IN Unidad 1: Introducción a la inteligencia de negocios

Inteligencia de Negocios Carrera de Software
Ph.D. Franklin Parrales 1
08/02/2022
Introducción a la
inteligencia de negocios
Unidad 1
Material docente compilado por el profesor Ph.D. Franklin Parrales Bravo
para uso de los cursos de Inteligencia de Negocios

08/02/2022
Objetivo general de la Unidad 1
Identificar los conceptos de Inteligencia de negocios
mediante el análisis de datos para conocer su importancia
que tiene dentro de las organizaciones

08/02/2022
Contenido
• Introducción a la Inteligencia de Negocios
• Cuadrante mágico de Gartner de Inteligencia de
Negocios
• Pilares de la Inteligencia Empresarial
– Inteligencia de Negocios
– Analítica de Negocios
– Big Data
• Herramientas de Inteligencia de Negocios
• Arquitectura de un Proyecto de Inteligencia de
Negocios
• Inteligencia de Negocios en Big Data
• Roles profesionales relacionados con datos

08/02/2022
¿Qué es Inteligencia de Negocios?
Business Intelligence es un término acuñado
por la consultora Gartner Group a finales de la
década de los 80 y describe, básicamente, la
capacidad de los integrantes de una empresa
para acceder a la información residente en una
base de datos y explorarla, de manera que el
usuario pueda analizar esa información y
desarrollar con ella teorías y conocimientos que
serán básicos para la toma de determinadas
decisiones críticas para el negocio.
¨Transformar la
información en
Conocimiento, en
Beneficio”
¨ La transformación
de la información que
la empresa genera en
su actividad diaria, en
datos útiles para la
toma de decisiones
estratégicas”

08/02/2022
Evolución hacia BI
Conocimiento
Data Data Data Data Data Data
Información
Información
Información
¿Qué necesita el
negocio?
Reportes
estaticos
Reportes
Parametrizados
BI
Data Mart
DataWarehouse
DataMining

08/02/2022
Inteligencia de negocios
• La inteligencia de negocios (BI) combina análisis
de negocios, minería de datos, visualización de
datos, herramientas e infraestructura de datos, y
las prácticas recomendadas para ayudar a las
organizaciones a tomar decisiones más basadas
en los datos.
• En la práctica, sabes que tienes una inteligencia
de negocios moderna cuando tienes una visión
integral de los datos de tu organización y los
utilizas para impulsar el cambio, eliminar las
ineficiencias y adaptarte rápidamente a los
cambios del mercado o del suministro.

08/02/2022
• Es importante tener en cuenta que esta es una
definición muy moderna de inteligencia de negocios y
que BI también ha tenido fama de ser una palabra de
moda.
– La inteligencia de negocios tradicional surgió
originalmente en la década de 1960 como un sistema de
intercambio de información entre organizaciones.
– Se desarrolló aún más en la década de 1980 junto con
modelos informáticos para la toma de decisiones y
convertir los datos en información antes de convertirse en
una oferta específica de parte de equipos de BI con
soluciones de servicio dependientes de TI.
• Las soluciones de BI modernas priorizan el análisis
flexible de autoservicio, los datos gobernados en
plataformas confiables, los usuarios corporativos
empoderados y la velocidad para obtener información.

08/02/2022
• Mucho más que una "cosa" específica, la
inteligencia de negocios es más bien un término
general que cubre los procesos y métodos de
recopilación, almacenamiento y análisis de datos
de operaciones o actividades comerciales para
optimizar el rendimiento.
• Todas estas cosas se
unen para crear una
visión integral de un
negocio con la finalidad
de ayudar a las personas
a tomar mejores y más
viables decisiones.

08/02/2022
En los últimos años, la inteligencia de negocios ha evolucionado
para incluir más procesos y actividades para ayudar a mejorar el
rendimiento. Estos procesos incluyen lo siguiente:
• Minería de datos: Uso de bases de datos, estadísticas y
aprendizaje automático para descubrir tendencias en grandes
conjuntos de datos.
• Generación de informes: Compartir el análisis de datos con
las partes interesadas para que puedan sacar conclusiones y
tomar decisiones.
• Valores de referencia y métricas y de rendimiento:
Comparar los datos de rendimiento actuales con los datos
históricos para realizar un seguimiento del rendimiento en
función de los objetivos, normalmente utilizando dashboards
personalizados.

08/02/2022
• Análisis descriptivo: Uso de análisis de datos preliminares para
averiguar qué sucedió.
• Generación de consultas: Para extraer las respuestas de los
conjuntos de datos, la BI hace preguntas específicas sobre los
datos.
• Análisis estadístico: Tomar los resultados de análisis descriptivos
y explorar aún más los datos utilizando estadísticas para determinar
cómo sucedió esta tendencia y por qué.
• Visualización de datos: Convertir el análisis de datos en
representaciones visuales como cuadros, gráficos e histogramas
para consumir datos con mayor facilidad.
• Análisis visual: Explorar datos a través de la narración visual para
comunicar ideas sobre la marcha y mantenerte dentro del flujo de
análisis.
• Preparación de datos: Compilar múltiples fuentes de datos,
identificando las dimensiones y medidas, preparándolos para el
análisis de datos.

