PIN-1801 Business Intelligence SQL Server 2016 - 96 H

SÍLABO
I. INFORMACIÓN GENERAL
Código : PIN-1801
Pilar : Inteligencia de Negocios
Programa : Business Intelligence – SQL Server 2016
Certificación : Business Intelligence – SQL Server 2016
Créditos : 6
Duración : 96 horas
II. DESCRIPCIÓN DEL CURSO
En este curso, el participante aprenderá que, si necesita garantizar la competitividad de la

compañía con respecto al crecimiento de su información y por tanto al manejo de la misma,
requiere de herramientas que automaticen la recolección de los datos corporativos. Con
ellas, además, se conseguirá implementar soluciones de inteligencia de negocios que apoye
el proceso de análisis para la toma de decisiones, disminuyendo dificultades de ubicación y
exceso de información de la empresa.
III. PÚBLICO OBJETIVO
Profesionales, egresados y estudiantes, interesados en aprender la implementación de un

proyecto de inteligencia de negocios.
IV. LOGROS DEL CURSO
Al finalizar el curso, el alumno podrá gestionar un proyecto de inteligencia de negocios con

el uso de la plataforma de SQL Server 2016. Adicionalmente, estará preparado para:
 Automatizar el proceso de transformación de los datos con Integration Services (SSIS).

 Implementar un Datamart con Analysis Services Multidimensional y tabular.
 Implementar un único repositorio de datos que provea de información confiable y rápida
al negocio.
V. PRE REQUISITOS
 Conocimiento de MS Excel y MS Access (nivel básico).

 Conocimiento de lenguaje SQL y VB.NET (nivel básico).
 Conocimiento de modelamiento de bases de datos relacionales (nivel intermedio).
VI. LÍNEA DE ESPECIALIZACIÓN
Análisis de Análisis
Business
información del interactivo de la
Intelligence -
negocio con información del Big Data
SQL Server
Power BI para negocio con
2016
Excel Power BI
Cibertec Perú S.A.C - Business Intelligence SQL Server 2016 (PIN- 1801) 1
VII. CERTIFICACIONES
 Al término de la capacitación, el alumno obtendrá un certificado de Business Intelligence

- SQL Server 2016 por aprobar el programa.
 Al completar satisfactoriamente el curso de Big Data y 2 más de la línea de
especialización (ver punto VI), se le acreditará un Diplomado en Inteligencia de Negocios.
VIII. METODOLOGÍA
El enfoque práctico-reflexivo de cada una de las sesiones y la participación activa a lo largo

de estas favorecerá no solo el aprendizaje de contenidos, sino también, su aplicación en la
resolución de situaciones reales en diferentes contextos que se planteen. Por ello, el curso
considera el desarrollo de laboratorios guiados e individuales, permitiendo la consolidación
del aprendizaje del tema.
RECURSOS DE APRENDIZAJE
Los recursos de aprendizaje con los que dispondrá el alumno, son los siguientes:
 Desktop/Laptop
 Sílabo
 Marco teórico
 Diapositivas
 Laboratorios
 Lecturas
 Videos
 Tareas
IX. EVALUACIÓN DEL CURSO
La calificación es vigesimal (0 a 20), siendo la nota mínima aprobatoria de trece (13.00). El

promedio final del curso será el resultado de la siguiente fórmula:
PF = PP x 0.40 + EP x 0.15 + ET x 0.15 + EF x 0.30
LEYENDA
 PF: Promedio final

 PP: Promedio de prácticas (40% de la nota final)
 EP: Evaluación parcial (15% de la nota final)
 ET: Evaluación de tareas (15% de la nota final)
 EF: Evaluación final (30% de la nota final)
X. CONTENIDO ANALÍTICO
Duración
CAPÍTULO Nº 1: Análisis de datos y tendencias de inteligencia de negocios
3.0 h
Modo: Sesión presencial (2.5 h)
Temas Habilidades
 ¿Qué es la inteligencia de negocios? Al finalizar el capítulo, el alumno podrá:

