Tesis Prototipo de Sistema de Inteligencia de Negocios

  • 4,314 views
Uploaded on

Tesis Final de Grado para Acceder al Titulo de Ing. en Informática.

Tesis Final de Grado para Acceder al Titulo de Ing. en Informática.

More in: Education
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
No Downloads

Views

Total Views
4,314
On Slideshare
0
From Embeds
0
Number of Embeds
1

Actions

Shares
Downloads
352
Comments
2
Likes
3

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. Ingeniería en Informática Tesis de Grado Prototipo de Sistema de Inteligencia de Negocios utilizando Minería de Datos sobre Software Libre Nicolás Chávez Christian Bavera Tutor: Lic. Denise Riveros Asunción – Paraguay 2.013
  • 2. RESUMEN El propósito de este proyecto fue demostrar la factibilidad de la realización de un prototipo de solución de Inteligencia de Negocios basado en software libre y minería de datos, enfocado a dar soporte a la toma de decisiones estratégicas del Grupo Flayp, ya que sus empresas almacenan sus datos en fuentes y formatos diferentes. Para ello se relevaron los sistemas actuales,procesos, requerimientos y tecnologías vigentes. Logrando la concreción del prototipo, utilizando para ello las herramientas disponibles bajo licencia de software libre. Evidenciando que estas herramientas, son una alternativa válida para soluciones de este tipo, sin la necesidad de incurrir en gastos por el pago de licencias de software propietario. Palabras Claves: inteligencia de negocios, software libre, minería de datos.
  • 3. DEDICATORIA Dedico este esfuerzo personal y este logro académico y profesional: A mis padres Nicolás y María del Carmen, quienes con su ejemplo me enseñaron que todo es posible si uno se propone, sin ellos, jamás hubiese podido conseguir este objetivo A mis hermanos, compañeros de clases y amigos, porque de ellos también he aprendido. Nicolás Chavez Espínola A mis padres, porque siempre creyeron en mí y porque me sacaron adelante, dándome ejemplos dignos de superación y entrega, porque en gran parte gracias a ustedes, hoy puedo ver alcanzada mí meta. A mi familia, por ser soporte fundamental en las etapas complicadas, que fueron muchas. A mi novia, por comprenderme y apoyarme siempre y en todo momento. A mis compañeros de la facultad, que compartieron esta carrera que por momentos parecía infinita. A todos, espero no defraudarlos y contar siempre con su valioso apoyo, sincero e incondicional. Todo este trabajo ha sido posible gracias a ellos. Christian Bavera
  • 4. AGRADECIMIENTOS Primero antes que nada, damos gracias a Dios, por estar con nosotros en cada paso que dimos, por fortalecer nuestros corazones e iluminar nuestras mentes y haber puesto en nuestro camino a aquellas personas que han sido soporte y compañía durante todo el periodo de estudio. A nuestros profesores quienes nos han enseñado a ser mejores en la vida y a realizarnos profesionalmente. Un agradecimiento especial a nuestra asesora la Lic. Denise Riveros por hacer posible esta tesis. A los compañeros de clases quienes nos acompañaron en esta trayectoria de aprendizaje y conocimientos. Al Grupo Flayp, por permitirnos realizar este proyecto, poniéndose a nuestra disposición y brindándonos todas las facilidades desde el primer al último día en que así lo requerimos En general quisiéramos agradecer a todas y cada una de las personas que han vivido con nosotros la realización de esta tesis.
  • 5. ÍNDICE CAPITULO 1 - INTRODUCCIÓN ..................................................................... 13 1.1. Planteamiento del Problema ................................................................... 13 1.2. Necesidad de estudiar el problema. ........................................................ 14 1.3. Significación del problema ..................................................................... 14 1.4. Delimitación del problema...................................................................... 14 1.5. Objetivos de la Tesis: .............................................................................. 15 1.5.1. Objetivo General............................................................................. 15 1.5.2. Objetivos Específicos...................................................................... 15 1.6. Definición de términos............................................................................ 16 1.7. Presentación del esquema ....................................................................... 17 CAPITULO 2–MARCO TEÓRICO..................................................................... 19 2.1. El valor de la información....................................................................... 19 2.2. Necesidad de información y conocimiento en la empresa...................... 20 2.3. La información que las empresas necesitan............................................ 21 2.4. Las organizaciones y los distintos sistemas de información................... 24 2.5. Definición de Inteligencia de Negocios.................................................. 26 2.6. Los usuarios de las soluciones de Inteligencia de Negocios................... 27 2.7. Historia de la Inteligencia de Negocios .................................................. 28 2.8. Características de la Inteligencia de Negocios........................................ 30 2.9. Componentes de una solución de Inteligencias de Negocios ................. 31 2.9.1. Las fuentes de información a las que se puede acceder son: .......... 32 2.9.2. Proceso de extracción, transformación y carga............................... 33 2.9.3. Data warehouse............................................................................... 35 2.9.4. Herramientas de acceso de la Inteligencia de Negocios ................. 40 2.10. Principales herramientas de la Inteligencia de Negocios........................ 42 2.11. Minería de datos...................................................................................... 43 2.11.1. Conceptos e historia de la minería de datos ................................ 43 2.11.2. Los fundamentos de la minería de datos. .................................... 45 2.11.3. Objetivos de la minería de datos ................................................. 45 2.11.4. Entorno de la minería de datos.................................................... 46 2.11.5. El alcance de la minería de datos ................................................ 47 2.12. Reseña histórica del Grupo Flayp........................................................... 47 2.13. Reseña histórica del software libre ......................................................... 50
  • 6. 2.13.1. Richard Stallman y el proyecto GNU.......................................... 50 2.13.2. Software Libre ............................................................................. 52 2.13.3. Libertades básicas del software libre........................................... 54 2.13.4. Software libre y software de código abierto ................................ 55 2.13.5. Tipos de licencias de software libre............................................. 58 CAPÍTULO 3– MARCO METODOLÓGICO ..................................................... 60 3.1. Descripción de la profundidad y el diseño de la Tesis:........................... 60 3.2. Descripción de cómo se realizó la Tesis ................................................. 61 3.2.1. Relevamiento de datos .................................................................... 62 3.2.2. Análisis de datos ............................................................................. 62 3.2.3. Diseño ............................................................................................. 63 3.2.4. Desarrollo........................................................................................ 64 3.2.5. Prueba.............................................................................................. 65 3.2.6. Implementación............................................................................... 65 3.3. Descripción de los instrumentos y procedimientos utilizados para la recolección y tratamiento de la información..................................................... 66 3.4. Descripción de la muestra....................................................................... 66 3.5. Relevamiento .......................................................................................... 67 3.5.1. Relevamiento de procesos............................................................... 67 3.5.2. Relevamiento de Estructura de Datos ............................................. 71 3.5.3. Relevamiento de Necesidades......................................................... 71 3.5.4. Relevamiento tecnología actual del Grupo Flayp ........................... 72 3.5.5. Relevamiento Sistemas gestores de Bases de Datos....................... 72 3.5.6. Relevamiento algoritmo de minería de datos.................................. 75 3.5.7. Relevamiento de sistemas operativos ............................................. 78 3.5.8. Relevamiento de herramientas de Inteligencia de Negocios........... 79 3.6. Análisis ................................................................................................... 81 3.6.1. Análisis de requerimientos.............................................................. 81 3.6.2. Análisis de procesos........................................................................ 83 3.6.3. Análisis de estructura de datos........................................................ 84 3.6.4. Análisis de herramientas de Inteligencia de Negocios.................... 85 3.6.5. Análisis de sistemas gestores de bases de datos.............................. 86 3.6.6. Análisis de tecnología actual del Grupo Flayp ............................... 87 3.6.7. Análisis de algoritmo de minería de datos ...................................... 87 3.6.8. Análisis de sistemas operativos....................................................... 88 3.6.9. Análisis de factibilidad económica ................................................. 90
  • 7. 3.7. Diseño ..................................................................................................... 91 3.7.1. Diseño del data warehouse ............................................................. 91 3.7.2. Diseño del proceso ETL.................................................................. 93 3.7.3. Diseño de reportes........................................................................... 98 3.7.4. Diseño de cubos multidimensionales............................................ 101 3.7.5. Diseño de cuadros de mandos....................................................... 105 3.7.6. Diagramas casos de uso ................................................................ 107 3.7.7. Diagrama de actividades ................................................................110 3.7.8. Diagramas de secuencia .................................................................112 3.7.9. Diagrama de arquitectura de Pentaho Open BI Suite.....................114 3.7.10. Arquitectura del prototipo de solución de Inteligencia de Negocios. 116 3.8. Desarrollo del prototipo.........................................................................117 3.8.1. Desarrollo del data warehouse.......................................................117 3.8.2. Desarrollo de proceso ETL ............................................................118 3.8.3. Desarrollo de minería de datos...................................................... 125 3.8.4. Desarrollo de reportes ................................................................... 127 3.8.5. Desarrollo de cubos multidimensionales ...................................... 130 3.8.6. Desarrollo de cuadros de mandos ................................................. 133 3.9. Prueba de prototipo............................................................................... 136 3.10. Implementación del Prototipo............................................................... 143 3.10.1. Implementación de ETL y Data warehouse.............................. 143 3.10.2. Implementación de Pentaho Open BI Server ............................ 144 3.10.3. Implementación de consola de administración de usuarios Pentaho 148 3.10.4. Implementación de reportes ...................................................... 150 3.10.5. Implementación de los cubos multidimensionales.................... 152 3.10.6. Implementación de cuadros de mandos..................................... 153 CAPÍTULO 4– RESULTADOS.......................................................................... 154 CAPÍTULO 5 - CONCLUSIONES ................................................................... 155 CAPÍTULO 6- RECOMENDACIONES........................................................... 156 BIBLIOGRAFÍA ................................................................................................ 157 ANEXOS ............................................................................................................ 159
  • 8. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 8 LISTA DE TABLAS Tabla 1: Diferencias entre sistemas OLTP y OLAP. ............................................. 39 Tabla 2: Infraestructura actual de las empresas..................................................... 72 Tabla 3: Datos de ejemplo..................................................................................... 77 Tabla 4: Descripción del algoritmo backpropagation........................................... 77 Tabla 5: Comparativa herramientas de Inteligencia de Negocios......................... 85 Tabla 6: Comparativa de SGBD............................................................................ 86 Tabla 7: Comparativa de algoritmos de minería de datos..................................... 88 Tabla 8: Comparativa de sistemas operativos ....................................................... 89 Tabla 9: Cuadro de costos ..................................................................................... 90 Tabla 10: Mapeo de tabla inter_articulos_viru...................................................... 94 Tabla 11: Mapeo de tabla dw_articulos................................................................. 94 Tabla 12: Mapeo de tabla dw_clientes.................................................................. 94 Tabla 13: Mapeo de tabla dw_campañas_actuales................................................ 94 Tabla 14: Mapeo de tabla clonado_dbf_viru......................................................... 95 Tabla 15: Mapeo de tabla inter_pedido_avon ....................................................... 96 Tabla 16: Mapeo de tabla inter_pedido_viru ........................................................ 96 Tabla 17: Mapeo de tabla inter_ventas_avon........................................................ 96 Tabla 18: Mapeo de tabla inter_ventas_viru ......................................................... 97 Tabla 19: Mapeo de tabla dw_hechosventas......................................................... 97 Tabla 20: Mapeo de tabla dw_hechospedidos....................................................... 98 Tabla 21: Análisis cubo ventas por campaña, división, categoría y empresa. .... 104
  • 9. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 9 LISTA DE FIGURAS Figura 1: Pirámide de usuarios de un sistema de Inteligencia de Negocios ......... 28 Figura 2: Componentes de Inteligencia de Negocios............................................ 31 Figura 3: Fuentes de información. ........................................................................ 33 Figura 4: Data warehouse..................................................................................... 36 Figura 5: Data marts............................................................................................. 38 Figura 6: Herramientas de acceso. ........................................................................ 40 Figura 7: DER Hechos Pedidos............................................................................. 92 Figura 8: DER Hechos Ventas............................................................................... 93 Figura 9: DER Proyección .................................................................................... 93 Figura 10: Ventas por campañas por zonas........................................................... 99 Figura 11: Reporte proyección de ventas............................................................ 100 Figura 12: Dimensión artículos........................................................................... 101 Figura 13: Dimensión campaña .......................................................................... 102 Figura 14: Dimensión clientes ............................................................................ 102 Figura 15: Dimensión campaña .......................................................................... 103 Figura 16: Hechos pedidos.................................................................................. 103 Figura 17: Hechos Ventas.................................................................................... 103 Figura 18: Estructura del cuadro de mando ........................................................ 105 Figura 19: Arquitectura lógica del cuadro de mando.......................................... 106 Figura 20: Caso de uso usuario........................................................................... 107 Figura 21: Caso de uso administrador-consola ................................................... 108 Figura 22: Caso de uso administrador – servidor ............................................... 108 Figura 23: Caso de uso administrador – informes .............................................. 109 Figura 24: Diagrama de Actividades usuario.......................................................110 Figura 25: Diagrama de actividades administrador - usuarios.............................111 Figura 26: Diagrama de actividades administrador - servidor.............................111 Figura 27: Diagrama de actividades administrador – informes ...........................112 Figura 28: Diagrama de secuencia – consulta de reporte y cubo.........................113 Figura 29: Diagrama de secuencia crear usuario .................................................113 Figura 30: Diagrama de secuencia administrar prototipo ....................................114 Figura 31: Arquitectura Pentaho Open BI Suite ..................................................115 Figura 32: Arquitectura de Inteligencia de Negocios...........................................117 Figura 33: Data warehouse en PhpMyAdmin .....................................................118
  • 10. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 10 Figura 34: Transformación selección de campaña a cargar .................................119 Figura 35: Transformación inter_ventas_viru..................................................... 120 Figura 36: Transformación limpieza de clonado_dbf_viru................................. 120 Figura 37: Transformación borrado hechos_ventas viru..................................... 121 Figura 38: Transformación cargado de tabla hechos_ventas_viru...................... 121 Figura 39: Trabajo general de cargado dw_hechosventas fuente Viru................ 122 Figura 40: Transformación cargado de tabla inter_ventas_avon ........................ 123 Figura 41: Transformación borrado dw_hechosventas ....................................... 123 Figura 42: Transformación cargado dw_hechosventas....................................... 124 Figura 43: Trabajo general de cargado hechos_ventas Fuente Flayp ................. 125 Figura 44: Desarrollo reporte ventas por campañas por zonas ........................... 129 Figura 45: Reporte de proyección de ventas....................................................... 130 Figura 46: Estructura de los cubos...................................................................... 131 Figura 47: Capas de CDE.................................................................................... 134 Figura 48: Definición de estructura..................................................................... 134 Figura 49: Estructura de CDM............................................................................ 135 Figura 50: Origen de datos.................................................................................. 135 Figura 51: Selección de archivos dbf Virú.......................................................... 137 Figura 52: Cargado de tabla intermedia inter_ventas_viru................................. 138 Figura 53: Borrado de dw_hechosventas ............................................................ 138 Figura 54: Cargado de dw_hechosventas............................................................ 139 Figura 55: Trabajo hechos ventas fuente dbf ...................................................... 140 Figura 56: Cargado de la tabla inter_ventas_avon.............................................. 141 Figura 57: Borrado hechos ventas Flayp S.R.L. ................................................. 141 Figura 58: Hechos ventas fuente MySQL........................................................... 142 Figura 59: Trabajo hechos ventas fuente MySQL............................................... 143 Figura 60: Descarga de Bussines Intelligence Server ......................................... 145 Figura 61: Inicio del servicio Apache. ................................................................ 146 Figura 62: Instalación de Pentaho Bussines Intelligence Server......................... 146 Figura 63: Pantalla de inicio de sesión en la consola de usuario de Pentaho...... 147 Figura 64: Consola de usuario Pentaho............................................................... 147 Figura 65: Consola de administración de usuarios ............................................. 149 Figura 66: Administración de fuentes de datos................................................... 150 Figura 67: Publicación del reporte ventas por campaña por zonas..................... 151 Figura 68: Publicación reporte de ventas por zonas............................................ 151 Figura 69: Cubo de ventas .................................................................................. 152
  • 11. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 11 Figura 70: Participación en facturación por empresas ........................................ 153
  • 12. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 12 LISTA DE SÍMBOLOS O ABREVIATURAS OLTP:Online Transaction Processing OLAP:On-Line Analytical Processing ETL:Estract, Transform and Load ERP:Enterprise Resource Planning CRM:Customer Relationship Management KDD:Knowledge Discovery in Databases VPN:Virtual Private Network GNU:GNU is Not Unix FSF:Free Software Foundation GPL:General Public Licence OSI:Open Source Initiative PDI: Pentaho Data Integration SGBD: Sistema Gestor de Base de Datos TI: Tecnología de Información DDL:Data Definition Language DML: Data Manipulation Language TCT/IP: Transmission Control Protocol Internet Protocol
  • 13. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 13 CAPITULO 1 - INTRODUCCIÓN 1.1. Planteamiento del Problema El Grupo Flayp está compuesto por varias empresas, cada una de ellas cuenta con diferentes sistemas de información para realizar sus procesos de negocio, las mismas generan y almacenaninformaciónen distintos formatos y en gran volumen. Con toda esta acumulación de información diversificada,resulta dificultoso para los gerentes tener una imagen precisa de la información más importante para las empresas del Grupo y más aún para el directorio, quien tiene a su cargo la dirección general Grupo. A esto debemos sumarle, que ninguna de las empresas cuenta con un sistema generador automático de informes, y que los mismos son preparados sobre pedido, con todo lo que esto implica. El reto de este proyecto consiste en brindar un prototipo de solución de Inteligencia de Negocios capaz de transformar los datos en información útil, de manera que los gerentes y directores puedan utilizar dicha información para incrementar la rentabilidad de las empresas. Brindándoles un soporte en el cual respaldar la toma de decisiones estratégicas.
  • 14. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 14 1.2. Necesidad de estudiar el problema. El hecho de tener una gran cantidad de datos acumulados, no representa necesariamente tener una gran cantidad de información, y que dicha información sea o no relevante para la empresa, depende en gran medida de la forma y calidad en la que esta llegue a los tomadores de decisiones, la Inteligencia de Negocios tiene como uno de sus ejes principales lograr esto, ayudar a comprender mejor el comportamiento de la empresa, esto da pie para para realizar un estudio e implementar soluciones, haciendo uso de herramientas tecnológicas actuales, siguiendo tendencias y estándares en las áreas de la informática. 1.3. Significación del problema La importancia de este proyecto radica en lograr la implementación de un prototipo de solución de Inteligencia de Negocios que sea capaz de unificar los datos que se encuentran en distintos formatos, provenientes de las dos empresas Flayp S.R.L. y Virú S.R.L., pertenecientes al Grupo Flayp y lograr entre otras cosas, brindar información cohesionada, fiable y útil. 1.4. Delimitación del problema La presente tesis se limita al desarrollo de un prototipo de solución de Inteligencia de Negocios para los departamentos de Ventas y Marketing de las empresas Flayp S.R.L. y Virú S.R.L., integrantes del Grupo Flayp,
  • 15. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 15 en función a los requerimientos de información solicitadas por dichas áreas para los procesos de ventas y pedidos. En cuanto a los datos si bien en un principio se pretendía acceder a toda la información del Grupo Flayp, las personas a cargo accedieron a prestar los datos de forma parcial, haciendo énfasis en la importancia de mantener la confidencialidad de los mismos y que fueran utilizados exclusivamente para fines académicos. 1.5. Objetivos de la Tesis: 1.5.1. Objetivo General Implementar un prototipo de Sistema de Inteligencia de Negocios usando Minería de Datos sobre Software Libre. 1.5.2. Objetivos Específicos a) Relevar todos los procesos administrativos y de negocio de las empresas. b) Relevar software, hardware y tipos de informes. c) Analizar software, hardware y tipos de informes. d) Definir los tipos de informes de acuerdo al perfil y las necesidades de cada usuario. e) Diseñar, desarrollar, probar e implementar prototipo de solución de Inteligencia de Negocios.
  • 16. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 16 f) Documentar ciclo de vida del prototipo de solución de Inteligencia de Negocios. g) Realizar la demostración del funcionamiento del prototipo. 1.6. Definición de términos Servidor:Máquina conectada a Internet que entre otros servicios ofrece alojamiento para páginas web haciendo que estén accesibles desde cualquier punto de Internet. Data Warehouse: Colección de datos orientado a un ámbito determinado (empresa, organización, etc.) sus características son no volátil, integrado y variable en el tiempo. Data Marts: Es una versión especial de data warehouse, son subconjuntos de datos con la finalidad de ayudar a la toma de decisiones dentro de un área específica en la organización. Minería de Datos:La integración de un conjunto de áreas que tienen como propósito la identificación de un conocimiento obtenido a partir de las bases de datos que aporten una guía para la toma de decisiones. Inteligencia de Negocios:Es unconjunto de tecnologías que tienen un fin común con el principal objetivo que es la de servir como soporte para la toma de decisiones. Cuadros de Mando:Es una herramienta de gestión que facilita la toma de decisiones, recoge un conjunto coherente de indicadores que proporciona a los niveles gerenciales una visión comprensible del negocio de manera gráfica. Software Libre: se refiere al tipo de licencias de software que garantiza la libertad de los usuarios para ejecutar, copiar, distribuir, estudiar, cambiar y mejorar el software. Open Source: Es el termino con el que se conoce al software distribuido y desarrollado libremente.
  • 17. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 17 Consultas Adhoc:Se refiere a las consultas elaboradas específicamente para un fin preciso y por lo tantono generalizable ni utilizable para otros propósitos. Copyleft: Es un método general para hacer un programa o software libre, exigiendo que todas las versiones modificadas y extendidas del mismo sean también libres. 1.7. Presentación del esquema En el Capítulo I – Introducción:se presenta el contenido de la tesis, la definición del problema de la investigación, la justificación de la necesidad del estudio y los objetivos. En el Capítulo II - Marco Teórico: en este capítulo se realiza una descripción de la importancia y el valor de la información en las empresas, y el concepto de la Inteligencia de Negocios, donde se mencionan sus principales componentes como lo son el data warehouse,On-Line Analytical Processing (en adelante OLAP), Extract, Transform and Load (en adelante ETL) y minería de datos, además se muestran los principios claves de estas tecnologías, también se hace referencia al concepto de software libre y por último se presenta al Grupo Flayp, ya que es este el lugar elegidopara llevar adelante este trabajo de grado, todas estas secciones son para una mejor comprensión de lo que se pretende lograr con este proyecto. En el Capítulo III - Marco Metodológico:se trata sobre la metodología utilizada en este trabajo, tipo de investigación y los detalles de la realización. El mismo se encuentra dividido en 6 partes. En la primera se
  • 18. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 18 describen los métodos utilizados para el relevamiento de los requerimientos, datos, procesos, tecnología y herramientas. En la segunda parte se analizan los datos relevados seleccionando los inherentes al proyecto, también se analiza el modelo de datos de los sistemas actuales, y se seleccionan aquellos que serán utilizados para el modelado de datos del datawarehouse, además se realiza una comparación entre las diferentes opciones de herramientas de inteligencia de negocios. En la tercera se realizan los diseños deldata warehouse, los procesos de ETL, los distintos tipos de informes y los diagramas necesarios para la realización del proyecto. En la cuarta parte se desarrolla el prototipo. En la quinta se realizan las pruebas del prototipo. En la sexta y última etapa se realiza la implementación del prototipo. En el Capítulo IV – Resultados: se describen los resultadosobtenidos, demostrando la factibilidad de la implementación de un prototipo de solución de Inteligencia de Negocios sin incurrir en gastos en cuanto a licencias de software. En el Capítulo V – Conclusiones:se presenta la síntesis de los objetivos y la conclusión del trabajo.