08/02/2022
¿Por qué es importante la inteligencia
de negocios?
• La inteligencia de negocios muestra datos
actuales e históricos dentro de su contexto
empresarial para que las empresas tomen
mejores decisiones.
• Los analistas pueden
aprovechar BI para
proporcionar puntos
de referencia de
rendimiento y de la
competencia para que
la organización funcione
de manera más fluida
y eficiente.

08/02/2022
de negocios?
• Los analistas también pueden detectar
más fácilmente las tendencias del
mercado para aumentar las ventas o los
ingresos.
• Cuando los datos correctos se utilizan de
forma eficaz, pueden ayudar con cualquier
cosa, desde el cumplimiento hasta los
esfuerzos de contratación.

08/02/2022
de negocios?
• Algunas formas en que la inteligencia de negocios
puede ayudar a las empresas a tomar decisiones
más inteligentes basadas en los datos:
– Identificar maneras de aumentar las ganancias
– Analizar el comportamiento del cliente
– Comparar datos con los competidores
– Rastrear el rendimiento
– Optimizar operaciones
– Predecir el éxito
– Identificar las tendencias del mercado
– Descubrir inconvenientes o problemas

08/02/2022
Cómo funciona la inteligencia de
negocios
• Las empresas y
organizaciones tienen
preguntas y objetivos.
• Para responder a estas
preguntas y hacer un
seguimiento del
rendimiento en relación
con estos objetivos,
recopilan los datos
necesarios, los analizan y
determinan las acciones
que deben tomarse para
que alcancen los
objetivos.

08/02/2022
Cómo ayuda la Inteligencia de
Negocios
• Acceso inmediato a todos los datos relevantes
– Facilidad para encontrar fuentes de datos.
– Estructurados y no estructurados.
• Kit completo de herramientas analíticas
– Análisis automatizado, en donde aplique.
– Alertas, alarmas, agentes.
– Aplicaciones analíticas.
• Portal de información
– Página inicial personalizada para análisis.
– Presentado en términos de negocios.
La Meta: Información y análisis en su PC
en tiempo real y al alcance de sus dedos

08/02/2022
¿Por qué tener BI?
Analizar la Información
para identificar Factores
Críticos del negocio
BUSINESS
INTELLIGENCE
APLICACIÓN ESTRATEGICA
Conocer la
Rentabilidad de los
Clientes
Compartir la Información
entre distintos niveles de la
Organización
Responder rápidamente a los Retos
de un entorno económico cambiante

08/02/2022
Contenido
Negocios
– Big Data
Negocios

08/02/2022
Cuadrante mágico de Gartner
• Un Magic Quadrant de Gartner (literalmente,
"cuadrante mágico" en español) recoge la
culminación de la investigación de un mercado
específico, y te proporciona una visión
panorámica de las posiciones relativas de sus
competidores.
• Gracias a su representación gráfica y un conjunto
uniforme de criterios de evaluación, cada Magic
Quadrant te ayuda a determinar rápidamente
cómo los proveedores de tecnología están
ejecutando sus ideas y qué tan bien se están
desempeñando en comparación con la visión de
mercado de Gartner.

08/02/2022
¿Cómo funciona y qué mide un Magic
Quadrant de Gartner?
• Gráfico de dos ejes.
– El vertical representa el conocimiento de mercado
– El horizontal indica la habilidad de ejecución
• Proporciona un posicionamiento competitivo gráfico de cuatro
tipos de proveedores de tecnología:
– Líderes: se desempeñan bien de acuerdo a la visión actual del
mercado y están bien posicionados para el futuro.
– Visionarios: entienden hacia dónde se dirige el mercado o
tienen una visión para cambiar sus reglas, pero su capacidad de
ejecución aún es limitada.
– Jugadores de nicho: se centran con éxito en un segmento
pequeño, o están dispersos y no innovan por encima de la
media ni superan a los demás.
– Retadores o aspirantes: se desempeñan bien hoy e incluso
pueden dominar un gran segmento, pero no demuestran poseer
una buena comprensión de hacia dónde se dirige el mercado.

08/02/2022
¿Cómo funciona y qué mide un Magic
Quadrant de Gartner?
Retadores o aspirantes Líderes
Jugadores de nicho Visionarios
Habilidad
de
ejecución
conocimiento de la vision del mercado
visión para cambiar sus reglas,
pero su capacidad de ejecución
aún es limitada
están dispersos y
no innovan por
encima de la
media ni superan
a los demás
no demuestran poseer una buena
comprensión de hacia dónde se
dirige el mercado
se desempeñan bien de
acuerdo a la visión
actual del mercado y
están bien posicionados
para el futuro

08/02/2022
Cuadrante mágico de Gartner
Ten en cuenta que centrarse en
los líderes no siempre es lo
mejor… Hay buenas razones
para considerar a los aspirantes
del mercado, y un jugador de
nicho puede satisfacer tus
necesidades mejor que un líder
del sector; todo depende de
cómo cada proveedor se alinea
con tus objetivos comerciales.

