinado departamento dentro de la organizacin.
Operational Data Store: es un tipo de almacn de datos que
proporciona slo los ltimos valores de los datos y no su
historial; adems, generalmente admite un pequeo desfase o
retraso sobre los datos operacionales.
Staging Area: es el sistema que permanece entre las fuentes
de datos y la bodega de datos con el objetivo de:
Facilitar la extraccin de datos desde fuentes de

origen con una heterogeneidad y complejidad grande.
Mejorar la calidad de datos

Ser usado como cach de datos operacionales con el que
posteriormente se realiza el proceso de data warehousing
Uso de la misma para acceder en detalle a informacin no
contenida en la bodega de datos
Procesos ETL: tecnologa de integracin de datos basada
en la consolidacin de datos que se usa tradicionalmente
para alimentar data warehouse, data mart, staging area y
ODS. Usualmente se combina con otras tcnicas de
consolidacin de datos.
Metadatos: datos estructurados y codificados que escriben
caractersticas de instancias; aportan informaciones para
30
ayudar a identificar, descubrir, valorar y administrar las

instancias descritas.
Elementos de un Data warehouse
La estructura relacional de una base de datos operacional
sigue las formas normales en su diseo. Una data warehouse no
debe seguir ese patrn de diseo. La idea principal es que la
informacin sea presentada desnormalizada para optimizar las
consultas. Para ello se debe identificar, en el seno de la
organizacin, los procesos de negocio, las vistas para el proceso
de negocio y las medidas cuantificables asociadas a los mismos.
De esta manera se habla de:
Tabla de Hecho: es la representacin en la bodega de datos de
los procesos de negocio de la organizacin. Por ejemplo, una
venta puede identificarse como un proceso de negocio de manera
que es factible, si corresponde en la organizacin, considerar la
tabla de hecho de ventas.
Dimensin: es la representacin en la bodega de datos de una
vista para un cierto proceso de negocio. Retomando el ejemplo de
una venta, para la misma se tiene el cliente que ha comprado, la
fecha en que se ha realizado. Estos conceptos pueden ser
considerados como vistas para este proceso de negocio. Puede ser
interesante recuperar todas las compras realizadas por un cliente.
Ello hace entender por qu se identifica como una dimensin.

31
Mtrica: son los indicadores de negocio de un proceso de
negocio. Aquellos conceptos cuantificables que permiten medir
este proceso de negocio. Por ejemplo, en una venta se tiene el
importe de la misma.
Tipos de Tablas de Hecho
A nivel de diseo una tabla de hecho es aquella que
permite guardar dos tipos de atributo diferenciados:
Medidas del proceso/actividad/flujo de trabajo/evento que se

pretende modelizar.
Claves forneas hacia registros en una tabla de dimensin
(en otras palabras, hacia una vista de negocio)
Existen diferentes tipos de tablas de hecho:
Transaction Fact Table: representan eventos que suceden

en un determinado espacio-tiempo. Se caracterizan por
permitir analizar los datos con el mximo detalle. Por
ejemplo, se puede pensar en una venta que tiene como
resultado mtricas como el importe de la misma.
Factless Fact Tables/Coverage Table: son tablas que no
tienen medidas, y tiene
sentido dado que representan el hecho de que el evento
suceda. Frecuentemente se aaden contadores a dichas
tablas para facilitar las consultas SQL. Por ejemplo, se
puede pensar en la asistencia en un acto benfico en el que
por cada persona que asiste se tiene un registro, pero se
podra no tener ninguna mtrica asociada ms.
Periodic Snapshot Fact Table: Son tablas de hecho
usadas para recoger informacin de forma peridica a
32
intervalo de tiempo regulares. Dependiendo de la situacin

medida o la necesidad de negocio, este tipo de tablas de
hecho son una agregacin de las anteriores o estn diseadas
especficamente. Por ejemplo, se puede pensar en el balance
mensual. Los datos se recogen acumulados de forma
mensual.
Accumulating Snapshot Fact Table: representan el ciclo d
evida completo con un
principio y un final- de una actividad o un proceso. Se
caracterizan por tener mltiples dimensiones relacionadas con
los eventos presentes en un proceso. Por ejemplo, se puede
pensar en un proceso de matrcula de un estudiante:
recopila datos durante su periodo de vida que suelen sustituir
los anteriores (superacin y recopilacin de asignaturas, por
ejemplo). (Curto, 2007)
Tablas de Dimensiones
Las dimensiones recogen los puntos de anlisis de un
hecho. Por ejemplo, una venta se puede analizar en funcin del
da de venta, producto, cliente, vendedor o canal de venta, entre
otros. Respecto al punto de vista de la gestin histrica de
los datos, stos se pueden clasificar como:
SCD Tipo 0: no se tiene en cuenta la gestin de los cambios

histricos y no se realiza esfuerzo alguno. Nunca se cambia la
informacin, ni se reescribe.
SCD Tipo 1: No se guardan datos histricos. La nueva
informacin sobrescribe la antigua siempre. La sobrescritura
se realiza, principalmente, por errores de calidad de datos.
Este tipo de dimensiones son fciles de mantener, y se usan
cuando la informacin histrica no es importante.
33
SCD Tipo 2: Toda la informacin histrica se guarda en la

bodega de datos. Cuando hay un cambio se crea una nueva
entrada con fecha y surrogate key apropiadas. A partir de ese
momento ser el valor usado para futuras entradas. Las
antiguas usarn el valor anterior.
SCD Tipo 3: Toda la informacin histrica se guarda en la
bodega de datos. En este caso se crean nuevas columnas con
los valores antiguos y los actuales son remplazados con los
nuevos.
SCD Tipo 4: Es lo que se conoce habitualmente como tablas
histricas. Existe una tabla con los datos actuales y otra con
los antiguos o los cambios.
SCD Tipo 6/Hbrida: Combina las aproximaciones de los
tipos 1, 2 y 3 (y, claro, entonces 1+2+3=6). Consiste en
considerar una dimensin de tipo 1 y aade un par de
columnas adicionales que indican el rango temporal de
validez de una de las columnas de la tabla. Si bien su diseo
es complejo, entre sus beneficios se puede destacar que reduce
el tamao de las consultas temporales. Existe otra variante
para este tipo de dimensin que consiste en tener versiones del
registro de la dimensin (numerados de 0 a n+1, donde 0
siempre es la versin actual). (Curto, 2007)
Existen otros tipos de dimensiones cuya clasificacin es
funcional:
Degenaradas: se encuentran como atributos en la tabla de

hecho, si bien tiene el significado de un punto de vista de
anlisis. Contiene informacin de baja cardinalidad formada
por relaciones dicotmicas. Frecuentemente contienen slo un
atributo y, por ello, no se crea una tabla aparte. Por ejemplo,
el sexo de un paciente.
34
Monster: es conveniente comentar que algunas

dimensiones pueden crecer
desmesuradamente. Una buena prctica es romper la
dimensin en dos tablas: una que contenga los valores
estticos y otra que contenga los valores voltiles. Un ejemplo
claro puede ser la informacin de cliente. Se debe ser
conscientes de cul es la informacin primordial del mismo y
cul la que slo se usa puntualmente en los informes u otros
anlisis.
Junk: que contiene informacin voltil que se usa
puntualmente y que no se guarda de forma permanente en la
bodega de datos.
Conformadas: que permite compartir informacin entre
dimensiones. Consiste en dimensiones definidas
correctamente para que sean usadas por dos tablas y poder as
realizar consultas comunes. El ejemplo ms fcil es la
dimensin temporal.
Bridge: que permiten definir relaciones n a m entre tablas de
hecho. Necesarias para definir por la relacin entre un piloto
y sus mltiples patrocinadores.
Role-playing: que tienen asignado un significado. Por
ejemplo, se puede tener la dimensin fecha, pero tambin
fecha de entrega.
Alta cardinalidad: que contienen una gran cantidad
de datos difcilmente consultables en su totalidad. Por
ejemplo, cada uno de los habitantes de un pas.
Tipos de Mtricas
Se puede distinguir diferentes tipos de medidas, basadas
en el tipo de informacin que recopilan, as como su
funcionalidad asociada:
35
Mtricas: valores que recogen el proceso de una actividad

o los resultados de la misma. Estas medidas proceden del
resultado de la actividad de negocio.
Mtricas de realizacin de actividad (leading): miden la
realizacin de una actividad. Por ejemplo, la participacin
de una persona en un evento.
Mtricas de resultado de una actividad (lagging): recogen
los resultados de una actividad. Por ejemplo, la cantidad de
puntos de un jugador en un partido.
Indicadores clave: valores correspondientes que hay que
alcanzar y que suponen el grado de asuncin de los
objetivos. Estas medidas proporcionan informacin sobre el
rendimiento de una actividad o sobre la consecucin de una
meta.
Key Performance Indicator (KPI): indicadores clave de
rendimiento. Ms all de la eficacia, se definen unos valores que
explican en qu rango ptimo de rendimiento se debera situar
al alcanzar los objetivos. Son mtricas del proceso.
Key Goal Indicator (KGI):indicadores de metas. Definen
mediciones para informar a la direccin general si un proceso
TIC ha alcanzado su requisito de negocio, y se expresan por lo
general en trminos de criterios de informacin.
Se debe aadir que existen tambin indicadores de desempeo.
Los indicadores clave de desempeo (en definitiva, son KPI)
definen mediciones que determinan cmo se est desempeando
el proceso de TI para alcanzar la meta. Son los indicadores
principales que sealan si ser factible lograr una meta o no, y son
buenos indicadores de las capacidades, prcticas y habilidades.

36
Los indicadores de metas de bajo nivel se convierten en
indicadores de desempeo para los niveles altos.
Esquemas para un Data warehouse
Existen principalmente dos tipos de esquemas para
estructurar los datos en un almacn de datos:
Esquema en estrella: A nivel de diseo, consiste en una tabla de

hechos (o lo que en los libros se encontrar como fact table) en
el centro para el hecho objeto de anlisis y una o varias tablas de
dimensin por cada punto de vista da anlisis que participa de la
descripcin de ese hecho. Consiste en estructurar la informacin
en procesos, vistas y mtricas recordando a una estrella (por ello
el nombre). En la tabla de hecho se encuentran los atributos
destinados a medir (cuantificar): sus mtricas. La tabla de
hechos solo presenta uniones con dimensiones. (Curto, 2007)
Esquema en estrella [Fuente: imgenes de internet)]
Esquema en copo de nieve: es un esquema de representacin

derivado del esquema de estrella, en el que las tablas de
dimensin se normalizan en mltiples tablas. Por esta razn, la
37
tabla de hechos deja de ser la nica tabla del esquema que se

relaciona con otras tablas y aparecen nuevas uniones. Es posible
identificar dos tipos de esquemas en copo de nieve: (Curto,
2007)
Completo: en el que todas las tablas de dimensin en el
esquema de estrella aparecen ahora normalizadas. O
Parcial: slo se lleva a cabo la normalizacin de algunas de
ellas.
Esquema en copo de nieve [Fuente: imgenes de internet]
2.2.3. INTEGRACIN DE DATOS: ETL
Se consideran las siguientes reas, cuando se refiere a
integracin en un contexto empresarial:
Integracin d e datos: proporciona una visin nica de todos
los datos de negocio, sin importar su ubicacin. Este es el mbito
de la inteligencia de negocio.
38
Integracin d e aplicaciones: proporciona una visin
unificada de todas l as aplicaciones tanto internas como
externas a la empresa. Esta integracin se consigue mediante la
coordinacin de los flujos de eventos (transacciones, mensaje o datos)
entre aplicaciones.
Integracin de procesos de negocio: proporciona una visin
unificada de todos los procesos de negocio. Su principal ventaja
es que las consideraciones de diseo del anlisis e
implementacin de los procesos de negocio son aislad os del
desarrollo de las aplicaciones.
Integracin de la interaccin de los usuarios: proporciona una
interfaz segura y personalizada al usuario del negocio (datos,
aplicaciones y procesos de negocio).
Integracin de datos: ETL [Fuente: imgenes de internet]
Este captulo se centrar en la integracin de datos en
general y en los procesos ETL (Extraccin, Trasformacin y