  • 19. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 19 CAPITULO 2–MARCO TEÓRICO 2.1. El valor de la información En la actualidad, cuya característica más importante, se basa en un crecimiento a gran escala de las tecnologías de la información y las telecomunicaciones, los activos más valiosos de una empresa pasan a ser los conocimientos, habilidades, valores y actitudes de sus empleados. Partiendo de la premisa de que el conocimiento sobre un tema determinado y su optima utilización, se convierte en un factor determinante para el éxito en el mundo empresarial. El capital intelectual ha desplazado a los factores tradicionales, como ser la producción, el capital, la tierra oel trabajo, como principal elemento a la hora de generar valor económico para la empresa, tal como se desprende del planteamiento de Cohen y Asín (2.000). Todas las compañías de alguna manera han adoptado un modelo del mundo de negocios sustentado en la información, como por ejemplo: ¿qué factores influyen en la compra y la demanda?, ¿cómo hallar las oportunidades de negocio?, ¿existe directa relación entre la calidad del producto y la demanda de los clientes? A medida que la exactitud de esta información crece, la capacidad de la empresa por competir se incrementa en forma proporcional. La información puede transformarse en conocimiento tácito o explícito. Se entiende por conocimiento tácito aquel que poseen las personas producto de la experiencia adquirida, los estudios y la educación;
  • 20. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 20 mientras que los conocimientos explícitos son aquellos almacenados en bases de datos. Un ejemplo claro es aquel que se produce cuando una persona cambia de empleo, esta se está llevando consigo información, conocimientos y está ofertando su capacidad intelectual por un mayor precio; en el ámbito laboral, la experiencia y la educación son factores claves para aumentar el costo de la fuerza del trabajo intelectual. Así mismo, el hecho de que un sistema que maneja información, eventualmente falle, indefectiblemente generará pérdidas a la empresa. Es una clara tendencia que las empresas están apostando fuertemente por la tecnología y las personas, para que en conjunto tengan un conocimiento suficiente que logre acercar la visión interna de ambos a la realidad exterior, en la misma medida que la brecha entre la visión interna y la realidad exterior disminuye, se consigue tomar decisiones más acertadas y en menos tiempo. Lo que busca esta tendencia es acercar lo máximo posible el mundo real a la visión interna para generar mayores ganancias, convirtiendo la información en utilidad y darle un valor a la información. 2.2. Necesidad de información y conocimiento en la empresa Desde el mismo instante en que las empresas iniciaron el proceso de acumular los datos de sus operaciones en medios de almacenamiento físico, y de esa forma conseguir una mejor administración y control de dicha información, ha surgido la necesidad de utilizarla para entender las necesidades particulares del negocio. En un mercado altamente competitivo, donde muchas marcas ofrecen productos similares, los clientes tienen una amplia gama de posibilidades para la elección del producto. Para obtener una porción del mercado, es indispensable para las
  • 21. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 21 empresas, tener la suficiente capacidad de transformar la información acumulada en conocimiento. La necesidad de información en las empresas no surge de un día para el otro, el propósito de almacenar los datos radica en su utilización en algún momento, cuando así se requiera, caso contrario, cualquier dato de control sería desechado instantáneamente. Lo que si surge súbitamente, es la imperiosa necesidad de dar respuesta rápida a los requerimientos de información para la toma de decisiones y ayudar a mejorar de alguna manera los procesos internos de negocio. 2.3. La información que las empresas necesitan En la actualidad las organizaciones demandan información en los niveles donde anteriormente la administración se basaba meramente en la intuición y el sentido común para la toma de decisiones. Los mercados dinámicos obligan a las empresas a que la información estratégica esté disponible en las computadoras de los directivos y/o gerentes, esta práctica se ha generalizado principalmente motivada por la mayor utilidad que se obtiene de la información compartida. Hoy en día la información está presente en todos los niveles de la organización con propósitos diferentes (comunicación, control, administración, evaluación, etc.) ayudando a la correcta y oportuna toma de decisiones desde el nivel gerencial, hasta el nivel operativo de la organización. Las empresas han entendido que a pesar de que los niveles directivos tienen una gran responsabilidad al tomar decisiones, por el peso que conllevan las mismas, existen también personas que toman decisiones
  • 22. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 22 y a pesar de que éstas no tienen un impacto global, deben ser de igual manera correctas y oportunas. Directores, gerentes, jefes y todos aquellos que toman decisiones deben contar con la suficiente información para respaldar su trabajo cotidiano, la posición que ocupen en la pirámide organizacional se torna secundaria cuando la mirada es hacia la gestión de los procesos y como así también los puestos que tienen cierta relación y dependencia entre sí. De modo general en una pirámide organizacional, los requerimientos informativos se dividen en tres niveles:  Información Estratégica  Información Táctica  Información Técnico Operacional. Información Estratégica: está pensada principalmente para ayudar a la toma de decisiones de las áreas gerenciales para alcanzar la misión empresarial. Se caracteriza porque son sistemas con poca carga diaria de trabajo y sin una gran cantidad de datos, sin embargo, la información que guarda está relacionada a un contexto cualitativo más que cuantitativo, que puede indicar cómo evolucionará en el futuro, el criterio es distinto, pero sobre todo es distinta su delimitación. Se asocia esta información a los niveles ejecutivos de las empresas. Es importante señalar que la información estratégica se nutre de grandes cantidades de datos de áreas relacionadas y no se enfoca puntualmente en una sola dirección, de ahí que las decisiones que puedan ser tomadas tienen un impacto directo en toda la organización.
  • 23. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 23 Información Táctica: este tipo de información es la que soporta la coordinación de actividades y el nivel operativo de la estrategia, es decir, se analizan opciones y se trazan rutas posibles para alcanzar la estrategia definida por la dirección de la empresa. Se facilita la gestión independiente de la información por parte de los niveles intermedios de la organización. Este tipo de información es extraída puntualmente de un área o sección de la organización, por lo que su alcance es local y se asocia habitualmente a las gerencias. Información Técnico Operacional: hace referencia a las operaciones diarias que son efectuadas de modo rutinario en las corporaciones mediante la transacción masiva de datos y sistemas transaccionales. Las cargas son cotidianas y soportan la actividad de la empresa día tras día (contabilidad, facturación, almacén, presupuesto, etc.). Generalmente se asocia esta información con los jefes de área o las coordinaciones operativas, también llamadas de tercer nivel. Podemos considerar entonces factores internos y externos de una empresa y así concluir que los requerimientos en la actualidad se orientan a descubrir y mejorar los beneficios de toda la cadena corporativa. Dichos requerimientos se ven reflejados en el interés por tener a mano los indicadores que arrojen información concreta y clave para determinada área de la empresa, y en el menor tiempo posible. La clara tendencia es que las áreas gerenciales necesitan en su mesa de trabajo, la información clave de su empresa; en todos los niveles el requerimiento es parecido, aunque es evidente que tendrá objetivos diferentes.
  • 24. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 24 2.4. Las organizaciones y los distintos sistemas de información Para que una empresa esté completamente automatizada es necesario contar con una gran infraestructura en tecnologías para que soporte todos los sistemas de información. El crecimiento en tecnología puede tener distintos orígenes partiendo desde la implementación, crecimiento, ampliación, mantenimiento, etc. Las necesidades actuales de las empresas han provocado contar con tecnología de la informaciones más sofisticados para responder a cada una de sus peticiones de información, esto impulsó a que las compañías adquieran distintos tipos de sistemas de informaciones, entre estos sistemas podemos mencionar a los OnLine Transaction Processing(en adelante OLTP), Planificación de Recursos Empresariales(en adelante ERP), Sistemas de Soporte para la toma de decisiones (en adelante DSS), Administración de la Relación con Clientes (en adelante CRM), etc. Estos sistemas siempre están utilizando bases de datos para almacenar la información generada, las mismas se utilizan como soporte para la toma de decisiones en las empresas. Existen empresas que precisan información de una actividad específica, un ejemplo seria los Sistemas ERP (Planificación de Recursos Empresariales) son sistemas muy complejos y grandes donde un alto porcentaje de su contenido dedica a los procesos de producción, si una empresa se dedica a las bienes raíces, sería ilógico adquirir un sistema de alta complejidad y costoso como las ERP que no va a dar una solución a las necesidades de la empresa. Para empresas como estas, existen desarrollos de soluciones en el mercado comercializado como productos que pueden ser configurados en una organización en particular de acuerdo a sus necesidades, que dan soluciones a requerimientos específicos para
  • 25. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 25 cada industria. Hay en el mercado, software para distintos tipos de empresas como automotriz, hotelería, comercios, educativos entre otros. Son distintas las herramientas utilizadas debido a que las actividades de misión crítica que soportan cada una de las organizaciones son diferentes, y por ende también son distintos los tipos de información que puede solicitar un directivo en cada una de las organizaciones, lo cual justifica que existan muchos productos de software dedicados a explotar la información de las bases de datos que no tienen características estándares, sino más bien son adaptables según las exigencias. Considerando las necesidades que se presentan en cada actividad. La información que se genera en una empresa u organización está destinada a responder a diversos tipos de preguntas de los usuarios, de ahí nace la necesidad que existan sistemas de información para requerimientos muy específicos que permitan la recolección y el manejo de los datos. La estructura organizacional de una empresa es un factor importante para determinar la información que comúnmente es requerida por los funcionarios. Los sistemas de procesamiento de datos (OLTP) utilizan medios de almacenamiento y técnicas para el cargado. Un alto porcentaje de las empresas recurren a los OLTP para guardar grandes cantidades de datos con un tiempo de respuesta corto en los miles de transacciones realizadas cotidianamente, sin embargo, su eficiencia no son las consultas masivas de grandes cantidades de información y mucho menos el análisis de la misma.
  • 26. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 26 La tecnología tuvo que adaptar los medios necesarios para que sean eficientes en el ámbito específico de aplicación, así como para el diseño de estructuras de datos que ordenen la información como se desea, como en las herramientas o software que dan soluciones oportunas a los usuarios. Todos los sistemas de información tienen un fin muy particular, y se complementan para mantener de la manera más eficiente una organización; sin embargo, no todos pueden dar solución a las distintas demandas de los usuarios, ya que son diseñados para alguna área específica. El motivo por el cual existen diferentes sistemas de información es porque las preguntas de los usuarios son muy específicas que no cualquier sistema puede resolver. De hecho la base de datos operacional, que es imprescindible en cualquier organización pero no está organizada para dar respuestas a preguntas globales sino más bien a pequeños grupos de datos. Preguntas que impliquen consultas complejas podrían resolverse en un lapso muy extenso, donde la posibilidad de que la vigencia desaparezca aumenta considerablemente. Es importante recalcar que una base de datos o sistema de información no está diseñada para resolver las necesidades informativas de la organización a nivel macro. 2.5. Definición de Inteligencia de Negocios La Inteligencia de Negocios cuenta con una diversidad de interpretaciones como muchos otros términos o conceptos. Su uso es justificado a todo lo que sea considerado como tecnología de información, pero no hay un consenso en lo respecta a su definición.
  • 27. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 27 “[…] es el conjunto de tecnologías que permiten a las empresas utilizar la información disponible en cualquier parte de la organización para hacer mejores análisis, descubrir nuevas oportunidades y tomar decisiones más informadas”(HOWARD DRESNER, H 1.989). Examinando las distintas definiciones queda claro que la Inteligencia de Negocios no consiste en una metodología, sistema, software o herramienta en particular, si no es un conjunto de tecnologías que tienen un fin común con el principal objetivo que es la de servir como soporte para la toma de decisiones. 2.6. Los usuarios de las soluciones de Inteligencia de Negocios A continuación se describen los diferentes tipos de usuarios que intervienen en una solución de inteligencia de negocios. Productores de información:“[..]Habitualmente son el 20% de los usuarios, que crean informes o modelos utilizando herramientas de escritorio. Donde predominan estadísticos que se valen de herramientas para minería de datos o son creadores de informes que utilizan herramientas para el diseño y/o programación de informes específicos. Regularmente son profesionales del área de sistema de información o usuarios muy avanzados con capacidades de comprender la información y la informática”(CANO, J 2.007). Los consumidores de información: “[…] Son usuarios no habituales que regularmente consultan informes para la toma de decisiones, pero no acceden a los números o hacen análisis detallados
  • 28. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 28 diariamente. Los usuarios no habituales son directivos, gestores, responsables, colaboradores y usuarios externos. Este numeroso grupo está bien servido con cuadros de mando con análisis guiados, informes interactivos (por ejemplo: OLAP, informes parametrizados, vinculados,…) e informes de gestión estandarizados. La mayoría de estas herramientas proveen ahora acceso vía web para promover el acceso desde cualquier lugar y facilitar el uso y minimizar los costes de administración y mantenimiento”(CANO, J 2.007). En la Figura 1 se puede apreciar a través de una pirámide los distintos niveles de usuarios en una solución de inteligencias de negocios. Figura 1: Pirámide de usuarios de un sistema de Inteligencia de Negocios 2.7. Historia de la Inteligencia de Negocios En octubre de 1.958 H.P. Luhn de IBM, escribió un artículo llamado Business Intelligence System donde describe las características
  • 29. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 29 que debe tener un sistema de este tipo, en muchos aspectos de lo que escribió Luhn tiempo atrás, si se realiza un paralelismo de lo que se entiende hoy en día por inteligencia de negocios no varió mucho. Edgar Frank Codd presenta el concepto de las bases de datos en el año 1.969, un año más tarde se desarrollaron las primeras base de datos con sus interfaz empresariales, estas aplicaciones, facilitan la entrada de datos en los sistemas, haciendo que aumente la información disponible, pero como el acceso a la información era de alta complejidad y difícil de acceder a las mismas no fue una solución completa. Otro de los avances llegaron en el año 1.980 con la creación del concepto del data warehouse por Ralph Kimball y Bill Inmon, con ellas aparecieron los primeros sistemas de reportes, con todo esto la solución seguía siendo compleja y funcionalmente pobre, se contaba con potentes sistemas de bases de datos pero no existían aplicaciones que facilitaran su explotación. En 1.989 Howard Dresner difundió el término de Business Intelligence escrito por H.P. Luhn en el año 1.958, en la década de los 90 llegaba la Business Intelligence1.0 y con ello la multiplicación de aplicaciones de Inteligencia de Negocios, logrando facilitar el acceso a la información considerablemente pero empeoraron el problema que se quería resolver ya que seguían apareciendo múltiples soluciones sin poder consolidarse. Con la llegada de Business Intelligence 2.0 en el año 2.000 se logró consolidar las aplicaciones en una pocas plataformas a partir de ahí las herramientas empezaron a dar soluciones reales a las empresas u organizaciones.
  • 30. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 30 2.8. Características de la Inteligencia de Negocios Información: el propósito de la Inteligencia de Negocios es proveer de información al usuario final para dar soporte a la toma decisiones, por ende la información es la esencia de la Inteligencia de Negocios, estas pueden originarse desde las bases de datos operacionales, como también de arquitecturas data mart y data warehouse diseñadas específicamente para el análisis. El usuario requiere de información para apoyarse en el momento de tomar decisiones, pasando en segundo plano de dónde provenga esta, pudiendo ser de una fuente primitiva o derivada, para lo cual la inteligencia de negocios utiliza o crea fuentes de datos interna o externa con el fin de utilizarla como materia prima para lograr su objetivo. Apoyo a la toma de decisiones: básicamente consiste en organizar y presentar los datos relevantes para que sirvan como soporte a la hora de tomar decisiones. Esto implica la utilización de tecnologías, técnicas de análisis y todo lo que sea necesario con el fin de obtener solamente aquella información relevante y útil. Orientación al usuario final:un factor fundamentalque tuvo su incidencia en la tecnología de la Inteligencia de Negocios para explotar información, fue que el usuario final no contaba con conocimientos y técnicas que le permita acceder de una manera sencilla y directa a los datos almacenados en los sistemas operacionales, ya que casi siempre necesitaba de ayuda de informáticos para acceder a la información, con la Inteligencia de Negocios, se elimina la dependencia de terceras personas para el acceso
  • 31. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 31 a los datos e información, siendo esta una herramienta sencilla y preparada para que interactúe directamente con el usuario final sin intermediarios. 2.9. Componentes de una solución de Inteligencias de Negocios Teniendo en cuenta el esquema mencionado por Cano (2.007) la solución de Inteligencia de Negocios está compuesta por las fuentes de información, proceso de ETL (extracción, transformación y limpieza de datos) datawarehouse y motor OLAP como se puede apreciar en la figura 2. Figura 2: Componentes de Inteligencia de Negocios
  • 32. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 32 Los componentes son:  Fuentes de información: generalmente son los datos generados por sistemas operacionales, los cuales se utilizan para alimentar de información el data warehouse.  Proceso ETL: de extracción, transformación y carga de los datos en el datawarehouse. Los datos antes de almacenarse en un data warehouse,pasan por procesos de filtrado, limpieza, trasformación y redefinición.  El datawarehouse: en él se almacenan los datos de una manera que optimice su flexibilidad, facilidad de acceso y administración, en donde los datos están estructurados para generar informes que ayuden a la toma decisiones.  El motor OLAP: es el que proporciona la capacidad de realizar cálculos, análisis, pronósticos, consultas en grandes volúmenes de datos. 2.9.1. Las fuentes de información a las que se puede acceder son: a) Los sistemas operacionales, que contienen las aplicaciones desarrolladas a medida. b) Sistemas de información por sector: presupuestos, hojas de cálculo, etcétera o fuentes de información externa, compradas a terceros como por ejemplo el estudio del mercado.
  • 33. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 33 En la figura 3 se aprecian las distintas fuentes de información en un sistema de Inteligencia de Negocios. Figura 3: Fuentes de información. 2.9.2. Proceso de extracción, transformación y carga El proceso de extracción, transformación y carga, también denominado simplemente ETL, es el proceso que permite realizar el cargado y actualización de los datos obtenidos desde las distintas fuentes de información en el datawarehouse, habitualmente consume entre el 60% y el 80% de recursos en un proyecto de Inteligencia de Negociostal como lo indica Ralf Kimball (2.004), por lo que es un proceso clave en la vida de todo proyecto de esta naturaleza.
  • 34. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 34 Esta etapa del proceso de construcción del datawarehouse, es costosa e implica una inversión significativa de tiempo y esfuerzo, para la concreción de la misma, por ello requiere recursos, estrategia, habilidades especializadas y tecnologías. La extracción, transformación y carga es necesaria para acceder a los datos de las fuentes transaccionales de información y volcarlas al data warehouse. El proceso ETL se divide en cinco subprocesos:  Extracción: en este proceso se recuperan los datos físicamente de las distintas fuentes de información transaccional. En este momento se dispone de los datos en bruto.  Limpieza: a través de este proceso se recuperan los datos en bruto y se comprueba su calidad, aquí se eliminan los datos duplicados y, de ser posible, se corrigen los valores erróneos, y completa los valores vacíos, es decir se transforman los datos, siempre que esto sea posible, para reducir al mínimo los errores de carga. En este momento se dispone de datos limpios y de alta calidad.  Transformación: este proceso utiliza los datos limpios y de alta calidad obtenidos en la etapa anterior y los estructura en los distintos modelos de análisis. Como resultado de este proceso se obtienen datos limpios, consistentes y útiles.  Integración: en este proceso se validan los datos cargados en el data warehouse, se analiza si son congruentes con
  • 35. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 35 las definiciones y formatos del data warehouse; es aquí donde se integran en los distintos modelos, de las distintas áreas de negocio que se han definido en el mismo. Estos procesos pueden ser complejos.  Actualización: este es el proceso que permite añadir los nuevos datos al data warehouse, como así también mantener el mismo siempre actualizado. 2.9.3. Data warehouse Eldata warehouse o almacén de datos, es la herramienta que surgió como respuesta a las necesidades de los usuarios de los niveles gerenciales, que necesitan información consistente, integrada, histórica y preparada para ser analizada y utilizada para mejorar la toma de decisiones. Su ubicación en el contexto de una solución de Inteligencia de Negocios se puede apreciar en la sección resaltada de la figura 4.
  • 36. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 36 Figura 4: Data warehouse El hecho de recuperar la información desde los distintos sistemas que posea la empresa, sean estos transaccionales o externos, para luego almacenarlos en un entorno cohesionado de información, como es un data warehouse, permitirá analizar la información contextualmente y relacionada dentro de la organización. Las características que debe cumplir undata warehouse son:  Temático.  Integrado.  Histórico.  No volátil.
  • 37. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 37 El proceso de diseño y construcción de un data warehouse corporativo usualmente resulta costoso, además de requerir plazos de tiempo que las empresas no están dispuestas a aceptar. Estas situaciones, fueron las que originaron la aparición de los data mart. Los data mart están enfocados a un grupo particular de usuarios dentro de la organización, que bien puede estar conformado por los miembros de un departamento, o por los usuarios de un determinado nivel organizativo, o por un equipo de trabajo multidisciplinario con objetivos comunes. Los data mart, se utilizan para almacenar información de un grupo de áreas en particular, cuyo flujo de información sea coincidente; por ejemplo, podrían ser de marketing y ventas o de producción. Lo usual es que éstos se definan para dar respuestas a usos muy concretos. Por lo general, los data mart son más pequeños que los data warehouses. También almacenan menor cantidad de información, menos modelos de negocio ya que son utilizados por un menor número de usuarios. Existen dos tipos de data mart, estos pueden ser independientes o dependientes. Los independientes son alimentados directamente desde las fuentes de información, mientras que los independientes obtienen la información desde el data warehousecorporativo. Con los data mart independientes pueden surgir inconvenientes en su evolución, ya que pueden llegar a generar inconsistencias con otros data mart.
  • 38. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 38 En la figura 5 puede apreciarse la estructura de los data marts dentro de una solución de Inteligencia de Negocios. Figura 5: Data marts Existen grandes diferencias entre los sistemas transaccionales y los data warehouses, en función a los objetivos que persiguen cada una de ellos. El objetivo primordial del modelo relacional en el cual se basa el concepto OLTP es el de mantener la integridad de la información en cuanto a las relaciones entre los datos, lo cuales necesario para operar un negocio de la manera más eficiente. Sin embargo, este modelo no se corresponde con la forma en la que el usuario percibe la operación de un negocio. Los data werehouses están basados en un procesamiento de los datos distinto al utilizado por los sistemas operacionales, ya que este se basa en el concepto OLAP pensado y utilizado en el análisis de negocios y otras aplicaciones que requieren una visión flexible del negocio.
