Bussines Intelligence

3,847 views
3,766 views

Published on

Published in: Technology, Business
1 Comment
1 Like
Statistics
Notes
No Downloads
Views
Total views
3,847
On SlideShare
0
From Embeds
0
Number of Embeds
668
Actions
Shares
0
Downloads
150
Comments
1
Likes
1
Embeds 0
No embeds

No notes for slide

Bussines Intelligence

  1. 1. Bussines Intelligence<br />Bernardo A. RobeloJiron<br />
  2. 2. Inteligencia de Negocios<br />Algo peor que no tener información disponible es tener mucha información <br />Y no saber qué hacer con ella.<br />
  3. 3. Inteligencia de Negocios ¿Porqué?<br /><ul><li>Nivel ejecutivo no cuenta con una solución integrada donde pueda analizar los indicadores operativos y financieros
  4. 4. No cuentan con una perspectiva que les permita tomar decisiones
  5. 5. La información reside en diferentes sistemas: ERP, CRM, archivos planos
  6. 6. Cuando surge la necesidad de información mucha gente se ve involucrada</li></li></ul><li>El problema<br /><ul><li>El departamento de sistemas destinan mucho tiempo a la elaboración de reportes
  7. 7. No existe una sola versión verdadera de la información
  8. 8. No permite la realización de comparativos, análisis ni tendencias
  9. 9. Gran cantidad de reportes </li></li></ul><li>La solución<br /><ul><li>Implementar un Sistema de Información Ejecutiva y Sistemas de Soporte a las Decisiones
  10. 10. Utilizar las mejores tecnologías del mercado
  11. 11. Involucramiento de los dueños de los procesos del negocio
  12. 12. Alineación a los objetivos estratégicos de la organización</li></li></ul><li>Los beneficios<br /><ul><li>Habilidad de tomar las decisiones correctas en el momento correcto
  13. 13. Por medio de las herramientas necesarias para poder comparar y analizar tendencias
  14. 14. El tiempo invertido en la realización de presentaciones ejecutivas se ve reducido de forma significativa</li></li></ul><li>Ciclo de Vida de la Informacion<br />
  15. 15. ¿Qué es inteligencia de negocios?<br /><ul><li>Uso de un almacén de información como herramienta estratégica y táctica para ganar ventaja competitiva, así como apoyar el proceso de toma de decisiones.
  16. 16. Habilidad de explorar y analizar datos para revelar la existencia de tendencias dentro de un negocio.
  17. 17. Es un set de tecnologías que van desde arquitecturas para almacenar datos, metodologías, técnicas para analizar información y software entre otros, con un fin común para el apoyo a la toma de decisiones. </li></li></ul><li>Definicion<br />Conjunto de datos orientado a temas y diseñados para realizar tareas de análisis. Combina información de distintas fuentes y su objetivo es presentar a través de herramientas especializadas una vista integral de la organización en un momento determinado para apoyar el proceso de Toma de Decisiones.<br />COMPLEMENTOS<br /><ul><li> Herramientas para extraer información de los sistemas transaccionales.
  18. 18. Herramientas para visualizar y analizar la información.</li></li></ul><li>Caracteristicas<br />Su uso está enfocado a la lectura de grandes volúmenes de información.<br /> Tiene una periodicidad de actualización preestablecida.<br /> Contiene información actual e histórica.<br /> Su diseño es “desnormalizado”.<br /> Regularmente el nivel de granularidad de la información es menor que la de los sistemas de los cuales se alimenta.<br />
  19. 19. DISEÑO <br />ESTRUCTURAL<br />
  20. 20. OLTP (On Line Transactional Process)<br />Son sistemas de información operacionales que tienen transacciones en línea y de esa manera se van añadiendo datos. <br />Gran detalle de cada operación.<br />
  21. 21. Lógica<br />Product<br />Line<br />Customer<br />Type<br />Sales<br />Area<br />Product<br />Type<br />Customer<br />Sales<br />Rep<br />Product<br />Order<br />Header<br />Order<br />Line<br />El Diseño Transaccional es:<br /><ul><li>Orientado a aplicaciones con movimientos constantes.
  22. 22. Datos normalizados. Se busca ahorrar espacio de almacenamiento.
  23. 23. Datos volátiles
  24. 24. No existe sumarización de datos.
  25. 25. Grandes niveles de detalle.</li></li></ul><li>OLAP (Online AnalyticalProcess)<br />Tecnología que permite la explotación de datos en diferentes niveles organizacionales y periodos de tiempo<br />
  26. 26. Lógica<br />Product<br /><ul><li>Product Cd
  27. 27. Product Name
  28. 28. Product Type Cd
  29. 29. Product Type Desc
  30. 30. Product Line Cd