08/02/2022
Cuadrante mágico de Gartner para BI
• Como podemos ver en la siguiente
gráfica extraída del informe, la gráfica
está divida en función de:
• Integridad de Visión (Eje X): Se
refiere a la capacidad del proveedor
para hacer una lectura precisa del
momento actual del mercado y
aprovecharlo a su favor para generar
valor y conseguir la máxima
satisfacción de sus clientes.
• Capacidad de Ejecutar (Eje Y): Que
hace referencia a las facultades que
tienen los distintos proveedores para
plasmar en la práctica esta visión de
mercado de manera efectiva.
• Cuatro categorías: Aspirantes,
Jugadores de Nicho, Visionarios y
Líderes

08/02/2022
Contenido
Negocios
– Big Data
Negocios

08/02/2022
Pilares de la Inteligencia Empresarial
Su objetivo principal es facilitar el acceso interactivo (de ser posible en tiempo
real) a datos, facilitar la manipulación de los mismos y dar a los gerentes de
negocios y analistas la capacidad de conducir el análisis adecuadamente.
Es el conjunto de estrategias, tecnologías y sistemas que permiten analizar
el rendimiento pasado de una organización para poder predecir
comportamientos futuros, así como para detectar patrones ocultos en la
información.
Se entiende por el conjunto de estrategias, tecnologías y sistemas para el
almacenamiento, procesamiento, análisis y visualización de datos complejos,
que frecuentemente, pero no siempre, viene definida por volumen, velocidad y
veracidad
Independiente de la definición, hay algo que tienen en común estos pilares, su
aplicación e integración benefician la toma de decisiones exitosas en una empresa
Inteligencia
de
negocios
Analítica de
negocios
Big data

08/02/2022
Contenido
Negocios
– Big Data
Negocios

08/02/2022
Recordando…Inteligencia de negocios
• Mucho más que una "cosa" específica, la
inteligencia de negocios es más bien un término
general que cubre los procesos y métodos de
recopilación, almacenamiento y análisis de datos
de operaciones o actividades comerciales para
optimizar el rendimiento.
• Todas estas cosas se
unen para crear una
visión integral de un
negocio con la finalidad
de ayudar a las personas
a tomar mejores y más
viables decisiones.

08/02/2022
Contenido
Negocios
– Big Data
Negocios

08/02/2022

08/02/2022
Analítica de negocios
• El business analytics comprende el conjunto de métodos de
análisis básicos que conlleva…
– el uso de datos para conocer qué ha pasado o qué está
pasando en este momento (descriptivo)
– métodos de análisis avanzados para saber qué pasará
(predictivo)
– métodos de análisis avanzados para saber qué debería suceder
en el futuro (prescriptivo).
• En otros términos, la analítica de negocio consiste en crear
conocimiento de valor a partir del análisis de datos masivos
con el propósito de
– extraer patrones de comportamiento sobre nuestros hábitos y
costumbres, así como…
– interpretar de forma eficiente situaciones empresariales para
tomar decisiones informadas e inteligentes.

08/02/2022
Analítica de negocios
• La analítica de negocio combina tecnologías,
habilidades, aplicaciones y procesos para obtener una
perspectiva de negocio. La necesitamos en la
organización para promover una planificación a futuro.
• La inteligencia de negocios (BI) y sus subconjuntos (el
análisis de negocios y el análisis de datos) son
soluciones de administración de datos.
• Estas se utilizan para comprender datos históricos y
actuales y obtener información.
• Sin embargo, ¿cuál es la diferencia entre estas
soluciones y cuál es la correcta para satisfacer las
necesidades de su empresa?

08/02/2022
¿Cuál es la diferencia entre el análisis de
negocios y el análisis de datos?
• El análisis de negocios (BA) hace referencia a usar
los datos de la empresa para predecir tendencias y
resultados.
– El BA incluye la minería de datos, el análisis estadístico y
el modelado predictivo, que ayudan a los usuarios a tomar
decisiones más informadas.
• El análisis de datos es el proceso técnico de la
minería, la limpieza y la transformación de datos, así
como el desarrollo de sistemas para administrarlos.
– El análisis de datos trabaja con grandes cantidades de
datos para identificar tendencias y resolver problemas.
Además, se utiliza en diferentes disciplinas, desde el
gobierno hasta la ciencia. No está relacionado únicamente
con las aplicaciones empresariales.

08/02/2022
¿Inteligencia de negocios o análisis de
negocios?
La diferencia principal entre la inteligencia de negocios y el análisis de
negocios se basa en las preguntas que permiten responder.
• La inteligencia de negocios está centrada en el análisis
descriptivo
– La BI prioriza el análisis descriptivo, que ofrece un resumen de los datos
históricos y actuales a fin de mostrar qué ocurrió o qué está ocurriendo.
– La BI responde las preguntas relacionadas con el “qué” y el “cómo”, para
que pueda replicar lo que funciona y cambiar lo que no.
• El análisis de negocios está centrado en el análisis predictivo.
– El BA prioriza el análisis predictivo, que recurre a la minería de datos, el
modelado y el aprendizaje automático para determinar la probabilidad de
que ocurran ciertos resultados en el futuro.
– El BA responde las preguntas relacionadas con el “por qué”, para que sea
posible realizar predicciones más informadas sobre qué ocurrirá. Con el BA,
puede anticipar las evoluciones y hacer los cambios necesarios para
asegurarse el éxito.