  • 39. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 39 A continuación en la Tabla 1 se presentan las principales diferencias entre los sistemas transaccionales (OLTP) y los basados en data warehouses (OLAP). Transaccionales Basados en Data warehouse Admiten el acceso simultáneo de muchos usuarios (miles) que agregan y modifican datos. Admiten el acceso simultaneo de muchos usuarios (cientos) que consultan y no modifican datos Representan el estado actual de una organización, pero no guardan su historial. Guardan el historial de una organización. Contienen grandes cantidades de datos, incluidos los datos extensivos utilizados para comprobar transacciones. Contienen grandes cantidades de datos, sumarizados, consolidados y transformados. También de detalle pero solo los necesarios para el análisis. Tienen estructuras de base de datos complejas Tienen estructuras de base de datos simples. Se ajustan para dar respuesta a la actividad transaccional. Se ajustan para dar respuesta a la actividad de consultas. Proporcionan la infraestructura tecnológica necesaria para admitir las operaciones diarias de la empresa. Pueden combinar datos de orígenes heterogéneos en una única estructura homogénea y simple, facilitando la creación de informes y consultas. Las consultas analíticas que resumen grandes volúmenes de datos afectan negativamente a la capacidad del sistema para responder a las transacciones en línea. Organizan los datos en estructuras simplificadas buscando la eficiencia de las consultas analíticas más que del proceso de transacciones. El rendimiento del sistema cuando está respondiendo a consultas analíticas complejas puede ser lento o impredecible, lo que causa un servicio poco eficiente a los usuarios del proceso analítico en línea. Contienen datos transformados que son válidos, coherentes, consolidados y con el formato adecuado para realizar el análisis sin interferir en la operación transaccional diaria. Los datos que se modifican con frecuencia interfieren en la coherencia de la información analítica. Proporcional datos estables que representan el historial de la empresa. Se actualizan periódicamente con datos adicionales, no como las transaccionales frecuentes. La seguridad se complica cuando se combina análisis en líneas con el proceso de transacciones en línea. Simplifican los requisitos de seguridad. Tabla 1: Diferencias entre sistemas OLTP y OLAP.
  • 40. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 40 2.9.4. Herramientas de acceso de la Inteligencia de Negocios La información almacenada en un data warehouse, seria intrascendente, si ésta no pudiera ser accedida por los usuarios, para ello existen herramientas que permiten tratar y visualizar la información que reside en un data warehouse. En la sección resaltada de la figura 6 se aprecia la ubicación de las herramientas de acceso en una solución de Inteligencias de Negocios. Figura 6: Herramientas de acceso.
  • 41. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 41 Existen diferentes tecnologías que permiten aprovechar y analizar la información almacenada en un data warehouse, siendo el uso de los cubos OLAP la más extendida de ellas. Los usuarios que toman decisiones necesitan analizar información a distintos niveles de agregación y tener una visión sobre múltiples dimensiones, por ejemplo, las ventas de determinados productos por zonas, por tiempo, por clientes o por región geográfica. Estos usuarios deben poder realizar este análisis al máximo nivel de agregación o al máximo nivel de detalle. Los cubos OLAP permiten realizar esto de modo a poder aprovechar al máximo las posibilidades que ofrecen los data warehouses. A estos tipos de análisis se los denomina multidimensionales, ya que permiten el análisis de un hecho en particular desde distintas dimensiones. Esta es la mejor forma de analizar la información por parte de los tomadores de decisiones, ya que los modelos de negocio habitualmente son multidimensionales. Las herramientas que se utilizan para la visualización de la información,son totalmente independientes a la forma en la que ésta se haya almacenado. Las formas de acceso de las herramientas OLAP son:
  • 42. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 42  Cliente/Servidor: esto significa tener instalado en la maquinas cliente, el aplicativo que va conectarse al servidor donde se almacenan la información que generan los cubos OLAP.  Acceso web: en este tipo de acceso, el navegador es el que se comunica con un servidor web, el cual se comunica con el servidor OLAP donde se almacena la información que generan los cubos. 2.10. Principales herramientas de la Inteligencia de Negocios  Generadores de informes: estos son utilizados por desarrolladores profesionales para crear informes estandarizados enfocados a departamentos, grupos interdepartamentales o la organización.  Herramientas de usuario final de consultas e informes: estas son utilizados por los usuarios finales para crear informes para su propio uso o para otros usuarios; no requieren programación.  Herramientas OLAP: estas permiten a los usuarios finales manipular la información de forma multidimensional para poder visualizarla desde distintas perspectivas y en función a los criterios que el usuario considere importantes.  Herramientas de cuadros de mandos: estas permiten a los usuarios finales visualizar información crítica para el desempeño de manera rápida, valiéndose para ello de gráficos, ofreciendo la posibilidad de visualizar alguna sección con más en detalle.  Herramientas de minería de datos: estas permiten a los analistas de negocio crear modelos estadísticos. La minería de datos es el proceso para descubrir e interpretar patrones ocultos a simple vista en un gran cúmulo de información. Los usos más habituales de la
  • 43. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 43 minería de datos son: segmentación, clasificación, previsiones, agrupación, etc. 2.11. Minería de datos 2.11.1. Conceptos e historia de la minería de datos El termino minería de datos, desde el enfoque académico es una de las etapas dentro del proceso de Knowledge Discovery in Databases(en adelante KDD). Básicamente la minería de datos consiste en nutrirse de las ventajas de cada aérea como la estadística, inteligencia artificial, computación gráfica, bases de datos y procesamiento masivo, utilizando como materia prima las bases de datos operaciones. Definición tradicional de minería de datos: “[..]esun proceso no trivial de identificación válida, novedosa, potencialmente útil y entendible de patrones comprensibles que se encuentran ocultos en los datos” (FAYYAD,U 1.996). Desde el punto de vista empresarial, la minería de datos se define como: “[..]La integración de un conjunto de áreas que tienen como propósito la identificación de un conocimiento obtenido a partir de las bases de datos que aporten un sesgo hacia la toma de decisión” (MOLINA, L 2.001).
  • 44. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 44 La idea de la minería de datos viene desde los años 60, cuando los estadísticos de esa época manejaban términos como data fishing, data mining o data archeology,más tarde en los años 80, Rakesh Agrawal, Gio Wiederhold, Robert Blum y Gregory Piatetsky-Shapiro, entre otros empezaron a fortalecer los términos de data mining y KDD. A finales de los años 80 solo existían un par de empresas quienes se dedicaban a esta tecnología; para el 2.002 este número se multiplicó considerablemente, ya que existían más de 100 empresas en el mundo con un portafolio de más de 300 soluciones que utilizaban la tecnología. La minería de datos no es un gran software ni algo parecido, más bien la tecnología está compuesta por etapas que integran diferentes áreas. Tanto así que para el desarrollo de un proyecto de minería de datos, se utilizan diferentes aplicaciones de software para las distintas etapas. En la actualidad podemos encontrar una variedad importante de herramientas o aplicaciones comerciales y no comerciales con una utilería interesante, pero casi siempre es necesario complementar con otras herramientas para el desarrollo de la minería de datos.
  • 45. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 45 2.11.2. Los fundamentos de la minería de datos. Las técnicas de minería de datos, se considera al resultado de un proceso de investigación y desarrollo de productos. La evolución comenzó cuando las organizaciones empezaron a guardar sus datos en las computadoras, esto fue creciendo cuando se mejoraron el acceso a los datos permitiendo al usuario navegar y explorar en tiempo real sus datos. La minería de datos tomando este proceso de evolución está lista para ser implementada en las organizaciones, utilizando estas tres tecnologías que ya están muy consolidadas como pilares de su aplicación:  Recolección masiva de datos.  Potentes computadoras con multiprocesadores.  Algoritmos de minería de datos. 2.11.3. Objetivos de la minería de datos Examinar, analizar y buscar patrones ocultos en los datos acumulados en las profundidades de las bases de datos o en almacenes de datos que contienen datos históricos que ha generado una organización durante su existencia.
  • 46. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 46 2.11.4. Entorno de la minería de datos La minería de datos normalmente utiliza la arquitectura cliente-servidor. La minería de datos a través de sus herramientas ayuda a extraer información oculta, archivos acumulados en las bases de datos operaciones y/o almacenes de datos de las grandes corporaciones públicas y privadas. Los usuarios de la minería de datos normalmente no cuentan con ninguna habilidad de programación, por los cual se valen de las poderosas herramientas para efectuar consultas adhoc y obtener respuestas en tiempo real. La minería de datos es capaz de producir seis tipos de información:  Asociaciones.  Agrupamientos.  Clasificaciones.  Pronósticos.  Secuencias.  Clasificaciones.
  • 47. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 47 2.11.5. El alcance de la minería de datos La minería de datos consiste en buscar valiosas informaciones en grandes bases de datos. Este proceso requiere explorar grandes cantidades de datos y analizarlos minuciosamente hasta encontrar las informaciones requeridas. En las bases de datos de gran volumen y calidad, la minería de datos puede proporcionarnos oportunidades de negocio con las siguientes posibilidades:  Pronóstico de comportamiento a futuro: la minería de datos proporciona la automatización del proceso de obtención de información predecible en bases de datos de gran volumen, estos pronósticos pueden ser la predicción de las ventas, posibles problemas financieros, similitudes de necesidades de los clientes y un sinfín de predicciones que el negocio requiera.  Las herramientas para visualizar, examinar y realizar el análisis de los resultados. 2.12. Reseña histórica del Grupo Flayp En el año 1.983 tras el cierre de las actividades en Paraguay de la Multinacional AVON Cosmetics Inc., se crea Flayp S.R.L., con el objetivo de convertirse en una empresa nacional para la venta y distribución de los productos AVON, adquiriendo para esto la franquicia de dicha marca, tiene
  • 48. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 48 como visión ser la empresa líder en venta directa y comercialización de artículos de belleza, llegando a cada rincón del Paraguay, ofreciendo calidad y excelencia a sus clientes. En sus inicios contaba con 5 empleados y 120 revendedoras. En la actualidad la empresa Flayp S.R.L. se transformó en el Grupo Flayp, compuesto por las siguientes empresas: Flayp S.R.L.; Virú S.R.L.; Flayprint S.A.; City Sport S.A.; Cima Seis S.A.; Flaypnort S.A., las cuales si bien están nucleadas en un directorio, son totalmente independientes administrativa, económica y operativamente entre sí. Hoy en día el Grupo Flayp cuenta con más de 700 empleados directos y más de 30.000 revendedoras a lo largo de todo el país. A más del directorio, compuesto actualmente por sus 6 miembros fundadores, el Grupo cuenta con un gerente general, y para cada una de las empresas un gerente en cada área estratégica (Marketing, Ventas, Compras, Administrativo, Logística, Tecnología e Información). En cuanto a tecnología, el Grupo cuenta en la actualidad con 5 servidores, 2 de los cuales son utilizados para albergar en forma independiente cada uno de los sistemas de procesamiento de pedidos, facturación y cuenta corriente de cada una de las empresas, dichos sistemas informáticos se encuentran desarrollados en distintos lenguajes de programación y distintos orígenes de datos, además de eso, cuenta con una conexión Virtual Private Network (en adelante VPN), con muchas de las sucursales en el interior del país y el área metropolitana, las cuales realizan sus transacciones directamente a las bases de datos contenidas en los servidores, las agencias que no cuentan con acceso a internet, envían sus
  • 49. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 49 pedidos utilizando los vehículos de la empresa, dichos pedidos son procesados en un centro de procesamiento. Actualmente el Grupo Flayp maneja un volumen de compras cercano a los 10.000.000 u$s anuales (comprende las dos principales empresas del Grupo; Virú S.R.L. y Flayp S.R.L.) y un volumen de ventas que ronda los 24.000.000 u$s anuales. En cuanto a unidades vendidas, las mismas superan los 7.000.000 anuales. Con una proyección de crecimiento entre el 10% y el 14% anual. El Grupo Flayp cuenta con una casa central en Asunción, además de contar con más de 45 agencias distribuidas en todo el país, logrando así una cobertura total, posee 2 depósitos que albergan las mercaderías, además de una flota de camiones, los cuales son utilizados para la distribución de los productos. El Grupo empresarial cuenta con un equipo de ventas, liderados por su gerente de ventas, quien tiene a su cargo a 4 gerentes divisionales, los cuales se dividen la cobertura del país en 4 grandes regiones, además cuenta con más de 350 zonas, las cuales están distribuidas en cada una de las 4 divisiones y que su vez se encuentran presentes en todos los departamentos del país, cada zona es gerenciada por una promotora de ventas y que a su vez tienen a su cargo el manejo de las 30.000 revendedoras. Por otro lado cabe mencionar que el sistema de venta directa tiene una dinámica diferente a la venta convencional, el mismo consiste en ofrecer sus productos a través de folletos los cuales son ofrecidos por las revendedoras, la vigencia promedio de cada folleto es de 18 días, esto lleva a tener 20 folletos por año, que son denominadas campañas, por lo tanto la facturación se maneja por campañas y no así por fecha calendario. De esto se desprende que toda la información que manejan las empresas del grupo, corresponden a este esquema organizacional.
  • 50. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 50 2.13. Reseña histórica del software libre En los primeros pasos de la informática, los programas y las máquinas utilizadas para su ejecución estaban estrechamente ligados. No se concebía el concepto de programa como elemento separado tal cual se tiene hoy en día. Tampoco existían usuarios comunes, sino que la totalidad de las personas que ejecutaban los programas tenían grandes conocimientos de programación y por lo general eran ingenieros y científicos, una costumbre muy practicada entre estos usuarios, era intercambiar y mejorar los programas, distribuyendo sus modificaciones. No fue hasta los últimos años de la década del 70, cuando las empresas comenzaron con la costumbre de imponer restricciones a los usuarios, con la implementación de los acuerdos de licencia. 2.13.1. Richard Stallman y el proyecto GNU Para empezar a entender todo lo que implica el software libre, es imprescindible hablar de Richard Stallman. Este físico graduado en 1.974 en la Universidad de Harvard, se encontraba trabajando en los laboratorios de inteligencia artificial del Instituto de Tecnología de Massachussetts(en adelante MIT) desde el año 1.971.
  • 51. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 51 La impresora con la que contaban en su laboratorio tenía algunos inconvenientes con la alimentación del papel, lo que hacía que se atascara de forma permanente y no había forma de descubrirlo más que acercarse hasta donde se encontraba la misma. Por este motivo, Stallman contacta con la empresa fabricante de la impresora, con el propósito de modificar el software que se encargaba de controlar a la impresora y lograr hacer que la misma mande una señal cuando se atascaba, consiguiendo con esto que no se perdiese tanto tiempo de trabajo. Ante este pedido, los fabricantes se negaron a entregarle el código fuente, los cuales son imprescindibles para poder modificar su comportamiento. Esta situación hace que termine de tomar forma su idea de que el código fuente de los programas debía ser accesible para todo aquel que quisiese. Movilizado por esta inquietud, Stallman decidió abandonar el MIT a comienzos de 1.984, para dar inicio al proyecto GNU, el mismo es un acrónimo recursivo que significa GNU's Not Unix, GNU No Es Unix, haciendo referencia a que el proyecto tenía como objetivo desarrollar un sistema operativo tipo Unix, pero totalmente libre. Tiempo después Stallman funda la Free Software Foundation (en adelante FSF), entidad encargada de promocionar el desarrollo y uso del software libre, en 1.985 Stallman creó la
  • 52. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 52 licencia General Public License (en adelante GPL) como mecanismo para proteger el software libre, sustentado sobre el concepto de copyleft, la FSF tiene un registro de todas licencias compatibles con la licencia GNU (la más popular de las licencias de software libre) y aquellas que, no siendo compatibles con ella, son consideradas licencias de software libre. En sus comienzos, el proyecto GNU se concentra en desarrollar las herramientas necesarias para construir un sistema operativo, como ser editores y compiladores y en las utilidades básicas para la gestión del sistema. A través del concepto de copyleft, se busca una alternativa a la idea del copyright, siendo que “todo el mundo tiene derecho a ejecutar un programa, copiarlo, modificarlo y distribuir las versiones modificadas, pero no tiene permiso para añadir sus propias restricciones al mismo”. De esta forma, las libertades que definen al software libre están garantizadas para todo el mundo que tenga una copia, tornándose en derechos inalienables. 2.13.2. Software Libre Lo primero que debe entenderse cuando se habla desoftware libre, es que no se está hablando de software gratis, el alcance de la palabra libre es mucho más abarcativa, se refiere a la libertad de los usuarios para ejecutar, copiar, distribuir, estudiar, cambiar y mejorar el software. De modo más preciso, se refiere a cuatro libertades de los usuarios del software. (GNU, 2008).
  • 53. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 53 Es entonces que se tiene dentro de las distintas clasificaciones de software, una muy determinante, como lo es clasificar al software de acuerdo a su “filosofía”. Softwarepropietario: se entiende por esto, el software cuya propiedad absoluta continua en poder de quien tiene sus derechos y no del usuario, quien solo puede utilizarlo cumpliendo ciertas condiciones. Siendo así que su uso, distribución y/o modificación total o parcial, están prohibidos o restringidos de tal manera que no es posible llevarlos adelante. Es decir, que el software comercializado bajo este tipo de licencias le da al usuario derechos limitados sobre su usufructo, el alcance de esto es establecido por el autor o quien posea ese derecho. Software libre: se considera así, al software que le otorga al usuario la libertad de utilizarlo, mejorarlo, estudiarlo, adaptarlo a sus necesidades y redistribuirlo libremente, con la única limitación de no sumarle ningún tipo de restricción agregado al software luego de modificado. Es importante destacar que para considerar a un software como libre, se debe permitir el acceso al código fuente, por cuanto esto es una condición imprescindible para ejercer las libertades de estudiarlo, modificarlo, mejorarlo y adaptarlo (FSF, 2009). Cuando se habla de softwarelibre es necesario hacer mención a las cuatro libertades básicas de su filosofía según la Fundación de Software Libre.
  • 54. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 54 2.13.3. Libertades básicas del software libre Libertad cero: “usar el programa con cualquier propósito”. Esta libertad es la que garantiza que se puede utilizar el programa para cualquier fin, sea este comercial, educativo, cultural, etc. Esta libertad está en contraposición a las licencias que limitan la utilización del software a un propósito determinado, o que restringen su uso para ciertas actividades. Libertad uno: “Estudiar cómo funciona el programa, y adaptarlo a nuestras necesidades”. Esto se traduce en que se puede estudiar el funcionamiento (para ello se debe tener acceso al código fuente del programa) lo que permitirá, descubrir funcionalidades ocultas, conocer de qué manera realiza determinada tarea, averiguar que otras opciones tiene, que más se le puede agregar, etc. El hecho de poder adecuar el programa, implica que se pueden eliminar partes que no se necesitan, agregarle elementos que se consideren importantes, etc. Libertad dos: “Distribuir copias”. Esto quiere decir que se tiene la libertad redistribuir el programa, ya sea de forma gratuita o cobrando por el servicio, pudiendo realizar esto por e-mail, CD, o algún medio de almacenamiento, ya sea a una persona o a varias, etc. Libertad tres: “Mejorar el programa, y liberar las mejoras a todos”. Por esto se entiende que se tiene la libertad de mejorar el programa, traduciéndose esto en menores los requerimientos de
  • 55. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 55 hardware para funcionar, un software con mayores prestaciones, que ocupe menos espacio en disco, etc. 2.13.4. Software libre y software de código abierto Barahona, Seona y Robles (2.008) señalan que Open Source como Free Software en realidad son movimientos sociales, motivados por lo que se puede o se debería poder hacer (derechos) con los programas (software). Entre estos dos movimientos existen diferencias filosóficas pero realmente pocas diferencias prácticas. La primera diferencia que existe entre estos movimientos, radica en la visión que tienen del software, Free Software tiene una visión moral “el software debería ser libre” Open Source tiene una visión práctica “el software es mejor si su código es abierto“. Free Software en realidad hace referencia a software libre (de ninguna manera a software gratis) y está sustentado en fundamentos morales. Las libertades en las que basa su concepción hacen referencia que puedas utilizar un programa, pero que también puedas copiarlo, distribuirlo, estudiarlo o modificarlo sin ningún tipo de restricción. Desde su punto de vista, limitar cualquiera de estas libertades es inmoral. Open Source por su parte se refiere a la limitación de acceso al código fuente del software, el hecho distribuir el código
  • 56. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 56 fuente del software alienta, según los promotores del open source, un software de mayor calidad, más seguro y creativo, el cual evoluciona de forma más ágil y está orientada a satisfacer las necesidades de sus usuarios. En algo en lo cual coinciden tanto Free Software como Open Source es que ambos no ponen reparos en que la gente venda software, eso sí, lo que se vende no es la licencia del software en sí, sino que se vende el servicio de entregar el software (muchas veces se vende empaquetado, con manuales, instalado u otro valor agregado). Para los dos movimientos, ante la venta de un softwarede desarrollo propio o desarrollado por otros, no se puede restringir al comprador, para que éste no pueda a su vez venderlo o inclusive regalarlo y debe entregarse el código fuente y permitir su modificación, para poder ser considerado Free Software u Open Source. Se entiende por licencias de software al contrato existente entre dos personas (proveedor y usuario) en el cual se describen y puntualizan los derechos y deberes sobre el uso que se le puede dar al software. Aunque ciertamente, Open Source y Software Libre tienen prácticamente las mismas licencias, la FSF opina que el movimiento Open Source es filosóficamente diferente del movimiento del Software Libre. La Open Source Initiative(en
  • 57. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 57 adelante OSI) surgió en el año 1.998, en ese entonces un grupo de personas encabezados por Eric S. Raymond y Bruce Perens buscan otorgar mayor importancia a los beneficios en que redundaría el hecho de compartir el código fuente de los programas, como así también lograr captar el interés de las grandes casas de software y otras empresas de la industria de la alta tecnología en ese rumbo. La visión que tienen ambos movimientos, es una de las principales diferencias, mientras que el movimiento del software libre pone el foco en los aspectos éticos o morales del software, dejando a un segundo plano la excelencia técnica siendo su mayor deseo el plano ético. En tanto movimiento Open Source centraliza más su mirada hacia la excelencia técnica como el principal objetivo, basándose en el hecho compartir el código fuente un medio para lograr dicho fin. Un punto a tener en cuenta es que el software en sí mismo, no es ni Free Software ni Open Source, solo la licencia del software es la que puede ser reconocida por ambos movimientos como válidas para sus fines. De hecho las mayorías de las licencias aceptadas por uno de los movimientos son aceptadas por el otro. Aunque habitualmente los términos “software libre” y “código abierto” son intercambiados fácilmente entre sí, no significa que ambos términos sean equivalentes.
  • 58. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 58 2.13.5. Tipos de licencias de software libre La licencia de software libre más utilizada es la GNU General Public License (GPL), está presente en diversos productos de software libre en sus versiones 2 y 3. Este tipo de licencias a más de las cuatro libertades básicas del software libre agrega una cláusula de “efecto viral”, gracias a la cual es posible aunar varios productos de software exclusivamente si todos estos utilizan la licencia GPL. Ciertamente la licencia GPL no es la única licencia de software libre. Existen muchas otras licencias derivadas de la GPL como por ejemplo la Lesser General Public License(en adelante LGPL) y la Affero GNU Public License(en adelanteAGPL). La LGPL permite que el software bajo esta licencia pueda utilizar librerías de licencia privativas (en esto se diferencia de la GPL, con la cual puede utilizarse solo software que tiene licencia GPL). Mientras que la AGPL dirigida al campo del software ofrecido como servicio, y su principal característica práctica está en el hecho de que, si un tercero utiliza el software para brindar un servicio a varios usuarios y realiza modificaciones al código original, está en la obligación de publicar dicho código fuente. Por el lado de las licencias de código abierto que abiertamente no son licencias de software libre, ya que no son compatibles con las libertades y principios básicos del software libre de la GPL se puede mencionar a la Common Public Attribution License Version 1.0 (en adelante CPAL). Esta licencia admite el uso y la modificación del código fuente, siempre y
  • 59. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 59 cuando se haga referencia al creador original del software, y por tanto no podría ser utilizada por algún competidor.