  31. 31. Product Line Name
  32. 32. Product Line Manager
  33. 33. Customer
  34. 34. Customer No
  35. 35. Customer Name
  36. 36. Customer Type Cd
  37. 37. Customer Type Desc</li></ul>Order<br /><ul><li>Customer No
  38. 38. Sales Rep Cd
  39. 39. Product Cd
  40. 40. Order Date
  41. 41. Order Qty
  42. 42. Order Line Value</li></ul>Organization<br /><ul><li>Sales Rep Cd
  43. 43. Sales Rep Name
  44. 44. Sales Area Cd
  45. 45. Sales Area Desc</li></ul>Date<br /><ul><li>Order Date
  46. 46. Week
  47. 47. Month
  48. 48. Year</li></ul>El Data Warehouse esta:<br /><ul><li>Orientado a áreas de la organización
  49. 49. Integrado
  50. 50. Los datos no son volátiles
  51. 51. Diversos niveles de detalle con sumarizaciónes.
  52. 52. Se disminuye la cantidad de ligas con modelos tipo estrella o copo de nieve.</li></li></ul><li>Lógica<br />Cantidad<br />25000<br />15000<br />5000<br />27000<br />20000<br />6000<br />2700<br />8000<br />19000<br />54700 <br />23000<br />6100<br />1800<br />7600<br />1200<br />2000<br />Variable<br />Sales<br />Expenses<br />Cost of goods<br />Sales<br />Expenses<br />Cost of goods<br />Sales<br />Expenses<br />Cost of goods<br />Sales<br />Sales<br />Expenses<br />Cost of goods<br />Sales<br />Expenses<br />Cost of goods<br />Meses<br />January<br />January<br />January<br />February<br />February<br />February<br />March<br />March <br />March<br />Qtr1<br />April<br />April<br />April<br />May<br />May<br />May<br />Productos<br />Large<br />Large<br />Large<br />Large<br />Large <br />Large<br />Large<br />Large<br />Large<br />Large<br />Medium<br />Medium<br />Medium<br />Medium<br />Medium<br />Medium<br />Como operan las B.D. Relacionales<br />Los datos se almacenan en tablas<br />
  53. 53. Lógica<br />Amount<br />25000<br />15000<br />5000<br />27000<br />20000<br />6000<br />2700<br />8000<br />19000<br />54700 <br />23000<br />6100<br />1800<br />7600<br />1200<br />2000<br />Variable<br />Sales<br />Expenses<br />Cost of goods<br />Sales<br />Expenses<br />Cost of goods<br />Sales<br />Expenses<br />Cost of goods<br />Sales<br />Sales<br />Expenses<br />Cost of goods<br />Sales<br />Expenses<br />Cost of goods<br />Months<br />January<br />January<br />January<br />February<br />February<br />February<br />March<br />March <br />March<br />Qtr1<br />April<br />April<br />April<br />May<br />May<br />May<br />Product<br />Large<br />Large<br />Large<br />Large<br />Large <br />Large<br />Large<br />Large<br />Large<br />Large<br />Medium<br />Medium<br />Medium<br />Medium<br />Medium<br />Medium<br />de esta estructuraa estase necesita …<br />Variable January February March April May June<br />Sales 25000 27000 24000 28000 30000 29000<br />Expenses 15000 20000 15000 17000 19000 14000<br />Cost of goods 5000 6000 5000 7000 7000 6000<br />
  54. 54. OLAP<br />Profit<br />Denver<br />Accounts by Product<br />Products by Time<br />Total Exp<br />LA<br />Margin<br />SF<br />Cogs<br />West<br />East<br />February<br />March<br />West<br />Actual<br />Actual<br />Budget<br />Budget<br />Actual<br />Actual<br />Budget<br />Budget<br />Jan<br />Sales<br />TV<br />Camera<br />Feb<br />TV<br />Mar<br />position only<br />position only<br />VCR<br />Qtr 1<br />Audio<br />Jan<br />Camera<br />Margin<br />VCR<br />Feb<br />TV<br />Mar<br />VCR<br />Qtr 1<br />Audio<br />Apr<br />Apr<br />Regions by Scenario<br />Products by Region<br />Mar<br />Mar<br />Feb<br />Feb<br />Jan<br />Jan<br />Actual<br />Budget<br />Sales<br />Margin<br />Sales<br />Sales<br />Margin<br />Margin<br />TV<br />TV<br />VCR<br />VCR<br />East<br />Actual<br />TV<br />East<br />West<br />Budget<br />South<br />Forecast<br />Total<br />Variance<br />East<br />Actual<br />West<br />VCR<br />West<br />Budget<br />South<br />Forecast<br />Total<br />Variance<br />Vista Multidimensional Poder observar los datos desde distintas perspectivas.<br />
  55. 55. Inteligencia de Negocios<br />Componentes de Business Intelligence<br /> Todas las soluciones de BI tienen funciones parecidas, pero deben de reunir al menos los siguientes componentes:<br />Multidimensionalidad<br />Data Mining<br />Agentes<br />Data Warehouse<br />
  56. 56. Inteligencia de Negocios<br />Multidimensionalidad: la información multidimensional se puede encontrar en hojas de cálculo, bases de datos, etc.<br />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.<br />
