SECRETARÍA DE EDUCACION PÚBLICA

SUBSECRETARIA DE EDUCACION SUPERIOR

DIRECCIÓN GENERAL DE EDUCACIÓN SUPERIOR TECNOLÓGICA
INSTITUTO TECNOLÓGICO DE TORREÓN

Materia: Inteligencia De Negocios

Autor: Francisco Javier Reyes Hernández

Carrera: Ing. En Informática

Grupo: 8 Semestre

Maestra: Ing. Dora Ofelia Rodríguez Martínez

Fecha: 09/02/2018
1.2 Componentes De La Inteligencia De Negocios

1.2.1. Minería de Datos.

Desde un punto de vista académico el término data mining es una etapa dentro de
un proceso mayor llamado extracción de conocimiento en bases de datos en el
entorno comercial. Lo que en verdad hace la data mining es reunir las ventajas de
varias áreas.

Desde los años sesenta los estadísticos manejaban términos como data fishing,
data mining o data archaeology, a principios de los años ochenta, Rakesh Agrawal,
Gio Wiederhold, Robert Blum y Gregory Piatetsky-Shapiro, entre otros, empezaron
a consolidar los términos de data mining. A finales de los años ochenta sólo existían
un par de empresas dedicadas a esta tecnología; en 2002 existen más de 100
empresas en el mundo que ofrecen alrededor de 300 soluciones.

La data mining es una tecnología compuesta por etapas que integra varias áreas y
que no se debe confundir con un gran software. Actualmente existen aplicaciones o
herramientas comerciales de data mining muy poderosas que contienen un sinfín
de utilerías que facilitan el desarrollo de un proyecto.

 APLICACIONES DE USO

Podemos decir que "en data mining cada caso es un caso". Sin embargo, en
términos generales, el proceso se compone de cuatro etapas principales:

1. Determinación de los objetivos.

2. Pre procesamiento de los datos.
3. Determinación del modelo.
4. Análisis de los resultados.
 Web Mining

Una de las extensiones de la data mining consiste en aplicar sus técnicas a

documentos y servicios del Web, lo que se llama web mining. Las herramientas de
web mining analizan y procesan estos logs para producir información significativa,
por ejemplo, cómo es la navegación de un cliente antes de hacer una compra en
línea. Debido a que los contenidos de Internet consisten en varios tipos de datos,
como texto, imagen, vídeo, metadatos o hiperligas, investigaciones recientes usan
el término multimedia data mining (minería de datos multimedia) como una instancia
del web mining (Zaiane y otros, 1998) para tratar ese tipo de datos.

Normalmente, el web mining puede clasificarse en tres dominios de extracción de

conocimiento de acuerdo con la naturaleza de los datos:

1. Web content mining (minería de contenido web). Es el proceso que

consiste en la extracción de conocimiento del contenido de documentos o
sus descripciones.
2. Web structure mining (minería de estructura web). Es el proceso de inferir
conocimiento de la organización del WWW y la estructura de sus ligas.
3. Web usage mining (minería de uso web). Es el proceso de extracción de
modelos interesantes usando los logs de los accesos al web.

Text mining

El text mining se refiere a examinar una colección de documentos y descubrir

información no contenida en ningún documento individual de la colección; en otras
palabras, trata de obtener información sin haber partido de algo.

En ocasiones se confunde el text mining con la recuperación de la información

(Information Retrieval o IR) (Hearst, 1999). Ésta última consiste en la recuperación
automática de documentos relevantes mediante indexaciones de textos,
clasificación, categorización, etc. Generalmente se utilizan palabras clave para
encontrar una página relevante.
1.2.2. Administración del Conocimiento

La administración del conocimiento implica la conversión del conocimiento tácito (el

que sabe un trabajador específico) en explícito (conocimiento documentado y
replicable) para convertirlo en un activo estratégico de la organización. Dicho en
otras palabras, implica la adecuada utilización de datos e información para
transformarlos en conocimiento y entendimiento.

El conocimiento responde a preguntas que empiezan con ¿Cómo?, es decir, todo

aquello que generalmente sólo algunos miembros de la organización saben y lo
tienen en su cabeza, pero no ha sido transformado en un conocimiento explícito.

Los procesos y Subprocesos clave de la Administración de Conocimiento definidos

por el CSC son los siguientes:

1. Alineación y consolidación estratégica de capitales:

a) Definición de Sistemas Referenciales

b) Estructuración y Operacionalización de Capitales
c) Estrategia de Administración del Conocimiento y Desarrollo de Capitales
Articuladores

2. Administración del Capital Agente:

a) Administración del Aprendizaje Organizacional

b) Desarrollo de Prácticas de Valor
c) Desarrollo de Competencias Claves

3. Administración del Capital Instrumental

a) Métodos y Herramientas para instrumentar las estratégicas de

Administración del Conocimiento.
b) Selección e Implementación de Plataformas Tecnológicas para la
Administración del Conocimiento.
c) Desarrollo de la Base de Conocimiento
1.2.3. Aplicaciones Analíticas.