  • 60. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 60 CAPÍTULO 3– MARCO METODOLÓGICO 3.1. Descripción de la profundidad y el diseño de la Tesis: La investigación llevada a cabo para la realización del proyecto se basó en un estudio descriptivo, se revisó exhaustivamente la literatura existente relacionada, con el fin de obtener la información necesaria para dar inicio al proyecto. Durante la investigación se recabo cuantiosa información sobre las empresas Flayp S.R.L. y Virú S.R.L., pertenecientes al Grupo Flayp, como así también acerca de la Inteligencia de Negocios, software libre, open source, etc., y sobre todo las herramientas a utilizar para el diseño y desarrollo del proyecto, las cuales sirvieron para llevar adelante la tesis. La presente tesis está basada en un diseño cualitativo, donde los datos se describieron detalladamente teniendo en cuenta el objeto de estudio. Patton (1.980), mencionado en el libro de investigación de Hernandez Sampieri y Col (2.003). Cabe destacar que para la realización del presente proyecto se analizaron detalladamente todos los requerimientos y en base a los conocimientos básicos, más las investigaciones realizadas, junto con los relevamientos del sistema actual que se posee, además del hardware con el que cuentan las empresas, se definió la solución que mejor se adecua al contexto actual, para luego definir las etapas necesarias para llevar adelante la realización de la tesis.
  • 61. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 61 3.2. Descripción de cómo se realizó la Tesis Para el desarrollo de la tesis, se optó por el modelo de ciclo de vida en cascada ya que es este, el que mejor se adapta a la realización del proyecto de tesis. En este sentido, “[…] el modelo en cascada, algunas veces llamado el ciclo de vida clásico, sugiere un enfoque sistemático, secuencial hacia el desarrollo del software, que se inicia con la especificación de requerimientos del cliente y que continúa con la planeación, el modelado, la construcción y el despliegue, para culminar en el soporte del software terminado”(Pressman, R.2005:50). El mismo consiste en el ordenamiento secuencial de las etapas del proceso para el desarrollo del software, teniendo en cuenta que debe aguardarse la finalización de una etapa inmediatamente anterior, antes de poder dar inicio a una siguiente etapa, de ser necesario pueden realizarse retroalimentaciones de etapas anteriores, a fin de minimizar impactos negativos. Las etapas definidas para este proyecto son las siguientes: relevamiento de datos, análisis de datos, diseño, desarrollo, prueba e implementación. Para el análisis de los procesos se diseñó una WBS (Work Breakdown Structure), donde se puede apreciar la descripción jerárquica de los trabajos a realizar para la concreción de la tesis, la misma puede observarse en el Anexo 1.
  • 62. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 62 3.2.1. Relevamiento de datos Se concretaron reuniones con los miembros del directorio del Grupo Flayp, de igual manera se realizaron entrevistas personalizadas a los gerentes de cada área, se relevaron los procesos realizados diariamente en los sistemas operacionales por medio de observaciones de los manuales de procesos; gracias a las entrevistas realizadas a los gerentes, se definieron los criterios que son utilizados para la toma de decisiones, de manera a poder, a través de la concreción del proyecto, brindar un soporte para optimizarla toma de dichas decisiones. En cuanto a software, se observó el funcionamiento de los sistemas actualmente utilizados, y la manera en la que estos interactúan con todas y cada una de las áreas de las empresas, en esta instancia se relevó con especial atención todo lo que respecta a la estructura de datos, así también la infraestructura base en cuanto a softwarey hardware existente. 3.2.2. Análisis de datos Una vez finalizada la tarea de relevamiento de datos, y ya con toda la información necesaria, se llevó a cabo un análisis minucioso de las necesidades e inquietudes de los futuros usuarios del sistema, esto más la información sobre la tecnología con la que se cuenta, nos dio las bases para definir que la mejor opción que se adecua a dichas necesidades radica en la
  • 63. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 63 implementación de una solución de Inteligencia de Negocios, ya que dicha solución brindará un soporte para la toma de decisiones estratégicas, como así también brindar una visión macro de ambas empresas en conjunto, que será de mucha utilidad para los altos niveles ejecutivos, ya que los datos se encuentran dispersos en diferentes formatos de almacenamiento, lo que dificulta la realización de análisis, para lo cual no se trabajará de manera directa con las bases de datos transaccionales. La utilizaciónde un data warehousepermitirá cohesionar los datos de las distintas fuentes, la misma se desarrollará íntegramente sobre softwarelibre, se llegó a esta conclusión luego de analizar detenidamente las soluciones propietarias existentes en el mercado, los requerimientos tanto de software como de hardware que son necesarios para la implementación de la solución, son altamente compatibles con los que ya se cuentan, se prevén todas las medidas de seguridad en aplicaciones web, también se harán uso de las nuevas tecnologías existentes, con el fin de optimizar y agilizar el acceso a los datos en considerables niveles de tiempo. 3.2.3. Diseño Con el afán de obtener un prototipo coherente que satisfaga los requerimientos relevados y analizados en etapas anteriores, se llevó a cabo el diseño conceptual, lógico y físico del prototipo de solución de Inteligencia de Negocios, comenzando por el data warehouse, los procesos de ETL, reportes, cubos multidimensionales, cuadros de mandos y demás componentes,
  • 64. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 64 como ser la arquitectura de la herramienta y del prototipo en el contexto general. 3.2.4. Desarrollo Ya con toda la documentación resultante de la etapa de diseño, se procedió a desarrollar el proyecto, se inició con el desarrollo el data warehouse, cuyo objetivo es unificar los datos obtenidos de las distintas fuentes transaccionales, para ello se eliminan las ambigüedades e inconsistencias, a través de un proceso de extracción, transformación y cargado de los datos en eldata warehouse. Se diseñaron y publicaron en el servidor los cubos OLAP, los cuadros de mando, los reportes y el resultado de la minería de datos, para lo cual se aplicó el algoritmo seleccionado. Se configuró e implementó el servidor, para que los usuarios puedan acceder a los distintos módulos, ya sean estos de reportes, análisis, etc., asítambién se otorgaron los privilegios necesarios a los informes y a las carpetas contenedoras. Se configuró e implementó la consola de administración, de manera tal a poder administrar tanto los usuarios como los roles asignados. En cada una de las etapas de configuración e implementación del proyecto, se tomaron en cuenta todas las políticas y estándares de seguridad en cuanto a aplicaciones cliente-servidor se refiere, como ser, manejo de sesiones, administración de perfiles, permisos de usuario, etc.
  • 65. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 65 3.2.5. Prueba Se realizaron las pruebas correspondientes, se corroboraron los resultados obtenidos, si cumplen con los requerimientos y la fiabilidad de los mismos, además se realizaron pruebas exhaustivas en cuanto a concurrencia de acceso al sistema, conectividad, tiempo de respuesta, nivel de seguridad, etc. 3.2.6. Implementación Los componentes del prototipo de la solución, se instalaron y configuraron en una máquina preparada para actuar de servidor, el mismo está compuesto por, la consola de administración de Pentaho, el servidor Pentaho, los componentes de Pentaho Data Integration (en adelante PDI) y se configuró la periodicidad de la actualización del data warehouse, y el Sistema Gestor de Base de Datos (en adelante SGBD) MySQL, donde se almacenará el data warehouse, así también se crearon los perfiles de usuario, con la asignación de roles y permisos correspondientes, se configuraron los ordenadores-cliente para acceder al sistema.
  • 66. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 66 3.3. Descripción de los instrumentos y procedimientos utilizados para la recolección y tratamiento de la información Para la elaboración de este proyecto se recolectaron los datos a través de entrevistas semi-estructuradas a directores y gerentes del Grupo Flayp,para obtener los permisos para acceder a la información, procesos y los reportes necesarios para la toma de decisiones. También se realizaronobservaciones directasde los distintos procesos y sistemas operacionales automatizadosa fin de elaborar reportes de requerimientos. 3.4. Descripción de la muestra Para la realización de este proyecto, luego de un análisis de la población, se optó por llevarlo adelante en las empresas del Grupo Flayp, concretamente Viru S.A y Flayp S.R.L., en los departamentos de Ventas y Marketing, la selección de las empresas y los departamentos se realizó gracias a la buena predisposición e interés de los directivos de contar con una herramienta que ayude a la toma de decisiones. Las entrevistas se realizaron a los gerentes de Compras, Ventas, Marketing, Finanzas y un director de las empresas seleccionadas. También se realizaron observaciones directas de los distintos procesos y sistemas operacionales automatizados.
  • 67. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 67 En el Anexo 2 se presentan los esquemas de las entrevistas y observaciones utilizadas para la recolección de datos. 3.5. Relevamiento A continuación se describen todos los datos relevados para la realización del proyecto de tesis. 3.5.1. Relevamiento de procesos Se relevaron los procesos de ambas empresas, Flayp S.R.L. y Virú S.R.L. Teniendo en cuenta que estas dos empresas forman parte de un grupo empresarial razón por la cual rinden cuenta a un directorio, pero son tanto financieras, económica y administrativamente totalmente autónomas. Seguidamente se detallan los procesos de la empresa Virú S.R.L.  Proceso de Planificación de Ventas: El departamento de Marketing, basándose en datos históricos, épocas del año, y/o acontecimientos especiales de mercado (Mundial, Copa América, etc.), planifica cada folleto de ventas, en función a productos y precios, como así también realiza las estimaciones de ventas de cada producto, por ultimo genera un listado donde se detallan los productos que serán promocionados en dicho folleto de ventas, el cual es enviado al departamento de Tecnología de Información
  • 68. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 68 (en adelante TI) Este proceso tiene una duración aproximada de 10 días, el mismo se realiza utilizando planillas de cálculo. El resultado de este proceso, se exporta a un archivo csv, que posteriormente es almacenado en un sistema basado en archivos dbf.  Proceso de Compras: El departamento de Compras utilizando las estimaciones de ventas del departamento de Marketing y cotejando el stock de los productos existentes en el depósito, calcula que productos se deben comprar y las cantidades necesarias para cada folleto de ventas. De ser necesario, emite la orden de provisión para realizar las compras tanto para proveedores locales como internacionales.  Proceso de Recepción de Productos: El departamento de Stock recibe y da entrada a los productos comprados, asignándole un lugar determinado dentro del depósito. El mismo proceso se realiza en el módulo de stock del sistema, actualizando de esta manera el mismo.  Proceso de Distribución de materiales de venta: El departamento de Logística recibe de la imprenta, los materiales, consistentes en folletos y órdenes de compra y los envía a las distintas agencias, las promotoras de venta, retiran de su agencia estos materiales, para luego redistribuirlos a sus revendedoras.  Proceso de Recepción de Pedidos: Cada promotora recibe de sus revendedoras las órdenes de compra, donde se detalla los productos y sus cantidades.  Proceso de Pedidos: Las órdenes de compras, las cuales contienen los datos de la revendedora y su pedido para la campaña actual, se procesan en el módulo de pedidos del sistema, el cual genera los packinglist, a ser utilizados por el departamento de stock para la preparación de los
  • 69. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 69 pedidos. Existen dos maneras de procesamiento, las agencias que cuentan con conectividad VPN y por ende acceso al sistema, el procesamiento se realiza en la agencia misma, y las agencias que no cuentan con VPN envían las órdenes de compras al departamento de TI para su procesamiento.  Proceso de Packing: El departamento de stock utilizando los packinglist generados por el departamento de TI, los cuales están compuestos por los datos de las revendedoras y su pedido correspondiente, prepara los paquetes con los productos solicitados, con los cuales se cuenta en existencia, indicando en el sistema, con que productos no se contaba con stock al momento de la carga del paquete, para poder de esta manera actualizar el packinglist del pedido original en función a los productos a ser enviados y generar la factura correspondiente, estos paquetes se cargan y se etiquetan para su distribución en las distintas agencias. Todo esto se almacena en el módulo de procesamiento de pedidos del sistema.  Proceso de Distribución de Pedidos: El departamento de logística toma los paquetes que corresponden a cada pedido preparado en el proceso de packing, prepara y envía las cajas con los pedidos solicitados por las revendedoras, utilizando para ello los transportes de la empresa, de acuerdo a la agencia que corresponda, para ser retirada por las revendedoras.  Proceso de parametrización de Procesamiento de Pedidos: El departamento de TI recibe del departamento de Marketing, un listado donde se detalla que productos serán publicados, con sus respectivos precios y códigos en cada folleto de venta, de acuerdo a este listado se modifica el sistema de procesamiento de órdenes de compras,
  • 70. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 70 estableciendo códigos y precios, este proceso se realiza ya que los códigos y precios de los productos varían de acuerdo a cada folleto.  Proceso de Cobranzas: Las bocas de cobranzas situadas en cada agencia, se encargan del cobro a las revendedoras, quienes deben saldar su cuenta anterior de manera a poder retirar su pedido con los productos y la factura correspondiente, la cual genera una nueva obligación para con la empresa, la misma deberá ser cancelada al momento de retirar los productos del folleto siguiente, cabe mencionar que las consejeras operan a crédito por campaña.  Proceso de Entrega de Pedidos: Con la deuda anterior saldada, la revendedora retira su pedido con los productos facturados.  Proceso de Reportes: El departamento de TI prepara consultas para los distintos SGBD (ventas, pedidos, etc.), por demanda de cada uno de los departamentos, estos utilizan dichas consultas y preparan de manera manual los informes gerenciales, utilizando para ello herramientas de ofimáticas como Excel, Power Point etc., normalmente la generación de los reportes tiene un alto costo en recursos y tiempo, además el resultado no siempre es el esperado ya sea por fallas en la comunicación de necesidades o errores humanos en la confección. Estos mismos procesos se llevan a cabo en la empresa Flayp S.R.L., con la única diferencia de que esta opera con un solo proveedor que es AVON Internacional, ya que la relación es de franquicia.
  • 71. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 71 3.5.2. Relevamiento de Estructura de Datos En esta etapa se relevaron las bases de datos de los sistemas operacionales de las dos empresas, donde Flayp S.R.L. utiliza MySQL, el cual es un gestor de base de datos relacional. Por su parte Virú S.R.L. almacena su información en archivos planos del tipo dbf. A partir de estos relevamientos se obtuvieron las estructuras de datos de los sistemas operacionales de ambas empresas. 3.5.3. Relevamiento de Necesidades En función de los procesos relevados de ambas empresas, se observó que las mismas no cuentan con un sistema de reportes y análisis eficiente que ayuden a optimizar la toma de decisiones.De igual manera no cuentan con un sistema de reportes consolidado de ambas empresas, siendo esto necesario ya que las dos empresas pertenecen al mismo grupo empresarial, donde contar con un sistema de información macro es sumamente importante. Para lo cual es fundamental poder unificar los datos con los que ya se cuenta en formato digital, de manera a eliminar inconsistencias e integrar los mismos.
  • 72. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 72 3.5.4. Relevamiento tecnología actual del Grupo Flayp En la tabla 2, puede observarse la infraestructura con la que cuentan actualmente las empresas Flayp S.R.L. y Virú S.R.L. Tabla 2: Infraestructura actual de las empresas. 3.5.5. Relevamiento Sistemas gestores de Bases de Datos Microsoft SQL Server:es un Sistema Gestor de Bases de datos relacionales (SGBD), el mismo tiene como base el lenguaje Transact Structured Query Language(en adelante T-SQL), entre Flayp S.R.L. Virú S.R.L. Software Aplicativo Sistema escrito en lenguaje PHP/HTML, datos almacenados en MySQL. Sistema escrito en CA-Clipper, utilizando FlagShip como compilador, datos almacenados en dbf. S.O. Servidor Linux Mandriva 2.008 Linux Mandriva 2.008 Sistema Operativo Cliente Ubuntu 10.04 Ubuntu 10.04 Hardware Servidor Zeus Dell PowerEdge 2900. Procesador: Intel Xeon 2,33Ghz 64 bits. Memoria: 4Gb. HD: 500Gb (RAID por hardware). Apolo. Dell PowerEdge 2900. Procesador: Intel Xeon 3,0Ghz 64 bits. Memoria: 4Gb. HD: 100Gb (RAID por hardware). Hardware Cliente Maquinas Clon Maquinas Clon
  • 73. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 73 otras características que posee, es rápido, es multiusuario y es capaz de manejar grandes transacciones de datos. El Transact- SQLes un lenguaje de programación que difiere de otros lenguajes, ya que en su mayoría, en estos lenguajes se escriben grandes cantidades de códigos para luego ser compilados en un archivo ejecutable, pero con el lenguaje T-SQL no sucede esto, ya que este es más un lenguaje de control y manipulación de datos que de programación en sí. El T-SQL no es “case sensitive” (no hace diferencias entre mayúsculas y minúsculas) y tiene como base el estándar SQL-92, que es el que estandariza el lenguaje Structured Query Language(en adelante SQL), y sirve de guía para todos los sistemas gestores de bases de datos, haciendo más fácil la compatibilidad entre los diferentes productos que se ofrecen en el mercado. En el Microsoft SQL Server se pueden considerar características tales como:  Soporta transacciones.  Soporte de procedimientos almacenados.  Seguridad, estabilidad y escalabilidad.  Interfaz gráfica de administración, que facilita el uso de comandos DDL (Data Definition Language) y DML (Data Manipulation Language) gráficamente.  Modo cliente-servidor (La información se aloja en el servidor y solo los clientes acceden a esta).  Administración de información de otros servidores de datos.
  • 74. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 74 Este gestor también tiene una versión más estándar, que utiliza el mismo motor de base de datos, aunque destinado a proyectos más pequeños, que para las versiones 2.005 y 2.008 es la SQL Express Edition, que se distribuye de una manera gratuita. MySQL Server: es un sistema de gestión de bases de datos relacional, con la característica de ser multiusuario. El mismo está desarrollado bajo licencia de software libre en un esquema de licenciamiento dual. Existe una versión que se ofrece bajo la GNU GPL destinada a cualquier uso que sea compatible con este tipo de licencia, y para el caso de aquellas empresas que quieran utilizarlo en productos privativos deben adquirir de la empresa una licencia específica que les permita hacer esto. MySQL SERVER se encuentra desarrollado en su mayor parte en ANSI C. A diferencia de otros proyectos, donde el software es desarrollado y mantenido por una comunidad pública y los derechos de autor del código fuente se encuentran en manos del autor, MySQL es patrocinado por una empresa privada, que posee el copyright de la mayor parte del código. Esta situación es la que ofrece la posibilidad del esquema de licencias dual. Aparte de la comercialización de las licencias privativas, la compañía también ofrece soporte y servicios. En el MySQL Server podemos considerar características como:
  • 75. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 75  Uso de multihilos mediante hilos del kernel.  Tablas hash en memoria temporales.  Soporta operadores y funciones en cláusulas select y where.  Soporta cláusulas group by y order by, soporte de funciones de agrupación.  Gestión de contraseñas y privilegios utilizando verificación basada en el host y el tráfico de contraseñas está cifrado al realizar una conexión al servidor.  Soporta gran cantidad de datos.  Permite un máximo de 64 índices por tabla, cada uno de los cuales puede consistir desde 1 hasta 16 columnas o partes de columnas. El máximo ancho de límite son 1.000 bytes.  Los usuarios se conectan al servidor MySQL usando sockets TCP/IP en cualquier plataforma. 3.5.6. Relevamiento algoritmo de minería de datos A continuación se describen los métodos y algoritmos predictivos que se pueden aplicar a la minería de datos.  Métodos predictivos: estos métodos tienen como objetivo describir una o más variables en relación a las demás, también es conocida como método asimétrico, supervisado o directo. Este tipo de método ayuda a la predicción o clasificación de acontecimientos futuros de una o más variables en relación a lo ocurrido teniendo en cuenta los motivos que lo causa o directamente en relación
  • 76. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 76 a las variables que se utilizan como entrada. Los principales métodos de este tipo son las redes neuronales (arboles de decisiones y perceptrón de multicapa), modelos estadísticos clásicos, modelos de regresión lineal y logística.  Métodos descriptivos: permiten agrupar datos rápidamente, conocidos también como métodos simétricos no supervisados o indirectos. Realiza la clasificación sin que en el momento de realizar las observaciones se tenga conocimientos de las clases asociadas, su objetivo es descubrir estas asociaciones, contornos y agruparlos. El algoritmo de regresión lineal es un método que modela la relación entre una variable dependiente Y, las variables independientes Xi y un término aleatorio ε. Regresión lineal por mínimos cuadrados, es una técnica cuyo objetivo es derivar una curva que minimice la discrepancia entre los puntos y la curva, la formula general esy=m+b. Donde los valores de m y b se determinan al resolver el siguiente sistema de ecuaciones. b.n+ m∑x = ∑y b∑x + m∑x2 = ∑xy
  • 77. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 77 En la tabla 3 se muestran los datos de ejemplo para dicha ecuación: Tabla 3: Datos de ejemplo El backpropagationes un algoritmo de aprendizaje supervisado que se usa para entrenar redes neuronales artificiales. El algoritmo consiste en minimizar un error (comúnmente cuadrático) por medio de descenso de gradiente, por lo que la parte esencial del algoritmo es cálculo de las derivadas parciales de dicho error con respecto a los parámetros de la red neuronal. Para ello se requiere que especifiquen los valores de la salida que se asocien a ciertos tipos de entradas. En la tabla 4 se describe en detalle dicho algoritmo. Pasos Descripción Adelante Tras inicializar los pesos de forma aleatoria y con valores pequeños, selecciona el primer par de entrenamiento. Calculamos la salida de la red. Calculamos la diferencia entre la salida real de la red y la salida deseada, con lo que obtenemos el vector de error. Atrás Ajustamos los pesos de la red de forma que se minimice el error Repetimos los tres pasos anteriores para cada par de entrenamiento hasta que el error para todos los conjuntos de entrenamiento sea aceptable. Tabla 4: Descripción del algoritmo backpropagation Campaña (n) X Y X2 XY 1 1 77 2 77 2 2 88 4 176 3 3 96 6 288 4 4 100 8 400 5 5 132 10 660 6 6 160 12 960 Sumatoria 21 653 42 2561 ∑X=21 ∑Y=653 ∑X2=42 ∑XY=2561
  • 78. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 78 3.5.7. Relevamiento de sistemas operativos Sistema operativo Linux: es un sistema operativo de código abierto de libre distribución y compatible con UNIX, está compuesto por el núcleo principal del sistema, conocido también como kernel, además de un sinfín de programas y librerías que hacen posible su funcionamiento. Los sistemas operativos Linux concretamente están basados en UNIX, el cual se desarrolló con la colaboración de muchos programadores, unas de las ventajas en estos sistemas operativos es que cualquier programador puede desarrollar nuevos módulos o modificar las ya existentes de acuerdo a sus necesidades, la distribución es gratuita, cuenta con amplia posibilidades de configuración, mientras que entre las desventajas lo más significativo es que se requiere de más tiempo para el aprendizaje, lo cual es lógico si el usuario precisa configurar a bajo nivel el sistema para mejorar el rendimiento, pero para un usuario que solo utilizaría herramientas de ofimática el tiempo de aprendizaje es lo mismo que en otros sistemas operativos .Entre las características podemos mencionar, la capacidad de soportar multitarea, multiusuario y multiplataforma. Sistemas operativos Windows: a la familia de sistemas operativos desarrollados y comercializados por Microsoft se le denomina Windows, este como los otros sistemas operativos es el encargado de hacer llegar las instrucciones realizadas por el usuario al hardware a través del núcleo o kernel principal y diversos programas y librerías que hacen posible su utilización, son multitarea, multiusuario y multiplataforma, como una de las
  • 79. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 79 ventajas se puede mencionar lo intuitivo que es a la hora de su utilización por personas con conocimientos básicos y la facilidad de configuración, mientras que la desventaja más significativa consiste en el alto costo en licencias al que se debe incurrir para implementar, inestabilidad, limitaciones en configuración y costoso en recursos de hardware. 3.5.8. Relevamiento de herramientas de Inteligencia de Negocios En este apartado se realizó el relevamiento de algunas de las soluciones de Inteligencia de Negocios disponibles en la actualidad como son Michroestrategy, Pentaho, Jasper y Oracle.  MicroStrategy ReportingSuite:permite desarrollar y proporcionar rápidamente una aplicación de reportes. MicroStrategy Reporting Suitees una completa solución para implementar sistema de inteligencia de negocios, permitiendo la generación de cuadros de mandos, reportes, análisis OLAP, análisis avanzado y predictivo, alertas y notificaciones.  PentahoBusiness Intelligence Open Source: ofrece, con soluciones propias, todo el espectro de recursos para desarrollar, mantener y explotar un proyecto de Inteligencia de Negocios, desde las ETL con Data Integration, hasta los cuadros de mando con el Dashboard Designer o el Comunity Dashboard Framework.La forma como Pentaho ha construido su solución de Inteligencia de Negocios es integrando diferentes proyectos ya existentes y de solvencia reconocida. Data Integration anteriormente
  • 80. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 80 era Kettle, de hecho sigue conservando su antiguo nombre como nombre coloquial. Mondrian es el otro componente de Pentaho que sigue manteniendo entidad propia.  Jaspersoft: es la empresa que está detrás del famoso y extendido JasperReports. Solución Open Source de reportes. Jaspersoft ha construido su solución de Inteligencia de Negocios en torno a su motor de informes. Y lo ha hecho de una forma distinta a la de Pentaho. Jasper ha integrado en sus soluciones, proyectos también preexistentes y consolidados pero no los ha absorbido. Esta estrategia le hace depender de Talend en cuanto a solución ETL y de Mondrian – Pentaho para el motor OLAP. Jasper tiene acceso al código de Mondrian y puede adaptar y continuar los desarrollos en cualquier punto de Mondrian.  Oracle Business Intelligence: esta es la suite más modesta, muy accesible para pymes. Incluye todo lo necesario para tener funcionando en poco tiempo un sistema de Inteligencia de Negocios. Eso sí, se ha de instalar todo en un servidor, y este ha de ser un Windows Server.La licencia no permite utilizar más de dos CPU's del servidor y sólo permite utilizar otra fuente de datos directa aparte de la BD que incluye. El licenciamiento es obligatoriamente por usuario nominal, y se pueden licenciar entre 5 y 50 usuarios. La licencia es fácilmente transformable a una Enterprise, ya que esta última incluye el software de la Standard.