39
Carga) e n particular, que una de las tecnologas de
integracin de datos que se usa en los proyectos de
implantacin de Bussiness Intelligence.
El objetivo de este captulo es conocer las diferentes
opciones de integracin de datos en el mbito de la inteligencia
de negocio y, en particular, conocer el diseo de procesos
ETL.
Integracin de datos
Dentro del contexto de la inteligencia de negocios, las
herramientas ETL han sido la opcin usual para alimentar la
bodega de datos. La funcionalidad bsica de estas herramientas
est compuesta por:
Gestin y administracin de servicios

Extraccin de datos
Transformacin de datos
Carga de datos
Gestin de datos
En la siguiente grfica se ilustran los distintos
componentes del proceso de ETL para una bodega de datos o data
warehouse:
40
Proceso Integracin de datos (Daz, 2010)
En los ltimos aos, estas herramientas han
evolucionado incluyendo ms funcionalidades propias de una
herramienta de integracin de datos. Se puede destacar:
Servicios de acceso/entrega de datos (va

adaptadores/conectores)
Gestin de servicios
Perfiles de datos (Data profiling)
Calidad de datos (Data quality)
Procesos operacionales
Servicios de transformacin: CDC (Captura de datos
modificados), SCD (Dimensiones de variacin lenta),
validacin, agregacin.
Servicios de acceso a tiempo real
Extract, Transform and Load (ETL)
Integracin de informacin empresarial (EII de sus siglas
en ingls Enterprise
Information Integration)
41
Integracin de aplicaciones empresariales (EAI de sus siglas

en ingls Enterprise
Applications Integration)
Capa de transporte de datos
Gestin de datos
En la siguiente grfica se detalla la integracin de las

funcionalidades descritas en la evolucin de los procesos ETL:
Suite Integracin de datos (Daz, 2010)
Esta evolucin es consecuencia de diversos motivos,
entre los que se puede destacar los diferentes tipos de datos que
existen:
Estructurados: contenidas en bases de datos
Semiestructurados: en formatos legibles para mquinas, si
bien no estn completamente estructurados: HTML tabulado,
Excel, CSV, que pueden obtenerse mediante tcnicas estndar
de extraccin de datos.
42
No estructurados: en formatos legibles para humanos, pero no
para mquinas:
Word, HTML no tabulado, PDF, que pueden obtenerse
mediante tcnicas avanzadas como text mining u otras. (Daz,
2010)
As como la evolucin de las necesidades de negocio.
Por ello el punto de partida adecuado es definir
formalmente el concepto de integracin de datos: Se entiende por
integracin de datos al conjunto de aplicaciones, productos,
tcnicas y tecnologas que permiten una visin nica
consistente de los datos de negocio. ( I n m o n , 2 0 0 5 )
Respecto a la definicin:
Las aplicaciones son soluciones a medida que permiten la
integracin de datos en base al uso de productos de integracin.
Los productos comerciales desarrollados por terceros
capacitan la integracin mediante el uso de tecnologas de
integracin.
Las tecnologas de integracin son soluciones para realizar la
integracin de datos.
43
Tcnicas de integracin de datos
Existen diferentes tcnicas de integracin de datos:
(McBurney, 2008)
Propagacin de datos: Consiste en copiar datos de un
lugar de origen a un entorno destino local o remoto. Los datos
pueden extraerse del origen mediante programas que generen un
archivo que debe ser transportado al destino, donde su utilizar
como archivo de entrada para cargar en la base de datos de
destino. Una aproximacin ms eficiente es descargar slo los
datos que han cambiado en origen respecto a la ltima
propagacin realizada, generando un archivo de carga
incremental que tambin ser transportado al destino. Este tipo
de procesos son habitualmente de tipo en lnea y trabajan con una
arquitectura push. Puede realizarse como:
Distribucin
Intercambio bidireccional. Puede ser master-slave o peer-
to-peer.
Consolidacin de datos: Consiste en capturar los cambios
realizados en mltiples entornos de origen y propagarlos a un
nico entorno destino, donde se
almacena una copia de todos estos datos. Ejemplos son una data
warehouse o un ODS, alimentado por varios entornos de

44
produccin. Con esta tcnica es difcil trabajar con tiempos de
latencia bajos:
Cuando no se requiere latencia baja, se suele proveer los datos
mediante procesos batch en intervalos prefijados (superior a varias
horas). Se usan consultas SQL para conseguir los datos (lo que se
denomina tcnica pull).
Cuando se requiere latencia baja, se utiliza la tcnica push. En
este caso, la aplicacin de integracin de datos debe identificar los
cambios producidos en origen para transmitir slo esos cambios, y
no todo el conjunto de datos del origen. Para ello, se suele emplear
algn tipo de tcnica de tipo CDC (change data capture).
Federacin de datos: Proporciona a las aplicaciones una visin lgica
virtual comn de una o ms bases de datos. Esta tcnica permite acceder
a diferentes entornos origen de datos, que pueden estar en los mismos o
en diferentes gestores de datos y mquinas, y crear una visin de este
conjunto de bases de datos como si fuese en la prctica una base de datos
nica e integrada. Cuando una aplicacin de negocio lanza una consulta
SQL contra esta vista virtual, el motor de federacin de datos
descompone la consulta en consultas individuales para cada uno de los
orgenes de datos fsicos involucrados y la lanza contra cada uno de ellos.
Cuando ha recibido todos los datos respuesta a las consultas, integra los
resultados parciales en un resultado nico, realizando las sumatorias,
agregaciones y/o ordenaciones necesarias para resolver la consulta

45
original, y devuelve los datos a la aplicacin que lanz la peticin
original. Uno de los elementos claves del motor de federacin es
el catlogo de datos comn. Este catlogo contiene informacin
sobre los datos: su estructura, su localizacin y, en ocasiones, su
demografa (volumen de datos, cardinalidad de las claves, claves
de clustering, etc). Ello permite que se pueda optimizar la
divisin de la consulta original al enviarla a los gestores de bases
de datos, y que se elija el camino ms eficiente de acceso global a
los datos.
CDC (Change Data Capture): Se utiliza para capturar los
cambios producidos por las aplicaciones operacionales en las
bases de datos de origen, de tal manera que pueden ser
almacenados y/o propagados a entornos destino para que stos
mantengan la consistencia con los entornos origen. A
continuacin, se listan las cuatro principales tcnicas del CDC:
CDC por aplicacin: consiste en que la propia aplicacin es la
que genera la actualizacin de datos en origen, y se
encarga de actualizar directamente los entornos destino, o
almacenar localmente los cambios en una tabla de paso (staging)
mediante una operacin de INSERT dentro de la misma unidad
lgica de trabajo.
CDC p o r timestamp: se puede emplear cuando los datos de
origen incorporan un timestamp (por ejemplo a nivel de fila si

46
el origen es una tabla relacional) de la ltima actualizacin de
sta. El CDC se limitar a escanear los datos de origen para
extraer los datos que posean un timestamp posterior al de la
ltima vez que se ejecut el proceso de CDC: estos datos son los
que han cambiado desde la ltima captura de datos y, por tanto,
son los que deben actualizarse en los entornos destino.
CDC por triggers: los triggers o disparadores son acciones que se
ejecutan cuando se actualizan (por UPDATE, DELETE o
INSERT) los datos de una determinada tabla sobre la que estn
definidos. Esos triggers pueden utilizar estos datos de la
actualizacin en sentencias SQL para generar cambios SQL en
otras tablas locales o remotas. Por lo tanto, una forma de capturar
cambios es crear tiggers sobres las tablas de origen, cuyas
acciones modifiquen los datos de las tablas destino.
CDC por captura de log: consiste en examinar constantemente
el archivo de log de la base de datos de origen en busca de
cambios en las tablas que se deben monitorizar. Estos
programas basan su eficiencia en la lectura de buffers de
memoria de escritura en el log, por lo que la captura de la
informacin no afecta el rendimiento del gestor relacional al
no requerir acceso al disco que contiene el archivo de log.
Tcnicas hibridas: la tcnica elegida en la prctica para la
integracin de datos depender de los requisitos de negocio para

47
la integracin, pero tambin en gran medida de los requisitos
tecnolgicos y de las probables restricciones presupuestales. A la
prctica se suelen emplear tcnicas de integracin constituyendo
lo que se denomina una tcnica hibrida.
Tecnologas de integracin de datos
Existen diferentes tecnologas de integracin de datos
basadas en las tcnicas presentadas:
ETL: permite extraer datos del entorno origen,
transformarlos segn nuestras necesidades de negocio para
integracin de datos y cargar estos datos en los entornos destino.
Los entornos origen y destino son usualmente bases de datos o
archivos, pero en ocasiones tambin pueden ser colas de
mensajes de un determinado middleware, as como archivos u
otras fuentes estructuradas, semi-estructuradas o no
estructuradas. Est basada en tcnicas d e consolidacin. Las
herramientas de ETL en la prctica mueven o transportan datos
entre entornos origen y destino, pero tambin documentan como
estos datos son transformados (si lo son) entre el origen y el
destino almacenando esta informacin en un catlogo propio
de metadatos; intercambian estos metadatos con otras
aplicaciones que puedan requerirlos y administran todas
las ejecuciones y procesos de la ETL: planificacin del
transporte de datos, log de errores, los de cambios y

48
estadsticas asociadas a los procesos de movimiento de datos.
Este tipo de herramientas suelen tener un interfaz de usuario de
tipo GUI y permiten disear, administrar y controlar cada uno de
los procesos del entorno ETL.
ETL de generacin de cdigo: Consta de un entorno grafico
donde se disean y especifican los datos de origen, su
transformacin y los entornos destino. El resultado generado es
un programa de tercera generacin (tpicamente COBOL) que
permite realizar las transformaciones de datos. Aunque estor
programas simplifican el proceso ETL, incorporan pocas mejoras
en cuanto al establecimiento y automatizacin de todos los
flujos de procesos necesarios para realizar la ETL. Usualmente
los administradores de datos los encargados de distribuir y
administrar el cdigo complicado, planificar y ejecutar los
procesos en lotes, y realizar el transporte de los datos.
ETL basados en motor: Permite crear flujos de trabajo en
tiempo de ejecucin definidos mediante herramientas grficas. El
entorno grafico permite hacer un mapping de los entornos de
datos de origen y destino, las transformaciones de datos
necesarios, el flujo de procesos y los procesos por lotes
necesarios. Toda esta informacin referente a diseo y procesos
del ETL es almacenada en el repositorio del catlogo de metadatos.
Se compone por diversos motores:

49
a) Motor de extraccin: utiliza adaptores como ODBC,
JDBC, JNDI, SQL nativo, adaptadores de archivos
planos u otros. Los datos pueden ser extrados en modo
pull planificado, tpicamente soportando tcnicas de
consolidacin en proceso por lotes, o mediante modo push,
tpicamente utilizando tcnicas de propagacin en procesos
de tipo en lnea. En ambos casos se pueden utilizar tcnicas
de changed data capture (CDC) ya vistas.
b) Motor de transformacin: Proporciona una librera de
objetos que permite a los desarrolladores transformas los
datos de origen para adaptarse a las estructuras de datos de
destino, permitiendo, por ejemplo, la sumarizacion de los
datos en destino en tablas resumen.
c) Motor de carga: Utiliza adaptadores a los datos de destino,
como el SQL nativo, o cargadores masivos de datos o
archivos de destino.
d) Servicios de administracin y operacin: Permiten la
planificacin, ejecucin y monitorizacin de los procesos
ETL, as como la visualizacin de eventos y la recepcin y
resolucin de errores en los procesos.
ETL integrado en la base de datos: algunos fabricantes
incluyen capacidades ETL dentro del motor de la base de datos
(al igual que lo hacen con otro tipo de caractersticas, como
soporte OLAP y minera de datos). En general, presentan menos

50
funcionalidades y complejidad, y son una solucin menos
completa que los ETL comerciales basados en motor o de
generacin de cdigo. Por ello, a los ETL integrados en base de
datos se les clasifica en tres clases en relacin con los ETL
comerciales (basados en motor o de generacin de cdigo):
e) ETL cooperativos: con ellos, los productos comerciales
pueden usar funciones avanzadas del gestor base de datos
para mejorar los procesos de ETL. Ejemplos ETL
cooperativos son aquellos que pueden utilizar procedimientos
almacenados y SQL complejo para realizar las
transformaciones de los datos en origen de una forma ms
eficiente, o utilizar paralelismo de CPU en consultas para
minimizar el tiempo de los procesos ETL.
f) ETL complementarios: Cuando los ETL de bases de datos
ofrecen funcionalidades complementarias a los ETL
comerciales. Por ejemplo, hay gestores de bases de datos que
ofrecen soporte a MQT (Materializad Query Tables) o vistas
de sumarizacion precalculadas, mantenidas y almacenadas
por el gestor que puede usarse para evitar
transformaciones de datos realizadas por ETL comercial.
Adems, otros gestores permiten la interaccin directa
mediante SQL con middleware de gestin de mensajes (por
ejemplo, leyendo una cola de mensajes mediante un UDF o
permitiendo la insercin de nuevos mensajes en colas

51
mediante SQL) o con aplicaciones que se comunican
mediante web services.
g) ETL competitivos: algunos gestores ofrecen
herramientas graficas integradas que explotan sus
capacidades ETL en lo que claramente es competencia con
los ETL comerciales.
EII: el objetivo de la tecnologa EII es permitir a las aplicaciones
el acceso a datos dispersos (desde una data mart hasta archivo de
texto o incluso web services) como si estuviesen todos residiendo
en una base de datos comn. Por lo tanto, se basa en la federacin.
El acceso a datos dispersos implica la descomposicin de la
consulta inicial (habitualmente en SQL) direccionada contra la
vista virtual federada en subcomponentes, que sern procesados
en cada uno de los entornos donde residen los datos. Se recogen
los resultados individuales de c ada uno de los subcomponentes de
la consulta, se combinan adecuadamente y se devuelve el
resultado a la aplicacin que lanzo la consulta. Los productos de
EII han evolucionado desde dos entornos origen diferenciados:
las bases de datos relacionales y las bases de datos XML.
Actualmente, la tendencia en productos EII es que soporten ambas
interfaces a datos, SQL (ODBC y JDBC) y XML (XQuery y
XPath). Los productos comerciales que implementan EII varan
considerablemente en las funcionalidades que aportan; el rea ms
diferenciadora es la optimizacin de las consultas distribuidas. Las

52
caractersticas bsicas de los productos que implementan
soluciones de integracin de datos EII son:
Transparencia: los datos parecen estar en un origen nico.

Heterogeneidad: integracin de datos de diferentes fuentes
(relacionales, XML, jerrquicos) y tambin no estructurados.
Extensibilidad: posibilidad de federar cualquier frente de
datos.
Alta funcionalidad: acceso con lectura y escritura a
cualquier fuente soportada.
Autonoma: acceso no disruptivo para los datos o las
aplicaciones.
Rendimiento: posibilidad de optimizar las consultas
dependiendo del tipo y fuente de datos.
EDR: Tiene el objetivo de detectar los cambios que suceden en
las fuentes de origen esta soportada por las tcnicas de integracin
de datos de CDC (chance data capture) y por la tcnica de
propagacin de datos. Consta bsicamente de los siguientes
elementos:
Programa de captura: se encarga de recuperar los cambios

producidos en la base de datos de origen. Esta captura puede
ser realizada a travs de una salida que lea constantemente el
log de recuperacin de la base de datos, a travs de triggers o
mediante una aplicacin externa de usuario. El programa de
captura se apoya en una serie de tablas donde se almacena
informacin de control del proceso captura, como por ejemplo
las tablas que son orgenes de replicacin.
Sistema de transporte: Los sistemas de transportes ms
comunes son a travs de tablas de paso (staging), que dan
53
lugar a la denominada replicacin de tipo SQL, o a travs de

un middleware de gestin de colas, la denominada queue-
replication o Q-replication.
Programa de aplicacin de cambios: es la pieza que, o bien
leen mediante SQL de las tablas de staging los cambios de
colas en la Q-replication, y mediante la informacin de control
almacenada en tablas realiza el mapeo entre datos de origen y
de destino, realiza las transformaciones necesarias a los datos y
actualiza los datos de destino mediante SQL si se trata de
destinos relacionales, o publica un registro XML para que
pueda ser tratado por aplicaciones de propsito general.
Programa de administracin: permite las definiciones
necesarias de origen de datos y destinos, mapeos,
transformaciones y establecer los intervalos de aplicacin de
cambios. Usualmente es una herramienta de tipo grfico.
Utilidades: programas de utilidad que sirven para, por ejemplo,
planificar una carga de datos inicial del destino a partir de los
datos de origen. (Daz, 2010)
Uso de la integracin de datos
Los procesos de integracin de datos se usan en mltiples
tipologas de proyectos. Se puede destacar los siguientes:
Migracin de datos.
54
Procesos de calidad de datos.

Corporate Performance Management (CPM).
Master Data Management (MDM).
Customer Data Integration (CDI).
Product Information Management (PIM).
Enterprise Information Management (EIM).
Data W arehousing.
Business Intelligence (BI).
2.2.4. DISEO DE CUBOS OLAP
OLAP es el acrnimo en ingls de procesamiento analtico en
lnea (On-Line Analytical Processing), Es una solucin
utilizada en el campo de la llamada Inteligencia de
Negocios cuyo objetivo es agilizar la consulta de grandes
cantidades de datos. Para ello utiliza estructuras
multidimensionales (o Cubos OLAP) que contienen datos
resumidos de grandes Bases de datos o Sistemas Transaccionales
(OLTP).
55
Cubo OLAP de tres dimensiones (Yahazee, 2009)
OLAP es uno de los conceptos ms importantes de
inteligencia de negocio. Si bien el trmino OLAP se introduce por
primera vez en 1993, los conceptos base del mismo, como por
ejemplo el anlisis multidimensional, son mucho ms antiguos.
Es necesario, antes de continuar, introducir una definicin
formal de OLAP:
Se entiende por OLAP, o proceso analtico en lnea, al
mtodo gil y flexible para organizar datos, especialmente
metadatos, sobre un objeto o jerarqua de objetos como en un
sistema u organizacin multidimensional, y cuyo objetivo es
recuperar y manipular datos y combinaciones de los mismos a
travs de consultas o incluso informes. (Wrembel, 2006)

56
A pesar de ser una tecnologa que ya tiene ms de cuatro
dcadas, sus caractersticas y su evolucin han provocado que la
gran mayora de soluciones de soluciones del mercado incluya un
motor OLAP.
Es necesario precisar:
Las herramientas OLAP de los diferentes fabricantes, si bien

son similares, no son completamente iguales dado que
presentan diferentes especificaciones es del modelo terico.
Las soluciones open source OLAP han sido las ltimas a
aadirse a la lista y, por ahora, no tienen tanta variedad como
su equivalente propietario.
En el mercado Open Source OLAP slo hay dos soluciones
actualmente: el motor ROLAP Mondrian y el motor MOLAP
PALO.
A diferencia del conocido OLTP, OLAP describe una clase de
tecnologas diseadas para mantener especficamente el anlisis y
acceso a datos. Mientras el procesamiento transaccional
generalmente confa solamente en las bases de datos relacionales,
OLAP viene a ser un sinnimo con vistas multidimensionales de
los datos del negocio. Estas vistas multidimensionales se apoyan
en la tecnologa de bases de datos multidimensionales.
OLAP se est convirtiendo rpidamente en la base
fundamental para Soluciones Inteligentes incluyendo Business
Performance Management, Planificacin, presupuestos,
previsiones, informes financieros, anlisis, modelos de simulacin,

57
Descubrimiento de Conocimiento, e informes de Bodegas de
datos.
Por qu OLAP?
Para comprender las ventajas de la tecnologa OLAP es
necesario, primero, hacer una comparacin con el procesamiento
transaccional en lnea (OLTP), de tal forma que se pueda valorar
el alcance de esta tecnologa de informacin.
OLTP (Relacional) OLAP(Multidimensional)
Automatizado Resumido
Presente Histrico
Un registro por tiempo Muchos registros al tiempo
Orientado a Proceso Orientado al tema
Comparacin OLTP vs OLAP (Flores, 2008)
La razn de usar OLAP para las consultas es la velocidad de
respuesta. Una base de datos relacional almacena entidades en
tablas discretas si han sido normalizadas. Esta estructura es
buena en un sistema OLTP pero para las complejas consultas
multitabla es relativamente lenta. Un modelo mejor para
bsquedas (aunque peor desde el punto de vista operativo) es
una base de datos multidimensional.

