Arquitectura De Business Intelligence - Parte, The Business Intelligence Institute, Ing. Héctor Franco beltrán, PMP

1. ARQUITECTURA DE BUSINESS
INTELLIGENCE
-Parte I-
Ing. PMP Héctor Franco
hfrancob@tbii.org.mx
hfranco@itam.mx
The Business
Intelligence Institute

2. Módulo 1 – Arquitectura de Inteligencia de
Negocios
Este material tiene derechos de autor, prohibida la reproducción parcial o total del mismo
sin consentimiento expreso de The Business Intelligence Institute, SC y LLC - TBII

3. } ANÁLISIS DE INFORMACIÓN
VISIBLE
DATOS – INVISIBLE
- Limpieza
- Integridad
- Oportunidad
- Homogeneidad
- Privacidad
- Acceso
- Auditoría
- Mantenimiento
- Etc.

4. COMPONENTES MAS
COMUNES DE UNA
ARQUITECTURA DE
INTELIGENCIA DE
NEGOCIOS

5. 7 8 PORTAL
13
1
Finanzas Reporte Operacional Balanced Scorecard Usuarios
Usuarios Tableros / Dashboards
Inteligente / Query Ad- Ejecutivos
Operativos CRM / ABC-ABM Usuarios
Hoc / Planning
Analíticos
DW
Planeación
6 Datos
Operativos
Data Marts
Datos por Tema
(Cubos y
(DM)
(ODS) Modelos)
Pantallas de 9
Ventas
Captura
3 4 5 Datos
Multi-D
Cubos Multidimensionales
Presentación OLAP
2 Cliente Cuenta Analítico Ventas
Manufactura Extracción
Transformación Datos
Carga
Carga Producto Geografía
Muestreo
(ETL) Datos
Reporteo
FACTS Analíticos R.H.
10
Minería de Datos
Fuentes Analytics / Mashups
Externas DATOS
Analíticos Crédito Datos
GeoRef
11
14 Gobierno de Datos / Master Data Management Geographical IS
Web Access
12
Web Content Project Management 15

7. 1
Datos Fuente
Finanzas
Generalmente son bases de datos
relacionales, hojas de excel, archivos
planos que almacenan la información
Planeación
transaccional de la organización y en
ocasiones datos complementarios o
Ventas externos
Manufactura
Fuentes
Externas

9. Extracción / Transformación y Carga
Finanzas
Es el componente que transporta los
datos y los transforma a lo largo de la
arquitectura. Posee la lógica de manejo
Planeación
de errores, transformaciones complejas
y métodos de carga optimizados
Ventas
2
Manufactura Extracción
Transformación
Carga
(ETL)
Fuentes
Externas
Web Access
Web Content

11. Operational Data Store
Finanzas
Es el repositorio donde se almacenan datos significativos
de la operación para la toma de decisiones, limpios en
modo relacional, su propósito es el apoyo a la operación
Planeación Datos Datos por Tema
Data Marts
Operativos (Cubos y
(DM)
(ODS) Modelos)
Ventas 3
Presentación
Cliente Cuenta Analítico Ventas
Manufactura Extracción
Transformación
Carga
Carga Producto Geografía
(ETL) Datos
Reporteo Analíticos R.H.
FACTS
Fuentes
Externas DATOS
Analíticos Crédito
Web Access
Web Content

13. Data Marts
Finanzas
Son repositorios orientados a un tema en particular, p.e.
«Ventas», se conforman por Entidades de Negocio y
soportan aplicaciones analíticas
Planeación Datos Datos por Tema
Data Marts
Operativos (Cubos y
(DM)
(ODS) Modelos)
Ventas 4
Presentación
Cliente Cuenta Analítico Ventas
Manufactura Extracción
Transformación
Carga
Carga Producto Geografía
(ETL) Datos
Reporteo Analíticos R.H.
FACTS
Fuentes
Externas DATOS
Analíticos Crédito
Web Access
Web Content