 ¿Qué es el análisis de datos?
 Tendencia de inteligencia de  Identificar el valor agregado del análisis
negocios de datos para las empresas.
 Conocer las tendencias del mercado.
 Laboratorio Nº 1:
 Ejercicio 1.1: Cuestionario sobre análisis de datos y tendencias de inteligencia de
negocios.
 Ejercicio 1.2: Conversatorio de problemas de los sistemas tradicionales.
Actividades de autoaprendizaje sugeridas
 Lecturas:
 Términos y conceptos de inteligencia de negocios
 Casos de éxito de soluciones de inteligencia de negocios
 Los 5 estilos de la inteligencia de negocios
 Tecnologías y herramientas para el almacenamiento y tratamiento de datos:
 CRM
 Data Mining
 Data Quality
 Master Data
 Big Data
 Cloud Data
 SQL Server Parallel Data Warehouse
 Tarea:
 Analizar y describir sobre el cuadrante mágico de Garther de Business Intelligence
2016.
 Investigar y describir sobre las empresas de Business Intelligence líderes y visionarios.
Modo: Sesión no presencial (0.5 h)
 Autoevaluación N°1: Análisis de datos y tendencias de inteligencia de negocios.
 Evaluar Tarea Nº1: Análisis de datos y tendencias de inteligencia de negocios.
CAPÍTULO Nº 2: Metodologías ágiles y gestión de proyectos para Duración
soluciones de inteligencia de negocios 5.0 h
Temas Habilidades
 Marco de referencia para el desarrollo de Al finalizar el capítulo, el alumno podrá:

proyectos de inteligencia de negocios
 Metodologías agiles para proyectos de  Comprender la aplicación de
inteligencia de negocios metodologías ágiles en proyectos de
- Metodología KANBAN inteligencia de negocios.
- Metodología SCRUM
 Introducción a la gestión de proyectos de
inteligencia de negocios:
- Plan de administración del alcance
- Plan de administración de costos
- Plan de mejora de procesos de
Project Management
- Plan de comunicaciones
- Plan de adquisiciones
- Plan de administración del
cronograma
- Plan de administración de la calidad
- Plan de administración de recursos
humanos
- Plan de administración de riesgos
 Ejercicio 2.1: Conociendo la metodología ágil (Scrum) con un ejemplo práctico.
 Ejercicio 2.2: Desarrollar una matriz de riesgos.
 Ejercicio 2.3: Desarrollar una matriz Raci.
Actividades de autoaprendizaje sugeridas
 Lecturas:
 Comprender las visiones de Bill Inmon y Ralph Kimball.
 Tu empresa está preparada para un proyecto de BI
 Negocio vs Tecnología
 Riesgos de los proyectos de BI
 Tarea:
 Desarrolle un plan de proyectos de un caso de estudio (Se adjunta plantilla).
 Autoevaluación N°2: Metodologías ágiles y gestión de proyectos de inteligencia de
negocios.
 Evaluación Tarea N°2: Metodologías ágiles y gestión de proyectos de inteligencia de
negocios.
Duración
CAPÍTULO Nº 3: Diseño de un Datamart
12.0 h
Temas Habilidades
 ¿Qué deseo medir?: Concepto de medida. Al finalizar el capítulo, el alumno podrá:

 ¿Qué criterios uso para agrupar la
información?: concepto de dimensión  Comprender los mecanismos de
Atributos, Jerarquías y niveles agregación.
 Herramientas de diseño de cubos  Diseñar soluciones de un Datamart
 Modelo físico de un cubo  Transformar los datos.
 Técnicas de diseño de cubos  Diseñar estructuras que se utilizarán en
 Entregables de diseño de cubos el desarrollo de un Datamart.
 Desarrollar soluciones multidimensionales  Aplicar los conocimientos adquiridos en
aplicando herramientas de diseño múltiples situaciones de diseño.
 Ejercicio Nº 3.1: Diseñar una solución multidimensional para el caso: Empresa
Transporte Terrestre.
 Ejercicio Nº 3.2: Diseñar una solución multidimensional para el caso: Entidad Médica.
Tecnología Información.
 Ejercicio Nº 3.4: Diseñar una solución multidimensional para el caso: Procesos de
admisión.
 Ejercicio Nº 3.5: Diseñar una solución multidimensional para el caso: Comercializadora
de ropa.
 Ejercicio Nº 3.6: Diseñar una solución multidimensional para el caso: Análisis de venta
(Comercial).
 Ejercicio Nº 3.7: Diseñar una solución multidimensional para el caso: Análisis de
venta (Industrial).
 Ejercicio Nº 3.8: Diseñar una solución multidimensional para el caso: Entidad Salud
Privada.
Transporte Productos.
 Ejercicio Nº 3.10: Cuestionario de preguntas.
Actividades de autoaprendizaje sugeridas:
 Lectura:
 El modelo físico del Datamart (Tablas de dimensión, Tablas de hechos)
 Funciones de agregación de las medidas
 Ventajas y desventajas de los Modelos START y SNOWFLAKE
 Diferencias entre modelo START y SNOWFLAKE
 Tarea: Diseñar un Datamart (Primer Entregable)
- Definir el diseño lógico y físico de la base de datos dimensional del Datamart
propuesto (Proyecto final)
- Definir el diseño del proceso de transformación de datos del Datamart propuesto
(Proyecto final).
 Autoevaluación N°3: Diseño de un Datamart.
 Evaluación Tarea N°3.1: Diseñe el modelo dimensional (proyecto final).
 Evaluación Tarea N°3.2: Diseñe proceso de transformación (proyecto final).
Duración
EVALUACIÓN PARCIAL (EP)
2.0 h
Duración
CAPÍTULO Nº 4: Poblando un Datamart
14.0 h
Temas Habilidades
 Etapas de un proceso ETL Al finalizar el capítulo, el alumno podrá:

 Opciones para implementar procesos ETL
 Introducción a SQL Server Integration  Utilizar SSIS para poblar el
Services Datamart.
 Implementación de ETL a través de SQL
Server Integration Services
- El asistente de importación y exportación
- SQL Server Data Tools (SSDT) y el
diseñador de paquetes
- Paquetes: conexiones y transformación
- Precedencias
- Script Component (Componente Script)
- Containers (Contenedores)
- Variables
- Lookups (Búsqueda)
- Data Conversions (Conversión de datos)
- Package Configurations
- Derived Column (columna derivada)
- Fuzzy Lookup (Búsqueda aproximada)
- Aggregate y Sort (Agregado y ordenar)
- Merge Join (Combinación de mezcla)
- Condition Split (División Condicional)
- Distribución (Deployment) del proyecto
SIS
- Programar la ejecución de un paquete
SSIS
- Data Profiling Task (Tarea de Perfiles de
datos)
 Ejercicio Nº 4.1: Asistente de importación y exportación.
 Ejercicio Nº 4.2: Crear conexiones y transformaciones básicas.
 Ejercicio Nº 4.3: Precedencias.
 Ejercicio Nº 4.4: Script Component.
 Ejercicio Nº 4.5: Containers y variables.
 Ejercicio Nº 4.6: Data Conversion y Lookup.
 Ejercicio Nº 4.7: Package Configurations.
 Ejercicio Nº 4.8: Derived Column.
 Ejercicio Nº 4.9: Fuzzy Lookup.
 Ejercicio Nº 4.10: Aggregate y Sort.
 Ejercicio Nº 4.11: Merge Join.
 Ejercicio Nº 4.12: Condition Split.
 Ejercicio Nº 4.13: Distribución (Deployment) del proyecto SIS.
 Ejercicio Nº 4.14: Programar la ejecución de un paquete SSIS.
 Ejercicio Nº 4.15: Data Profiling Task.
 Lectura:
- Opciones para implementar procesos ETL.
 Tarea: Poblando un Datamart (Segundo entregable)
- Utilizar Integration Services 2016 para implementar el ETL del Datamart propuesto
(Utilizar el diseño del proceso de transformación del Datamart propuesto desarrollado
en el capítulo 3).
 Autoevaluación N°4: Poblando un Datamart.
 Evaluación Tarea N° 4: Poblando un Datamart.
Duración
CAPÍTULO Nº 5 : Modelos de datos multidimensionales
3.0 h
Temas Habilidades
 Modelo semántico SSAS: modelos Al finalizar el capítulo, el alumno podrá:

multidimensionales
 Creación de cubos a través del SQL  Comprender el concepto de modelo
Server Data Tools utilizando cubo semántico.
Wizard  Crear proyectos de análisis utilizando el
 Distribución (deployment) y el entorno de desarrollo del SQL Server
procesamiento del cubo Management Studio.
 Crear cubos utilizando el Cube Wizard.
 Realizar la distribución (deployment) y el
procesamiento del cubo.
 Ejercicio Nº 5.1: Crear el proyecto AdventureWorksDataMart.
 Ejercicio Nº 5.2: Crear el cubo Sales.
 Ejercicio Nº 5.3: Deployment del cubo a través del SQL Server Data Tools (SSDT).
 Lectura:
 Lección 1: Definir una vista del origen de datos en un proyecto de Analysis Services.
 Tarea:
 Utilizar el asistente de creación de cubo para crear el cubo FINANCE y luego
implementar.
 Autoevaluación N°5: Modelo de datos multidimensional.
 Evaluación Tarea N°5: Modelo de datos multidimensional.
Duración
CAPÍTULO Nº 6 : Definición de la estructura de las dimensiones
8.0 h
Temas Habilidades
 Concepto dimensiones Al finalizar el capítulo, el alumno podrá:

 Dimensiones estándar
 Dimensiones SnowFlake  Modificar dimensiones utilizando el
 Named Calculations diseñador de dimensiones.
 Dimensiones Padre-Hijo  Comprender los conceptos de dimensión
 Relaciones entre atributos (attribute regular, dimensión snowflake, dimensión
relationships) padre-hijo y dimensión Time.
 Dimensiones Time  Comprender el concepto de attribute
 Agrupar los miembros de un atributo relationship.
 Comprender los mecanismos de
agregación de miembros.
 Ejercicio Nº 6.1: Crear dimensiones.
 Ejercicio Nº 6.2: Crear miembro All y Default Member.
 Ejercicio Nº 6.3: Crear dimensiones SnowFlake.
 Ejercicio Nº 6.4: Definir Named Calculation.
 Ejercicio Nº 6.5: Crear una dimensión Padre-Hijo.
 Ejercicio Nº 6.6: Definir Attribute Relationships.
 Ejercicio Nº 6.7: Creación de una dimensión Time.
 Ejercicio Nº 6.8: Definir propiedades de agrupamiento en la dimensión Product.
 Ejercicio Nº 6.9: Agregar dimensiones al proyecto AdventureWorksDatamart.
 Lectura:
 Lección 2: Definir e implementar un cubo.
 Lección 3: Modificar medidas, atributos y jerarquías.
 Lección 4: Definir propiedades de dimensiones y de atributos avanzados.
 Tarea: Crear dimensiones (Tercer entregable)
 Utilizando SQL Server Data Tools para Visual Studio 2015 crear un proyecto de
Analysis Services e implementar dimensiones del Datamart propuesto (Proyecto final).
 Considerar diseño lógico y físico de la base de datos dimensional del Datamart
propuesto desarrollado en Tarea Nº 4.
 Autoevaluación N°6: Definición de la estructura de las dimensiones.
 Evaluación Tarea N°6: Definición de la estructura de las dimensiones.
Duración
CAPÍTULO Nº 7: Medidas
6.0 h
Temas Habilidades
 Cubos Al finalizar el capítulo, el alumno podrá:

 Propiedades de las medidas y grupos
de medidas  Comprender los conceptos de “medida” y
 Relación entre las dimensiones y los “grupo de medidas”.
grupos de medidas  Configurar las relaciones entre las
- Relación regular dimensiones y tablas de hechos.
- Relación referenciada
- Relación fact
- Relación muchos-muchos
 Ejercicio Nº 7.1: Crear el cubo de ventas a través del Cube Editor.
 Ejercicio Nº 7.2: Visualizar relaciones de tipo Role Playing en el cubo “Sales”.
 Ejercicio Nº 7.3: Crear relaciones referenciadas.
 Ejercicio Nº 7.4: Crear la relación FACT.
 Ejercicio Nº 7.5: Crear la relación many to many.
 Ejercicio Nº 7.6: Crear nueva relación Fact.
 Lectura:
 Lección 5: definir relaciones entre dimensiones y grupos de medida
 Tarea: Crear cubo, relaciones entre dimensiones y medidas (Cuarto entregable)
 Utilizando SQL Server Data Tools para Visual Studio 2015 Analysis Services
implementar: Cubo del Datamart propuesto (proyecto final), relaciones entre medidas
y dimensiones.
 Considerar el desarrollo sobre el proyecto de SSAS implementado en la Tarea Nº 6.
 Autoevaluación N°7: Medidas.
 Evaluación Tarea N°7: Medidas.
Duración
CAPÍTULO Nº 8: Sentencias MDX
10.0 h
Temas Habilidades
 ¿Qué es MDX? Al finalizar el capítulo, el alumno podrá:

 Conceptos fundamentales MDX
 Consultas MDX  Describir las características de MDX.
- La cláusula Select – From - Where  Comprender los conceptos Tuplas y Sets.
- Miembros calculados (calculated  Emplear sentencias MDX básicas.
members)  Utilizar funciones avanzadas: Descendants,
- Set con nombre (named sets) Ancestors, Generate.
- Navegación por jerarquías  Ordenar los resultados.
 PARENT (miembro padre)
 ANCESTOR (miembro antecesor)
 CURRENTMEMBER (miembro
actual)
 PREVMEMBER (miembro
anterior)
 NEXTMEMBER (miembro
 siguiente)
 EXCEPT (retiro de miembros
duplicados)
 FIRSTCHILD (que toma el primer
elemento hijo del miembro
especificado)
 LASTCHILD (que toma el último
elemento hijo)
 Utilizar funciones avanzadas:
- La función Children
- La función Generate
- La función Descendants
- Funciones Time
- Función Crossjoin
- Función filtrar
- Función ordenar
- Ejercicio Nº 8.1: Cláusula Select – From – Where.
- Ejercicio Nº 8.2: Miembros calculados (calculated members).
- Ejercicio Nº 8.3: Set con nombre (named sets).
- Ejercicio Nº 8.4: PARENT (miembro padre).
- Ejercicio Nº 8.5: ANCESTOR (miembro antecesor).
- Ejercicio Nº 8.6: CURRENTMEMBER (miembro actual).
- Ejercicio Nº 8.7: PREVMEMBER (miembro anterior).
- Ejercicio Nº 8.8: NEXTMEMBER (miembro siguiente).
- Ejercicio Nº 8.9: EXCEPT (retiro de miembros duplicados).
- Ejercicio Nº 8.10: FIRSTCHILD (que toma el primer elemento hijo del miembro
especificado).
- Ejercicio Nº 8.11: LASTCHILD (que toma el último elemento hijo).
- Ejercicio Nº 8.12: Función Children.
- Ejercicio Nº 8.13: Función Generate.
- Ejercicio Nº 8.14: Función Descendants.
- Ejercicio Nº 8.15: Función Time: PARALLELPERIOD.
- Ejercicio Nº 8.16: Función Time: ClosingPeriod
- Ejercicio Nº 8.17: Funcion Crossjoin.
- Ejercicio Nº 8.18: Filtrar y ordenar.
 Lectura:
- Aspectos básicos de las consultas MDX (Analysis Services).
 Tarea:
- Considerando la base de datos de análisis (Cubo Ventas) implementado en capítulo
7, desarrolle consultas utilizando MDX.
 Autoevaluación N° 8: Sentencias MDX.
 Evaluación Tarea N° 8: Sentencias MDX.
Duración
CAPÍTULO Nº 9: Miembros calculados, celdas calculadas y KPIs
4.0 h
Temas Habilidades
 Introducción a los miembros calculados Al finalizar el capítulo, el alumno podrá:

(calculated members) y las celdas
calculadas (calculated cells)  Aplicar las funcionalidades de los miembros
 Miembros calculados (calculated calculados y las celdas calculadas.
members)  Aplicar los KPIs para manejo de
indicadores de gestión.
 Celdas calculadas (calculated cells)
 Key Performance Indicators (KPIs)
- Ejercicio Nº 9.1: Crear miembros calculados.
- Ejercicio Nº 9.2: Crear celdas calculadas.
- Ejercicio Nº 9.3: Crear KPI’s.
 Lectura:
- Lección 6: Definir cálculos.
- Lección 7: Definir indicadores clave de rendimiento (KPI).
 Tarea: Crear miembros calculados, celdas calculadas y KPI (Quinto entregable)
- Utilizando SQL Server Data Tools para Visual Studio 2015 para Analysis Services
implementar: miembro calculado, celda calculada y KPI sobre cubo propuesto (proyecto
Final).
- Considerar el desarrollo sobre el proyecto de SSAS implementado en la Tarea Nº 7.
 Autoevaluación N° 9: Miembros calculados, Celdas Calculadas y KPIs.
 Evaluación Tarea N° 9: Miembros calculados, Celdas Calculadas y KPIs.
Duración
CAPÍTULO Nº 10: Crear traducciones, acciones y perspectivas
3.0 h
Temas Habilidades
 Traducciones (translations) Al finalizar el capítulo, el alumno podrá:

 Perspectivas (perspectives)
 Acciones (actions)  Proveer múltiples presentaciones desde un
mismo cubo.
 Personalizar la interacción del usuario.
- Ejercicio Nº 10.1: Crear traducciones.
- Ejercicio Nº 10.2: Crear perspectivas.
- Ejercicio Nº 10.3: Crear acciones.
- Ejercicio Nº 10.4: Crear traducciones, acciones y perspectivas.
 Lectura:
- Lección 8: Definir acciones.
- Lección 9: Definir perspectivas y traducciones.
 Tarea: Crear traducciones, acciones y perspectivas (Sexto entregable)
- Utilizando SQL Server Data Tools para Visual Studio 2015 para Analysis Services
implementar: traducciones, acciones y perspectivas. sobre cubo propuesto (proyecto
final).
- Considerar el desarrollo sobre el proyecto de SSAS implementado en la Tarea Nº 9.
 Autoevaluación N°10: Crear traducciones, acciones y perspectivas.
 Evaluación Tarea N°10: Crear traducciones, acciones y perspectivas.
Duración
CAPÍTULO Nº 11: Modelos de datos tabulares
14.0 h
Temas Habilidades
 Modelo semántico Al finalizar el capítulo, el alumno podrá:

 Introducción a modelos tabulares
 Tipos de implementación de modelos  Crear modelos tabulares en SSAS.
tabulares:  Implementar funciones básicas DAX.
- Almacenamiento en cache
- Direct Query Mode
 Creación de modelos tabulares:
- Propiedades del proyecto SSAS
tabulares
- Propiedades del modelo tabular
- Propiedades BD de análisis tabular
 Relaciones entre tablas
 Funciones básicas DAX
 Creación de columnas calculadas
 Creación de tablas calculadas
 Creación de jerarquías
 Creación de KPI
 Creación de perspectiva
- Ejercicio Nº 11.1: Crear el proyecto tabular y cargar datos al cubo.
- Ejercicio Nº 11.2: Crear modelo tabular (Direct Query).
- Ejercicio Nº 11.3: Crear relaciones entre tablas en un proyecto tabular (Mode In-
Memory).
- Ejercicio Nº 11.4: Crear columnas calculadas y medidas en un proyecto tabular (Mode
:In-Memory).
- Ejercicio Nº 11.5: Crear KPI en un proyecto tabular (Mode: In-Memory).
- Ejercicio Nº 11.6: Crear perspectivas en un proyecto tabular (Mode: In-Memory).
- Ejercicio Nº 11.7: Crear jerarquías en un proyecto tabular (Mode: In-Memory).
- Ejercicio Nº 11.8: Ordenar valores de columnas a través de otra columna de la misma
tabla en un proyecto tabular (Mode: In-Memory).
 Lectura:
- Diferencias entre Modelos tabulares y Multidimensionales.
- Ventajas y desventajas Modelos tabulares.
 Tarea:
- Crear un proyecto de Analysis Services en modo tabular.
 Lección 1: Crear un nuevo proyecto de modelo tabular.
 Lección 3: Cambiar el nombre de las columnas.
 Lección 4: Marcar como tabla de fechas.
 Lección 5: Crear relaciones.
 Lección 6: Crear columnas calculadas.
 Lección 7: Crear medidas.
 Lección 8: Crear indicadores clave de rendimiento.
 Lección 9: Crear perspectivas.
 Autoevaluación N° 11: Modelo de datos Tabulares.
 Evaluación Tarea N° 11: Modelo de datos Tabulares.
Duración
CAPÍTULO Nº 12: Explotación de información
10.0 h
Temas Habilidades
 Explotación de datos con Microsoft Al finalizar el capítulo, el alumno podrá:

Excel
 Power BI para Excel 2016  Consultar información del cubo a través de
- Power Query Microsoft Office Excel 2016 y SQL Server
- Power Pivot Reporting Services 2016.
- Power View  Autoservicio en la gestión de análisis de
- Power Map datos con Power BI para Excel 2016.
 Explotación de datos con Microsoft
SQL Server Reporting Services 2016
- Ejercicio Nº 12.1: Crear una consulta de cubos multidimensionales con Excel 2016.
Aplicar tabla dinámica.
- Ejercicio Nº 12.2: Implementar un proceso de transformación con Power Query.
- Ejercicio Nº 12.3: Implementar un modelo de datos tabular con Power Pivot.
- Ejercicio Nº 12.4: Visualizar los datos del modelo de datos tabular con Power View.
- Ejercicio Nº 12.5: Crear una consulta de cubos tabulares con Excel 2016. Aplicar tabla
dinámica y gráfico vertical.
- Ejercicio Nº 12.6: Utilizando Microsoft SQL Server Integration Services 2016
implementar un reporte matriz con parámetro.
- Ejercicio Nº 12.7: Utilizando Microsoft SQL Server Integration Services 2016
implementar un reporte tabular.
 Lectura:
- Consumo de información de Cloud Data y Redes Sociales.
- Introducción a Power Query.
- Introducción a Power Pivot en Microsoft Excel.
- Power View: explorar, visualizar y presentar los datos.
- Introducción a Power Map.
 Tarea: Crear reportes con Microsoft Integration Services y Microsoft Excel (Séptimo
Entregable)
- Utilizando SQL Server Data Tools para Visual Studio 2015 para Reporting Services
implementar: un reporte de matriz con parámetro sobre cubo propuesto (proyecto
Final).
- Desarrollar un reporte utilizando tablas dinámicas de Microsoft Excel.
- Considerar el desarrollo sobre el cubo implementado en la Tarea Nº 10.
 Autoevaluación N°12: Explotación de información.
 Evaluación Tarea N°12: Explotación de información.
Duración
EVALUACIÓN FINAL (EF)
2.0 h
XI. REFERENCIAS BIBLIOGRÁFICAS
 Ampliación de conceptos del modelado dimensional

El Rincón del BI. Consulta: 22 de noviembre 2017
https://churriwifi.wordpress.com/2010/04/19/15-2-ampliacion-conceptos-del-modelado-
dimensional/
 Gestión de proyectos de inteligencia de negocios

México. Consulta: 22 de noviembre 2017
http://inteligenciadenegocio.mx/blog/category/gestion-de-proyectos
 Inteligencia de negocios
SINNEXUS. Consulta: 22 de noviembre 2017
http://www.sinnexus.com/business_intelligence/
 Las 10 tendencias principales de inteligencia de negocios para 2017