1. Características de las aplicaciones analíticas.

Una aplicación analítica no es solo un juego de informes creados al azar. Tiene

cuatro características importantes las cuales son:

a. Integradas lógicamente: significa que algún grado de lógica comercial

es incluido en la aplicación que ayude a los usuarios a navegar a
través de una serie de tareas.
b. Informes Interactivos que permitan a los usuarios acceder, analizar y
actuar: Esto significa que los usuarios pueden penetrar con una vista
de nivel más alto de un reporte a niveles más bajos o inferiores para
adicionar información.
c. Información Integrada: Arquitectónicamente una aplicación analítica
es un objeto soportado por un repositorio de almacenamiento de datos
de la empresa.
d. Dirección de un dominio comercial: Las aplicaciones analíticas son
definidas por los requerimientos de información de la actividad
comercial, como las ventas, servicios o infraestructura.

2. Elementos de una aplicación analítica.

Una aplicación analítica está compuesta por seis elementos primordiales los cuales
son:

1- Visualización y percepción: La visualización consiste en un

ambiente grafico amigable al usuario, en la referente a la
percepción se enfatiza en la navegación de las áreas de trabajo.
 2- Reportes y Análisis: Los reportes en vistas de información
predefinidas, que pueden presentarse como estáticas o como
documentos interactivos, el análisis incorpora sofisticados cálculos,
algoritmos estadísticos, y visualizaciones avanzadas para analizar
grandes y complejos volumen de información.
3- El servidor de análisis: es generalmente el responsable de procesar
peticiones utilizando run-time de metadatos definidos y
guardándolos en el almacén del servidor.
4- Lógica de negocios: Ya se ha mencionado un tipo de lógica
comercial, la regla de navegación de los usuarios es paso a paso a
través de reportes, vistas, acciones.
5- Modelo de Datos: es el cerebro de aplicaciones analíticas, a
menudo trabajando en conjunto con la capa semántica de BI, los
modelos de datos son usados en las definiciones de los cubos de
OLAP.
6- El mapeo de las fuentes: Se definen las transformaciones
requeridas para llevar los datos fuentes dentro del modelo de datos
designado.
3. Dashboards y Scorecards

Los scorecards y dashboards proporcionan la información del rendimiento

empresarial a través de sus distintas áreas.

La popularidad de dashboard está creciendo porque proporciona una interfaz

sumamente intuitiva para supervisar y analizar los datos, existen tres tipos de
Dashboards los cuales son:

7- Operacional: Los usuarios pueden intervenir en los procesos y

actividades comerciales para solucionar un problema o capitalizar
una oportunidad.
 8- Táctico: Mide el progreso y actuación de los departamentos o
equipos del proyecto contra metas establecidas a través de un
gerente.
9- Estratégico: Contiene la métrica que se empleará en la estrategia
corporativa. Estos Dashboards son en forma de cascada donde en
cada nivel y se tiene una versión diferente de métrica moldeada a
su dominio comercial.

1.2.4. Sistemas de Reportes.

Los sistemas de reportes tienen como objetivo principal mostrar una visión general
de la situación de la empresa. Consecuentemente, estos muestran la situación de
las operaciones regulares de la empresa para que los directivos puedan controlar,
organizar, planear y dirigir. Los reportes se pueden visualizar, exportar a otros
formatos como PDF, HTML, XML, etc. y también se pueden imprimir en papel.

El Jasper Report es una librería para la generación de informes. Está escrita en java
y es libre. http://jasperforge.org/ El funcionamiento consiste en escribir un xml donde
se recogen las particularidades del informe. Este xml lo tratan las clases del Jasper
para obtener una salida. Esta salida puede ser un PDF, XML, HTML, CSV, XLS,
RTF, TXT. Otra ventaja de utilizar Jasper Report es que se integra perfectamente
con el JFreeChart que es una librería libre para la generación de todo tipo de
gráficas.

1.2.5. Multidimensionalidad.

La multidimensionalidad dentro de la inteligencia de negocios ayuda a representar

los datos en forma cercana a la intuición del usuario y al mismo tiempo resolver
problemas planteados en sistemas relacionales.
La información multidimensional se puede encontrar en hojas de cálculo, bases de
datos, etc. Es una herramienta de B.I. que es capaz de reunir información dispersa
en toda la empresa e incluso en diferentes fuentes para así proporcionar a los
departamentos la accesibilidad, poder y flexibilidad que necesitan para analizar la
información. Por ejemplo, un pronóstico de ventas de un nuevo producto en varias
regiones no está completo si no se toma en cuenta también el comportamiento
histórico de las ventas de cada región y la forma en que la introducción de nuevos
productos se ha desarrollado en cada región en cuestión.

1.2.6. Data Warehouse.

Las características de la data warehouse se representan en la siguiente gráfica:

Bibliografía: https://sites.google.com/site/itsginteligenciadenegocios/home/1-2-
componentes-de-la-inteligencia-de-negocios/1-2-1-mineria-de-datos.

https://sites.google.com/site/itsginteligenciadenegocios/home/1-2-componentes-
de-la-inteligencia-de-negocios/1-2-2-administracion-del-conocimiento.

https://sites.google.com/site/itsginteligenciadenegocios/home/1-2-componentes-
de-la-inteligencia-de-negocios/1-2-3-aplicaciones-analiticas.

https://sites.google.com/site/itsginteligenciadenegocios/home/1-2-componentes-
de-la-inteligencia-de-negocios/1-2-4-sistemas-de-reportes.

https://sites.google.com/site/itsginteligenciadenegocios/home/1-2-componentes-
de-la-inteligencia-de-negocios/1-2-5-multidimensionalidad.

https://sites.google.com/site/itsginteligenciadenegocios/home/1-2-componentes-
de-la-inteligencia-de-negocios/1-2-6-data-warehouse.