15. Modelos Dimensionales – Estrellas / Snowflakes
Finanzas
Son modelos de datos creados para ser consultados por
herramientas OLAP que consisten de tablas de
Dimensiones, Facts, Jerarquías, etc.
Planeación Datos Datos por Tema
Data Marts
Operativos (Cubos y
(DM)
(ODS) Modelos)
Ventas
5
Presentación
Cliente Cuenta Analítico Ventas
Manufactura Extracción
Transformación
Carga
Carga Producto Geografía
(ETL) Datos
Reporteo Analíticos R.H.
FACTS
Fuentes
Externas DATOS
Analíticos Crédito
Web Access
Web Content

16. FONDO_SCNARIO_DIM FONDO_TIPO_FONDO_DIM
DMT_BU_ID DMT_BU_ID
FONDO_DAY_DIM
DMT_EFF_STDT DMT_EFF_STDT
DMT_EFF_ENDDT DMT_EFF_ENDDT
DMT_BU_ID
FONDO_SCNARIO_ID FONDO_TIPO_FONDO_ID
DMT_EFF_STDT CONVOCATORIAS FONDO_FID_DIM
DMT_EFF_ENDDT
FONDO_SCNARIO_DESC FONDO_TIPO_FONDO_DESC
FONDO_DAY_ID FONDO_DAY_ID DMT_BU_ID
FONDO_GEO_ID DMT_EFF_STDT
FONDO_DAY_DESC FONDO_SCNARIO_ID DMT_EFF_ENDDT
FONDO_MONTH_ID FONDO_TIPO_FONDO_ID FONDO_FID_ID
FONDO_QTR_ID FONDO_FID_ID
FONDO_YEAR_ID FONDO_PROJ_ID FONDO_FID_DESC
FONDO_DAY_NUM FONDO_MODALIDAD_ID FONDO_TIPO_FID_ID
FONDO_AREA_CONOC_ID
FONDO_MODALIDAD_ID
FONDO_DEMANDA_ID
FONDO_SECTOR_IMP_ID FONDO_GEO_DIM
FONDO_INSTITUCION_ID
DMT_BU_ID
FONDO_MONTH_DIM DMT_EFF_STDT
NUM_CONVOCATORIAS DMT_EFF_ENDDT
DMT_BU_ID MONTO_CONVOCATORIA FONDO_GEO_ID FONDO_TIPO_FID_DIM
DMT_EFF_STDT NUM_FONDOS_CONVOCATORIA
FONDO_GEO_DESC DMT_BU_ID
DMT_EFF_ENDDT FONDO_GEOLVL15_ID
FONDO_MONTH_ID NUM_PREPROP_REC FONDO_MODALIDAD_DIM DMT_EFF_STDT
FONDO_GEOLVL15_DESC
NUM_PROP_REC FONDO_GEOLVL14_ID DMT_EFF_ENDDT
FONDO_MONTH_DESC MONTO_SOLIC_PREPROP_REC DMT_BU_ID FONDO_GEOLVL14_DESC FONDO_TIPO_FID_ID
FONDO_QTR_ID MONTO_SOLIC_PROP_REC DMT_EFF_STDT FONDO_GEOLVL13_ID
FONDO_GEOLVL13_DESC FONDO_TIPO_FID_DESC
FONDO_YEAR_ID DMT_EFF_ENDDT FONDO_GEOLVL12_ID
FONDO_MONTH_NUM NUM_PROP_EVAL FONDO_MODALIDAD_ID FONDO_GEOLVL12_DESC
NUM_PREPROP_RECHAZ FONDO_GEOLVL11_ID
NUM_PROP_RECHAZ FONDO_MODALIDAD_DESC FONDO_GEOLVL11_DESC
NUM_PROP_PERTIN FONDO_GEOLVL10_ID
NUM_PROP_APROB FONDO_GEOLVL10_DESC
MONTO_SOLIC_PROP_APROB FONDO_GEOLVL9_ID
FONDO_QTR_DIM FONDO_GEOLVL9_DESC
MONTO_RECS_APROB_PROP FONDO_GEOLVL8_ID
DMT_BU_ID FONDO_GEOLVL8_DESC
DMT_EFF_STDT NUM_CONVENIOS_FIRM FONDO_GEOLVL7_ID
NUM_PROP_REC_ASIGNADO FONDO_GEOLVL7_DESC
DMT_EFF_ENDDT FONDO_GEOLVL6_ID
FONDO_QTR_ID MONTO_REC_ASIGNADOS
FONDO_GEOLVL6_DESC
NUM_EMPRESAS_PARTIC FONDO_GEOLVL5_ID
FONDO_QTR_DESC FONDO_GEOLVL5_DESC
FONDO_YEAR_ID FONDO_GEOLVL4_ID
FONDO_GEOLVL4_DESC
FONDO_QTR_NUM FONDO_AREA_CONOC_DIM FONDO_GEOLVL3_ID
FONDO_GEOLVL3_DESC
DMT_BU_ID FONDO_GEOLVL2_ID
FONDO_GEOLVL2_DESC
DMT_EFF_STDT FONDO_GEOLVL1_ID
DMT_EFF_ENDDT FONDO_GEOLVL1_DESC
FONDO_AREA_CONOC_ID
FONDO_YEAR_DIM
FONDO_AREA_CONOC_DESC
DMT_BU_ID
DMT_EFF_STDT
DMT_EFF_ENDDT FONDO_MODALIDAD_DIM
FONDO_YEAR_ID
DMT_BU_ID
FONDO_YEAR_DESC DMT_EFF_STDT
DMT_EFF_ENDDT
FONDO_MODALIDAD_ID
FONDO_PROJ_DIM FONDO_MODALIDAD_DESC
DMT_BU_ID
DMT_EFF_STDT
DMT_EFF_ENDDT FONDO_DEMANDA_DIM
FONDO_PROJ_ID
DMT_BU_ID
BUSINESS_UNIT DMT_EFF_STDT
FONDO_SECTOR_IMP_DIM DMT_EFF_ENDDT
PROJECT_ID
EFFDT FONDO_DEMANDA_ID
DMT_BU_ID
DESCR
DMT_EFF_STDT FONDO_DEMANDA_DESC
PROJECT_TYPE
DMT_EFF_ENDDT
CN_CONVOCATORIA
FONDO_SECTOR_IMP_ID
CN_FONDOS
CN_OTRCVOCATORIA
FONDO_SECTOR_IMP_DESC
CN_PROJECT_ID
CN_TITULO
CN_DEPENDENCIA
CN_DEPTO
CN_TIPOPERSONA
CN_RESESP FONDO_INSTITUCION_DIM
CN_PEREJEC
DMT_BU_ID
DMT_EFF_STDT
DMT_EFF_ENDDT
FONDO_INSTITUCION_ID
FONDO_INSTITUCION_DESC
Proyecto RETO
FONDOS02
CONVOCATORIAS