08/02/2022
Aplicación del análisis de negocios y el
análisis de datos en el mundo real
Tomemos el ejemplo de la tienda de joyería en línea.
• Un analista de datos exploraría cómo las personas
usan el sitio web. Para hacerlo, identificaría las
tendencias en el tráfico, analizaría los datos
demográficos de los visitantes y, tal vez, incluso
crearía un sistema para hacer un seguimiento de
cómo los clientes hacen clic en diferentes páginas.
• Un analista de negocios se ocuparía más de las
aplicaciones prácticas de estos datos y de cómo
utilizarlos en la toma de decisiones para comprar
anuncios, crear nuevos productos y actualizar el sitio
web.

08/02/2022
Contenido
Negocios
– Big Data
Negocios

08/02/2022
¿Qué es el Big data?
Cuando hablamos de Big Data nos referimos a
conjuntos de datos o combinaciones de
conjuntos de datos cuyo tamaño (volumen),
complejidad (variabilidad) y velocidad de
crecimiento (velocidad) dificultan su captura,
gestión, procesamiento o análisis mediante
tecnologías y herramientas convencionales,
tales como bases de datos relacionales y
estadísticas convencionales o paquetes de
visualización, dentro del tiempo necesario para
que sean útiles.

08/02/2022
• El Big data está formado por conjuntos de datos
de mayor tamaño y más complejos,
especialmente procedentes de nuevas fuentes de
datos.
• Estos conjuntos de datos son tan voluminosos
que el software de procesamiento de datos
convencional sencillamente no puede
gestionarlos.
• Sin embargo, estos volúmenes masivos de datos
pueden utilizarse para abordar problemas
empresariales que antes no hubiera sido posible
solucionar.

08/02/2022
• El Big Data es el análisis masivo de datos. Una
cuantía de datos, tan sumamente grande, que las
aplicaciones de software de procesamiento de
datos que tradicionalmente se venían usando no
son capaces de capturar, tratar y poner en valor
en un tiempo razonable.
• Igualmente, el mismo término se refiere a las
nuevas tecnologías que hacen posible el
almacenamiento y procesamiento, además del
uso que se hace de la información obtenida a
través de dichas tecnologías.

08/02/2022
Las "tres V" de big data
Volumen
La cantidad de datos importa. Con big data, tendrá que procesar grandes
volúmenes de datos no estructurados de baja densidad. Puede tratarse de
datos de valor desconocido, como feeds de datos de Twitter, secuencias de
clics en una página web o aplicación móvil, o equipos con sensores. Para
algunas organizaciones, esto puede suponer decenas de terabytes de datos.
Para otras, incluso cientos de petabytes.
Velocidad
La velocidad es el ritmo al que se reciben los datos y (posiblemente) al que se
aplica alguna acción. La mayor velocidad de los datos normalmente se
transmite directamente a la memoria, en vez de escribirse en un disco. Algunos
productos inteligentes habilitados para Internet funcionan en tiempo real o
prácticamente en tiempo real y requieren una evaluación y actuación en tiempo
real.
Variedad
La variedad hace referencia a los diversos tipos de datos disponibles. Los tipos
de datos convencionales eran estructurados y podían organizarse
perfectamente en una base de datos relacional. Con el auge del big data, los
datos se presentan en nuevos tipos de datos no estructurados. Los tipos de
datos no estructurados y semiestructurados, como el texto, audio o vídeo,
requieren un preprocesamiento adicional para poder entender su significado y
admitir metadatos.

08/02/2022
3, 6 O 7 “V”

08/02/2022
7 “V” DEL BIG DATA
• Valor: una gran cuantía de datos frecuentemente extrae pequeñas
informaciones de valor. Cómo conseguir dicha información de manera
eficiente es uno de los retos que afronta día a día el área de la inteligencia
de datos. El valor es sin duda una cualidad fundamental en el análisis.
Variabilidad: en un entorno tan cambiante como el de los macrodatos, la
información varía mucho. Y también han de hacerlo los modelos o
tratamientos que se aplican en torno a esta, pues no son fijos en el tiempo
y requieren de un control periódico.
• Veracidad: saber la fiabilidad de la información recogida es importante
para obtener unos datos de calidad e, incluso, dependiendo de las
aplicaciones que se le vaya a dar a misma, se convierte en fundamental. Es
un factor que puede influir mucho en conseguir una ventaja competitiva en
la explotación del Big Data.
• Visualización: Convertir cientos de hojas de información en un único
gráfico que muestre claramente unas conclusiones predictivas es un
ejemplo de cómo mostrar los resultados de forma clara y sencilla en un
evidente ejercicio de sintetización.