58
Las aplicaciones OLTP se caracterizan por la creacin de
muchos usuarios, actualizaciones o recuperacin de registros
individuales. Por consiguiente, las bases de datos OLTP se
perfeccionan para actualizacin de transacciones. Las aplicaciones
OLAP son usadas por analistas y gerentes que frecuentemente
quieren una vista de datos de nivel superior, como las ventas
totales por lnea de producto, por regin, etc. Las bases de datos
OLAP normalmente se actualizan en lote, a menudo de mltiples
fuentes, y proporcionan un back-end analtico poderoso a las
aplicaciones de mltiples usuarios. Por tanto, las bases de datos
OLAP se perfeccionan para el anlisis.
Mientras las bases de datos relacionales son buenas al recuperar
un nmero pequeo de archivos rpidamente, ellas no son buenas
al recuperar un nmero grande de archivos y resumirlos sobre la
marcha. Un tiempo de respuesta lento y el uso excesivo de
recursos del sistema son las caractersticas comunes de las
aplicaciones de soporte de decisin construidas exclusivamente
sobre la tecnologa de bases de datos relacionales. Debido a la
facilidad con la cual se puede emitir un ejecutar una consulta
SQL externa, muchos distribuidores de Sistemas de Informacin
no brindan a c c e s o directo a los usuarios a sus bases de datos
relacionales.
Muchos de los problemas que las personas intentan resolver con
la tecnologa relac ional son realmente multidimensionales en

59
naturaleza. Por ejemplo, una consulta SQL para crear
resmenes de ventas del producto por la regin, las ventas de
la regin por producto, y as sucesivamente, podran involucrar
la revisin de la mayora, si no todos, los registros en una base
de datos de mercadeo y podra tomar horas de proceso. Un
servidor OLAP podra ocuparse de estas preguntas en unos
segundos. (Tindys , 2010)
Las aplicaciones OLTP tienden a tratar con datos atomizados
registro a un tiempo, considerando que las aplicaciones de
OLAP normalmente se tratan de los datos resumidos.
Mientras las aplicaciones O L T P generalmente no requieren
de datos histricos, casi cada aplicacin de OLAP se preocupa
por ver las tendencias y por consiguiente requiere de datos
histricos. Como consecuencia, las bases de datos OLAP
necesitan la capacidad de ocuparse de datos series de. Mientras
las aplicaciones OLTP y bases de datos tienden a ser
organizados alrededor de procesos especficos (como
ordenes de entrada), las aplicaciones OLAP tienden a ser
orientadas al tema, respondiendo a preguntas como Qu
productos estn vendiendo bien? o Dnde estn mis oficinas
de ventas ms dbiles?. (jaac, 2010)

60
Tipos de OLAP
Existen diferentes tipos de OLAP, que principalmente difieren
en cmo se guardan los datos: (Daz, 2010)
MOLAP (Multidimensional OLAP): es la forma clsica de
OLAP y frecuentemente es referida con dicho acrnimo. MOLAP
utiliza estructuras de bases d e datos generalmente optimizadas
para recuperacin de los mismos. Es lo que se conoce como bases
de datos multidimensionales (o, ms coloquialmente, cubos). En
definitiva, se crea un archivo que contiene todas las posibles
consultas precalculadas. A diferencia de las bases de datos
relacionales, estas formas de almacenaje estn optimizadas para
la velocidad de clculo. Tambin se optimizan a menudo para
la recuperacin a lo largo de patrones jerrquicos de acceso. Las
dimensiones de cada cubo son tpicamente atributos tales como
periodo, localizacin, producto o cdigo de cuenta. La forma en la
que cada dimensin ser agregada se define por adelantado. (Daz,
2010)
ROLAP (Relacional OLAP): trabaja directamente con
las bases de datos relacionales, que almacenan los datos base
y las tablas dimensionales como tablas relacionales mientras se
crean nuevas tablas para guardar la informacin agregada.
HOLAP (Hibrido OLAP): no hay acuerdo claro en la industria en
cuanto a qu constituye el OLAP hbrido, exceptuando el hecho de

61
que es una base de datos en la que los datos se dividen en
almacenaje relacional y multidimensional. Por ejemplo, para
algunos vendedores, HOLAP consiste en utilizar las tablas
relacionales para guardar cantidades ms grandes de datos
detallados, y utiliza el almacenaje multidimensional para algunos
aspectos de cantidades ms pequeas de datos menos detallados o
agregados.
DOLAP (Desktop OLAP): es un caso particular de OLAP ya
que est orientado a equipos de escritorio. Consiste en obtener la
informacin necesaria desde la base de datos relacional y
guardarla en el escritorio. Las consultas y los anlisis son
realizados contra los datos guardados en el escritorio.
In-memory OLAP: es un enfoque por el que muchos
nuevos fabricantes estn optando. Consiste en que la
estructura dimensional se genera slo a nivel de memoria y
se guarda el dato original en algn formato que potencia su
despliegue de esta forma (por ejemplo, comprimido o
mediante una base de datos lgica asociativa). En este
ltimo punto es donde cada fabricante pone su nfasis.
Cada tipo tiene ciertas ventajas, aunque hay desacuerdo sobres
las ventajas especficas de los diferentes proveedores.
MOLAP es mejor en sistemas ms pequeos de datos, es ms
rpido para calcular agregaciones y retornar respuestas y

62
necesita menos espacio de almacenaje. ltimamente, in-memory
OLAP est apuntndose como una opcin vlida al MOLAP.
ROLAP s e considera ms escalable. Sin e m b a r g o , e l pre
proceso de grandes volmenes es difcil de implementar
eficientemente, as que se desecha con frecuencia. De otro
modo, el funcionamiento de consultas pude ser no ptimo.
HOLAP est entre los dos en todas las reas, pero puede
preprocesar rpidamente y escalar bien.
Todos los tipos son, sin embargo, propensos a la explosin de la
base de datos. ste es un fenmeno que causa la cantidad
extensa de espacio de almacenaje que es utilizado por las bases
de datos OLAP cuando se resuelven ciertas, pero frecuentes,
condiciones: alto nmero de dimensiones, de resultados
calculados de antemano y de datos multidimensionales escasos.
La dificultad en la implementacin OLAP deviene en la
formacin de las consultas, elegir los datos base y desarrollar el
esquema. Como resultado, la mayora de los productos
modernos vienen con bibliotecas enormes de consultas
preconfiguradas. Otro problema est en la baja calidad de los
datos, que deben ser completos y constantes.

63
Elementos OLAP
OLAP permite el anlisis multidimensional. Ello significa que la
informacin est estructurada en ejes (puntos de vista de anlisis)
y celdas (valores que se estn analizando).
En el contexto OLAP existen diferentes elementos comunes a
las diferentes topologas OLAP (que en definitiva se diferencian
a nivel prctico en que en MOLAP se precalculan los datos, en
ROLAP no, y en in-memory se generan al iniciar el sistema):
Esquema: un esquema es una coleccin de cubos, dimensiones,
tablas de hecho y roles.
Cubo: es una coleccin de dimensiones asociadas a una tabla de
hecho. Un cubo virtual permite cruzar la informacin entre
tablas de hecho a partir de sus dimensiones comunes.
Tabla de hecho, dimensin y mtrica
Jerarqua: es un conjunto de miembros organizados en
niveles. En cuanto a bases de datos, se puede entender como
una ordenacin de los atributos a una dimensin.
Nivel: es un grupo de miembros en una jerarqua que tienen los
mismos atributos y nivel de profundidad en una jerarqua.
Miembro: es un punto de la dimensin de un cubo que pertenece
a un determinado nivel de una jerarqua. Las mtricas (medidas)

64
en OLAP se consideran un tipo especial de miembro que
pertenece a su propio tipo de dimensin. Un miembro puede
tener propiedades asociadas.
Roles: permisos asociados a un grupo de usuarios.
MDX: es un acrnimo de Multidimensional eXpressions (aunque
tambin es como Multidimensional Query eXpression). Es el
lenguaje de consulta de estructuras OLAP, fue creado en 1997
por Microsoft y, s bien no es un lenguaje estndar, la gran
mayora de fabricantes de herramientas OLAP lo han
adoptado como estndar de hecho.

65
2.3. MARCO CONCEPTUAL
AGENTES:
Los agentes son programas que piensan. Ellos pueden realizar
tareas a un nivel muy bsico sin necesidad de intervencin humana. Por
ejemplo, unos agentes pueden realizar tares un poco complejas, como
elaborar documentos, establecer diagramas de flujo, etc.
BUSINESS INTELLIGENCE
Es una estrategia empresarial que persigue incrementar el
rendimiento de la empresa o la competitividad del negocio, a travs de la
organizacin inteligente de sus datos histricos (transacciones u
operaciones diarias), usualmente residiendo en Data Warehouse
corporativos o Data Marts departamentales
DATA MINING:
Las empresas suelen generar grandes cantidades de informacin
sobre sus procesos productivos, desempeo operacional, mercados y
clientes. Pero el xito de los negocios depende por lo general de la
habilidad para ver nuevas tendencias o cambios en las tendencias. Las
aplicaciones de data mining pueden identificar tendencias y
comportamientos, no slo para extraer informacin, sino tambin para
descubrir las relaciones en bases de datos que pueden identificar
comportamientos que no muy evidentes.

66
DATA WAREHOUSE:
Es la respuesta de la tecnologa de informacin a la
descentralizacin en la toma de decisiones. Coloca informacin de todas
las reas funcionales de la organizacin en manos de quien toma las
decisiones. Tambin proporciona herramientas para bsqueda y anlisis.
INTEGRACIN DE DATOS
Dentro del contexto de la inteligencia de negocios, las
herramientas ETL han sido la opcin usual para alimentar la bodega de
datos. La funcionalidad bsica de estas herramientas est compuesta por:
Gestin y administracin de servicios

Extraccin de datos
Transformacin de datos
Carga de datos
Gestin de datos
MULTIDIMENSIONALIDAD:
La informacin multidimensional se puede encontrar en hojas de
clculo, bases de datos, etc. Una herramienta de BI debe de ser capaz de
reunir informacin dispersa en toda la empresa e incluso en diferentes
fuentes para as proporcionar a los departamentos la accesibilidad, poder
y flexibilidad que necesitan para analizar la informacin. Por ejemplo, un
pronstico de ventas de un nuevo producto en varias regiones no est
completo si no se toma en cuenta tambin el comportamiento histrico de

67
las ventas de cada regin y la forma en que la introduccin de nuevos
productos se ha desarrollado en cada regin en cuestin.
OLAP
es uno de los conceptos ms importantes de inteligencia de
negocio. Si bien el trmino OLAP se introduce por primera vez en 1993,
los conceptos base del mismo, como por ejemplo el anlisis
multidimensional, son mucho ms antiguos.

68
CAPTULO III
METODOLOGIA DE LA INVESTIGACION
3.1. TIPO Y DISEO DE INVESTIGACION
3.1.1. TIPO DE INVESTIGACION
El tipo de investigacin de acuerdo al abordaje de la
ingeniera de sistemas y como se plantea la investigacin ser de
tipo descriptivo, porque se hace una descripcin de las etapas de
desarrollo del sistema.
3.1.2. DISEO DE INVESTIGACIN
El diseo es no experimental, ya que se toma la
informacin acorde a la realidad.
3.2. TECNICAS E INSTRUMENTOS
Las tcnicas que se utilizaran son:
La encuesta
La observacin
Anlisis documental
Los instrumentos que se utilizaran que corresponden a las
tcnicas anteriormente mencionadas son:
La gua de encuesta
La gua de observacin
La gua de anlisis documental

