!

Bienvenidos
Inteligencia de
negocios

Piensa en grande y tus

hechos crecern
Dr. Ing Pedro Criollo Laos
1

Inteligencia de negocios
Es una herramienta de negocios con un
conjunto
de
procedimientos,
tcnicas,
estndares para modelar sistemas de soporte a
la decisin de acuerdo a la medida y necesidad
del usuario en el entorno empresarial
Procedimientos son secuencias debidamente
normalizados y establecidos para efectuar el
modelamiento de los diferentes escenarios de
trabajo de gestin empresarial
Tcnicas son el conjunto de herramientas que
facilitan el modelamiento de sistemas de
gestin
Estndares, son reglas o normas que
2
Dr. Ing Pedro Criollo Laos

Inteligencia de negocios

Inteligencia de Negocios BI

Que puedo hacer con BI?

Se puede:
Generar reportes globales o por secciones
Crear una base de datos necesarios
Crear escenarios con respecto a una
decisin
Hacer pronsticos para gestin empresarial
Compartir informacin entre departamentos
Efectuar anlisis multidimensionales
Generar y procesar datos estratgicos
Cambiar la estructura de toma de
decisiones
Mejorar el servicio al cliente

reas donde comnmente es utilizada BIB: I

Ventas: Anlisis de ventas; Deteccin de clientes
importantes; Anlisis de productos, lneas, mercados;
Pronsticos y proyecciones.
Marketing: Segmentacin y anlisis de clientes;
Seguimiento a nuevos productos.
Finanzas: Anlisis de gastos; Rotacin de cartera;
Razones Financieras.
Manufactura: Productividad en lneas; Anlisis de
desperdicios; Anlisis de calidad; Rotacin de
inventarios y partes crticas.
Embarques: Seguimiento de embarques; Motivos por
los cuales se pierden pedidos.

Limpieza de datos e
Retroaliment
integracin
acin
Unidad
OLTP

Limpiez
a de
datos e
integrac
in

Bodega
de
datos

Cambios,
retroalimentacin

Inteligencia
de Negocios BI
Problemas con
limpieza

Nodatos
puede ser automatizada
de

Requiere
considerable
conocimiento que tcticamente
es
mas
all
de
las
competencias en bodega de
datos
(Medidas,
polticas,
mbito geogrfico)
Complejidad se incrementa
con la informacin en la base
de datos
Complejidad se incrementa

Problemas de limpieza deB I

PROBLEMA A
TCNICA USADA
datos
DETECTAR
Valores no legales (Mximo,
mnimo)
desviacin, media
Falta
de Comparacin
de
estndares
colum-nas
(comparar valores )
Duplicados
y Comparar nmero
datos no digitados de filas
Detectar nulos
Usar reglas para
predecir
datos
incorrectos y no

Inteligencia
de Negocios
Estrategias para generar
datos
para BI

laIdentificar
bodega la fuente de datos con al mejor
calidad: delas diferentes fuentes escoger la
de mejor calidad
Identificar variaciones en palabras: como
errores de ortografa, semntica
Discutir problemas de datos con usuarios y
equipo
Arreglar los problemas de datos en las
fuentes cuando sea posible, en ves de
hacerlo en el proceso ETL o directamente en
la bodega
Si existen muchos problemas en las fuentes;
arreglarlos en el proceso ir en contra del
rendimiento; estos problemas deben ser
responsabilidad de los sistemas fuente

Integracin

BI

Existen tres funciones separadas:

ETL
Extraccin. Leer los datos de las
fuentes especificadas y extraer el
grupo de datos requeridos
Transformacin. Uso de reglas o
Administracion
por procesos
bsqueda
de tabla, o crear
combinaciones con otros datos,
para convertir fuente de datos en
los estados deseados
Cargar.
Escribir
los
datos
resultantes en la base de datos

Integracin

Inteligencia de Negocios BI

Desarrollo de ETL
Oportunidad para eliminar
datos inservibles
Verificar la integridad y reglas
de negocio
Contar con un usuario del
negocio que pueda tomar
decisiones en base a las reglas
e la organizacin

BI

DB2/UDB
FOCUS
Microsoft
acces
Paradox
Foxpro
Lotus Notes

DB2
Oracle
Sybase
Informix
CA-Openingres
SQL server

DB2
IMS
CA-IDMS
NCR-Teradata
VSAM, ISAM
Flat files

ETL
BI target
Databases

BI target
Databases

BI target
Databases

BI

Inteligencia de Negocios
Estrategias de inteligencia
de BI
negocios
Extractor

Crea una vista comn para

todas la fuentes de datos
Realiza el puente en las
diferencias de nombre, tipos
y estructuras