  • 81. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 81 3.6. Análisis En este capítulo se presenta el análisis de los sistemas existentes, en primer término se analizan todos los procesos, seleccionando los inherentes al proyecto, de manera tal que cumpla con los requerimientos relevados, también se muestra el modelo de los datos de los sistemas operacionales y/o transaccionales, estos modelos agrupan a varios sub- modelos que agrupan de forma lógica a las funcionalidades del sistema. 3.6.1. Análisis de requerimientos A partir de las entrevistas realizadas a los miembros del directorio y a los gerentes de cada área de ambas empresas, se detectaron las dificultades con las que se encuentran en el momento de obtener información de vital importancia para la toma de decisiones, lo cual lleva a concluir en la necesidad de la implementación de una solución de Inteligencia de Negocios, que sea capaz de brindar reportes, por empresas y también un consolidado de ambas empresas, como así también un análisis de los datos históricos para predecir el probable comportamiento a futuro de las ventas. De igual manera, se tomó la decisión de proporcionar a través de la implementación del prototipo, los reportes a ser utilizados por los departamentos de Venta y Marketing, esto se decidió en primera instancia, por pedido de los miembros del directorio, ya que consideran que son los departamentos a los que más beneficiará la solución de
  • 82. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 82 Inteligencia de Negocios, por otro lado, ambos departamentos se nutren del mismo tipo de información, por lo cual se optimiza la implementación del prototipo, debiéndose generar un solo grupo de reportes para ambos departamentos. A continuación se detallan los tipos de reportes analizados en detalle.  Venta por Campaña: visualiza gráficamente los resultados de una o más campañas en función a tres variables (facturación, unidades y pedidos), de una o ambas empresas.  Venta por División: visualiza gráficamente los resultados obtenidos por cada una de las divisiones, esto se puede generar para una o más campañas, en función a tres variables (facturación, unidades y pedidos), de una o ambas empresas.  Venta por Departamento: visualiza gráficamente los resultados obtenidos en cada uno de los departamentos, esto se puede generar para una o más campañas, en función a tres variables (facturación, unidades y pedidos), de una o ambas empresas.  Venta por Quarter: visualiza gráficamente los resultados de cada quarter (cada quarter se compone de 5 campañas, 1-5 1erQ, 6-10 2doQ, 11-15 3erQ y 16-20 4toQ) en función a tres variables (facturación, unidades y pedidos), de una o ambas empresas.  Top Salers: Visualiza gráficamente los productos más vendedores de una o rango de campañas, en función a las dos variables (facturación y unidades), se podrá generar: consolidado general, por categoría, por división, por departamento, por promotora.
  • 83. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 83  Ventas por Categoría: visualiza gráficamente el resultado obtenido con cada una de las categorías.  Proyección de ventas: visualiza gráficamente el resultado de una proyección basada en datos históricos y con la aplicación de minería de datos. Se podrá obtener en función a las dos variables (facturación y unidades). 3.6.2. Análisis de procesos Contando con todos los procesos relevados, se procedió a la clasificación de los mismos en función a los requerimientos de la solución, estos se clasificaron de acuerdo a la organización departamental del Grupo, la misma se detalla a continuación:  Marketing — Planificación de Ventas  Compras — Planificación de Ventas – Compras  Logística — Recepción de Productos - Distribución de materiales de venta — Packing-Facturación-Distribución de Pedidos. — Cobranzas - Entrega de Pedidos.  Tecnología de la Información — Procesamiento de Pedidos – Reportes
  • 84. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 84 — Parametrización para Procesamiento de Pedidos.  Ventas — Recepción de Pedidos Posterior a la clasificación, se continuó con la selección de los procesos intervinientes en los departamentos de TI y Logística, seleccionando a su vez los inherentes al proyecto. Tomando el proceso de procesamiento de pedidos del departamento de TI y el proceso de facturación del departamento de Logística. Luego de llevar a cabo estos análisis, se llegó a la conclusión que entorno a estos dos procesos seleccionados, se llevara adelante el diseño del proyecto. 3.6.3. Análisis de estructura de datos Se analizaron minuciosamente las estructuras de datos provenientes de cada sistema de información, lo cual permitió definir que tablas y datos serán necesarios para la realización del prototipo, la misma puede visualizarse en detalle en el Anexo 3.
  • 85. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 85 3.6.4. Análisis de herramientas de Inteligencia de Negocios Con todos los datos relevados sobre las herramientas de Inteligencia de Negocios se realizó el análisis para la selección de la herramienta en la cual se desarrollará este trabajo de tesis. En la tabla 5 se presenta un cuadro comparativo de las distintas herramientas mencionadas en el relevamiento. Herramienta Permite ETL Reportes Minería de Datos Open Source Oracle SI SI SI NO Jasper SI SI NO SI Pentaho SI SI SI SI MicroStrategy SI SI SI NO Tabla 5: Comparativa herramientas de Inteligencia de Negocios Después de analizar minuciosamente cada componente las opciones de suite de Inteligencia de Negocios, se llegó a la conclusión de que Pentaho BI Suite es la que mejor se adecua al proyecto teniendo en cuenta que con este trabajo se busca proporcionar una solución de Inteligencia de Negocios basada en software libre, además de la robustez de la herramienta y su larga trayectoria, sumado al amplio soporte en su versión de la comunidad y la facilidad de uso de todos sus componentes.
  • 86. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 86 3.6.5. Análisis de sistemas gestores de bases de datos Con todos los datos relevados sobre los sistemas gestores de bases de datos, se realizó el análisis para la selección del SGBD que se utilizará para el desarrollo del data warehouse necesario para la concreción del proyecto. A continuación se presenta la tabla 6 donde se tiene un cuadro comparativo de los SGBD seleccionados y mencionados en el relevamiento. Característica MySQL SQL Server Costo Libre de Pago De Pago Open Source Si No Plataformas Linux, Windows, Mac y otras Windows Límite de tamaño de BD Limitado por el Sistema Operativo Limitado por el Sistema Operativo Transacciones Si Si Posibilidad de elegir diferentes formas de almacenamiento Si No Claves Foráneas Depende del motor Si Vistas Si Si Procedimientos Almacenados Si Si Triggers Si Si Cursores Si Si Subconsultas Si Si Funciones definidas por el usuario Si Si Multiusuario Si Si Tabla 6: Comparativa de SGBD Finalmente, después de realizar un análisis detallado de las dos opciones seleccionadas, se optó por utilizar MySQL Server como SGBD para el desarrollo del data warehouse, basados en
  • 87. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 87 que no existen diferencias sustanciales entre las dos opciones, en función a lo que se necesita para la realización de esta tesis, como así también y principalmente teniendo en cuenta que se busca desarrollar una solución de Inteligencia de Negocios basada en softwarelibre. 3.6.6. Análisis de tecnología actual del Grupo Flayp En función a los requerimientos de las herramientas necesarias, para la implementación del prototipo de la Inteligencia de Negocios, no es apropiado instalar en los servidores que soportan las cargas transaccionales ya que esto propiciaría efectos negativos en cuanto a las prestaciones, disponibilidad y desempeño de los mismos. 3.6.7. Análisis de algoritmo de minería de datos A continuación se puede observar en la tabla 7un cuadro comparativo de los algoritmos relevados en la etapa de revelamiento de datos.
  • 88. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 88 Algoritmo Costo Computacional Tiempo de Ejecución Rendimiento BackPropagation (Redes Neuronales) Alto costo computacional Consume mucho tiempo La memoria puede llegar a ser insuficiente durante la ejecución del algoritmo Regresión Lineal de Cuadrados Mínimos No tiene un costo muy elevado El tiempo de ejecución es muy superior al BackPropagation Se adecua más fácil a los recursos disponibles Tabla 7: Comparativa de algoritmos de minería de datos. Para este proyecto de tesis se optó por el algoritmo de regresión lineal aplicando métodos de mínimos cuadrados, ya que este algoritmono consume demasiados recursos y tiene un tiempo de respuesta significativamente superior al algoritmo backpropagation de redes neuronales, además es uno de los más utilizados para predicciones de ventas. 3.6.8. Análisis de sistemas operativos Se realiza un cuadro comparativo entre sistemas operativos basados en GNU/Linux y Windows tomando los aspectos más importantes a tener en cuenta en el momento de la elección de un Sistema Operativo. El mismo puede observarse en la tabla 8.
  • 89. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 89 Aspecto Sistema Operativo GNU/Linux Sistema Operativo Windows Tiempo de Inicio El proceso de carga de archivos para el arranque es muy ligero y rápido. Es más pesado, la carga de los archivos para el arranque lo realiza más lento. Seguridad Muy bajo el índice de vulnerabilidad, pocos virus se han creado para este sistema operativo. Muy alto el índice de vulnerabilidad, se crean muchos virus para este sistema operativo. Aplicaciones En la actualidad existen una variedad importante de aplicaciones para Linux. Existen muchas aplicaciones para Windows. Drivers Aplica lista de drivers para el funcionamiento de los dispositivos. Aplica lista de drivers para el funcionamiento de los dispositivos. Mantenimiento Su mantenimiento es más fácil comparado al de Windows, pero si no lo sabemos hacer, conseguir personas que lo haga puede ser una dificultad. Su mantenimiento es más complicado que el de Linux pero existen más personas que lo saben hacer comparado al de Linux. Soporte Java Virtual Machine Soporta perfectamente plataforma Java Soporta perfectamente plataforma Java Difusión Día a día va ganando terreno en los hogares y oficina, muy utilizando en servidores. Tiene un alto porcentaje del mercado salvo el de servidores. Costo Sigue siendo el sistema más comercial tiene un costo importante en licenciamiento con código fuente cerrado. El sistema operativo Linux como un sinfín de aplicaciones que lo utilizan es open source. Tabla 8: Comparativa de sistemas operativos Teniendo en cuenta el objetivo de la tesis, el cual consiste en implementar un prototipo de sistema de inteligencia de negocios utilizando software libre, sumado a la preferencia de las empresas en utilizarsoftware con este tipo de licencia, se optó por el sistema operativo Linux.
  • 90. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 90 3.6.9. Análisis de factibilidad económica A continuación se presenta una tabla donde pueden apreciarse los costos necesarios para llevar adelante este proyecto, en la misma se detallan los conceptos y los respectivos montos. Concepto Cant. P.U u$s Total u$s Analista de Sistemas 1 0.0$s 0.0$s Desarrollador 2 0.0$s 0.0$s Especialista en BI 1 1.500$s 4.500$s Servidor Dell PE R520 Rackeable 1 5.397$s 5.397$s Licencia S.O. Servidor 1 0.0$s 0.0$s Licencia Herramienta Desarrollo BI 1 0.0$s 0.0$s Licencia Servidor BI 1 0.0$s 0.0$s Total 6.647$s 6.647$s Tabla 9: Cuadro de costos Tal como puede observarse en la tabla anterior, el costo total que implica la implementación de este proyecto es por demás accesible, teniendo en cuenta la relación entre el costo mencionado y el volumen de ventas que manejan las empresas del Grupo Flayp. Esto es favorecido también, gracias a la posibilidad de contar con los servicios de los profesionales de T.I del Grupo Flayp, como ser Analistas de Sistemas y Desarrolladores, necesitándose solo la tutoría de un especialista en soluciones de Inteligencia de Negocios, para brindar un acompañamiento que asegure el éxito del proyecto. Así también recalcar una vez más, el ahorro que representa la utilización de herramientas con licencia de software libre.
  • 91. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 91 En el Anexo 4 se adjunta el presupuesto del servidor recomendado. 3.7. Diseño En este capítulo se describirá el diseño deldata warehouse,ETL, reportes, cubos OLAP, cuadros de mandos, y los distintos diagramas que componen el prototipo. Se utilizarán cuatro ejemplos de informes, un reporte dinámico que permite la interacción del usuario con el mismo, un reporte basado en el proceso de minería de datos, un análisis dinámico basado en cubos OLAP y un cuadro de mando. 3.7.1. Diseño del data warehouse Se diseñó eldata warehouse utilizando un modelo en estrella, y en cuanto a los estándares para el modelado, se define lo siguiente:  Todas las tablas del data warehouse (hechos y dimensiones) poseerán el prefijo dw_.  Todas las tablas intermedias utilizadas para el proceso de actualización poseerán el prefijo inter_.
  • 92. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 92 A continuación se presentan las distintas tablas dimensionales deldata warehouse y sus relacionamientos con las tablas de hechos, para el diseño del diagrama entidad relación se utilizó la herramienta MySQL Workbench. En las figuras 7,8 y 9 se pude observar los diagramas de entidad relación del data warehouse. Figura 7: DER Hechos Pedidos
  • 93. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 93 Figura 8: DER Hechos Ventas. Figura 9: DER Proyección 3.7.2. Diseño del proceso ETL A continuación se presenta en tablas, el mapeo del cargado del data warehouse indicando sus respectivas fuentes de datos.
  • 94. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 94 Para la concreción de esta etapa del proyecto se utilizó la herramienta Pentaho Data Integration. Columna Tipo Llave Fuente Viru CodArticulo Int Si Artiuclos Viru.dbf.FSCODE Descripción Varchar No Artiuclos Viru.dbf.DESCRIPCION categoría Varchar No Artiuclos Viru.dbf.CATEGORIA subcategoria Varchar No Artiuclos Viru.dbf.SUBCATEGORIA Tabla 10: Mapeo de tabla inter_articulos_viru Columna Tipo Llave Fuente Viru Fuente Flayp CodArticulo int No inter_articulos_vi ru.codArticulo Fwa.Articulos.fsCod e IdArticulo int Si Agregado en el Proceso de ETL Agregado en el Proceso de ETL CodEmpresa int No Agregado en el Proceso de ETL Agregado en el Proceso de ETL Descripción Varchar No inter_articulos_vi ru.Descripcion Fwa.Articulos.descri pción Categoria Varchar No inter_articulos_vi ru.Categoria Fwa.Categorias.Cate goria SubCategoria Varchar No inter_articulos_vi ru.sub_categoria Fwa.subcategorias.s ubcategoria Tabla 11: Mapeo de tabla dw_articulos Columna Tipo Llave Fuente Viru Contrato Int Si Fwa.clientes.contrato Zona Int No Fwa.clientes.zona División Varchar No Fwa.divisiones.division departamento varchar No Fwa.deparatmentos.departamento Tabla 12: Mapeo de tabla dw_clientes Columna Tipo Llave Fuente Flayp Orden int no Fwa.campañas_actuales.orden Tabla 13: Mapeo de tabla dw_campañas_actuales
  • 95. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 95 Columna Tipo Llave Fuente Flayp CAMPA varchar No Archivo DBF CODIGO int No Archivo DBF PRODU varchar No Archivo DBF PRECIO bigint No Archivo DBF ZONA varchar No Archivo DBF CONTRATO bigint No Archivo DBF ESTADO char No Archivo DBF CANTIDAD bigint No Archivo DBF SERIE char No Archivo DBF SUCURSAL varchar No Archivo DBF TIMBRADO varchar No Archivo DBF DOC bigint No Archivo DBF TIPO varchar No Archivo DBF SUBTIPO varchar No Archivo DBF FECHA datetime No Archivo DBF OTRODOC varchar No Archivo DBF OTROFEC datetime No Archivo DBF OTROHOR varchar No Archivo DBF VENDEDOR varchar No Archivo DBF FECHADOC datetime No Archivo DBF IMPRESO char No Archivo DBF COSTO bigint No Archivo DBF IMPUESTO char No Archivo DBF PREMIO char No Archivo DBF EXPREMIO char No Archivo DBF FOLLETO varchar No Archivo DBF C_UNIDADES bigint No Archivo DBF C_VENTAS bigint No Archivo DBF C_CAJA bigint No Archivo DBF VERIFI char No Archivo DBF RESULT char No Archivo DBF BRASIL_1 char No Archivo DBF BRASIL_2 char No Archivo DBF COLUMNA int No Archivo DBF GRUPO varchar No Archivo DBF OPERADOR varchar No Archivo DBF PAGINA int No Archivo DBF FSCODE bigint No Archivo DBF C_CLIENTES bigint No Archivo DBF C_SUSTITU char No Archivo DBF C_PACKIN char No Archivo DBF XXUSR varchar No Archivo DBF XXFECHA datetime No Archivo DBF XXHORA varchar No Archivo DBF Tabla 14: Mapeo de tabla clonado_dbf_viru
  • 96. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 96 Columna Tipo Llave Fuente Flayp Campaña Int No Fwa.pedidos.campaña Año Int No Fwa.pedidos.año codCliente Int No Fwa.pedidos.numCliente codArticulo Int No Fwa.pedidodetalles.fsCode idArticulo Int No Agregado en el Proceso de ETL Cantidad Int No Fwa.pedidodetalles.cantidad Monto Int No Fwa.pedidodetalles.precio codEmpresa Int No Agregado en el Proceso de ETL Tabla 15: Mapeo de tabla inter_pedido_avon Columna Tipo Llave Fuente Viru Campaña Int No clonado_dbf_viru.CAMPA Año Int No clonado_dbf_viru.AÑO codCliente Int No clonado_dbf_viru.CONTRATO codArticulo Int No clonado_dbf_viru.PRODU idArticulo Int No Agregado en el Proceso de ETL Cantidad Int No clonado_dbf_viru.CANTIDAD Monto Int No clonado_dbf_viru.PRECIO codEmpresa Int No Agregado en el Proceso de ETL Tabla 16: Mapeo de tabla inter_pedido_viru Columna Tipo Llave Fuente Flayp numDocumento Int Si Fwa.ventas.numDocumento Campaña Int No Fwa.ventas.campaña Año Int No Fwa.ventas.año codCliente Int No Fwa.ventas.contrato codArticulo Int No Fwa.ventasdetalle.codArticulo idArticulo Int No Agregado en el Proceso de ETL Cantidad Int No Fwa.ventasdetalle.cantidad Monto Int No Fwa.ventasdetalle.precio codEmpresa Int No Agregado en el Proceso de ETL Tabla 17: Mapeo de tabla inter_ventas_avon
  • 97. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 97 Columna Tipo Llave Fuente Viru CAMPA bigint No clonado_dbf_viru.CAMPA AÑO smallint No clonado_dbf_viru.AÑO PRODU varchar No clonado_dbf_viru.PRODU idArticulo int No Agregado en el Proceso de ETL PRECIO bigint No clonado_dbf_viru.PRECIO CONTRATO bigint No clonado_dbf_viru.CONTRATO CANTIDAD bigint No clonado_dbf_viru.CANTIDAD DOC bigint No clonado_dbf_viru.DOC codEmpresa int No Agregado en el Proceso de ETL Tabla 18: Mapeo de tabla inter_ventas_viru Columna Tipo Llave Fuente Viru Fuente Flayp Campaña int Si inter_ventas_viru.CAMPA inter_ventas_avon.Campaña Año int Si inter_ventas_viru.AÑOAgreg ado en el Proceso de ETL inter_ventas_avon.Año CodEmpresa int Si Agregado en el Proceso de ETL Agregado en el Proceso de ETL NumFactura bigin No inter_ventas_viru.DOC inter_ventas_avon.numDoc umento CodArticulo Int No inter_ventas_viru.PRODU inter_ventas_avon.codArtic ulo IdArticulo int Si Agregado en el Proceso de ETL Agregado en el Proceso de ETL CodCliente Int Si inter_ventas_viru.CONTRAT O inter_ventas_avon.codClient e Cantidad Int No inter_ventas_viru.CANTIDA D inter_ventas_avon.cantidad Monto Int No inter_ventas_viru.PRECIO inter_ventas_avon.monto Tabla 19: Mapeo de tabla dw_hechosventas
  • 98. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 98 Columna Tipo Llave Fuente Viru Fuente Flayp Campaña Int Si inter_pedido_viru.campaña inter_pedido_avon.campaña Año Int Si inter_pedido_viru.año inter_pedido_avon.año codEmpresa Int Si Agregado en el Proceso de ETL Agregado en el Proceso de ETL codArticulo Int Si inter_pedido_viru.codArticulo inter_pedido_avon.codArtic ulo idArticulo Int No Agregado en el Proceso de ETL Agregado en el Proceso de ETL codCliente Int Si inter_pedido_viru.codCliente inter_pedido_avon.codClien te Cantidad Int Si inter_pedido_viru.cantidad inter_pedido_avon.cantidad Monto Int No inter_pedido_viru.monto inter_pedido_avon.monto Tabla 20: Mapeo de tabla dw_hechospedidos 3.7.3. Diseño de reportes En esta sección se detalla el diseño de los distintos tipos de informes previstos en el prototipo de solución de Inteligencia de Negocios. La figura 10 representa el diseño del reporte ventas por campañas por zonas, el mismo está basado en la tabla dw_hechosventas y en las tablas de dimensiones dw_empresas, dw_campañas, dw_clientes del data warehouse, este reporte aporta información sobre la venta efectiva por zonas, en las variables de unidades y facturación de ambas empresas en conjunto, como así también por separado.