17. Pantallas de Captura
Las pantallas de captura son elementos
comunes en una arquitectura de
Inteligencia de Negocios a fin de
incorporar datos manuales poco
intensivos tales como tipo de cambio,
precio de metales, inflación en países
específicos, notas y otro tipo de
información manual.
6
Pantallas de
Captura

18. 7
Reporteo Operacional
Se emiten la mayoría de los reportes del
Reporte Operacional
ODS con fines de cumplimiento
Usuarios
Operativos
Inteligente / Query Ad-
Hoc / Planning
regulatorio, a la alta gerencia,
operaciones, etc. Sin afectar el
DW desempeño de los sistemas
Datos
Operativos
(ODS)
transaccionales
Presentación
Reporteo

20. 8
Usuarios
Ejecutivos
Balanced Scorecard
Tableros / Dashboards
CRM / ABC-ABM Balanced Scorecard / Dashboards
DW Los cuadros de indicadores pueden dar
Datos
Data Marts
Operativos
(DM) seguimiento a la estrategia o a la
(ODS)
operación, ser balanceados o no,
dependiendo de la metodología de su
Presentación desarrollo, generalmente usan
Cliente Cuenta colorimetría, umbrales de evaluación,
Carga Producto Geografía elementos gráficos de fácil evaluación y
Datos
Reporteo
FACTS
muestran Indicadores Clave de
Desempeño (KPIs)
DATOS

22. Cubos Multidimensionales OLAP
Usuarios Los Cubos OLAP (MOLAP-ROLAP-
Analíticos
HOLAP) permiten visualizar la
Datos por Tema información por perspectivas de análisis
(Cubos y
Modelos) «por fecha, por región, por producto, por
Datos
9 sucursal, etc.», hacer «drill-down» o
Multi-D
Cubos Multidimensionales taladrado en los datos a un mayor nivel
OLAP
de detalle y obtener diferentes tipos de
Analítico Ventas
gráficos de una manera fácil para el
usuario.
Analíticos R.H.
Analíticos Crédito

24. Minería de Datos / Analytics
Son métodos avanzados de análisis de
DW información que permiten encontrar
relaciones entre los datos que nos son
Usuarios
evidentes que aportan valor al negocio
Analíticos usando algoritmos estadísticos tales
como:
• Redes Neuronales
• Árboles de Decisiones
Datos
Muestreo • Análisis de Conglomerados
10 • Forecasting,
Minería de Datos
Analytics / Mashups • Market Basket Analysis, etc.