Mediador
Construye
esquemas
Realiza la

integra

integracin

de

Aseguramiento de
Cruce
de
datos
calidad
Se ejecutan varios Queries contra

BI

las
fuentes de datos y se verifica que el
resultado de estos Queries sea el mismo
que el dato con los datos seleccionados del

proceso ETL
Validacin del proceso
Al utilizar la bodega de datos es posible
encontrar diferentes resultados de los que
se harian con simples Queries sobre las
fuentes.
Esto se da debido a la limpieza y
transformacin hechas a los datos en el
proceso ETL. Por tanto es importante

Como detectar
cambios

Inteligencia de Negocios BI

Aplicacin
existente

Tiempo de
cambio
TimeStamp

Cdigo
de
aplicaci
n

Aplicacin
existente
Aplicacin
existente

Antes

Archivo
de LOG

Despus

Cambios
desde
ultima
carga

Existen algunas tcnicas para limitar la cantidad

de operaciones necesarias para refrescar las
bodegas de datos

Diseo lgico
Esquema
en
estrella
Una sola tabla
de hechos y una
tabla
de
dimensin
por
cada dimensin
Soportado por
mltiples

BI

Diseo lgico

Inteligencia de Negocios BI

Tabla de hechos Modelo

estrella
Los
hechos
son
valores
cuantificables
Medidas
numricas
para
analizar
Las tablas de hechos tienen
gran cantidad de registros en
comparacin con el numero
de columnas

Diseo lgico

BI

Dimensiones Modelo estrella

Definicin de negocio en trminos
ya familiares para los usuarios
Las
dimensiones
son
desnormalizadas
(jerarquas
que
llevan a redundancia)
Tablas pequeas
Se unen a la tabla de hechos
mediante una clave externa
Bien indexada
Dimensiones tpicas: periodos de
tiempo,
regin
geogrfica
(mercados, ciudades) los productos,

DIM: vendedor
Nom-ven
Num-DNI

DIM: Boleta vta

Num-bv
Fecha-bv
Nom-clte
Nom-mer
Mto-pu
Cant-mer

>
>

BI

<

Hecho: ventas
Num-cv
Fecha-cv
Nom-clte
Nom-mer
Mto-pu
Cant-mer

<
<

DIM: tienda
Num-tda
Dir-tda

DIM:
mercaderia
Nom-mer
Mto-pu
Id-tm

>

DIM: Cliente
Nom-clte
Num-ruc
Num-DNI
Id-tc

DIM: Tipo merc.

Id-tm

Modelo de copo de

Mayor
normalizacin
nieve

Inteligencia de Negocios BI

es
las

decir los niveles de

jerarquas se normalizan
Mayor flexibilidad
Mayor
dificultad
de
mantenimiento
Joins mas costosos
Menos registros en las
dimensiones

Inteligencia de Negocios BI. Modelo copo de nieve

DIM:vend
ed

Num-cv
Fech-vta
Nom-clte
Nom-mer
DIM:Ubig
eo

Num-cv
Fech-vta
Nom-clte
Nom-mer

DIM:
factura
Num-fact

DIM:mer
c.
Nom-mer
Mto-pu
Id-tm

DIM: Tipo

DIM: cv

DIM:clte

Num-cv
Fech-vta

Nom-clte
Id-tc

DIM:tipo
c
Id-tc

DIM:tien
da
Num-cv
Fech-vta
Nom-clte
Nom-mer

DIM:
B.vta
Num-bv

Id-tm

Hecho:vt
as
Num-cv
Fech-vta
Nom-clte
Nom-mer

DIM:
Ticket
Num-tick

DIM:
vocher
Numvouc

Dimensin de
Obligatoria en la mayora de
tiempo
bodegas de datos

BI
las

Tiene
varios
significados
y
tcnicas roll-up dependiente del
contexto:
- Calendario simple
- Calendario fiscal
- Calendario acadmico
Se
necesita
indexar
fechas
especiales
como
eventos,
lanzamientos

Diseo lgico

BI

Llaves subrogadas
Todas las llaves de las tablas de
la bodega de datos deben ser
llaves subrogadas , es decir o
deben significar nada respeto a
las caractersticas
de su
contenido ni su fuente en los
sistemas fuente.
No se deben utilizar las llaves
originales de un sistema fuente
del cual fueron extrados
Estas llaves subrogadas se