  • 99. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 99 El reporte visualiza en un gráfico de líneas, el rendimiento de cada una de las campañas, tanto las campañas con datos cerrados, como así también las campañas en curso. Pudiéndose filtrar esa información por zonas y por años, como así también visualizar los datos de una empresa en particular, o de ambas en conjunto. Figura 10: Ventas por campañas por zonas
  • 100. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 100 La figura 11 representa el diseño de uno de los reportes que se utiliza para representar el resultado de la minería de datos que predice las ventas, el mismo está basado en las tablas dw_proyección y dw_empresas del data warehouse, este reporte aporta información sobre la proyección de ventas en cuanto a las variables de unidades y facturación. Figura 11: Reporte proyección de ventas
  • 101. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 101 3.7.4. Diseño de cubos multidimensionales A continuación se presenta el modelado de cada uno de los elementos multidimensionales que forman parte del prototipo de solución de Inteligencia de Negocios. El modelado se realizó según los requerimientos establecidos en etapas anteriores, algunos que otros requerimientos fueron ampliados para brindar una mayor variedad de reportes en la solución. Dimensión Artículos de la figura 12: esta dimensión se define para el análisis de las ventas y/o pedidos según el artículo. Para esta dimensión se definen los siguientes atributos:  El Código del Articulo  Código de la Empresa  Descripción del Articulo  Categoría del Articulo  Sub Categoría del Articulo Figura 12: Dimensión artículos Dimensión Campaña de la figura 13: esta dimensión determina que campaña, año y quarterson los datos cargados en el data warehouse, la dimensión está compuesta por los siguientes atributos.
  • 102. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 102  Numero de campaña  Año de la campaña  Quarter de la campaña   Figura 13: Dimensión campaña Dimensión Clientes de la figura 14: esta dimensión se define para realizar el análisis de las ventas y/o pedidos según los datos del cliente. La dimensión está compuesta por los siguientes atributos.  Numero de contrato del cliente  Zona del cliente  División del cliente  Departamento del cliente Figura 14: Dimensión clientes Dimensión Empresas de la figura 15: esta dimensión se define para realizar análisis de ventas/pedidos según las dos empresas. La dimensión está compuesta por los siguientes atributos.
  • 103. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 103  Código de la empresa  Nombre de la empresa Figura 15: Dimensión campaña Hechos Pedidos de la figura 16: este hecho modela la cantidad y monto de los pedidos según el cruzamiento con las distintas dimensiones ya descritas. Figura 16: Hechos pedidos Hechos Ventas de la figura 17: este hecho modela la cantidad y monto de las ventas según el cruzamiento con las distintas dimensiones ya descritas. Figura 17: Hechos Ventas
  • 104. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 104 A continuación se presentaa modo de ejemplo el diseño del cubo multidimensional de ventas por campaña, división, categoría y empresa, a implementar en la solución, que cuenta con los siguientes atributos.  Nombre del Cubo: Ventas por campaña, división,categoría y empresa.  Descripción: Este cubo pretende realizar un análisis de las ventas según las dimensiones cruzadas y las medidas definidas.  Dimensiones: campaña, división, categoría y la empresa.  Medidas: Ventas en Guaraníes, Unidades Vendidas y Cantidad de Clientes Compradores En la tabla 21se muestra una de las formas de representación del cubo multidimensional, que puede cambiar de acuerdo al análisis que requiera el usuario. D. Empresa D. División D. Tiempo (Año- Campaña) Medida Facturación Medida Unidades Vendidas Media Cantidad de Clientes Avón S.A. Diamante Campaña>Año 99.999.999.9999 9.999.999.999 999.999 Esmeralda Campaña>Año 99.999.999.9999 9.999.999.999 999.999 Rubí Campaña>Año 99.999.999.9999 9.999.999.999 999.999 Zafiro Campaña>Año 99.999.999.9999 9.999.999.999 999.999 Virú S.R.L. Diamante Campaña>Año 99.999.999.9999 9.999.999.999 999.999 Esmeralda Campaña>Año 99.999.999.9999 9.999.999.999 999.999 Rubí Campaña>Año 99.999.999.9999 9.999.999.999 999.999 Zafiro Campaña>Año 99.999.999.9999 9.999.999.999 999.999 Tabla21: Análisiscubo ventas por campaña, división, categoría y empresa.
  • 105. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 105 3.7.5. Diseño de cuadros de mandos A continuación, en la figura 18 se presenta el diseño de la estructura general de uno de los componentes de gran importancia en el prototipo de solución de Inteligencia de Negocios, que son los cuadros de mandos. Nombre del cuadro de mando: CDM C6-2012 EN UNIDADES. Indicadores Clave de Desempeño (KPI Key Performance Indicators):  Participación de Ventas en Unidades  Por campaña  Por Empresa  Por División  Top 10 de Zonas Figura 18: Estructura del cuadro de mando
  • 106. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 106 La figura 19 se muestra la arquitectura lógica y la forma en la que interactúan los componentes de la solución de Inteligencia de Negocios para generar los cuadros de mandos. Figura 19: Arquitectura lógica del cuadro de mando Porúltimo se define las interacciones que debe tener el cuadro de mando, el usuario debe poder filtrar por campaña para que cuando el usuario seleccione una de las campañas refresque los gráficos con los datos correspondientes.
  • 107. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 107 3.7.6. Diagramas casos de uso Figura 20: Caso de uso usuario
  • 108. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 108 Figura 21: Caso de uso administrador-consola Figura 22: Caso de uso administrador – servidor
  • 109. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 109 Figura 23: Caso de uso administrador – informes
  • 110. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 110 3.7.7. Diagrama de actividades Figura 24: Diagrama de Actividades usuario
  • 111. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 111 Figura 25: Diagrama de actividades administrador - usuarios Figura 26: Diagrama de actividades administrador - servidor
  • 112. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 112 Figura 27: Diagrama de actividades administrador – informes 3.7.8. Diagramas de secuencia En la figura 28 se puede apreciar el diagrama de secuencia correspondiente a la consulta de reporte y cubos que realiza el usuario gerente.
  • 113. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 113 Figura 28: Diagrama de secuencia – consulta de reporte y cubo En la figura 29 se puede apreciar el diagrama de secuencia y por ende las interacciones que se generan al crear un usuario. Figura 29: Diagrama de secuencia crear usuario
  • 114. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 114 En el diagrama de secuencia que se aprecia en la figura 30 se puede ver las interacciones entre objetos cuando el administrador del prototipo realiza tareas administrativas. Figura 30: Diagrama de secuencia administrar prototipo 3.7.9. Diagrama de arquitectura de Pentaho Open BI Suite En la figura31 se puede ver la arquitectura funcional y los distintos componentes que hacen a la suite de Pentaho Open BI Suite. Tal como se puede apreciar en el gráfico, la suite de Pentaho CE está divida en cuatro capas que son:  Origen de datos, aquí encontramos las fuentes de datos del cual se extrae la información.  Integración de datos, en esta capa se encuentran las herramientas de ETL (Data Integration) y las herramientas para la creación de Metadata.
  • 115. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 115  Plataforma de Inteligencia de Negocios, en esta capa se encuentra el conjunto de herramientas que facilitan la administración y ejecución de los procesos creados para realizar el análisis de datos, aquí está el repositorio de archivos, la lógica del negocio, los sistemas de administración y seguridad de la plataforma.  Presentación, en el gráfico se puede apreciar las distintas maneras de visualizar el resultado de las ejecuciones de procesos como reportes, On-Line Analitical Processing(OLAP) y los cuadros de mandos. Figura 31: Arquitectura Pentaho Open BI Suite
  • 116. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 116 3.7.10. Arquitectura del prototipo de solución de Inteligencia de Negocios. A continuación se presenta de forma general la arquitectura de la solución planteada en la tesis, teniendo en cuenta la plataforma de la herramienta Pentaho BI Open Sourceelegidapara el desarrollo del prototipo de sistema, detallando cada uno de los componentes o sub-sistemas a ser utilizados para el desarrollo del prototipo, los cuales se pueden apreciar en la figura 32. El sistema está estructurado en los siguientes seis subsistemas.  Fuentes de datos  Extracción Transformación y Cargado (ETL)  On-Line Analytical Procesing (OLAP)  Presentación  Seguridad y Administración
  • 117. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 117 Figura 32: Arquitectura de Inteligencia de Negocios 3.8. Desarrollo del prototipo 3.8.1. Desarrollo del data warehouse Para el desarrollo deldata warehouse se utilizó el motor de base de datos MySQL utilizando interfaz de desarrollo la herramienta phpMyAdmin. Con la cual se desarrollaron las tablas intermedias, de dimensiones y de hechos además de las funciones y procedimientos almacenados requeridos para el correcto funcionamiento del data warehouse. En la Figura 33 se puede apreciar el data warehouse visto a través del phpMyAdmin.
  • 118. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 118 Figura 33: Data warehouse en PhpMyAdmin En el Anexo 5 se puede apreciar en detalle el script utilizado para el desarrollo del data warehouse. 3.8.2. Desarrollo de proceso ETL En este apartado se detalla a modo de ejemplo, el conjunto de transformaciones que comprenden el trabajo para la carga de la tabla dw_hechosventas, en el data warehouse, en ella se describen las distintas etapas por las que pasaron los datos fuentes de ambas empresas hasta llegar a ser cargados en el data warehouse. A continuación se presenta el proceso de ETL realizado con la herramienta Spoon incluida en el paquete de Pentaho Data Integration. Para una mejor compresión se detalla primeramente
  • 119. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 119 las transformaciones llevadas a cabo sobre los datos de Virú S.R.L. y luego las de Flayp S.R.L. En la figura 34 se observa la primera transformación, la misma utiliza información almacenada en la tabla dw_tesis.campañas actuales, donde se indican cuáles son las tres campañas vigentes, el sistema operacional de la empresa Virú S.R.L. actualmente genera un archivo dbf por campaña, los mismos se actualizan periódicamente, conociendo las campañas vigentes, esta transformación selecciona el archivo dbf correspondiente de manera automática, e inserta esa información en la tabla clonado_dbf_viru tal cual reside en la fuente. Figura 34: Transformación selección de campaña a cargar En la figura 35 se observa la siguiente transformación, la misma toma los datos de la tabla dw_tesis.clonado_dbf_viru, seguidamente se filtran los campos a ser utilizados, descartando aquellos que no tienen valor para la tabla, luego se le agrega una constante para indicar que esos datos pertenecen a la empresa Virú S.R.L., y luego se insertan estos datos en la tabla intermedia dw_tesis.inter_ventas_viru
  • 120. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 120 Figura 35: Transformación inter_ventas_viru En la figura 36 puede observarse la siguiente transformación, la misma genera un llamado a un procedimiento almacenado, limpiar_clonado_dbf_viru, el cual se encarga de borrar todos los datos de la tabla clonado_dbf_viru, dejando la tabla lista para la siguiente transformación. Figura 36: Transformación limpieza de clonado_dbf_viru La siguiente transformación se encarga de preparar la tabla dw_hechosventas para el cargado de los datos a ser actualizados, para lo cual se genera un llamado a al procedimiento almacenado borrado_hechosventas_viru que realiza dicha tarea, como puede observarse en la figura 37.
  • 121. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 121 Figura 37: Transformación borrado hechos_ventas viru La siguiente transformación toma los datos de la tabla inter_ventas_viru, luego renombra algunas de las columnas e inserta los datos en la tabla dw_hechosventas, tal como puede observarse en la figura 38. Figura 38: Transformación cargado de tabla hechos_ventas_viru Finalmente en la figura 39 se puede observar el trabajo completo, compuesto por todas las transformaciones detalladas más arriba y el orden en la que se ejecutan cada una de ellas.
  • 122. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 122 Figura 39: Trabajo general de cargado dw_hechosventas fuente Viru A continuación se muestra como se realizó el proceso de ETL para la carga de las ventas extraída de la base de datos operacional de Flayp S.R.L. la cual reside en un motor de base de datos MySQL. Se presenta cada transformación que se realiza durante todo el proceso para la carga de los datos en la tabla dw_hechosventas del data warehouse. En la transformación de la Figura 40; se muestra como se realiza el proceso extracción de datos, primero se realiza la unión de la cabecera con el detalle extraída de la base datos FWA de Flayp S.R.L. específicamente de las tablas fwa.ventas y fwa.ventasdetalle, seguidamente se realiza la selección y renombrado de los campos,se agrega un identificador para la empresa y por último se insertan los datos en la tabla temporal inter_ventas_avon del data warehouse.
  • 123. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 123 Figura 40: Transformación cargado de tabla inter_ventas_avon En la transformación que se aprecia en la Figura 41se realiza el borrado de los registros de latabla dw_hechosventas que corresponden a las tres campañas a ser actualizadas, para identificar las campañas vigentes se realiza una consulta a la tabla dw_tesis.campañas_actuales. Figura 41: Transformación borrado dw_hechosventas
  • 124. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 124 En la transformación de cargado de las ventas se toman los datos limpios y depurados desde la tabla intermedia y se inserta en la tabla dw_hechosventas del data warehouse, tal como se puede apreciar en la Figura 42. Figura 42: Transformación cargado dw_hechosventas Se crea un trabajo general compuesto por las transformaciones presentadas, la misma comienza en el paso Start, luego carga la tabla temporal inter_ventas_avon, realiza el borrado de los datos a actualizar con el fin de evitar duplicación de registros, posterior a eso, inserta los datos en el data warehouse y por ultimo tenemos el paso del tipo control Success para comprobar que el trabajo se haya realizado con éxito, como se aprecia en la figura 43.
  • 125. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 125 Figura 43: Trabajo general de cargado hechos_ventas Fuente Flayp 3.8.3. Desarrollo de minería de datos En esta etapa se presenta el desarrollo del algoritmo de regresión lineal con mínimos cuadrados utilizado para realizar el proceso de proyección de ventas con minería de datos. A continuación se detalla el algoritmo escrito en lenguaje SQL utilizado en un procedimiento almacenado, para la proyección de ventas sobre las ventas ya concretadas, almacenadas en la tabla dw_consolidado, el resultado lo escribe en la tabla dw_proyeccion. CREATE PROCEDURE `regresion_lineal`() BEGIN DECLARE _promedioX DECIMAL(20,10); DECLARE _promedioY DECIMAL(20,10); DECLARE _stdY DECIMAL(20,10); DECLARE _varY DECIMAL(20,0); DECLARE _maxY DECIMAL(20,10); DECLARE _pendiente DECIMAL(20,10);
  • 126. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 126 DECLARE _intercepto DECIMAL(20,10); DECLARE _empresa INT; DECLARE _campa INT; SET _empresa = 1; regresion_lineal: LOOP SELECT AVG(Unidades) INTO _promedioY FROM dw_consolidado WHERE codEmpresa = _empresa; SELECT AVG(Pedidos) INTO _promedioX FROM dw_consolidado WHERE codEmpresa = _empresa; SELECT STD(Unidades) INTO _stdY FROM dw_consolidado WHERE codEmpresa = _empresa; SELECT POW(STD(Unidades),2) INTO _varY FROM dw_consolidado WHERE codEmpresa = _empresa; SELECT MAX(Unidades) INTO _maxY FROM dw_consolidado WHERE codEmpresa = _empresa; SELECT SUM((Unidades-_promedioY)*(Pedidos- _promedioX))/SUM(POW((Pedidos-_promedioX),2)) INTO _pendiente FROM dw_consolidado WHERE codEmpresa = _empresa; SET _intercepto:= _promedioY-_pendiente*_promedioX; UPDATE dw_proyeccion SET Unidades = _pendiente * Pedidos + _intercepto WHERE codEmpresa = _empresa; SELECT AVG(Facturacion) INTO _promedioY FROM dw_consolidado WHERE codEmpresa = _empresa; SELECT AVG(Pedidos) INTO _promedioX FROM dw_consolidado WHERE codEmpresa = _empresa; SELECT STD(Facturacion) INTO _stdY FROM dw_consolidado WHERE codEmpresa = _empresa; SELECT POW(STD(Facturacion),2) INTO _varY FROM dw_consolidado WHERE codEmpresa = _empresa; SELECT MAX(Facturacion) INTO _maxY FROM dw_consolidado WHERE codEmpresa = _empresa; SELECT SUM((Facturacion-_promedioY)*(Pedidos- _promedioX))/SUM(POW((Pedidos-_promedioX),2)) INTO _pendiente FROM dw_consolidado WHERE codEmpresa = _empresa;
  • 127. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 127 SET _intercepto:= _promedioY-_pendiente*_promedioX; UPDATE dw_proyeccion SET Facturacion = _pendiente * Pedidos + _intercepto WHERE codEmpresa = _empresa; SELECT MAX(año*100+campaña) INTO _campa FROM dw_consolidado WHERE codEmpresa = _empresa; DELETE FROM dw_proyeccion WHERE (año*100+campaña) <= _campa AND codEmpresa = _empresa; SET _empresa = _empresa + 1; IF _empresa > 2 THEN LEAVE regresion_lineal; END IF; END LOOP regresion_lineal; END 3.8.4. Desarrollo de reportes Para el desarrollo de los reportes se utilizó la herramienta Pentaho Report Designer. Dentro del Pentaho Report Designer se definieron las fuentes de datos a utilizar, indicando la conexión a la base de datos del data warehouse, también se indican las sentencias definidas previamente en la etapa de diseño, las cuales recuperarán los datos necesarios para cada reporte. Por último se han indicado agrupamientos, funciones de agregación, sumatorias, etc., para personalizar el reporte y lograr que satisfaga los requerimientos previstos en el diseño del mismo.
  • 128. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 128 A continuación se visualiza el reporte Ventas por Campañas por Zonas en etapa de desarrollo. La sentencia utilizada para la generación del reporte es la siguiente: SELECT sum(`dw_hechosventas`.`cantidad`) AS Unidades, sum(`dw_hechosventas`.`monto`) AS Facturacion, `dw_hechosventas`.`Campaña` AS Campaña, `dw_hechosventas`.`Año` AS Año, `dw_empresa`.`Empresa` AS Empresa, `dw_clientes`.`zona` AS Zona, `dw_clientes`.`division` AS Division, `dw_clientes`.`departamento` AS Departamento FROM `dw_hechosventas` INNER JOIN `dw_clientes` ON `dw_hechosventas`.`codCliente` = `dw_clientes`.`contrato` INNER JOIN `dw_empresa` ON `dw_hechosventas`.`codEmpresa` = `dw_empresa`.`codEmpresa` WHERE `dw_clientes`.`zona` = ${zona} and `dw_hechosventas`.`Año` = ${año} and (`dw_hechosventas`.`codEmpresa` = ($ {empresa}&1) or `dw_hechosventas`.`codEmpresa` = ($ {empresa}&2)) GROUP BY `dw_clientes`.`zona`, `dw_hechosventas`.`Campaña`, `dw_hechosventas`.`Año`
  • 129. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 129 Figura 44: Desarrollo reporte ventas por campañas por zonas A continuación se detalla el desarrollo del reporte Proyección de Ventas, la sentencia utilizada para la generación del reporte es la siguiente: SELECT `dw_consolidado`.`campaña`, `dw_consolidado`.`año`, `dw_consolidado`.`codEmpresa`, `dw_consolidado`.`Pedidos`, `dw_consolidado`.`Unidades`, `dw_consolidado`.`Facturacion`, `dw_empresa`.`Empresa` FROM `dw_consolidado` INNER JOIN `dw_empresa` ON `dw_consolidado`.`codEmpresa` = `dw_empresa`.`codEmpresa` GROUP BY codEmpresa, campaña, año
  • 130. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 130 Figura 45: Reporte de proyección de ventas 3.8.5. Desarrollo de cubos multidimensionales En la figura 46 se presenta de manera general como se realizó el desarrollo de los cubos, utilizando como ejemplo el cubo diseñado en la etapa anterior. Como se puede apreciar en la figura la estructura de los cubos en la herramienta (Schema Workbench) se detalla en forma de árbol, en la cual el nodo padre es el cubo (ventas_camp_div_cat) del cual se desprenden la tabla de hechos (dw_hechosventas), las dimensiones (Empresas, Geografías, Año- Campaña) con sus respectivas etiquetas y tablas de dimensión (dw_empresas, dw_clientes, dw_campañas), y las medidas que se desean registrar (Total Ventas, Unidades de Ventas y Cantidad de Clientes).
  • 131. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 131 Figura 46: Estructura de los cubos En el siguiente código XML se puede apreciar la metadata que corresponde a la estructura del cubo creada con la herramienta Schema Workbench referida en la figura 46. Se puede apreciar el mapeo de las tablas, las dimensiones con su jerarquía y las medidas del cubo. <Schema name="Cubos MKT"> <Cube name="ventas_camp_div_cat" visible="true" cache="true" enabled="true"> <Table name="dw_hechosventas"> </Table> <Dimension type="StandardDimension" visible="true" foreignKey="codEmpresa" highCardinality="false" name="Empresa"> <Hierarchy name="Empresa" visible="true" hasAll="true" allMemberName="Empresa" primaryKey="codEmpresa"> <Table name="dw_empresa">
  • 132. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 132 </Table> <Level name="Empresas" visible="true" column="Empresa" type="String" uniqueMembers="false" levelType="Regular" hideMemberIf="Never"> </Level> </Hierarchy> </Dimension> <Dimension type="StandardDimension" visible="true" foreignKey="codCliente" highCardinality="false" name="Geografica"> <Hierarchy name="Division" visible="true" hasAll="true" allMemberName="Division" primaryKey="contrato"> <Table name="dw_clientes"> </Table> <Level name="Divisiones" visible="true" column="division" type="String" uniqueMembers="false" levelType="Regular" hideMemberIf="Never"> </Level> </Hierarchy> </Dimension> <Dimension type="StandardDimension" visible="true" foreignKey="Campaña" name="Año-Campaña" caption="Año- Campaña"> <Hierarchy name="Año-Campaña" visible="true" hasAll="true" primaryKey="Campaña" caption="Año-Campaña"> <Table name="dw_campañas"> </Table> <Level name="Año" visible="true" column="Año" uniqueMembers="false" caption="Año"> </Level> <Level name="Campaña" visible="true" column="Campaña" uniqueMembers="false" caption="Campaña"> </Level> </Hierarchy> </Dimension> <Measure name="Total-Ventas" column="monto" datatype="Numeric" aggregator="sum" caption="Ventas en Guaranies" visible="true"> </Measure> <Measure name="Unidades de Ventas" column="cantidad" aggregator="sum" caption="Unidades de Ventas" visible="true">
  • 133. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 133 </Measure> <Measure name="Cantidad de Clientes" column="codCliente" aggregator="distinct-count" caption="Cantidad de Clientes" visible="true"> </Measure> </Cube> </Schema> 3.8.6. Desarrollo de cuadros de mandos Para el desarrollo de los cuadros de mandos o dashboards se utilizó la aplicación Community Dashboard Editor for Pentaho (CDE) un editor web gráfico de cuadros de mandos con sus componentes CDF (Comunity Dashboard Framework) que permite la creación de dashboards con html y javascript, Community Chart Component (CCC) que se encarga de la parte visual de los datos y el framework Community Data Access Component (CDA) que nos facilita el acceso a los datos. Con cada una de estas aplicaciones y/o componentes integrados a Pentaho BI Server CE se desarrollaron los cuadros de mandos que se puede apreciar en las figuras que se presentan a continuación. El diseño se lleva a cabo en tres capas: presentación, componentes y datos como se puede ver en la figura 47.