69
3.3. PROCEDIMIENTOS
Para el desarrollo de la aplicacin de business inteligence se
utilizar un modelo de desarrollo evolutivo, denominado modelo de
prototipos, que permite modelar e implementar la aplicacin
computacional de manera rpida y acorde a las necesidades del cliente o
usuario final.
3.4. POBLACION Y MUESTRA
POBLACION
Nuestra poblacin est compuesta por gerentes y administradores
personas dedicadas a la toma de decisiones, tanto en el sector pblico y
privado. En tal sentido se tom intencionadamente o directamente un
total de 30 profesionales dedicadas a este rubro en la ciudad de Puno,
MUESTRA
Dado que nuestra poblacin es reducida, es que se ha optado por
entrevistar a todos sus integrantes, ya que, adems, se presentan las
condiciones apropiadas para lograr este cometido.
A esta muestra se le llama censal, porque es igual a la poblacin
MUESTREO
Se ha considerado un muestreo no probabilstico, intencionado o
directo.
70
3.5. METODLOGIA DE DESARROLLO PARA LA ESTRATEGIA
EMPRESARIAL BUSINESS INTELIGENCE
Para la implementacin se ha utilizado el modelo de desarrollo de
prototipos, el cual se ajusta a las necesidades de la presente investigacin.
Para la implementacin se ha utilizado el modelo de desarrollo de
prototipos, el cual se ajusta a las necesidades de
3.6. HIPOTESIS
Hiptesis General
Ha sido posible implementar un prototipo de estrategia
empresarial business intelligence para el soporte a la toma de decisiones
gerenciales.
Hiptesis Especficas
Ha sido posible realizar una bsqueda de informacin sobre
herramientas de business intelligence y elegir una que nos permita
proponer un prototipo de estrategia empresarial business intelligence para
el soporte a la toma de decisiones gerenciales.
Ha sido posible desarrollar el modelamiento del prototipo de
estrategia empresarial business intelligence para el soporte a la toma de
Variables
Variable Independiente
Estrategia empresarial business intelligence

71
Variable Dependiente
Toma de decisiones gerenciales
Operacionalizacion de variables
ESCALA DE
VARIABLES DIMENSIONES INDICADORES INSTRUMENTO
MEDICION
Variable Independiente: Modelamiento Nivel de modelamiento Si

Gua de encuesta
Estrategia empresarial business Funcionalidad Nivel de funcionalidad No

intelligence
Variable Dependiente: Si Gua de encuesta
Toma de decisiones gerenciales Toma de decisiones Nivel de toma de No

decisiones
72
CAPTULO IV
ANLISIS Y DISCUSIN DE RESULTADOS
3.7. RESULTADOS
RESULTADOS DE LA APLICACIN, ESTRATEGIA

EMPRESARIAL BUSINESS INTELLIGENCE, PARA EL SOPORTE
A LA TOMA DE DECISIONES GERENCIALES
FIGURA 01
PANTALLA DE INICIO DE SESIN
Fuente : Aplicacin de estrategia empresarial Business Intelligence

Elaboracion: El autor
73
FIGURA 02
PANTALLA DE LA PAGINA PRINCIPAL EN LA VENTANA DE
ANALISIS

FIGURA 03
PANTALLA CREANDO CUENTA DE USUARIOS SEGN LA
NECESIDAD DE CADA ACTIVIDAD.

74
FIGURA 04
PANTALLA EDITANDO, CREANDO, ASIGNANDO ROLES
PARA CADA USUARIO


75

FIGURA 05
PANTALLA CONFIGURANDO LA CUENTA MAIL SERVER

76
FIGURA 06
PANTALLA AGREGAR OTROS COMPLEMETOS QUE SE

NESECITEN, IDIOMA, PLUGINS, Y OTROS.

77
FIGURA 07
PANTALLA DE ANALISIS
Para realizar un Anlisis, debemos construir dicho anlisis; es por ello
que seguiremos las siguientes pautas:
- Para construir un anlisis debe crearse un Cubo OLAP y esto se

realiza mediante la aplicacin Schema Workbench, por tanto, esta
aplicacin necesita saber con qu BD debemos trabajar, es decir,
tener el Driver para conectarse al BD; en este caso usaremos el driver
- Este Driver no slo deber integrarse con Schema Workbench sino

que debe estar tambin integrado (copiado) en las siguientes carpetas:
X:\Archivos de programa\pentaho\biserver-ce\tomcat\lib
X:\Archivos de programa\pentaho\schema-workbench\drivers
- Realizado la copia de este Driver en las respectivas carpetas, es

necesario reinicializar el servidor BI.
Agregamos nuestra conexin de base de datos

78


User: root
Password: root
79
FIGURA 08
PANTALLA CREACION DE UN CUBO OLAP
La creacin de un Cubo OLAP se realizar desde Schema Workbench,

para ello nos dirigimos a su carpeta y ejecutamos: workbench.bat.


80
Paso seguido es crear el cubo, se recomienda que el cubo no tenga

errores para que la publicacin salga satisfactoria.
Acto seguido deber publicarse dicho cubo para que Pentaho pueda
realizar su respectivo anlisis, para ello nos dirigimos a File / Publish
Publish Password: password

User:Admin
Password:password
CORREGIR ERROR:deberemos dirigirnos a:

X:\Archivos de programa\pentaho\biserver-ce\pentaho-
solutions\system
Aqu debemos modificar el archivo: publisher_config.xml
-->
<publisher-config>
<publisher-password>password</publisher-password>
</publisher-config>
Pentaho por defecto trae sin contrasea dicho archivo, seguido
debemos reiniciar el servidor.
seguidamente debemos configurar la publicacin:

81
FIGURA 9
PANTALLA EJECUCION DEL ANALISIS

Es hora de realizar el anlisis:
- Nos dirigimos a pentaho: http://localhost:8080/ y desde ah podemos

realizar nuestro New Analisys .
- Para nuestro primer anlisis Usaremos un Plugin llamado:
a) Sayku Analitics, este complemento previamente ya sido configurado,
y colocado en la carpeta que corresponde.
b) Sayku Shart Plus, un adicional de sayku analitics, que mejora el
interfaz de visualizacin.
c) Jpivot4: este paquete viene preinstalado en la suite, y solo lo
ejecutaremos el anlisis.
Ingresando a nuevo anlisis, de sayku analistics

82
Generando nuestro primer anlisis

Generando anlisis filtrado por regiones

83
Exportando nuestro anlisis, de la tabla a analizar a pdf

Anlisis filtrado por departamentos

84
Cantidad de ventas por ao filtrado por lnea de producto

85
Anlisis en barra por producto y por ao

Anlisis de venta de producto, filtrado por estado de orden

86
Anlisis de venta de producto, filtrado por pas

Anlisis de venta de producto, y su participacin en porcentaje por

pas

87
Anlisis de venta de producto, filtrado por ao y regin y su

representacin en porcentaje, en forma grafica

Anlisis de venta de producto, filtrado por ao y regin y su

representacin en porcentaje, en forma de tabla

88
Visualizando un anlisis anterior en sayku plus chart, por

participacin

Generando anlisis, filtrado por pas y lmite de crdito, en sayku

plus en representacin lineal

89
Generando anlisis, filtrado por pas y lmite de crdito, en sayku

plus en representacin grafica

Generando anlisis, filtrado por pas y lmite de crdito.

90
Ingresando al men del plugin para analisis en Jpivot4

Ingresando a anlisis filtrado por estado de una orden.

91
Ingresando a anlisis filtrado por estado de una orden y su

representacin grafica

Tambin como herramienta adicional, podemos crear nuestro

Dashboard de forma personalizado, segn la necesidad de anlisis de
negocio.

92

93
3.8. VALIDACIN DEL PROTOTIPO MEDIANTE LA ENCUESTA
MTODO DE APLICACIN.
Lo primero es brindarle una charla de aproximadamente 20 minutos
sobre la forma como se usa el prototipo y su objetivo, despus del cual se
dej un espacio de 20 minutos adicionales, para que la persona termine
de familiarizarse con el prototipo. Posteriormente se le aplic la encuesta
correspondiente.
94
3.9. RESULTADOS DE LA ENCUESTA.
RESPECTO A LA NECESIDAD DE IMPLEMENTAR BUSINESS
INTELIGENCE
3.9.1. invierte ms tiempo preparando informacin que analizndola?
Cuadro N 1
Condicin # %
Si 27 90
No 3 10
Total 30 100
FUENTE: Encuesta 1
ELABORADO: elaboracin propia
Grafico N 1
invierte ms tiempo preparando

informacin que analizndola?
-10,00%
90,00%
Si No
FUENTE: Cuadro N 1
95
El 90% de los encuestados consideran que invierte ms tiempo
preparando informacin que analizndola, En tanto que el restante 10%
considera que es adecuada la proporcin del tiempo en su labor, debido a
que utilizan tcnicas de procesamiento de informacin en minora.
se determina que el usuario en mayora invierte ms tiempo preparando
informacin que analizndola, y necesitan instrumentos para optimizar su
labor.
96
3.9.2. Pasa mucho tiempo tratando de hacer que los reportes en Excel
sean visualmente entendibles?
Cuadro N 2
Condicin # %
Si 24 80
No 6 20
Total 30 100
FUENTE: Encuesta 1
Grafico N 2
Pasa mucho tiempo tratando de hacer

que los reportes en Excel sean
visualmente entendibles?
-20%
80%
Si No
FUENTE: Cuadro N 2
97
El 80% de los encuestados consideran que. Pasa mucho tiempo tratando
de hacer que los reportes en Excel sean visualmente entendibles, En tanto
que el restante 20% considera que tiene un manejo bsico, debido a que
utilizan tcnicas de procesamiento de informacin.
se determina que el usuario en mayora Pasa mucho tiempo tratando de
hacer que los reportes en Excel sean visualmente entendibles y necesitan
instrumentos para optimizar su labor.

98
4.1.1 Quisiera tener una gua sobre los eventos cuando los administradores
anteriores implementaban determinada estrategia?
Cuadro N 3
Condicin # %
Si 29 96.67
No 1 3.33
Total 30 100
FUENTE: Encuesta 1
Grafico N 3
Quisiera tener una gua sobre los eventos

cuando los administradores anteriores
implementaban determinada estrategia?
-3,33%
96,67%
Si No
FUENTE: Cuadro N 3
99
El 96,67% de los encuestados consideran que. Quisiera tener una gua
sobre los eventos cuando los administradores anteriores implementaban
determinada estrategia, En tanto que el restante 3.33% considera que es
adecuada la informacin que poseen en su labor.
se determina que los usuarios en mayora necesitan instrumentos para
optimizar su labor.
100
4.1.2 Quiere saber qu productos, son ms rentables durante periodos?

Cuadro N 4
Condicin # %
Si 29 96.67
No 1 3.33
Total 30 100
FUENTE: Encuesta 1
Grafico N 4
Quiere saber qu productos, son ms

rentables durante periodos?
-3,33%
96,67%
Si No
FUENTE: Cuadro N 4
101
El 96,67% de los encuestados consideran que. Quiere saber qu
productos, son ms rentables durante periodos, En tanto que el restante
3.33% considera que es adecuada la informacin que poseen en su labor.
se determina que los usuarios en mayora necesitan tener instrumentos
para optimizar flujo de informacin en requerimiento de mercadera por
temporada.
102
4.1.3 No sabe que patrones de compra tienen sus clientes por zonas?
Cuadro N 5
Condicin # %
Si 25 83.33
No 5 16.67
Total 30 100
FUENTE: Encuesta 1
Grafico N 5
No sabe que patrones de compra tienen

sus clientes por zonas?
-16,67%
83,33%
Si No
FUENTE: Cuadro N 5
103
El 83,33% de los encuestados consideran que. No sabe que patrones de
compra tienen sus clientes por zonas, En tanto que el restante 16,67%
considera que es adecuada la informacin que poseen en su labor.
se determina que los usuarios admiten no tener informacin de
preferencias y que alguna herramienta seria ptimo.