TABLEAU. Consulta: 22 de noviembre 2017
https://www.tableau.com/es-es/learn/whitepapers/top-10-business-intelligence-trends-
2017?ref=wc&signin=9c2e6a06650c803268c6862fc69bb8e3
 Tendencia de la inteligencia de Negocios en 2017

BITEC. Consulta: 22 de noviembre 2017
http://www.bitec.es/el-blog-de-bitec/tendencias-de-la-inteligencia-de-negocio-en-
2017.html
 Proyectos secuencias para una solución de Inteligencia de Negocios

ESAN. Consulta: 22 de noviembre 2017
http://www.esan.edu.pe/conexion/actualidad/2016/08/26/proyectos-secuencias-para-
una-solucion-de-inteligencia-de-negocios/
 SQL Server Integration Services (SSIS)

Microsoft. Consulta: 22 de noviembre 2017
https://msdn.microsoft.com/es-es/library/ms141026(v=sql.120).aspx
 SQL Server Analysis Services (SSAS)

https://msdn.microsoft.com/es-es/library/bb522607(v=sql.120).aspx
 SQL Server Reporting Services (SSRS)

https://msdn.microsoft.com/es-es/library/ms159106(v=sql.120).aspx

PIN-1801 Business Intelligence SQL Server 2016 - 96 H

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

PIN-1801 Business Intelligence SQL Server 2016 - 96 H

Caricato da

Copyright:

Formati disponibili

SÍLABO

II. DESCRIPCIÓN DEL CURSO

En este curso, el participante aprenderá que, si necesita garantizar la competitividad de la

III. PÚBLICO OBJETIVO

Profesionales, egresados y estudiantes, interesados en aprender la implementación de un

IV. LOGROS DEL CURSO

Al finalizar el curso, el alumno podrá gestionar un proyecto de inteligencia de negocios con

 Automatizar el proceso de transformación de los datos con Integration Services (SSIS).

 Conocimiento de MS Excel y MS Access (nivel básico).

VI. LÍNEA DE ESPECIALIZACIÓN

 Al término de la capacitación, el alumno obtendrá un certificado de Business Intelligence

El enfoque práctico-reflexivo de cada una de las sesiones y la participación activa a lo largo

IX. EVALUACIÓN DEL CURSO

La calificación es vigesimal (0 a 20), siendo la nota mínima aprobatoria de trece (13.00). El

PF = PP x 0.40 + EP x 0.15 + ET x 0.15 + EF x 0.30

 PF: Promedio final

 ¿Qué es la inteligencia de negocios? Al finalizar el capítulo, el alumno podrá:

 Marco de referencia para el desarrollo de Al finalizar el capítulo, el alumno podrá:

 ¿Qué deseo medir?: Concepto de medida. Al finalizar el capítulo, el alumno podrá:

 Etapas de un proceso ETL Al finalizar el capítulo, el alumno podrá:

 Modelo semántico SSAS: modelos Al finalizar el capítulo, el alumno podrá:

 Concepto dimensiones Al finalizar el capítulo, el alumno podrá:

 Cubos Al finalizar el capítulo, el alumno podrá:

 ¿Qué es MDX? Al finalizar el capítulo, el alumno podrá:

 Introducción a los miembros calculados Al finalizar el capítulo, el alumno podrá:

 Traducciones (translations) Al finalizar el capítulo, el alumno podrá:

 Modelo semántico Al finalizar el capítulo, el alumno podrá:

 Explotación de datos con Microsoft Al finalizar el capítulo, el alumno podrá:

 Ampliación de conceptos del modelado dimensional

 Gestión de proyectos de inteligencia de negocios

 Las 10 tendencias principales de inteligencia de negocios para 2017

 Tendencia de la inteligencia de Negocios en 2017

 Proyectos secuencias para una solución de Inteligencia de Negocios

 SQL Server Integration Services (SSIS)

 SQL Server Analysis Services (SSAS)

 SQL Server Reporting Services (SSRS)

Potrebbero piacerti anche