Declaracin de granularidad de la tablaB I

de hechos
Es necesario definir
claramente lo que es
un registro de la tabla de hechos en el
diseo dimensional propuesto.
La granularidad
es la respuesta a la
pregunta Qu es un registro en la tabla de
hechos?
La granularidad se refiere al nivel de detalle
existente en las unidades de los datos de la
bodega
Entre mas detalle halla, menor ser el nivel
de granularidad.
Entre menos detalle halla, mayor ser el
nivel de granularidad
Es un factor determinante en el desarrollo
de la bodega de datos debido a que de ella
depende el volumen de datos que ser

Granularidad
Alto nivel de
detalle

Bajo nivel de
detalle

BD

Bodega de
datos
Ej: los detalles de las
ventas por cliente en
un mes

BI

Ej: el resumen de las

ventas por cliente en
un mes

40,000 bytes por mes

200 registros por mes

200 bytes
1 registro por mes

Hipercubo de tres
Clientes
dimensiones
Nom-clte
Num-ruc
Num-DNI
Id-tc

Mercaderia
Nom-mer
Mto-pu
Cant-mer
Id-tm

Los ejes del cubo son los temas objeto

de gestin
Los puntos en el cubo son los eventos
objetos de gestin

Ventas
- Al
crdito
- Al
contado

Canales de
Ventas
Nom-can
Id-tc
Cod- ug

BI

Procesos del
Pivotear. Escoger (rotar el cubo en
hipercubo
un
pivote)
un
grupo
de

BI

dimensiones a mostrar
Slicing dicing. Seleccionar ciertos
datos de el cubo
Roll up. Sumar una dimensin en
una dimensin mas pequea (Roll
up semanas, en meses)
Drill down. Abrir una dimensin
agrega para relevar detalles (abrir
meses para relevar informacin en
semanas)

Escenarios de BI

M
e
r
c
a
d Libro
e
r
Revist
i
a
B&N
a
Lima
M
e
r
c
a Libro
d
e Revist
r a
i
B&N BB
a
Lima

P
r
o
v
e Lim
ea
d
B&
o
N
r

BI
Tiemp
o

B&N
Lima
Proveed

or

Tiemp
o

MINERIA DE DATOS B I
Minera de datos es una tecnologa de soporte para
usuario final cuyo objetivo es extraer conocimiento til
y utilizable a partir de la informacin contenidas en las
bases de datos de las empresas.
Los objetivos de un sistema de minera de datos nos
permitiran analizar factores de influencia en
determinados procesos, predecir o estimar variables o
comportamientos futuros, sementar o agrupar items
similares, adems de obtener secuencias de eventos
que provocan comportamientos especficos.
Los sistemas de minera de datos se desarrollan bajo
lenguajes
de ultima generacin basados en la
inteligencia artificial y utilizando mtodos matemticos
tales como:
- Redes neuronales
- Introduccin a reglas
- Arboles de decisin
- Conjunto de reglas por clase
- Soporta tambin sofisticadas
operaciones de

Anlisis de base de B I
Procesos semi automtico. Para analizar
grandes bases de datos en bsqueda de
datos

patrones interesantes y tiles.

Coincide en parte con el aprendizaje de
maquina,
estadsticas
e
inteligencia
artificial y bases de datos pero
- Mas
escalable
en
numero
de
caractersticas y casos
- Mas automtica para manejar datos
heterogneos

Operaciones bsicas
Predecir: Regresin, clasificacin
Descriptivo
Agrupaciones (Cluster) o se pongan en venta
similitud

BI
Proceso de
Teniendo en cuenta los datos antiguos
sobre los decisin
clientes y las cobranzas
predecir si un nuevo cliente es elegible
para
el crdito
Clientes
Clasificador rbol de
anteriores
Nom-clte
Num-DNI
Id-tc
Mto-sb

Capacidad de
decisin
pago

Bueno

Malo

Client
e
Solvencia
econmica

Bueno

Malo

rbol
de
rbol donde los nodos internos son
simples reglas
de
decisin
en
uno
o
mas
decisin
atributos y nodos de la hoja se prev

BI

etiquetas de clase.
Capacidad
De pago

Buen
o
Malo

PN

Solvencia
Econmica

Buen
o
Malo

Client
e

Capacidad
De
PJ pago
Solvencia
Econmica

Buen
o
Malo
Buen
o
Malo

!Muchas gracias
Inteligencia de
negocios

El presente que construyes debe

ser igual; al futuro que sueas

Dr. Ing Pedro Criollo Laos

33