08/02/2022
Tipos de datos según su estructura

08/02/2022

08/02/2022
Herramientas de Big Data
Hadoop
Pig
Hive Kafka

08/02/2022
Herramientas de Big Data
Las organizaciones utilizan herramientas como Hadoop, Pig, Hive, Cassandra, Spark o Kafka,
dependiendo de los requisitos específicos que tengan. La fundación Apache Software Foundation
(ASF) apoya muchas de estas herramientas de Big Data.
• Apache Hadoop: una de las soluciones más conocidas para analizar Big Data, que utiliza
un marco de trabajo de código abierto para almacenar y procesar grandes conjuntos de
datos.
• Apache Spark: esta herramienta permite almacenar gran parte de los datos de
procesamiento en la memoria y en el disco, lo que se traduce en una mayor rapidez.
Trabaja con los lenguajes de programación Java, Scala, Python, R y SQL y funciona con
el sistema de archivos distribuidos de Hadoop (HDFS), Apache Cassandra, OpenStack
Swift y muchas otras soluciones de almacenamiento de datos.
• Apache Kafka: esta solución permite a los usuarios publicar y suscribirse a fuentes de
datos en tiempo real. La principal tarea de Kafka es trasladar la fiabilidad de otros
sistemas de mensajería a los datos en streaming.
• Apache Lucene: una herramienta que puede usarse para cualquier motor de
recomendación porque utiliza bibliotecas de software de indexación y búsqueda de textos
completos.
• Apache Zeppelin: un proyecto que permite el análisis de datos interactivos con SQL y
otros lenguajes de programación.
• Elasticsearch: se podría definir como un motor de búsqueda empresarial, que destaca
porque puede aportar conocimientos a partir de datos estructurados y no estructurados.
• TensorFlow: una plataforma de machine learning cada vez más popular que se utiliza con
fines de aprendizaje automático.

08/02/2022
El Big Data ya está cambiando la manera en la que
las organizaciones y las personas toman sus
decisiones y, sin duda, sus efectos serán todavía
más evidentes en el futuro. Cuando (casi) todo lo que
tenemos a nuestro alrededor empiece a usar Internet
(el Internet de las Cosas), las posibilidades de
utilización del Big Data serán tremendas.

08/02/2022
Contenido
Negocios
– Big Data
Negocios

08/02/2022
Herramientas de Inteligencia de
Negocios
• Power BI es una suite de Microsoft para la gestión de
datos y la realización de análisis descriptivos y predictivos.
Power BI vuelca la información en cuadros de mando
interactivos que muestran la evolución de las variables del
negocio, favoreciendo una dinámica self-service de acceso
a los datos por parte de las distintas áreas de la
organización.
• Tableau mantiene su posición de preeminencia entre las
soluciones de Business Intelligence más utilizadas.
Probablemente, porque los niveles de dificultad en su
manejo se adaptan al conocimiento de sus usuarios: los
neófitos pueden efectuar análisis sencillos en una
plataforma visual e intuitiva; mientras que los especialistas
disponen de numeras opciones de configuración en un
entorno seguro y escalable. Además, su gran implantación
en todo el mundo ha favorecido el crecimiento de
una comunidad online muy activa, que comparte a
menudo sus experiencias con la herramienta en foros y
redes sociales.

08/02/2022
Negocios
• MicroStrategy: Ofrece numerosas posibilidades
de integración con otras aplicaciones (con Power BI,
entre otras), permite efectuar análisis en tiempo real
y acaba con los silos en el manejo de la información
empresarial. Además, provee funcionalidades
específicas para el entorno móvil.
• Oracle BI Presenta dos grandes bazas como
herramienta de Business Intelligence para este año:
• Analítica en la nube. Con Oracle Analytics Cloud es
posible combinar un almacenamiento on premise de
los datos con la ejecución de análisis en la nube. El
resultado es un acceso seguro a los insights desde
cualquier lugar.
• Inteligencia Artificial y Machine Learning. El uso de la
IA y el aprendizaje automático sustenta la formulación
de predicciones más fiables.

08/02/2022
Negocios
• Qlik con un tono pedagógico en su
comunicación, intenta hacer fácil lo difícil,
apostando por la simplificación de sus
comandos y la automatización de las
órdenes. En definitiva, persigue que los
usuarios le pierdan el miedo a los datos.
• SAP BusinessObjects Business Intelligence es
una herramienta de Inteligencia de Negocio
con implementación local y 100% integrable
con el paquete Office de Microsoft, lo que la
convierte en la solución de elección para
aquellas compañías que han hecho de Excel
su biblia corporativa.