26. Geographical Information Systems
Son sistemas georeferenciados que
DW permiten la visualización de la
información con la aplicación de
Usuarios «capas» de información sobre
Analíticos
coordenadas o puntos (x,y,z). Permiten
la localización de puntos, su proximidad
Datos
con otras localidades de interés y sus
GeoRef
atributos tales como datos estadísticos y
11 de consumo.
Geographical IS

28. Web Access / Web Content
Cada vez más componentes se
conectan en línea para hacer Business
Extracción Intelligence On-Line o bien Mashups
Transformación
Carga
(ETL)
de información.
Las principales fuentes de información
buscadas son:
• Noticieros
• Redes Sociales
• Sitios financieros
• Competencia
Web Access • Información de Mercado
12
Web Content • Buscadores genéricos (Google, Yahoo,
Ask)
• Boletines Judiciales, etc.

30. Portal
El componente que integra a toda la
arquitectura es el portal de acceso a la
información. Éste generalmente a su
PORTAL
13 vez también está integrado al portal de
la organización y norma la seguridad de
accesos a los demás componentes a
través de software y rutinas de
Usuarios autenticación y firma única.
Ejecutivos
Usuarios
Analíticos
En muchas organizaciones los
componentes tienen capacidad de
desplegarse en dispositivos móviles
tales como celulares y ipads muchas
veces a través del desarrollo de apps
específicos para cada marca-modelo a
fin de optimizar el desempeño y
fortalecer la seguridad de acceso.

32. 14 Gobierno de Datos / Master Data Management
Gobierno de Datos
Data governance es una disciplina de control de calidad para
evaluar, administrar, usar, mejorar, monitorear, mantener y proteger
la información de la organización.
Master Data Management
Es la administración de las entidades más importantes de datos que
representan un activo estratégico para la organización y que crea un
entendimiento común a todos los involucrados en el proceso de
creación de valor.

33. Project Management 15
Project Management
Es la disciplina que facilita la entrega de un proyecto dentro del
tiempo, costo, especificaciones y calidad.
El Project Management Institute (PMI) utiliza el PMBok como cuerpo
de conocimientos que tiene cinco procesos y nueve áreas del
conocimiento:
1. INTEGRACIÓN del proyecto
2. Administración del ALCANCE del proyecto
3. Administración de los TIEMPOS del proyecto
4. Administración de los COSTOS del proyecto
5. Administración de la CALIDAD del proyecto
6. Administración de los RECURSOS HUMANOS del proyecto
7. Administración de las COMUNICACIONES
8. Administración de los RIESGOS del proyecto
9. Administración de las COMPRAS del proyecto

34. 7 8 PORTAL
13
1
Finanzas Reporte Operacional Balanced Scorecard Usuarios
Usuarios Tableros / Dashboards
Inteligente / Query Ad- Ejecutivos
Operativos CRM / ABC-ABM Usuarios
Hoc / Planning
Analíticos
DW
Planeación
6 Datos
Operativos
Data Marts
Datos por Tema
(Cubos y
(DM)
(ODS) Modelos)
Pantallas de 9
Ventas
Captura
3 4 5 Datos
Multi-D
Cubos Multidimensionales
Presentación OLAP
2 Cliente Cuenta Analítico Ventas
Manufactura Extracción
Transformación Datos
Carga
Carga Producto Geografía
Muestreo
(ETL) Datos
Reporteo
FACTS Analíticos R.H.
10
Minería de Datos
Fuentes Analytics / Mashups
Externas DATOS
Analíticos Crédito Datos
GeoRef
11
14 Gobierno de Datos / Master Data Management Geographical IS
Web Access
12
Web Content Project Management 15