  • 134. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 134 Figura 47: Capas de CDE A continuación se diseña la estructura, se definen el encabezado, cuerpo y pie del cuadro de mando como se ve en las figura 48 y figura 49. Figura 48: Definición de estructura
  • 135. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 135 Figura 49: Estructura de CDM Una vez definida la estructura se llena la misma de contenidos, empezando por orígenes de datos y luego los gráficos. Figura 50: Origen de datos Para la obtención de los datos se utilizaron sentencias SQL para cargar los gráficos.
  • 136. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 136 Ventas en Unidades por Campaña:SELECT b.empresa,sum(a.cantidad) as Unidades from `dw_hechosventas` a join dw_empresa b on(a.codempresa = b.codempresa) WHERE campaña = 6 and año = 2012 group by a.codempresa Participación por Empresas: SELECT b.empresa,sum(a.cantidad) from dw_hechosventas a join dw_empresa b on(a.codempresa = b.codempresa) where a.campaña = 6 and a.año =2012 group by a.codempresa Participación por División: SELECT b.division,sum(a.cantidad) as Unidades from `dw_hechosventas` a join dw_clientes b on(a.codcliente = b.contrato) WHERE campaña = 6 and año = 2012 group by b.division Top 10 de Zonas de Mayor Ventas: select b.zona, sum(a.cantidad) as unidades from dw_hechosventas a join dw_clientes b on(a.codCliente = b.contrato) group by b.zona order by unidades desc limit 0,10 3.9. Prueba de prototipo Se realizaron las pruebas de ejecución de los procesos ETL utilizados para el cargado de la tabla de hechos ventas en el data warehouse.
  • 137. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 137 Para una mejor compresión se presentan las pruebas, separadas por empresas. Pruebas de los procesos de ETL utilizados, para los datos de facturación o ventas de la empresa Virú S.R.L. El proceso de la figura 51, es el resultado de la ejecución del proceso para obtener los datos de las tres campañas actuales desde los archivos dbf para su inserción en la tabla auxiliar clonado_dbf_viru. Figura 51: Selección de archivos dbf Virú. En la figura 52 se muestra el resultado de la ejecución de la prueba en el proceso utilizado para el filtrado de datos, inserción de identificador para la empresa y posterior cargado en la tabla inter_ventas_avon.
  • 138. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 138 Figura 52: Cargado de tabla intermedia inter_ventas_viru En la figura 53 se puede ver el resultado de la prueba aplicada al proceso de borrado de la tabla dw_hevhosventas. Figura 53: Borrado de dw_hechosventas
  • 139. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 139 En la figura 54 se puede ver el resultado de la prueba aplicada al proceso utilizado para la carga de la tabla dw_hechosventas. Figura 54: Cargado de dw_hechosventas Finalmente en la figura 55 se puede apreciar el resultado de la prueba del trabajo completo para el cargado de la tabla dw_hechosventas con datos provenientes desde la empresa Virú S.R.L.
  • 140. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 140 Figura 55: Trabajo hechos ventas fuente dbf Pruebas de los procesos de ETL utilizados, para los datos de ventas obtenidas de la empresa Flayp S.R.L. En la figura 56 se muestra el resultado de la ejecución de la prueba en el proceso utilizado para la obtención, filtrado de datos, inserción de identificador para la empresa y cargado en la tabla inter_ventas_avon.
  • 141. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 141 Figura 56: Cargado de la tabla inter_ventas_avon En la figura 57 se puede ver el resultado de la prueba aplicada al proceso de borrado de la tabla dw_hevhosventas. Figura 57: Borrado hechos ventas Flayp S.R.L.
  • 142. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 142 En la figura 58 se puede ver el resultado de la prueba aplicada al proceso utilizado para la carga de la tabla dw_hechosventas. Figura 58: Hechos ventas fuente MySQL En la figura 59 se puede apreciar el resultado de la prueba del trabajo completo para el cargado de la tabla dw_hechosventas con datos provenientes desde la empresa Flayp S.R.L.
  • 143. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 143 Figura 59: Trabajo hechos ventas fuente MySQL Como resultado de las pruebas se pudo comprobar la efectividad de los procesos ETL. 3.10. Implementación del Prototipo 3.10.1. Implementación de ETL y Data warehouse Para la implementación de los trabajos de ETL que a su vez implementan eldata warehouse se utilizóun administrador regular de procesos en segundo plano (demonio) llamado cron, provisto nativamente por los sistemas operativos basados en UNIX.
  • 144. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 144 Para programar el cron se copió dentro de la carpeta de Pentaho el archivo cron_tesis.sh el cual corresponde al script a ser ejecutado. Dentro de crontab se agregó el siguiente comando. #m h dom mon dow command 00 01 * * * sh /usr/Pentaho/cron_tesis.sh Con esto se logró que la actualización deldata warehouse a través de la ejecución de los procesos de ETL se realice todos los días a las 01:00 am. 3.10.2. Implementación de Pentaho Open BI Server Para la implementación del Pentaho BI Suite Community Edition (CE), se procedió a descargar la versión 4.5 estable desde la siguiente dirección, desde donde están disponibles para descargar todas las herramientas de la comunidad de Pentaho. http://sourceforge.net/projects/pentaho/files/ Como se aprecia en la figura 60, seleccionamos Bussines Intelligence Server para descargar.
  • 145. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 145 Figura 60: Descarga de Bussines Intelligence Server Una vez descargado el paquete de instalación del servidor, se debe iniciar el servicio Apache en nuestro Servidor con Sistema Operativo Linux Open Suse 12.2, como se indica en la figura 61. Este servicio es necesario ya que la plataforma Pentaho utiliza Apache-Tomcat como servidor de aplicaciones para desplegar los servicios que la componen.
  • 146. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 146 Figura 61: Inicio del servicio Apache. Para completar la instalación se navega hasta el directorio donde se encuentran los archivos descargados, y se procede levantar el servidor Pentaho a través del archivo start-pentaho.sh como se puede apreciar en la figura 62. Figura 62: Instalación de Pentaho Bussines Intelligence Server. Con el Servidor de Pentaho Bussines Intelligence instalado y corriendo, nos conectamos a la Consola de Usuario de Pentaho, ingresando la dirección de nuestro servidor en el navegador de internet (http://localhost:8080/pentaho/Home) iniciamos sesión con nuestro usuario como se aprecia en la figura 63.
  • 147. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 147 Figura 63: Pantalla de inicio de sesión en la consola de usuario de Pentaho Finalmente ingresamos a la consola de usuario, como puede visualizarse en la figura 64,desde donde los usuarios podrán acceder para visualizar los reportes, realizaran análisis e interactuar con los cuadros de mandos. Figura 64: Consola de usuario Pentaho
  • 148. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 148 3.10.3. Implementación de consola de administración de usuarios Pentaho En este apartado se detallan los pasos realizados para la implementación de la consola de administración usuarios de Pentaho. La versión instalada es la Pentaho BI Server 4.5.0-stable, en primer lugar se descargó el instalador desde la página de la comunidad de Pentaho, en el siguiente vínculo de descarga: http://sourceforge.net/projects/pentaho/files/Business%20I ntelligence%20Server/4.5.0-stable/biserver-ce-4.5.0- stable.tar.gz/download Una vez descargado el instalador, se descomprimió el archivo tar.gz, el cual genera dos carpetas; biserver-ce y administration-console Dentro de la carpeta administration-console se encuentra el instalador de la consola de administración, el mismo es el start- pac.sh, mientras que para detener el servicio de la consola, el archivo es stop-pac.sh. Una vez que el servidor se encuentra en funcionamiento, para acceder a la consola de administración de usuarios, solo basta escribir en la barra de direcciones del navegador: localhost:
  • 149. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 149 8099, el usuario y contraseñas configuradas por defecto para la administración inicial son; usuario: admin y contraseña: password. Luego de lo cual se procede a crear una contraseña más segura. La consola de administración usuarios permite la gestión tanto de los usuarios, como así también de los roles que se asignaran a cada usuario, ya que de acuerdo a dichos roles, se especifican los privilegios que tendrá cada usuario dentro de la solución. En la figura 65 se observa una imagen del acceso a la consola de administración de usuarios de Pentaho. Figura 65: Consola de administración de usuarios
  • 150. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 150 Así también a través de la consola de administración se pueden administrar las fuentes de datos que utilizará el servidor. Tal como se aprecia en la figura 66. Figura 66: Administración de fuentes de datos 3.10.4. Implementación de reportes La figura 67 visualiza el acceso al reporte Ventas por Campañas por Zonas, el mismo puede ser visualizado en diferentes formatos (HTML, PDF, Microsoft Excel, RichText Format y texto plano), como así también puede ser descargado a la pc del usuario. Este reporte permite la interacción de los usuarios, utilizando para ello las variables de: Zona, Año y Empresa.
  • 151. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 151 Figura 67: Publicación del reporte ventas por campaña por zonas La imagen 68 visualiza el acceso al reporte Proyección de Ventas, el mismo puede ser visualizado en diferentes formatos (HTML, PDF, Microsoft Excel, Rich Text Format y texto plano), como así también puede ser descargado a la pc del usuario. Figura 68: Publicación reporte de ventas por zonas
  • 152. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 152 3.10.5. Implementación de los cubosmultidimensionales Para que los cubos sean accesibles por el motor de cubos, se publicaron dentro de la plataforma de Pentaho, para lo cual se utilizó la funcionalidad de la herramienta Schema Workbench, que a través de unos pasos sencillos tenemos el cubo publicado, este proceso se realiza cada vez que se crea un nuevo cubo o se modifica uno ya existente. Para navegar por los cubos e interactuar se puede utilizar el Jpivot o Saiku, en la figura 69, se visualiza el cubo de las ventas generales, explorado desde la herramienta Saiku. Figura 69: Cubo de ventas
  • 153. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 153 3.10.6. Implementaciónde cuadros de mandos Al igual que en los reportes, los usuarios acceden a los informes a través de cualquier navegador desde una computadora, tabletas y/o teléfonos inteligentes con el cual se conecta al servidor de Pentaho. En la figura 70, se aprecia el cuadro de mandos que tiene los indicadores de la participación de las empresas del Grupo Flayp en las ventas. Figura 70: Participación en facturación por empresas
  • 154. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 154 CAPÍTULO 4– RESULTADOS Con la concreciónde este proyecto se logró demostrar la factibilidad de la realización de un prototipo de solución de Inteligencia de Negocios, desarrollado íntegramentesobresoftware libre, utilizando además la técnica de minería de datos. La implementación de dicho prototipo implica la reducción del costo en tiempo y recursos humanos para la generación de los informes, que además permite el acceso a información consolidada, fiable y actualizada delas empresas Virú S.R.L. y Flayp S.R.L.Esto permite que los gerentes y directores se encuentren con mayor seguridad al momento de tomar decisiones pertinentes, teniendo en cuenta la realidad actual de las empresas. Con todo lo anteriormente citado, se evidencia el logro de los objetivos trazados al inicio del proyecto, como así también la solución a la problemática planteada.
  • 155. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 155 CAPÍTULO 5 - CONCLUSIONES Con el desarrollo del prototipo de solución de Inteligencia de Negocios se adquirieron conocimientos en el área de la Inteligencia de Negocios, debiendo para ello, investigar y aprender sobre las distintas herramientas necesarias para la concreción de una solución de esta naturaleza. Todo esto sustentado en los conocimientos adquiridos en las distintas materias a lo largo de la carrera. Ademásse logró demostrar la factibilidad de la realización de un proyecto de este tipocon la utilización de software libre, logrando también aplicar una de las técnicas de minerías de datos, en función a la proyección de las ventas en distintos niveles, logrando de esta manera alcanzar el objetivo trazado al inicio de este proyecto. Así también mencionar que las empresas pueden acceder a una solución de vanguardia incurriendo en gastos mínimos y convertir esta solución en un aliado estratégico a la hora de la toma de decisiones que puedan marcar la diferencia en un mercado altamente competitivo.
  • 156. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 156 CAPÍTULO 6- RECOMENDACIONES Es recomendable la utilización de software libre para el desarrollo de soluciones de Inteligencia de Negocios, ya que estas disponen de todas las herramientas necesarias para la concreción de proyectos de esta naturaleza. Concibiendo la solución desde un enfoque integral, con la centralización e integración de los datos que manejan las empresas, permitiendo a los usuarios acceder a información veraz, consolidad y en tiempo real, convirtiéndose en un aliado estratégico para dar respuestas más eficientes al creciente entorno competitivo. Sin que esto signifique incurrir en grandes inversiones. Para el caso de este proyecto se recomienda en una segunda etapa, ir integrando las distintas áreas como ser Compras, Logística, Finanzas y en una tercera etapa a todas las otras empresas pertenecientes al Grupo Flayp, bajo una misma plataforma de Solución de Inteligencia de Negocios.
  • 157. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 157 BIBLIOGRAFÍA  Cohen Karen, D. y Asín Lares, E. 2.000. Sistemas de Información para los negocios (Tercera Edición). Editorial McGraw Hill. México, 1- 43pp.  Pressman, R. 2.005. Ingeniería del Software: un enfoque práctico (Sexta Edición). Editorial McGraw Hill. México, 48-76pp.  Ross, M.y Kimball, R. 2.002.The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling (Second Edition).John Wiley and Sons, Inc. Toronto, 331-369pp.  Conesa Caralt, J. y Curto Diaz, J. 2.010. Introducción al Business Intelligence, UOC, Barcelona.  Cano, J. L. 2.007. Bussines Intelligence: Competir con Información.Banesto, Fundación Cultural, Barcelona, 19-195 pp.  Vallejos, S. J. 2.006. Minería de Datos. Tesis Universidad Nacional del Nordeste Facultad de Ciencias Exactas, Naturales y Agrimensura, Corrientes, ARG, 11-16 pp.  Hernández et al., 2.008. Introducción al Software Libre. Eureca Media, SL, Barcelona, 17-58 pp.  Ramos, S. 2.011. Microsoft Business Intelligence: Vea el cubo medio lleno. SolidQ™ Press. Alicante, España, 7-19 pp.  Smith, N. 2.009. History of Business Intelligence.http://www.powerpivotblog.nl/history-of-business- intelligence . Último acceso 06/12  http://www.stratebi.com/ . Herramientas de Inteligencia de Negocios Open Source. Último acceso 07/12.  http://forums.pentaho.com/forum.php .Foro oficial de la suite de Pentaho Comunity Edition. Último acceso 09/12.  http://www.dataprix.com/forum/software/pentaho .Foro de consultas de la suite de Pentaho Comunity Edition. Último acceso 07/12.
  • 158. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 158  Hernández Sampieri R., Fernández, Collado C., Baptista, Luci P. (1996). Metodología de la Investigación. Ed. Mc Graw-Hill: México.  González Barahona,J.M., Seoane Pascual, J., Robles G. (2008). Introducción al Software Libre (Segunda Edición). Eureca Media: Barcelona.  Kimball, R. y Caserta, J. 2.004.The Data Warehouse ETL Toolkit. WileyPublishing , Inc. Toronto, 3-52pp.  Peña Ayala A. 2.006 Inteligencia de Negocios: Una propuesta para su desarrollo en las organizaciones. Dirección de Publicaciones del InstitutoPolitécnico Nacional, Mexico D.F.  Hernandez Orallo J., Ramirez Quintana M., Ferri Ramirez C. 2.004 Introducción a la minería de datos. Pearson Prentice Hall, Madrid.  Stallman R. 2.004 Software libre para una sociedad libre. Traficante de Sueños, Madrid.  http://www.microstrategy.com/software/business-intelligence/. Business Intelligence for the Enterprise. Último acceso 07/12.  http://www.palo.net/. Open SourceBusiness Intelligence. Último acceso 07/12.
  • 159. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 159 ANEXOS Anexo 1 Diagrama WBS
  • 160. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 160 Anexo 2 Esquema de Entrevistas Gerente de Marketing del Grupo Flayp P - ¿Cuáles son los criterios que se utilizan para evaluar los resultados de una campaña? R - Básicamente para cada campaña se tienen dos miradas, la primera los pedidos efectivos realizados por las Consejeras, esto muestra la aceptación de los productos ofrecidos en dicha campaña; la otra mirada es evaluando lo que realmente se pudo abastecer a la Consejeras, ya que esto refleja el nivel de respuesta y por ende los beneficios de la empresa. P – ¿Cuáles son las variables que se miden en cuanto a resultados? R – Los beneficios de la empresa se miden en tres variables directas y tres variables indirectas que son: Variables Directas Utilidades Unidades Vendidas Pedidos Efectivos Variables Indirectas PPO (Productividad por Orden) NPU (Precio neto por unidad) UPR (Unidades por revendedora) P – ¿Con qué frecuencia se necesitan tener estas informaciones? R – Por la dinámica de la venta directa a través de catálogos, es fundamental contar con información diariamente, ya que es de vital importancia para decidir los cambios de rumbo de ser necesarios. P – ¿Que otro análisis se realiza a una campaña? R – Existe una gran cantidad de análisis que se pueden realizar basándose en las variables antes mencionadas, se puede observar que nivel de aceptación tienen nuestros productos tanto en Capital como así también en el Interior del país, de igual manera, es interesante conocer quiénes de nuestras promotoras están vendiendo más, de modo tal a emular esas técnicas en los lugares donde las ventas
  • 161. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 161 están bajando, además de poder tener una mirada con respecto al nivel de abastecimiento que tenemos para con nuestras consejeras. P – ¿Actualmente, con qué frecuencia se obtienen esas informaciones? R – El proceso para obtener esas informaciones es el siguiente, se realiza un pedido (a través de una comunicación telefónica o del envió de un correo electrónico) al departamento de T.I., el cual prepara una consulta en S.Q.L., que se aplica a la base de datos, el resultado se exporta a un archivo CSV, el cual puede ser abierto luego con algún procesador de hojas de cálculo. P – ¿Es decir que actualmente no se cuenta con un módulo que genere los reportes de forma directa? R - No, los informes se realizan por pedido de las partes interesadas, con las dificultades que esto conlleva, como ser, que varias personas necesiten sus informes al mismo instante, que la persona que realiza estas consultas se encuentre muy atareado en sus labores principales, que el interlocutor halla interpretado correctamente el informe que se necesitaba, etc. Gerente de Ventas del Grupo Flayp P - ¿Cómo realiza la evaluación de una campaña? R – Desde la mirada del departamento de Ventas, los resultados de una campaña se miden en función a la cantidad de pedidos que realizan nuestras consejeras, ya que esto nos muestra el nivel de cobertura de nuestra fuerza de ventas. P – ¿Entonces es importante conocer en donde se venden los productos? R – Es fundamental conocer qué y donde se venden nuestros productos, de manera a poder fortalecer los puntos flojos con estrategias de motivación a las consejeras, poder determinar que productos se venden mejor en la capital y cuales en el interior del país. P – ¿Existen objetivos trazados en cuanto a ventas? R – Si, al inicio del año, se trazan objetivos para los Gerentes Divisionales, en cuanto a crecimiento en cuanto a órdenes y productividad de las mismas, también en sintonía con esto, se trazan objetivos a las Promotoras, se definen niveles de crecimiento en cuanto a órdenes, unidades y facturación, en ambos casos, el llegar
  • 162. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 162 a estos objetivos tiene como recompensa una variedad de premios, y la no concreción conlleva sus consecuencias. P – ¿Existe algún un monitoreo de la concreción de estos objetivos? R – Existe, pero es muy dificultosa, ya que para obtener los informes que nos indiquen la cantidad de Promotoras que están llegando a los objetivos, se deben pedir al departamento de T.I., y esto lleva su tiempo. P - ¿Serviría de algo tener estos informes en forma más directa y optima? R – Realmente seria de muchísima ayuda, se utilizaría para poder indicarle a nuestras Promotoras que están lejos de los objetivos, que deben esforzarse más tratando de alentar su crecimiento, usando a las mejores como guía. P – ¿Es importante conocer el nivel de cumplimiento con las Consejeras? R – Es fundamental, ya que el incumplimiento es la causa principal de la deserción de nuestras Consejeras, un mal servicio genera frustración, primero en los clientes consumidores y luego en las Consejeras, es por esto que si se puede tener claro el panorama, se pueden buscar distintas estrategias, tanto para buscar evitar la fuga de Consejeras, como así también buscar el reingreso de quienes se alejaron en su momento. Miembro del directorio del Grupo Flayp P – ¿Cómo es el manejo de las empresas dentro del Grupo? R – Las empresas son financiera, económica y operativamente independientes, cada una de ellas tiene completa autonomía, pero son controladas por el Directorio, que es el nivel más alto de autoridad. P – ¿Es importante conocer el nivel de aporte que tiene cada empresa? R – Es muy importante, al ser un grupo multiempresarial, se debe conocer cuál de las empresas está siendo más redituable para el Grupo, y cuál de ellas necesita un cambio de rumbo si hiciese falta. P – ¿Esto para una evaluación individual, y en cuanto al rendimiento de ambas empresas en conjunto? R – También es de vital importancia poder tener informes que indiquen a nivel macro el desempeño de las empresas del Grupo, porque al final de cuentas, esa mirada macro es la que nos demuestra el nivel de beneficios que se está
  • 163. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 163 obteniendo, por ello es tan importante un análisis individual como así también un análisis en conjunto. P – ¿El Grupo cuenta en la actualidad con un sistema de informes consolidado de ambas empresas? R – La manera en la que se obtienen estos informes es generando en forma individual los resultados de cada empresa y luego haciendo un resumen donde se totalizan los resultados de las empresas. Con el riesgo que esto representa, cuando hablamos de muchas variables y muchos números, se corre el riesgo de cometer algún tipo de error involuntario, que puede llegar a pasar inadvertido hasta una etapa muy avanzada, si es que es descubierto obviamente. P – ¿Cuál sería desde su opinión una forma más óptima de obtener estos resultados? R – Lo ideal sería, que de alguna manera podamos contar con los informes de cada campaña, sin la necesidad de intermediarios, y al momento de precisarlos, tanto los informes de cada empresa en forma particular, como así también informes con una mirada macro de la situación de resultado del grupo al cierre de cada jornada. P – ¿El grupo empresarial cuenta con profesionales en su departamento de TI? R – Así es, el grupo cuenta con un gerente de TI, dos analistas de sistemas, y un amplio plantel de desarrolladores de sistemas. P - ¿En el caso de llevar adelante algún tipo de solución propuesto, aceptarían que estos profesionales forme parte del mismo? R – Mi opinión es que sería la mejor opción, ya que serán ellos quienes tendrán que mantenerlo en funcionamiento óptimo luego de la puesta en funcionamiento. Y que mejor alternativa que sean los mismos empleados del grupo, quienes participen del desarrollo y estén totalmente empapados del tema. P – ¿Se podría contar con los servicios de estos profesionales en tiempo completo? R – Se podrían tratar de compatibilizar las agendas, pero también es importante tener en cuenta, que no podrían dedicarles el 100% de su tiempo, ya que deben continuar con sus tareas habituales. Pero seguramente se llegara a una solución óptima.