104
4.1.4 Ha perdido oportunidades de negocio por recibir informacin no

oportuna?
Cuadro N 6
Condicin # %
Si 23 76.67
No 7 23.33
Total 30 100
FUENTE: Encuesta 1
Grafico N 6
Ha perdido oportunidades de negocio

por recibir informacin no oportuna?
-23,33%
76,67%
Si No
FUENTE: Cuadro N 6
105
El 76,67% de los encuestados consideran que. Ha perdido oportunidades
de negocio por recibir informacin no oportuna, En tanto que el restante
23,33% considera que es adecuada la informacin que poseen en su
labor.
se determina que de los 30 encuestados 23 dice que podra haber
aprovechado de informacin oportuna de negocio y que alguna
herramienta mejorara su competitividad.

106
4.1.5 Trabaja horas extras el fin de mes para procesar reportes?

Cuadro N 7
Condicin # %
Si 28 93.33
No 2 6.67
Total 30 100
FUENTE: Encuesta 1
Grafico N 7
Trabaja horas extras el fin de mes para

procesar reportes?
-6,67%
93,33%
Si No
FUENTE: Cuadro N 7
107
El 93,33% de los encuestados consideran que. Trabaja horas extras el fin
de mes para procesar reportes, En tanto que el restante 6,67% considera
que es adecuada la informacin que poseen en su labor.
se determina que la mayora de los encuestados, trabaja horas extras el
fin de mes para procesar reportes y que alguna herramienta le permitir
alcanzar objetivos organizacionales.

108
4.1.6 Quisiera convertir informacin de distintas origines en un informe

resumido e entendible grficamente?
Cuadro N 8
Condicin # %
Si 27 90
No 3 10
Total 30 100
FUENTE: Encuesta 1
Grafico N 2
Quisiera convertir informacin de

distintas origines en un informe resumido
e entendible grficamente?
-10,00%
90,00%
Si No
FUENTE: Cuadro N 8
109
El 90% de los encuestados consideran que. Quisiera convertir
informacin de distintas origines en un informe resumido e entendible
grficamente, En tanto que el restante 10% considera que es adecuada la
informacin que poseen en su labor.
se determina que, de forma grfica los datos se interpretan mas
rpidamente y que alguna herramienta por lo tanto una decisin ptima.

110
4.1.7 No sabe con claridad si su personal alcanza objetivos planteados?

Cuadro N 9
Condicin # %
Si 20 66.67
No 10 33.33
Total 30 100
FUENTE: Encuesta 1
Grafico N 9
No sabe con claridad si su personal

alcanza objetivos planteados?
-33,33%
66,67%
Si No
FUENTE: Cuadro N 1
111
El 66,67% de los encuestados consideran que. No sabe con claridad si su
personal alcanza objetivos planteados, En tanto que el restante 33,33%
se determina que, no tener informacin de cada elemento, retrasa
objetivos organizacionales y que alguna herramienta ayuda a cumplir
objetivos.
112
4.1.8 No tiene idea de por qu tiene devolucin de mercadera?

Cuadro N 10
Condicin # %
Si 16 53.33
No 14 46.67
Total 30 100
FUENTE: Encuesta 1
Grafico N 10
No tiene idea de por qu tiene

devolucin de mercadera?
-46,67%
53,33%
Si No
FUENTE: Cuadro N 10
113
El 53,33% de los encuestados consideran que. No tiene idea de por qu
tiene devolucin de mercadera, En tanto que el restante 46,67%
se determina que, la mayora de encuestados no tiene idea de por qu
tiene devolucin de mercadera, y que sera positivo que alguna
herramienta con informacin cruzada, permita evitar, aspectos negativos.

114
4.2 RESPECTO A LA HERRAMIENTA DE INTERACCION, BUSINESS

INTELIGENCE
4.2.1 respecto al interfaz, le parece fcil el acceso de usuarios?
Cuadro N 11
Condicin # %
Si 23 76.67
No 7 23.33
Total 30 100
FUENTE: Encuesta 2
Grafico N 2
respecto al interfaz, le parece fcil el

acceso de usuarios?
-23,33%
76,67%
Si No
FUENTE: Cuadro N 11
115
A la pregunta respecto al interfaz, le parece fcil el acceso de usuarios?
los encuestados respondieron en su mayora (76,67%) en forma positiva,
en tanto que un 23,33% de los encuestados respondieron negativamente
Se determina que, con capacitaciones de uso y funcionalidad en sesiones,
podra mejorar.
116
4.2.2 cree que el rol usuario le permite accionar de forma especfica?
Cuadro N 12
Condicin # %
Si 20 66.67
No 10 33.33
Total 30 100
FUENTE: Encuesta 2
Grafico N 12
cree que el rol usuario le permite

accionar de forma especfica?
-33,33%
66,67%
Si No
FUENTE: Cuadro N 12
117
A la pregunta cree que el rol usuario le permite accionar de forma
especfica? los encuestados respondieron en su mayora (66,67%) en
forma positiva, en tanto que un 33,33% de los encuestados respondieron
negativamente
podra mejorar.
118
4.2.3 Es adecuada la informacin asociada a los componentes del sistema?
Cuadro N 13
Condicin # %
Si 23 76.67
No 7 23.33
Total 30 100
FUENTE: Encuesta 2
Grafico N 13
Es adecuada la informacin asociada a los

componentes del sistema?
-23,33%
76,67%
Si No
FUENTE: Cuadro N 13
119
A la pregunta Es adecuada la informacin asociada a los componentes
del sistema? los encuestados respondieron en su mayora (76,67%) en
negativamente
podra mejorar.
120
4.2.4 La bsqueda de las opciones del sistema es rpida y sencilla?
Cuadro N 14
Condicin # %
Si 25 93.33
No 5 6.67
Total 30 100
FUENTE: Encuesta 2
Grafico N 14
La bsqueda de las opciones del sistema

es rpida y sencilla?
-6,67%
93,33%
Si No
FUENTE: Cuadro N 14
121
A la pregunta La bsqueda de las opciones del sistema es rpida y
sencilla? los encuestados respondieron en su mayora (93,33%) en forma
positiva, en tanto que un 6,67% de los encuestados respondieron
negativamente
podra mejorar.
122
4.2.5 El manejo y navegacin, es intuitivo y cumple con sus funciones?
Cuadro N 15
Condicin # %
Si 23 76.67
No 7 23.33
Total 30 100
FUENTE: Encuesta 2
Grafico N 15
El manejo y navegacin, es intuitivo y

cumple con sus funciones?
-23,33%
76,67%
Si No
FUENTE: Cuadro N 15
123
A la pregunta El manejo y navegacin, es intuitivo y cumple con sus
funciones? los encuestados respondieron en su mayora (76,67%) en
negativamente
podra mejorar.
124
4.2.6 El formato mostrado de los datos del sistema es adecuado?
Cuadro N 16
Condicin # %
Si 19 63.33
No 11 36.67
Total 30 100
FUENTE: Encuesta 2
Grafico N 16
El formato mostrado de los datos del

sistema es adecuado?
-36,67%
63,33%
Si No
FUENTE: Cuadro N 16
125
A la pregunta El formato mostrado de los datos del sistema es
adecuado? los encuestados respondieron en su mayora (63,33%) en
negativamente
podra mejorar.
126
4.2.7 La exploracin del sistema y sus contenidos es adecuada?
Cuadro N 17
Condicin # %
Si 21 70
No 9 30
Total 30 100
FUENTE: Encuesta 2
Grafico N 17
La exploracin del sistema y sus

contenidos es adecuada?
-30,00%
70,00%
Si No
FUENTE: Cuadro N 17
127
A la pregunta La exploracin del sistema y sus contenidos es adecuada?
los encuestados respondieron en su mayora (70%) en forma positiva, en
tanto que un 30% de los encuestados respondieron negativamente
podra mejorar.
128
4.2.8 Existe congruencia entre el componente activo y los datos mostrados

por el sistema?
Cuadro N 18
Condicin # %
Si 24 80
No 6 20
Total 30 100
FUENTE: Encuesta 2
Grafico N 18
Existe congruencia entre el componente

activo y los datos mostrados por el
sistema?
-20,00%
80,00%
Si No
FUENTE: Cuadro N 18
129
A la pregunta Existe congruencia entre el componente activo y los datos
mostrados por el sistema? los encuestados respondieron en su mayora
(80%) en forma positiva, en tanto que un 20% de los encuestados
respondieron negativamente
podra mejorar.
130
4.2.9 Midiendo en funcin del tiempo, cree Ud. que el tiempo de respuesta es
adecuado a sus necesidades de su empresa?
Cuadro N 19
Condicin # %
Si 27 90
No 3 10
Total 30 100
FUENTE: Encuesta 2
Grafico N 19
Midiendo en funcin del tiempo, cree Ud.

que el tiempo de respuesta es adecuado a
sus necesidades de su empresa?
-10,00%
90,00%
Si No
FUENTE: Cuadro N 19
131
A la pregunta Midiendo en funcin del tiempo, cree Ud. que el tiempo
de respuesta es adecuado a sus necesidades de su empresa? los
encuestados respondieron en su mayora (90%) en forma positiva, en
tanto que un 10% de los encuestados respondieron negativamente
podra mejorar.
132
4.2.10 respecto a la prueba de la herramienta BI una vez implementada, cree

que le ayudara a tomar decisiones estratgicas?
Cuadro N 20
Condicin # %
Si 26 86.67
No 4 13.33
Total 30 100
FUENTE: Encuesta 2
Grafico N 20
respecto a la prueba de la herramienta BI

una vez implementada, cree que le
ayudara a tomar decisiones estratgicas?
-13,33%
86,67%
Si No
FUENTE: Cuadro N 20
133
A la pregunta respecto a la prueba de la herramienta BI una vez
implementada, cree que le ayudara a tomar decisiones estratgicas? los
encuestados respondieron en su mayora (86,67%) en forma positiva, en
tanto que un 13,33% de los encuestados respondieron negativamente
podra mejorar.
134
3.10. CONTRASTACIN DE LA HIPTESIS
De acuerdo a la hiptesis general planteada para la presente
investigacin:
Hiptesis General
Es factible implementar un prototipo de estrategia empresarial business
intelligence para el soporte a la toma de decisiones gerenciales.
Una vez aplicado el instrumento de la encuesta para medir la propuesta
de de implementar un prototipo de estrategia empresarial business
intelligence para el soporte a toma de decisiones gerenciales; respecto a
la necesidad de implementar una estrategia de business intelligence y
sobre la interaccin con dicha estrategia, se ha determinado que entre un
60% a 90% de los encuestados han respondido positivamente SI. Lo cual
implica que existe una buena aceptacin de la herramienta de business
intelligence tanto en la solucin al problema de toma de decisiones y de
la interaccin con la interface de dicha herramienta.
Los encuestados respondieron mayoritariamente a cada pregunta en la
encuesta SI en un porcentaje que va desde un 60% a un 90%, lo cual
permite aceptar la hiptesis de investigacin en el sentido de la estrategia
de business intelligence permite en un nivel bueno el soporte a la toma de
decisiones gerenciales en las empresas u organizaciones.
En consecuencia, se puede concluir que la hiptesis planteada en la
presente investigacin se acepta y se corrobora con los resultados

135
obtenidos de la aplicacin de la encuesta. Determinando que los
encuestados estn de acuerdo que el uso de la estrategia de business
intelligence permite una buena toma de decisiones gerenciales.