08/02/2022
Contenido
Negocios
– Big Data
Negocios

08/02/2022
Componentes de una solución de BI

08/02/2022
Solución BI - Arquitectura
Sistemas
OLTP o
Fuentes de
Datos
1. Origen de Datos 3. Transformación 5. DataMarts
TXTs
ó
Vistas
Cubo OLAP o
Area
Multidimensional
Analysis
Services 2000
2. Extracción
Area Dimensional
o de Modelos
Estrella
SQL Server 2000
4. Carga o Alimentación
Cubo OLAP o
Area
Multidimensional
Analysis
Services 2000
Cubo OLAP o
Area
Multidimensional
Analysis
Services 2000
Area Temporal o
de Preparación y
Limpieza
SQL Server 2000
Consultas,
Reportes,
Indicadores,
Análisis
Estadístico,
Tendencias,
Comparaciones
Intranet,
Microsoft Excel,
Microsoft Data
Analyzer,
Business
Scorecards
6. Visualización
Usuarios
Administradores de Plataforma
Usuarios Técnicos

08/02/2022
Arquitectura – consideraciones
• Identificados los orígenes de datos, estos cargarán
periódicamente de acuerdo con el modelo requerido.
• Los datos pueden cargarse desde
– Archivos planos tipo TXT.
– Las bases de datos de la organización vía ODBC u OLE DB.
• Estos datos SIEMPRE se cargan en el área temporal,
para transformación de datos, homogenización u otras
modificaciones a realizar.
• El área temporal es el ÚNICO origen o punto de entrada
del modelo dimensional.
– No crece de acuerdo con las necesidades de información.
• El modelo dimensional es el ÚNICO origen o punto de
entrada del DataMart.
– Si crece de acuerdo con las necesidades de información.

08/02/2022
Diseño Conceptual – Modelo de Datos
Dim_Empleado
Dim_Empleado
Dim_Empleado
EmployeeKey
EmployeeKey
Empleado_ID
...
Empleado_ID
...
Dim_Empleado
Dim_Empleado
Dim_Empleado
EmployeeKey
EmployeeKey
Empleado_ID
...
Empleado_ID
...
Cod_Empleado
Dim_Tiempo
Dim_Tiempo
Dim_Tiempo
TimeKey
TimeKey
Fecha
...
Fecha
...
Dim_Tiempo
Dim_Tiempo
Dim_Tiempo
TimeKey
TimeKey
Fecha
...
Fecha
...
Cod_Tiempo
Dim_Producto
Dim_Producto
Dim_Producto
ProductKey
ProductKey
Producto_ID
...
Producto_ID
...
Dim_Producto
Dim_Producto
Dim_Producto
ProductKey
ProductKey
Producto_ID
...
Producto_ID
...
Cod_Producto
Dim_Cliente
Dim_Cliente
Dim_Cliente
CustomerKey
CustomerKey
Cliente_ID
...
Cliente_ID
...
Dim_Cliente
Dim_Cliente
Dim_Cliente
CustomerKey
CustomerKey
Cliente_ID
...
Cliente_ID
...
Cod_Cliente
Dim_Proveedor
Dim_Proveedor
Dim_Proveedor
ShipperKey
ShipperKey
Proveedor_ID
...
Proveedor_ID
...
Dim_Proveedor
Dim_Proveedor
Dim_Proveedor
ShipperKey
ShipperKey
Proveedor_ID
...
Proveedor_ID
...
Cod_Proveedor
Fact_Ventas
Fact_Ventas
TimeKey
EmployeeKey
ProductKey
CustomerKey
ShipperKey
TimeKey
EmployeeKey
ProductKey
CustomerKey
ShipperKey
Monto_Ventas
...
Monto_Ventas
...
Fact_Ventas
Fact_Ventas
TimeKey
EmployeeKey
ProductKey
CustomerKey
ShipperKey
TimeKey
EmployeeKey
ProductKey
CustomerKey
ShipperKey
Monto_Ventas
...
Monto_Ventas
...
Cod_Tiempo
Cod_Cliente
Cod_Proveedor
Cod_Producto
Cod_Empleado
Clave Múltiple
Clave
Clave M
Mú
últiple
ltiple
Clave Múltiple
Clave
Clave M
Mú
últiple
ltiple
Medidas
Medidas
Medidas
Medidas
Medidas
Medidas
Claves Dimensionales
Claves
Claves Dimensionales
Dimensionales

08/02/2022
Modelo de Datos – consideraciones
• El modelo estrella es un modelo
“desnormalizado”.
• El modelo estrella consolida hechos en relación a
unas dimensiones o filtros.
• Los datos no representan una transacción del
negocio en particular.
• Los datos pueden obtenerse mediante cálculos o
agregaciones.
• El modelo estrella es una representación de
negocios de una vista de la organización.
– Ventas
– Mercadeo

08/02/2022
Modelo de Datos – Consideraciones
• El modelo dimensional es una técnica que busca
fortalecer la capacidad de consultas de que los usuarios
disponen, haciendo la interfaz más entendible y el
procesamiento más eficiente.
• En contraposición al modelo ER, que es una técnica
poderosa para el diseño de sistemas de procesamiento
de transacciones en ambientes de bases de datos
relacionales.
• En el ambiente transaccional se diseña alrededor de las
aplicaciones y funciones tales como préstamos, ahorros,
tarjeta bancaria y depósitos para una institución
financiera.
• En el ambiente data warehousing se organiza alrededor
de sujetos tales como cliente, vendedor, producto y
actividad.