  • 164. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 164 Esquema de Observación de Gestión Procesos y Sistemas Gestión de los Procesos:  Estructura Organizacional. o Organigrama. o Infraestructura en Oficinas.  Proceso de Pedidos. o Formulario de Pedidos. o Carga de Pedidos en Sistema.  Proceso de Facturación: o Formulario de Facturas. o Generar Facturas. o Imprimir Facturas. o Guardar Facturas. o Anular Facturas.  Proceso de Generación de Informes. o Herramienta Utilizada. o Tipo de Informes. o Tiempo empleado.  Marketing por Campaña. o Tipo de Promociones y Estrategias empleadas. o Información requerida, para crear promociones. Tecnologías Empleadas en los Procesos:  Pedidos. o Módulo de Pedidos del Sistema Operacional.  Captura de Datos (formatos).  Facturación o Módulo de Facturación del Sistema Operacional.  Captura de Datos (formatos).  Estructura de Datos o Formato de almacenamiento de los datos. o Gestor de Base de Datos Utilizado.  Equipos Informáticos o Equipos utilizados como Servidores de los Sistemas. o Equipos utilizados para el Sistema Operacional (Pedidos y Facturación).  Redes
  • 165. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 165 o Topología Física de Red. o Dispositivos de Redes (características).  Herramientas utilizados para Informes o Tiempo de Respuesta. o Limitaciones. o Bondades. o Facilidad de Uso. o Confiabilidad. o Desempeño.  Plataforma de Software o Tipo de Sistema Operativo utilizados
  • 166. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 166 Anexo 3 Estructura de Datos Actual Entidad Descripción Clientes Clientes Clientes-Divisiones División Comercial Clientes-Zonas Zonas Comercial Clientes-Deptos Departamentos Pedidos Cabecera de Pedidos Pedidos-Detalle Detalle de Pedidos Ventas Cabecera de Facturas VentasDetalle Detalle de Facturas Artículos Artículos Articulos-Categoria Categoría de los Artículos Articulos-SubCategoria Subcategoria de los Artículos CampañasActuales Campañas en vigencia Entidades utilizadas. Nombre SubModelo Nombre Entidad del Sub Modelo Clientes Clientes Clientes-Divisiones Clientes-Zonas Clientes-Departamentos Pedidos Pedidos Pedidos-Detalle Facturas Ventas VentasDetalle Artículos Articulos CampañasActuales CampañasActuales Sub-Modelado de Entidades utilizadas
  • 167. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 167 Nombre Entidad Atributo Descripción de Atributo Clientes Contrato Identificador del contrato Zona Código de zona Dpto. Código del Departamento del Cliente Zonas codZona Identificador interno de la zona Zona Código de zona Encargado Nombre de la encargada de la zona Teléfono Nmo telefónico de la encargada Lugar Dirección de cobertura de la zona Grupos Código de grupo Rural Identificador si la zona es de capital o interior promoRepre Identificador si es promotora o representante codAgencia Código de la agencia a la que pertenece la zona codDivision Código de división a la que pertenece la zona Clase Código de la clase Situación Código de la situación codDepartamento Código del depto al que pertenece la zona Divisiones codDivision Código de la división División Descripción de la división Gerente Nombre del gerente de la división Mostrar Indicador si la división se debe mostrar Borrado Estado de la división Departamentos codDepartamento Código del depto al que pertenece la zona Código Identificador del departamento Departamento Descripción del departamento Borrado Estado del departamento SubModelo Detallado de Clientes - Entidad/Atributo/Descripción Atributo DER – Entidad Clientes
  • 168. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 168 Nombre Entidad Atributo Descripción de Atributo Pedidos codPedido Identificador de pedido Año Año de folleto Campaña Campaña del folleto Zona Código de la zona del cliente Fecha Fecha del pedido numCliente Identificador del cliente PedidosDetalle codPedido Identificador del pedido fsCode Identificador del articulo Cantidad Cantidad en unidades Precio Precio unitario del articulo SubModelo Detallado de Pedidos - Entidad/Atributo/Descripción Atributo DER – Entidad Pedidos nombre entidad nombre atributo descripción Ventas numDocumento Identificador de la factura Año Año del folleto de la venta Campaña Campaña del folleto de la venta fechaDocumento Fecha de la venta Zona Código de la zona del cliente Contrato Numero de contrato del cliente Ventas Detalle numDocumento Identificador de la factura codArticulo Identificador del articulo Cantidad Cantidad en unidades Precio Precio unitario del articulo SubModelo Detallado de Ventas - Entidad/Atributo/Descripción Atributo
  • 169. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 169 DER – Entidad Facturas Nombre Entidad Atributo Descripcion de Atributo Articulos codArticulo Identificador interno del articulo fsCode Identificador del articulo codCategoria Código de la categoría del articulo codSubCategoria Código de la sub categoría del articulo codLinea Código de la línea del articulo codEstado Código del estado del producto Referencia Referencia del artículo Descripción Descripción del articulo Volumen Volumen del articulo codImpuesto Código del tipo de impuesto codProveedor Código del proveedor codOrigen Código del país de procedencia stockMinimo Stock mínimo aceptable del articulo Stock Stock actual del articulo fechaAlta Fecha en la que se ingresó al sistema el articulo codEmbalaje Codigo del embalaje del articulo unidadesCaja Cantidad de unidades por caja Observaciones Observaciones codidoBarras Código de barras del articulo Borrado Estado del articulo codUsuario Usuario que ingreso el articulo al sistema Ip IP de la maquina donde se registró el articulo fechaRegistro Fecha de registro del articulo SubModelo Detallado de Artículos - Entidad/Atributo/Descripción Atributo
  • 170. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 170 Nombre Entidad Atributo Descripción de Atributo Categorias codCategoria Identificador de la categoría Categoria Descripción de la categoría Nombre Entidad Atributo Descripción de Atributo SubCategorias codSubCategoria Identificador de la subcategoria SubCategoria Descripción de la subcategoria SubModelo Categorias/Subcategorias - Entidad/Atributo/Descripción Atributo DER – Entidad Artículos Nombre Entidad Atributo Descripcion de Atributo Campañas_Actua les Orden Orden de la campaña Campaña Identificador de la campaña FechaInicio Fecha de inicio del período de la campaña FechaFin Fecha de fin del período de la campaña SubModelo Detallado de Campañas_Actuales - Entidad/Atributo/Descripción Atributo
  • 171. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 171 Anexo 4 Presupuesto del servidor propuesto
  • 172. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 172 Anexo 5 -- phpMyAdmin SQL Dump -- version 3.2.4 -- http://www.phpmyadmin.net -- -- Servidor: localhost -- Tiempo de generación: 26-11-2012 a las 20:20:48 -- Versióndel servidor: 5.1.41 -- Versiónde PHP: 5.3.1 SET SQL_MODE="NO_AUTO_VALUE_ON_ZERO"; /*!40101 SET @OLD_CHARACTER_SET_CLIENT=@@CHARACTER_SET_CLIENT */; /*!40101 SET @OLD_CHARACTER_SET_RESULTS=@@CHARACTER_SET_RESULTS */; /*!40101 SET @OLD_COLLATION_CONNECTION=@@COLLATION_CONNECTION */; /*!40101 SET NAMES utf8 */; -- -- Base de datos: `dw_tesis` -- -- -------------------------------------------------------- -- -- Estructura de tabla para la tabla `campañas_actuales` -- CREATE TABLE IF NOT EXISTS `campañas_actuales` ( `orden` int(11) NOT NULL, `campaña` int(11) NOT NULL, `nombrearchivo` text NOT NULL ) ENGINE=InnoDB DEFAULT CHARSET=utf8; -- -------------------------------------------------------- --
  • 173. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 173 -- Estructura de tabla para la tabla `clonado_dbf_viru` -- CREATE TABLE IF NOT EXISTS `clonado_dbf_viru` ( `CAMPA` varchar(4) DEFAULT NULL, `CODIGO` int(11) DEFAULT NULL, `PRODU` varchar(7) DEFAULT NULL, `PRECIO` bigint(20) DEFAULT NULL, `ZONA` varchar(3) DEFAULT NULL, `CONTRATO` bigint(20) DEFAULT NULL, `ESTADO` char(1) DEFAULT NULL, `CANTIDAD` bigint(20) DEFAULT NULL, `SERIE` char(1) DEFAULT NULL, `SUCURSAL` varchar(3) DEFAULT NULL, `TIMBRADO` varchar(3) DEFAULT NULL, `DOC` bigint(20) DEFAULT NULL, `TIPO` varchar(2) DEFAULT NULL, `SUBTIPO` varchar(2) DEFAULT NULL, `FECHA` datetime DEFAULT NULL, `OTRODOC` varchar(20) DEFAULT NULL, `OTROFEC` datetime DEFAULT NULL, `OTROHOR` varchar(11) DEFAULT NULL, `VENDEDOR` varchar(3) DEFAULT NULL, `FECHADOC` datetime DEFAULT NULL, `IMPRESO` char(1) DEFAULT NULL, `COSTO` bigint(20) DEFAULT NULL, `IMPUESTO` char(1) DEFAULT NULL, `PREMIO` char(1) DEFAULT NULL, `EXPREMIO` char(1) DEFAULT NULL, `FOLLETO` varchar(10) DEFAULT NULL, `C_UNIDADES` bigint(20) DEFAULT NULL, `C_VENTAS` bigint(20) DEFAULT NULL, `C_CAJA` bigint(20) DEFAULT NULL, `VERIFI` char(1) DEFAULT NULL, `RESULT` char(1) DEFAULT NULL, `BRASIL_1` char(1) DEFAULT NULL, `BRASIL_2` char(1) DEFAULT NULL, `COLUMNA` int(11) DEFAULT NULL, `GRUPO` varchar(8) DEFAULT NULL,
  • 174. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 174 `OPERADOR` varchar(3) DEFAULT NULL, `PAGINA` int(11) DEFAULT NULL, `FSCODE` bigint(20) DEFAULT NULL, `C_CLIENTES` bigint(20) DEFAULT NULL, `C_SUSTITU` char(1) DEFAULT NULL, `C_PACKIN` char(1) DEFAULT NULL, `XXUSR` varchar(15) DEFAULT NULL, `XXFECHA` datetime DEFAULT NULL, `XXHORA` varchar(11) DEFAULT NULL ) ENGINE=InnoDB DEFAULT CHARSET=latin1; -- -------------------------------------------------------- -- -- Estructura de tabla para la tabla `dw_articulos` -- CREATE TABLE IF NOT EXISTS `dw_articulos` ( `codArticulo` int(5) unsigned zerofill NOT NULL, `idArticulo` int(6) unsigned zerofill NOT NULL, `codEmpresa` int(1) NOT NULL, `Descripcion` varchar(100) CHARACTER SET utf8 NOT NULL, `Categoria` varchar(30) NOT NULL, `sub_categoria` varchar(30) NOT NULL, PRIMARY KEY (`idArticulo`) ) ENGINE=InnoDB DEFAULT CHARSET=latin1; -- -------------------------------------------------------- -- -- Estructura de tabla para la tabla `dw_campañas` -- CREATE TABLE IF NOT EXISTS `dw_campañas` ( `Campaña` int(2) unsigned zerofill NOT NULL, `Año` int(4) unsigned zerofill NOT NULL, `Quarter` varchar(20) CHARACTER SET latin1 NOT NULL, PRIMARY KEY (`Campaña`,`Año`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8;
  • 175. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 175 -- -------------------------------------------------------- -- -- Estructura de tabla para la tabla `dw_clientes` -- CREATE TABLE IF NOT EXISTS `dw_clientes` ( `contrato` int(11) NOT NULL, `zona` int(11) NOT NULL, `division` varchar(30) NOT NULL, `departamento` varchar(30) NOT NULL ) ENGINE=InnoDB DEFAULT CHARSET=utf8; -- -------------------------------------------------------- -- -- Estructura de tabla para la tabla `dw_consolidado` -- CREATE TABLE IF NOT EXISTS `dw_consolidado` ( `campaña` int(11) NOT NULL, `año` int(11) NOT NULL, `codEmpresa` int(11) NOT NULL, `Pedidos` int(11) NOT NULL, `Unidades` int(11) NOT NULL, `Facturacion` int(11) NOT NULL ) ENGINE=MyISAM DEFAULT CHARSET=latin1; -- -------------------------------------------------------- -- -- Estructura de tabla para la tabla `dw_empresa` -- CREATE TABLE IF NOT EXISTS `dw_empresa` ( `codEmpresa` int(11) NOT NULL AUTO_INCREMENT, `Empresa` varchar(10) NOT NULL, PRIMARY KEY (`codEmpresa`) ) ENGINE=InnoDB DEFAULT CHARSET=latin1 AUTO_INCREMENT=3 ;
  • 176. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 176 -- -------------------------------------------------------- -- -- Estructura de tabla para la tabla `dw_hechospedidos` -- CREATE TABLE IF NOT EXISTS `dw_hechospedidos` ( `campaña` int(2) unsigned zerofill DEFAULT NULL, `año` int(4) unsigned zerofill NOT NULL, `codEmpresa` int(11) NOT NULL, `codArticulo` int(11) DEFAULT NULL, `idArticulo` int(11) DEFAULT NULL, `codCliente` int(11) DEFAULT NULL, `cantidad` int(11) DEFAULT NULL, `monto` int(11) DEFAULT NULL, KEY `codCampaña` (`campaña`), KEY `codCliente` (`codCliente`), KEY `codEmpresa` (`codEmpresa`), KEY `codArticulo` (`codArticulo`) ) ENGINE=InnoDB DEFAULT CHARSET=latin1; -- -------------------------------------------------------- -- -- Estructura de tabla para la tabla `dw_hechosventas` -- CREATE TABLE IF NOT EXISTS `dw_hechosventas` ( `Campaña` int(2) unsigned zerofill DEFAULT NULL, `Año` int(4) unsigned zerofill NOT NULL, `codEmpresa` int(11) NOT NULL, `numfactura` bigint(11) NOT NULL, `codArticulo` int(11) DEFAULT NULL, `idArticulo` int(11) DEFAULT NULL, `codCliente` int(11) DEFAULT NULL, `cantidad` int(11) DEFAULT NULL, `monto` int(11) DEFAULT NULL, KEY `codCampaña` (`Campaña`), KEY `codCliente` (`codCliente`),
  • 177. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 177 KEY `codEmpresa` (`codEmpresa`), KEY `codArticulo` (`codArticulo`) ) ENGINE=InnoDB DEFAULT CHARSET=latin1; -- -------------------------------------------------------- -- -- Estructura de tabla para la tabla `dw_proyeccion` -- CREATE TABLE IF NOT EXISTS `dw_proyeccion` ( `campaña` int(2) unsigned zerofill NOT NULL, `año` int(4) unsigned zerofill NOT NULL, `codEmpresa` int(11) NOT NULL, `Pedidos` int(11) NOT NULL, `Unidades` int(11) DEFAULT NULL, `Facturacion` decimal(12,0) DEFAULT NULL ) ENGINE=InnoDB DEFAULT CHARSET=utf8; -- -------------------------------------------------------- -- -- Estructura de tabla para la tabla `inter_articulos_viru` -- CREATE TABLE IF NOT EXISTS `inter_articulos_viru` ( `codArticulo` int(5) unsigned zerofill NOT NULL, `Descripcion` varchar(100) CHARACTER SET utf8 NOT NULL, `Categoria` varchar(30) NOT NULL, `sub_categoria` varchar(30) NOT NULL ) ENGINE=InnoDB DEFAULT CHARSET=latin1; -- -------------------------------------------------------- -- -- Estructura de tabla para la tabla `inter_pedido_avon` -- CREATE TABLE IF NOT EXISTS `inter_pedido_avon` (
  • 178. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 178 `campaña` int(2) unsigned zerofill NOT NULL, `año` int(4) unsigned zerofill NOT NULL, `codCliente` int(11) DEFAULT NULL, `codArticulo` int(11) DEFAULT NULL, `idArticulo` int(11) DEFAULT NULL, `cantidad` int(11) DEFAULT NULL, `monto` int(11) DEFAULT NULL, `codEmpresa` int(11) DEFAULT NULL ) ENGINE=InnoDB DEFAULT CHARSET=latin1; -- -------------------------------------------------------- -- -- Estructura de tabla para la tabla `inter_pedido_viru` -- CREATE TABLE IF NOT EXISTS `inter_pedido_viru` ( `campaña` int(2) unsigned zerofill NOT NULL, `año` int(4) unsigned zerofill NOT NULL, `codCliente` int(11) DEFAULT NULL, `codArticulo` int(11) DEFAULT NULL, `idArticulo` int(11) DEFAULT NULL, `cantidad` int(11) DEFAULT NULL, `monto` int(11) DEFAULT NULL, `codEmpresa` int(11) DEFAULT NULL ) ENGINE=InnoDB DEFAULT CHARSET=latin1; -- -------------------------------------------------------- -- -- Estructura de tabla para la tabla `inter_ventas_avon` -- CREATE TABLE IF NOT EXISTS `inter_ventas_avon` ( `numDocumento` int(11) NOT NULL, `Campaña` int(2) unsigned zerofill NOT NULL, `Año` int(4) unsigned zerofill NOT NULL, `codCliente` int(11) NOT NULL, `codArticulo` int(11) DEFAULT NULL,
  • 179. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 179 `idArticulo` int(11) DEFAULT NULL, `cantidad` int(11) NOT NULL, `monto` int(11) NOT NULL, `codEmpresa` int(11) NOT NULL ) ENGINE=InnoDB DEFAULT CHARSET=latin1; -- -------------------------------------------------------- -- -- Estructura de tabla para la tabla `inter_ventas_viru` -- CREATE TABLE IF NOT EXISTS `inter_ventas_viru` ( `CAMPA` bigint(20) DEFAULT NULL, `AÑO` smallint(4) DEFAULT NULL, `PRODU` varchar(7) DEFAULT NULL, `idArticulo` int(11) DEFAULT NULL, `PRECIO` bigint(20) DEFAULT NULL, `CONTRATO` bigint(20) DEFAULT NULL, `CANTIDAD` bigint(20) DEFAULT NULL, `DOC` bigint(20) DEFAULT NULL, `codEmpresa` int(11) DEFAULT NULL ) ENGINE=InnoDB DEFAULT CHARSET=latin1; DELIMITER $$ -- -- Procedimientos -- CREATE DEFINER=`root`@`localhost` PROCEDURE `carga_consolidado`() BEGIN insert into dw_consolidado select `dw_hechosventas`.`campaña` AS `campaña`,`dw_hechosventas`.`año` AS `año`,`dw_hechosventas`.`codEmpresa` AS `codEmpresa`,count(distinct `dw_hechosventas`.`codCliente`) AS `Pedidos`,sum(`dw_hechosventas`.`cantidad`) AS `Unidades`,sum(`dw_hechosventas`.`monto`) AS `Facturacion` from `dw_hechosventas` group by `dw_hechosventas`.`codEmpresa`,`dw_hechosventas`.`campaña`,`dw_hec hosventas`.`año`;
  • 180. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 180 END$$ CREATE DEFINER=`root`@`localhost` PROCEDURE `limpiar_clonado_viru`() begin truncate table clonado_dbf_viru; end$$ CREATE DEFINER=`root`@`localhost` PROCEDURE `limpiar_hechospedidosAvon`() begin delete from dw_hechospedidos where codEmpresa=1 and año*100+campaña in (select campaña from campañas_actuales where orden in(1,2,3)); end$$ CREATE DEFINER=`root`@`localhost` PROCEDURE `limpiar_hechospedidosViru`() begin delete from dw_hechospedidos where codEmpresa=2 and año*100+campaña in (select campaña from campañas_actuales where orden in(1,2,3)); end$$ CREATE DEFINER=`root`@`localhost` PROCEDURE `limpiar_hechosventasAvon`() begin delete from dw_hechosventas where codEmpresa=1 and año*100+campaña in (select campaña from campañas_actuales where orden in(1,2,3)); end$$ CREATE DEFINER=`root`@`localhost` PROCEDURE `limpiar_hechosventasViru`() begin delete from dw_hechosventas where codEmpresa=2 and año*100+campaña in (select campaña from campañas_actuales where orden in(1,2,3)); end$$ CREATE DEFINER=`root`@`localhost` PROCEDURE `regresion_lineal`() BEGIN DECLARE _promedioX DECIMAL(20,10); DECLARE _promedioY DECIMAL(20,10); DECLARE _stdY DECIMAL(20,10); DECLARE _varY DECIMAL(20,0); DECLARE _maxY DECIMAL(20,10); DECLARE _pendiente DECIMAL(20,10);
  • 181. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 181 DECLARE _intercepto DECIMAL(20,10); DECLARE _empresa INT; DECLARE _campa INT; SET _empresa = 1; regresion_lineal: LOOP SELECT AVG(Unidades) INTO _promedioY FROM view_consolidado WHERE codEmpresa = _empresa; SELECT AVG(Pedidos) INTO _promedioX FROM view_consolidado WHERE codEmpresa = _empresa; SELECT STD(Unidades) INTO _stdY FROM view_consolidado WHERE codEmpresa = _empresa; SELECT POW(STD(Unidades),2) INTO _varY FROM view_consolidado WHERE codEmpresa = _empresa; SELECT MAX(Unidades) INTO _maxY FROM view_consolidado WHERE codEmpresa = _empresa; SELECT SUM((Unidades-_promedioY)*(Pedidos-_promedioX))/SUM(POW((Pedidos- _promedioX),2)) INTO _pendiente FROM view_consolidado WHERE codEmpresa = _empresa; SET _intercepto:= _promedioY-_pendiente*_promedioX; UPDATE dw_proyeccion SET Unidades = _pendiente * Pedidos + _intercepto WHERE codEmpresa = _empresa; SELECT AVG(Facturacion) INTO _promedioY FROM view_consolidado WHERE codEmpresa = _empresa; SELECT AVG(Pedidos) INTO _promedioX FROM view_consolidado WHERE codEmpresa = _empresa; SELECT STD(Facturacion) INTO _stdY FROM view_consolidado WHERE codEmpresa = _empresa; SELECT POW(STD(Facturacion),2) INTO _varY FROM view_consolidado WHERE codEmpresa = _empresa; SELECT MAX(Facturacion) INTO _maxY FROM view_consolidado WHERE codEmpresa = _empresa; SELECT SUM((Facturacion-_promedioY)*(Pedidos-_promedioX))/SUM(POW((Pedidos- _promedioX),2)) INTO _pendiente FROM view_consolidado WHERE codEmpresa = _empresa;
  • 182. Inteligencia de Negocios Tesis de Grado Ingeniería en Informática Universidad del Cono Sur de las Américas 182 SET _intercepto:= _promedioY-_pendiente*_promedioX; UPDATE dw_proyeccion SET Facturacion = _pendiente * Pedidos + _intercepto WHERE codEmpresa = _empresa; SELECT MAX(año*100+campaña) INTO _campa FROM view_consolidado WHERE codEmpresa = _empresa; DELETE FROM dw_proyeccion WHERE (año*100+campaña) <= _campa AND codEmpresa = _empresa; SET _empresa = _empresa + 1; IF _empresa > 2 THEN LEAVE regresion_lineal; END IF; END LOOP regresion_lineal; END$$ DELIMITER ; /*!40101 SET CHARACTER_SET_CLIENT=@OLD_CHARACTER_SET_CLIENT */; /*!40101 SET CHARACTER_SET_RESULTS=@OLD_CHARACTER_SET_RESULTS */; /*!40101 SET COLLATION_CONNECTION=@OLD_COLLATION_CONNECTION */;