136
CONCLUSIONES
Primero.
Se logr implementar un prototipo de estrategia empresarial business
intelligence para el soporte a la toma de decisiones gerenciales
utilizando pentaho, la cual permite una eficiente toma de decisiones por
parte de los gerentes y administradores.
Segundo.
Se logr realizar una bsqueda de informacin sobre herramientas de
business intelligence y elegir una que nos permita proponer un prototipo de
estrategia empresarial business intelligence para el soporte a la toma de
decisiones gerenciales, que es el Pentaho.
Tercero.
Se logr desarrollar el modelamiento del prototipo de estrategia
empresarial business intelligence para el soporte a la toma de decisiones
gerenciales.
137
RECOMENDACIONES
Primero.
A los gerentes de las empresas de la regin de Puno, recomendarles que utilicen
estrategias de business intelligence, tal como es Pentaho; para mejorar y
garantizar la toma de decisiones organizacionales.
Segundo.
A todos los acadmicos relacionados al area de la ingeniera de sistemas e
informtica, recomendarles que puedan proponer y utilizar alguna estrategia de
de business intelligence, para dar soluciona problemas organizacionales al
momento de tomar decisiones.
Tercero.
A los dueos de empresas de la regin de Puno, recomendarles que puedan
analiaar la opcin de adquirir un sistema de informacin de business
intelligence, para garantizar el xito en su organizacin. Y adems estar acorde
al avance tecnolgico del mundo de negocios.

138
BIBLIOGRAFA
Abukari, K. (2003). Business Intelligence in Action. Canada.
Betts, M. (2004). The future of business intelligence, Computerworld. Retrieved from

https://books.google.com.pe/books?id=sCY5TkmLDT0C&pg=PA22&lpg=PA2
2&dq=Betts+M.+(2000).+%E2%80%9CThe+future+of+business+intelligence%
E2%80%9D.+Computerworld.&source=bl&ots=Ijl6YH7e4M&sig=ImiztjeglUa
klRT1IqtegLn7TNQ&hl=es&sa=X&ved=0ahUKEwj3v8XFmbrQAhWBQCYK
H
Boada, B., & Tituaa, A. (2012). DESARROLLO DE UNA APLICACIN DE

BUSINESS INTELLIGENCE (BI) PARA LA EMPRESA EMPAQPLAST.
Sangolqui. Retrieved from
https://www.academia.edu/20146139/Tesis_BI_Empaqplast_2012
Cano, J. L. (2007). Business Intelligence Competir con informacin. Retrieved from

http://itemsweb.esade.edu/biblioteca/archivo/Business_Intelligence_competir_c
on_informacion.pdf
Collado Villalva. (n.d.). http://ayto-colladovillalba.org/recursos/doc/desarrollo-

local/documentos/sistemas-de-soporte-a-la-decision-bussiness-intelligence-
para-las-pymes-de-colla.pdf. Retrieved 10 15, 2016, from http://ayto-
colladovillalba.org/recursos/doc/desarrollo-local/documentos/sistemas-de-
soporte-a-la-decision-bussiness-intelligence-para-las-pymes-de-colla.pdf
Crdoba, B. D. (2007). Hefesto: metodologa para la construccin. Cordoba. Retrieved

from https://es.scribd.com/doc/55234594/Data-Warehousing-Hefesto
Crdoba, B. R. (2007). Data warehousing: investigacin y sistematizacin de

conceptos. Cordoba, Argentina. Retrieved from
http://es.slideshare.net/byroncayo/hefesto-v21
Curto, J. (2007, Noviembre 19). Information managment. Retrieved Noviembre 14,

2016, from Data Warehousing, Data Warehouse y Datamart:
http://josepcurto.com/2007/11/19/diseno-de-un-data-warehouse-estrella-y-copo-
de-nieve/
139
Daz, J. C. (2010). Introduccin al Business Intelligence (Realizacin editorial: El

Ciervo 96, S.A. ed.). Barcelona, Espaa: UOC. Retrieved from
https://blogvirtualtec.files.wordpress.com/2015/02/introduccion_al_business_int
elligence.pdf
Dych , J., & Levy, E. (2006). Customer Data Integration: Reaching a Single Version
of the Truth (SAS Institute Inc.). Wiley. doi:ISBN-13: 978-0471916970
Flores, J. T. (2008). On Line Analytical Processing. (J. T. Flores, Editor, & U. P.

Aplicadas, Producer) Retrieved Octubre 25, 2016, from Comparativo OLTP y
OALP: http://html.rincondelvago.com/olap.html
Goodwin, C. (2003). Technology: Business Intelligence Assault on the data

mountain. Proquest. Accountancy.
Hernndez, J., & Ramrez , M. (2004). Introduccin a la Minera de Datos. Editorial

Pearson Educacin SA, Madrid. Madrid.
Hitachi Group Company. (2016, Noviembre 10). pentaho. Retrieved from pentaho
community : http://community.pentaho.com/
Inmon, B. (2005). Building the Data Warehouse. Vancouver, Canada, U.S.A. Retrieved
from
https://books.google.com.pe/books?id=9T6Oe6AujzUC&printsec=frontcover&d
q=inauthor:"W.+H.+Inmon"&hl=es&sa=X&ved=0ahUKEwivgNGdtO3QAhW
BOSYKHfU2DnAQ6AEILTAB#v=onepage&q&f=false
jaac. (2010, NOVIEMBRE 2016). Diferencias entre OLTP y OLAP. Retrieved from
http://oltp.wikispaces.com/Diferencia+entre+OLTP+y+OLAP
Kimball, R. (2013). The data warehouse toolkit Third edition. Indianapolis. Retrieved
from
http://www.essai.rnu.tn/Ebook/Informatique/The%20Data%20Warehouse%20T
oolkit,%203rd%20Edition.pdf
Laberge, R. (2011). The Data Warehouse mentor. Practical Data Warehouse Business
Intelligence Insights .Mc Graw Hill. Mc Graw Hill.
140
Liebowitz, J. (2006). Strategic Intelligence: Business Intelligence, Competitive

Intelligence, and Knowledge Management. Retrieved from
https://books.google.com.pe/books?id=sCY5TkmLDT0C&printsec=frontcover
&hl=es&source=gbs_ge_summary_r&cad=0#v=onepage&q&f=false
McBurney, V. (2008). Knowledge sharing communities.
Montoya, R. S. (2011). Ilustrados. (R. S. Montoya, Editor) Retrieved Octubre 18, 2016,
from Business intelligence (BI) - To BI or not to BI:
http://www.ilustrados.com/tema/748/Business-intelligence---.html
Oramas, J. (2009). Arquitecturas empresariales. Bogota, Colombia.
Ordoez, M. E. (2011, Mayo). Un modelo de madurez de BI. Retrieved from

http://www.acis.org.co/intelinfo/wp-content/uploads/2011/05/Un-Modelo-de-
Madurez-de-BI-Parte-II.pdf
Rafanelli, M. (2003). Multidimensional Databases. Problems and Solutions. Italia: Idea

Group Inc. Retrieved from
https://books.google.com.pe/books?id=c09kW5ANN0kC&pg=PR2&dq=Multidi
mensional+Databases.+Problems+and+Solutions.+Idea+Group+Inc.&hl=es&sa
=X&ved=0ahUKEwjevN7wkLvQAhXF3SYKHQRRB14Q6AEIGzAA#v=onep
age&q=Multidimensional%20Databases.%20Problems%20and%20Solutions
Rincon del BI. (2010, Abril). Retrieved 10 25, 2016, from Kimball vs Inmon
Ampliacin de conceptos del Modelado Dimensional.:
https://churriwifi.wordpress.com/2010/04/19/15-2-ampliacion-conceptos-del-
modelado-dimensional/
Tindys . (2010). BD Dimensionales. Retrieved Octubre 21, 2016, from

http://www.buenastareas.com/ensayos/Bd-Dimensionales/142094.html
Tupson Technologies. (2004). Business Intelligence. Retrieved noviembre 03, 2016,

from http://www.tupson.com/busintel.htm
Urquizu, P. (2010, Enero 05). Business Intelligence Facil. Retrieved Octubre 2016,
from Datos, informacin y conocimiento:
https://www.businessintelligence.info/dss/datos-informacion-conocimiento.html
141
Velasco, R. H. (2004). Tutorial de Data warehousing. Espaa.
Wrembel, R. (2006). Data Warehouses and OLAP Concepts, Architectures and

Solutions.
Yahazee, J. (2009). Cubos OLAP. Retrieved octubre 12, 2016, from

https://app.assembla.com/spaces/tabd_olap/wiki/Trabajo_Te%C3%B3rico/print
142
ANEXOS
ANEXO 1
ENCUESTA
EMPRESA: ____________________________________________________________
ENTREVISTADO: ______________________________________________________
CARGO: _____________________________FECHA: __________________________
1. RESPECTO A LA NECESIDAD DE IMPLEMENTAR BUSINESS

INTELIGENCE
1.1.invierte ms tiempo preparando informacin que analizndola?

Si
No
1.2.Pasa mucho tiempo tratando de hacer que los reportes en Excel sean
visualmente entendibles?
Si
No
1.3.Quisiera tener una gua sobre los eventos cuando los administradores
anteriores implementaban determinada estrategia?
Si
No
1.4.Quiere saber qu productos, son ms rentables durante periodos?
Si
No
1.5.No sabe que patrones de compra tienen sus clientes por zonas?
Si
No
1.6.Ha perdido oportunidades de negocio por recibir informacin no oportuna?
Si
No
1.7.Trabaja horas extras el fin de mes para procesar reportes?
Si
No
1.8.Quisiera convertir informacin de distintas origines en un informe resumido
e entendible grficamente?
Si
No
1.9.No sabe con claridad si su personal alcanza objetivos planteados?
Si
No
1.10. No tiene idea de por qu tiene devolucin de mercadera?
Si
No
2. RESPECTO A LA FUNCIONALIDAD DE LA HERRAMIENTA

BUSINES INTELIGENCE
2.1. respecto al interfaz, le parece fcil el acceso de usuarios?

Si
No
2.2.cree que el rol usuario le permite accionar de forma especfica?
Si
No
2.3.Es adecuada la informacin asociada a los componentes del sistema?
Si
No
2.4.La bsqueda de las opciones del sistema es rpida y sencilla?
Si
No
2.5.El manejo y navegacin, es intuitivo y cumple con sus funciones?