  57. 57. Modelado de Datos Multidimensional<br /><ul><li>Tabla de Dimensiones</li></ul>Ubicación <br />Tiempo<br />Mercado<br />Productos<br /><ul><li>Tablas de Hechos</li></ul>Definición de Eventos<br />
  58. 58. Análisis de Datos<br />Modelado de Datos Multidimensional<br /><ul><li>Mercado .- Localización de una Sucursal o Agencia (Calle, Colonia, Delegación o Municipio) </li></ul>tres niveles de detalle<br /><ul><li>Tiempo .- Día de Facturación, Día de Entrega a Sucursales o Agencias, Día de Entrega al Consumidor</li></ul> tres niveles de detalle<br /><ul><li>Producto .- Suministro de Energía Eléctrica Monofásica, Bifásica y Trifásica</li></ul>tres niveles de detalle<br />
  59. 59. Modelado de Datos Multidimensional<br />Sucursal Centro<br />V. Carranza 24<br />Col. Centro<br />Fases(1) 1175 Reg.<br />Facturación<br />Fases(2) 9 Reg.<br />Bloque 33<br />Fases(3) 26 Reg.<br />Registros Facturados<br />1210<br />
  60. 60. Inteligencia de Negocios<br />Data Mining.- Las empresas suelen generar grandes cantidades de información sobre sus procesos productivos, desempeño operacional, mercados y clientes.<br />Las aplicaciones de data mining pueden identificar tendencias y comportamientos, no sólo para extraer información, sino también para descubrir las relaciones en bases de datos que pueden identificar comportamientos que no muy evidentes.<br />
  61. 61. Inteligencia de Negocios<br />Agentes: Los agentes son programas que piensan. Ellos pueden realizar tareas a un nivel muy básico sin necesidad de intervención humana.<br />Por ejemplo, un agente pueden realizar tares un poco complejas, como elaborar documentos, establecer diagramas de flujo, etc.<br />
  62. 62. Inteligencia de Negocios<br />Data Warehouse: Es la respuesta de la tecnología de información a la descentralización en la toma de decisiones.<br /> Coloca información de todas las áreas funcionales de la organización en manos de quien toma las decisiones. También proporciona herramientas para búsqueda y análisis.<br />
  63. 63. Data Warehouse<br /><ul><li>Un Data Warehouse es un almacenamiento separado y homogéneo donde son cargados datos transformados provenientes de diferentes bases de datos. </li></li></ul><li>Data Warehouse<br /><ul><li>Colección integrada de información corporativa diseñada para la recuperación y el análisis en apoyo a los procesos de toma de decisiones.
  64. 64. Una sola visión de la información de su empresa.
  65. 65. Múltiples y ambiguas definiciones habrían sido eliminadas...
  66. 66. “Mecanismo para entregar información de negocios integrada”.</li></li></ul><li>¿Cómo justificar la inversión en un data warehouse?<br />- ¿Están las ventas de artículos deportivos sujetas a tendencias por temporada? ¿Qué artículos se ven afectados y cuándo?- ¿Cuántos autos se vendieron el mes pasado? ¿Cómo se compara esta cantidad con el mismo mes en los últimos cinco años?- ¿Quiénes son los diez primeros vendedores o clientes en Latinoamérica? ¿Qué porcentaje del ingreso generan?- ¿Cuáles son los diez artículos de menor rentabilidad en el catálogo de ventas?<br />
  67. 67. Ventajas - Data Warehouse<br /><ul><li>Datos de toda la compañía, organizados para facilitar las consultas más analíticas que transaccionales.
  68. 68. Los procesos de transformación han sido aplicados a los datos para permitir un tiempo de respuesta mínimo a las consultas.
  69. 69. Modelo de datos multidimensional para hacer más fácil la navegación y explotación de datos.
  70. 70. La administración de la seguridad está centralizada para garantizar la necesidad de información dependiendo del perfil de los usuarios.</li></li></ul><li>Datamart<br />Un subconjunto del Data Warehouse para cierto grupo de usuarios o funciones del negocio.<br />
  71. 71. Datamart<br /><ul><li>Qué es
  72. 72. Es una parte de un DWH
  73. 73. De un fin específico o actividad de negocio
  74. 74. Una solución táctica
  75. 75. Porqué construir un Datamart
  76. 76. Consultas más rápidas y menos usuarios
  77. 77. Tiempo de desarrollo más rápido
  78. 78. Datamarts integrados
  79. 79. Asegurar la consistencia de datos
  80. 80. Requiere de una planeación avanzada</li></li></ul><li>Extracción de información<br />Análisis y definición del alcance<br />Mapeo de datos<br />Creación de vistas ejecutivas<br />Transformación de información<br />Creación de cubosmultidimensionales<br />Capacitación a usuarios y sistemas<br />Documentación<br />Proceso de desarrollo<br />

×