08/02/2022
Diseño Conceptual – Proceso ETL
DataMarts– Analysis
Services 2000
Area Dimensional – SQL Server 2000
Area Temporal – SQL Server 2000
TXT
TXT
TXT
DTS
DTS
DTS
TXT
DTS
DTS
DTS
DTS
DTS
DTS
DTS
DTS

08/02/2022
Proceso ETL – Consideraciones
• El área temporal es dinámica, pero no crece
en la medida en que alimentamos el modelo.
• El área dimensional no es dinámica, pero si
crece en la medida en que alimentamos el
modelo.
• Los cubos OLAP almacenan los agregados y
el detalle, por razones de desempeño.
• Todas las operaciones involucradas dentro
de este procesamiento, serán automáticas.

08/02/2022
Proceso ETL – Consideraciones
Transformar
Transformar
Modificación
Modificación
Combinación
Combinación
Totalización
Totalización
comprador
comprador
Barr, Adam
Chai, Sean
O’Melia, Erin
...
reg_id
reg_id
2
4
6
...
ventas
ventas
17.60
52.80
8.82
...
nombre_comp
nombre_comp
Barr, Adam
Chai, Sean
O’Melia, Erin
...
reg_id
reg_id
2
4
6
...
ventas
ventas
17.60
52.80
8.82
...
nombre_comp
nombre_comp
Barr, Adam
Chai, Sean
O’Melia, Erin
...
precio
precio
.55
1.10
.99
...
cantidad
cantidad
32
48
9
...
comprador
comprador
Barr, Adam
Chai, Sean
O’Melia, Erin
...
reg_id
reg_id
II
IV
VI
...
ventas
ventas
17.60
52.80
8.82
...
nombre_comp
nombre_comp
Barr, Adam
Chai, Sean
O’Melia, Erin
...
precio
precio
.55
1.10
.99
...
cant
cant
32
48
9
...
ventas
ventas
17.60
52.80
8.82
...
nombre
nombre
Adam
Sean
Erin
...
apellido
apellido
Barr
Chai
O’Melia
...
reg_id
reg_id
2
4
6
...
ventas
ventas
17.60
52.80
8.82
...
DTS
DTS

08/02/2022
Proceso ETL – Ejemplo
Inicia Proceso Archivo Origen
Exito Exito
Fin Proceso
Exito
Fracaso
Fin Proceso
Exito
Exito

08/02/2022
Cubo Multidimensional
Sección
Hogar
Informática
Alimentos
Alimentos
Marcas
Fanta
Gatorade
Pepsi-Cola
Coca-Cola
Red Bull
Coca-Cola
24
Semana del mes
03 10 17
23.5 MM UNIDADES
€ 28.3 VENTA BRUTA
€ 26.8 COSTO
24
“Mostrar las ventas de
Coca-Cola en la
sección de alimentos,
para la 4ta. semana.”

08/02/2022
El modelo multidimensional

08/02/2022
Diseño Conceptual – Visualización
Escenario 2 – Esquema de Visualización (Vía Intranet o Web)
Escenario 1 – Esquema de Visualización (Vía Microsoft Excel)
Panel de Control
Libro Excel
Cubo
Reportes Entidades Externas
Libro Excel
Consultas Dinámicas
Libro Excel
Usuarios
Usuarios
Cubo
Panel de Control
Aplicación Intranet
Consultas Dinámicas
Consultas Estáticas
Usuarios
Usuarios
Escenario 3 – Esquema de Visualización (Vía Data Analyzer)
Cubo
Data Analyzer
Usuarios
Microsoft PowerPoint
Microsoft Excel
Microsoft Word

08/02/2022
Modelos Perfilados de Visualización
Análisis
Estratégico
Consultas
Analíticas
Reportes
Interactivos
Tablero
de Control
Herramienta
de Consulta
Reportes
Dinámicos
Analistas
Usuarios
Casuales

08/02/2022
Visualización – Consideraciones
• La fuente de información para los usuarios
SIEMPRE será el cubo OLAP.
• El tipo de visualización se determinará de
acuerdo con el análisis que se haga de los
perfiles de los usuarios.
• Cada esquema de visualización tendrá un
documento de ayuda, orientado hacia el
“cómo hacer”.

08/02/2022
Contenido
Negocios
– Big Data
Negocios

08/02/2022
¿Cómo se complementan la
Inteligencia de Negocios y el Big Data?
• El concepto de Big Data no alude directamente
a los procesos o a las personas: es un concepto
centrado en los algoritmos y metodologías que
permiten extraer el conocimiento de los datos
procesados.
• Estos datos, a su vez, pueden provenir de una
amplia variedad de fuentes, y bien pueden ser
estructurados, como se estila tradicionalmente en
las bases de datos de negocio, o no
estructurados, lo cual abarca desde datos
textuales hasta contenidos multimedia.