Si
No
2.6.El formato mostrado de los datos del sistema es adecuado?
Si
No
2.7.La exploracin del sistema y sus contenidos es adecuada?
Si
No
2.8.Existe congruencia entre el componente activo y los datos mostrados por el

sistema?
Si
No
2.9.Midiendo en funcin del tiempo, cree Ud. que el tiempo de respuesta es

adecuado a sus necesidades de su empresa?
Si
No
2.10. respecto a la prueba de la herramienta BI una vez implementada, cree

que le ayudara a tomar decisiones estratgicas?
Si
No
ANEXO 02
ANEXO 03
MATRIZ DE CONSISTENCIA
PROBLEMA OBJETIVO HIPOTESIS VARIABLES TECNICAS E METODOLOGIA

INSTRUMENTOS
PROBLEMA GENERAL OBJETIVO GENERAL HIPOTESIS GENERAL Variable Tcnica Tipo
Es factible implementar un Implementar un prototipo de Es factible implementar un Independiente Encuesta Descriptivo
prototipo de estrategia estrategia empresarial business prototipo de estrategia Estrategia
empresarial business intelligence para el soporte a empresarial business empresarial
intelligence para el soporte a la toma de decisiones intelligence para el soporte a la business
la toma de decisiones gerenciales. toma de decisiones gerenciales. intelligence
gerenciales?
PROBLEMAS OBJETIVOS ESPECIFICOS HIPOTESIS ESPECIFICOS Variable Instrumento Diseo

ESPECIFICOS Realizar una bsqueda de Es factible realizar una Dependiente Gua de encuesta No experimental
Es factible realizar una informacin sobre bsqueda de informacin sobre Toma de
bsqueda de informacin herramientas de business herramientas de business decisiones Poblacin
sobre herramientas de intelligence y elegir una que intelligence y elegir una que nos gerenciales 30 profesionales
business intelligence y elegir nos permita proponer un permita proponer un prototipo conocedores de toma
una que nos permita proponer prototipo de estrategia de estrategia empresarial de decisiones
un prototipo de estrategia empresarial business business intelligence para el
empresarial business intelligence para el soporte a soporte a la toma de decisiones Muestra
intelligence para el soporte a la toma de decisiones gerenciales. Es igual a la poblacin.
la toma de decisiones gerenciales. Muestra censal
gerenciales?
Desarrollar el modelamiento Es factible desarrollar el Mtodo
Es factible desarrollar el del prototipo de estrategia modelamiento del prototipo de Hipottico deductivo
modelamiento del prototipo empresarial business estrategia empresarial business
de estrategia empresarial intelligence para el soporte a intelligence para el soporte a la
business intelligence para el la toma de decisiones toma de decisiones gerenciales.
soporte a la toma de gerenciales.
decisiones gerenciales?
ANEXO 04
Instalacin de la suite BI Pentaho 6.1, en Windows 7 64bits
Previamente a la instalacin el equipo debe estar actualizado y quitar las

aplicaciones que causan conflictos, La instalacin constar de dos fases,
instalacin de la plataforma Java y la base de datos en MYSQL y configuracin
seguido de la instalacin y la configuracin de la suite Pentaho Community 6.1.
Paso 1: Instalacin
verificamos los programas necesarios, usaremos las seleccionadas y las

instalamos.
KIT: Una vez descargado dicho archivo, le damos doble clic para que empiece
la instalacin del mismo. nos aparecer una pantalla como esta: Empezar la
instalacin de Java JDK .
RUTA: Al terminar la instalacin del Java JDK, nos pedir la carpeta de destino
donde se tiene que instalar el JRE de Java, este es importante instalarlo, para
que se ejecuten los programas hecho en Java.
Empezar la instalacin de Java JRE

Una vez que haya terminado la instalacin del Java, le daremos clic en close y
terminar la instalacin de Java JDK
Todava aqu no termina esto, configuramos las variables de entorno para que
podamos compilar desde la Consola de Comandos de Windows 7.
A continuacin, pasamos a la configuracin de variables de entorno, para la

plataforma java.
CONFIGURACION: Nos vamos a la pestaa de Opciones Avanzadas y damos

clic en Variables de Entorno
AGREGANDO VARAIBLE: las Variables de sistema, agregamos variable

llamada JAVA_HOME, en valor de variable agregamos la ruta de nuestro Java.
EDITAMOS VARIABLE: a la variable llamada Path le agregamos la ruta de
instalacin de nuestro java.
Y si se muestra esto, qued instalado el Java JDK en nuestro sistema de

Windows 7, y podemos crear los programas y compilarlos desde la consola de
comandos.
INSTALANDO BASE DE DATOS:
instalamos MySQL Server 5.6, como motor base de Datos.
En la opcin typical y siguiente

A continuacin, instalamos la herramienta MySQL Workbench 6.2, para tener
facilidad en editar nuestra base de datos.
Nos instalar en la siguiente ruta.

Seleccionamos la opcin completa.
A continuacin, instalamos nuestro conector ODBC de base de datos para

otras fuentes de datos como Excel y Acces.
El puerto de escucha ser el puerto 3306
Usuario:root
Pasoword:root
y ya podemos probar la conexin de nuestra base de datos.

Paso 2:
instalacin y configuracin de la herramienta y paquetes de la suite Pentaho.
Archivos necesarios:
Para ejecutar Pentaho es necesario que este se integre con el JDK instalado
en la mquina, editamos el archivo: c:pentaho/biserver-ce/start-pentaho.bat,
indicando la direccin donde se ubica el JDK:
Paso 3:
Realizado este proceso deberemos ejecutar Pentaho, en la carpeta biserver-ce

ejecutamos como administrador (star-pentaho.bat); Si efectivamente cargo
deberemos realizar: ingresar a una de estas opciones.
http://localhost:8080/pentaho/
http://192.168.0.26:8080/pentaho/Login
nuestro usuario y contrasea, por tanto un usuario por defecto sera:
User Name: admin
Password: password
ANEXO 05
PENTAHO
Es un proyecto iniciado por una comunidad OpenSource21, provee una

alternativa de soluciones de Inteligencia de Negocio en distintas reas como en
la Arquitectura, Soporte, Funcionalidad e Implantacin. Estas soluciones al
igual que su ambiente de implantacin estn basados en JAVA, hacindolo
flexible en cubrir amplias necesidades empresariales. A travs de la integracin
funcional de diversos proyectos de OpenSource permite ofrecer soluciones en
reas como: Anlisis de informacin, Reportes, Tableros de mando conocido
como DashBoards, Flujos de Trabajo y Minera de Datos.
Los mdulos de la plataforma Pentaho BI son:
Pentaho Reporting: es una solucin basada en el proyecto JFreeReport y permite

generar informes giles y de gran capacidad. Pentaho Reporting permite la
distribucin de los resultados del anlisis en mltiples formatos - todos los
informes incluyen la opcin de imprimir o exportar a formato PDF, XLS, HTML
y texto. Los reportes Pentaho permiten tambin programacin de tareas y
ejecucin automtica de informes con una determinada periodicidad.
Pentaho Analysis: suministra a los usuarios un sistema avanzado de anlisis de

informacin. Con uso de las tablas dinmicas, generadas por Mondrian y
JPivot, el usuario puede navegar por los datos, ajustando la visin de los datos,
los filtros de visualizacin, aadiendo o quitando los campos de agregacin. Los
datos pueden ser representados en una forma de SVG o Flash, los cuadros
de mando, o tambin integrados con los sistemas de minera de datos y los
portales web. Adems, con el Microsoft Excel Analysis Services, se puede
analizar los datos dinmicos en Microsoft Excel (usando la conexin a OLAP
server Mondrian).
Pentaho Dashboards: todos los componentes del modulo Pentaho Reporting y
Pentaho Anlisis pueden formar parte de un Dashboard22. En Pentaho
Dashboards es fcil incorporar una gran variedad en tipos de grficos, tablas y
velocmetros e integrarlos con los Portales JSP, en donde podr visualizar
informes, grficos y anlisis OLAP.
Pentaho Data Mining: permite minera de datos a travs de sofisticados

algoritmos para descubrir patrones y correlaciones significativas que de otra
manera se puede ocultar con el anlisis y los reportes estndar. stos se pueden
utilizar para ayudar a entender mejor
la empresa y tambin para mejorar el rendimiento futuro a travs de anlisis

predictivo.
Pentaho Date Integration: permite implementar los procesos ETL, Ofrece

integracin de datos de gran alcance mediante un enfoque innovador de
metadatos. [Fuente: (Torres, 2008)]

Tesis 41341715

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Tesis 41341715

Caricato da

Copyright:

Formati disponibili

UNIVERSIDAD ANDINA

NSTOR CCERES VELSQUEZ

PARA OPTAR EL TTULO PROFESIONAL DE

ESTRATEGIA EMPRESARIAL BUSINESS INTELLIGENCE PARA EL SOPORTE

VALDEMARD CHINO RAMIREZ

PARA OPTAR EL TTULO PROFESIONAL DE: INGENIERO DE SISTEMAS

PRIMER MIEMBRO : ___________________________________

SEGUNDO MIEMBRO : ____________________________________

A mis familiares, amigos por

A mis docentes de la facultad

Pgina de Firma de Jurados .............................................................................................. ii

Dedicatoria ....................................................................................................................... iii

1.1.PROBLEMA DE INVESTIGACIN ........................................................................ 1

2.1.ANTECEDENTES DE LA INVESTIGACION ........................................................ 5

Modelo de Madurez para Inteligencia de Negocios ................................... 14

Fase 1: No existe BI. ................................................................................... 14

Fase 2: No existe BI, pero los datos son accesibles. ................................... 15

Fase 3: Aparicin de procesos formales de toma de decisiones basada en

Fase 4: Data Warehouse. ............................................................................. 16

Fase 5: Data warehouse crece y el reporting se formaliza. ......................... 17

Fase 6: Despliegue de OLAP. ..................................................................... 18

Fase 7: Business Intelligence se formaliza. ................................................. 19

Cundo es necesario la Inteligencia de Negocios? .................................... 19

Metodologa para aplicar Inteligencia de Negocios en una organizacin .. 20

Estrategia de Inteligencia de Negocios ...................................................... 21

2.2.3. DATA WAREHOUSE .................................................................................. 25

Elementos de un Data warehouse ............................................................... 30

Tipos de Tablas de Hecho ........................................................................... 31

Tablas de Dimensiones ............................................................................... 32

Existen otros tipos de dimensiones cuya clasificacin es funcional ........... 33

Tipos de Mtricas ....................................................................................... 34

Esquemas para un Data warehouse ............................................................. 36

2.2.4. INTEGRACIN DE DATOS: ETL ............................................................. 37

Tcnicas de integracin de datos ................................................................ 43

Tecnologas de integracin de datos ........................................................... 47

Uso de la integracin de datos .................................................................... 53

2.2.5. DISEO DE CUBOS OLAP ......................................................................... 54

Tipos de OLAP ........................................................................................... 60

Elementos OLAP ........................................................................................ 63

2.2.6. MARCO CONCEPTUAL ............................................................................. 65

BUSINESS INTELLIGENCE .................................................................... 65

DATA MINING .......................................................................................... 65

DATA WAREHOUSE ............................................................................... 66

INTEGRACIN DE DATOS ..................................................................... 66

3.1.TIPO Y DISEO DE INVESTIGACION ............................................................... 68

Hiptesis Especficas ............................................................................................... 70

Operacionalizacion de variables .............................................................................. 71

ANALISIS E INTERPRETACION DE RESULTADOS

CONCLUSIONES ....................................................................................................... 136

RECOMENDACIONES .............................................................................................. 137

BIBLIOGRAFA ......................................................................................................... 138

ANEXOS ..................................................................................................................... 142

La presente investigacin ESTRATEGIA EMPRESARIAL BUSINESS

INTELLIGENCE PARA EL SOPORTE A LA TOMA DE DECISIONES

GERENCIALES que tiene por objetivo general Implementar un prototipo de

estrategia empresarial Business Intelligence para el soporte a la toma de

Para lo cual se ha utilizado un tipo de estudio descriptivo y un diseo no

experimental, adems se ha utilizado la metodologa de desarrollo de prototipos.

Asimismo, se ha utilizado para la recoleccin de datos la tcnica del anlisis

documental y la observacin, con sus correspondientes instrumentos tales como

gua de anlisis documental y la gua de observacin.

Finalmente, culminada la investigacin y el informe final de tesis se

arrib a la siguiente conclusin: Se ha logrado implementar un prototipo de