08/02/2022
¿Cómo se complementan la
Inteligencia de Negocios y el Big Data?
• También podemos evidenciar que el componente analítico
de la BI se potencia desde el Big Data, pero que a su vez,
una concepción holística y aplicada del Big Data,
demanda de las cualidades de la BI.
– En tal sentido, suponer un escenario de datos más completo,
más abierto y con muchas más capacidades para procesar,
integrar, analizar y distribuir información solo puede ser positivo
y no debe ser óbice para generar diferencias en sus
aplicaciones.
• El escenario idóneo es aquel que nos permite tener
muchos más datos, poder integrarlos y maximizar su
calidad y completitud, definir metodologías idóneas para
su procesamiento y análisis y asegurarse de que los
mismos lleguen a los decisores con tal calidad que el
nivel de dificultad para su transformación en decisiones
y para llevarlo a la implementación se reduzca a un
mínimo.

08/02/2022
Casos prácticos de aplicación y éxito
empresarial
La compañía de referencia a nivel mundial, en lo que a comercio
electrónico se refiere, basa buena parte de su éxito en conocer de
antemano lo que necesitan sus clientes. Así, es muy probable que si
entras en la página de esta empresa, te sugiera artículos que van a ser
de gran interés para ti. ¿Cómo? A través de la inteligencia de datos
analizan muchos factores de carácter individual del usuario como sus
hábitos de compra o intereses.
Uno de los grandes factores del éxito de la popular empresa
estadounidense Netflix, es su magistral uso de los macrodatos para
crear nuevos contenidos para sus usuarios, cuyos hábitos de consumo y
preferencias son observados al detalle para descubrir qué es lo que van
a querer ver a continuación en base a patrones predictivos. Así crearon,
por ejemplo, la serie House of Cards: observaron que a muchos de sus
usuarios les gustaban contenidos que incluyeran poder, política, drama y
sensualidad entre sus características principales. Y también que les
gustaba como actor Kevin Spacey. Así, dieron con la fórmula y
mezclaron en la trama todos estos ingredientes poniendo a protagonizar
a Spacey la misma. Igual proceso para Stranger Things y otros grandes
éxitos de audiencia.

08/02/2022
Contenido
Negocios
– Big Data
Negocios

08/02/2022
Roles en Data Science

08/02/2022
El equipo Scrum – Equipo de Analítica
Fuente:
Jan Zawadzky

08/02/2022
Data Scientist
Jugador multifuncional
▪ Matemático, Economista con
conocimientos de programación
▪ Ingeniero Informático, Computación,
con conocimientos estadística
▪ 90% del trabajo de un Data Scientist
es trabajar… con data (no modelos)
▪ Skills de visualización de datos
▪ Skills de storytelling, comunicación
con Stakeholders. “Lo que no se
comunica, no existe”
▪ ¿Cuán multifuncional? ¿End-to-end?
▪ “¿Cómo convencería a un gerente
de que la nueva versión de su
modelo es mejor que la versión
actual?”

08/02/2022
Data Engineer
La navaja suiza
▪ No sólo RDBMS – Procesar
archivos de texto, web scraping,
data no estructurada
▪ No sólo RDMS – Procesamiento
en Cloud, Big Data, uso de
Python, Spark
▪ Plus: Conocimiento estadístico,
EDA
▪ Automatización: Pipelines, Stored
Procedures, Jobs, Cronjobs,
Pentaho, Cloud
▪ SQL Avanzado: Windowing,
Datawarehouse functions.

08/02/2022
Data Analyst
Hacer sentido de la data
▪ Experto en visualizaciones: Tableau, PoweBI,
Python
▪ Encontrar insights en la data – Punto intermedio
entre descriptivo y predictivo
▪ Experto de negocio, funcional.
▪ Evaluar modelos, casos de negocio.

08/02/2022
Analytics UX/CX
Puente entre el usuario y la Analítica
▪ UX: User Experience, CX: Customer Experience
▪ Levantamiento de información, desarrollo de arquetipos
▪ Casos de uso de modelos analíticos
▪ Journey del cliente, manera en la que interactúa el cliente con los resultados
del modelo

08/02/2022
AI Product Manager
Lidera la visión del
producto de Analítica
▪ Perfil mixto.
▪ Experto del Negocio
▪ Experto en AI, Analítica,
Ciencia de Datos
▪ Influir en las personas.
Capacidades de negociación
▪ Saber contar una historia.
Usar data como evidencia

08/02/2022
ML Engineer / ML Ops
Despliegue y monitoreo de soluciones de AI
▪ Lo que no se despliega, no existe!
▪ Un buen científico de datos no es / no tiene que ser un buen ingeniero
informático
▪ Experto en despliegues, versionamiento, entendiendo el lenguaje de
Ciencia de Datos
▪ Ciencia de Datos = Data + Código
▪ Optimización de código. Caso Netflix
▪ Optimizar para sistemas: Resilientes, Escalables, Disponibles, Alto
Rendimiento
▪ Nicho importante!

08/02/2022
Introducción a la
inteligencia de negocios
Unidad 1
Final de la unidad

IN Unidad 1: Introducción a la inteligencia de negocios

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to IN Unidad 1: Introducción a la inteligencia de negocios

Similar to IN Unidad 1: Introducción a la inteligencia de negocios (20)

More from Franklin Parrales Bravo

More from Franklin Parrales Bravo (20)

Recently uploaded

Recently uploaded (6)

IN Unidad 1: Introducción a la inteligencia de negocios