Más contenido relacionado Similar a Inteligencia de negocio - Soluciones Analíticas (20) Inteligencia de negocio - Soluciones Analíticas1. UNIVERSIDAD CENTRAL DE VENEZUELA
FACULTAD DE CIENCIAS
ESCUELA DE COMPUTACION
´
Sistemas de Información
Tema 6: Inteligencia de Negocio.
OLAP y Soluciones analíticas
1
Prof. Wilfredo Rangel
2. Agenda
Introducción
Origen y Definición
Soluciones Analíticas
¿Qué es OLAP?
Características de las Soluciones analíticas
Comparando tipos de soluciones
Visión general de las soluciones analíticas
Arquitectura conceptual básica
Componentes de la arquitectura
RDBMS vs. OLAP Server: Examinando de cerca
Metodología de desarrollo de soluciones analíticas
2
© 2010, Universidad Central de Venezuela. Sistemas de Información.
3. Objetivos de Aprendizaje
Al finalizar este capitulo, usted estará en capacidad de:
• Los conceptos básicos de OLAP
• Entender los aspectos relacionados al desarrollo de
soluciones analíticas basadas en OLAP (Online
Analitycal Processing)
• La arquitectura y módulos de las soluciones analíticas
• emplear metodologías de desarrollo de estándares de
la industria de BI
3
© 2010, Universidad Central de Venezuela. Sistemas de Información.
4. Introducción
Origen y definición
Soluciones analíticas
¿Qué es OLAP?
4
© 2010, Universidad Central de Venezuela. Sistemas de Información.
5. ¿Qué es OLAP?
Definición:
“OLAP es un enfoque para proveer rápidamente
respuestas a consultas analíticas que son de
naturaleza multidimensional” [Codd, E.F. et al
(1993)]
Nuestra Definición:
“OLAP es una pieza del rompecabezas de inteligencia
de negocio que permite a los usuarios interactuar y
explorar data dimensionalmente.”
© 2010, Universidad Central de Venezuela. Sistemas de Información.
6. ¿Que es OLAP?
Ver la data
“Dimensionalmente“
Ventas por región
Ventas por región y por canal
Ventas por región, por canal y
por año
Ventas por región, por canal,
por año y por mes
por canal, por un periodo de
tiempo
Agregación
Ventas = SUM de la data
subyacente
Tiempo de Envió = AVG de la
data subyacente
6
© 2010, Universidad Central de Venezuela. Sistemas de Información.
7. Características
Enfocada a la Información: Diseñada para la investigación por parte del
usuario final y la exploración de la data, no transaccional.
Interactiva: Capaz de aceptar y actuar sobre preguntas ad-hoc que el usuario
tenga.
Agregación Dinámica: Información resumida de data detallada en tiempo real.
Navegación (Drilling): Habilidad de moverse entre niveles de granularidad de
datos.
Segmentación (Slice and Dice): Habilidad de combinar y recombinar varias
dimensiones para visualizar diferentes facetas de la información.
Pivoteo: Habilidad de ofrecer comparaciones, revelar patrones y relaciones, y
analizar tendencias.
Desempeño: El acceso a la data y las manipulaciones deben realizarse a la
"velocidad del pensamiento".
7
© 2010, Universidad Central de Venezuela. Sistemas de Información.
8. Caracteristicas: Enfocada en la información
Diseñada para usuarios finales DW_CUST_TBL
Exploración de información, no de data
Incluye entidades de facil uso:
Ventas por Region
Customer Lifetime Value
Trimestre Fiscal 4, 2007
Nos libera del manejo de entidades
oscuras:
LAST_UPDATED_DATE
Batch System ID
Order ID (a menos que sea Customer Lifetime Value
analíticamente significativo)
© 2010, Universidad Central de Venezuela. Sistemas de Información.
9. Caracteristica > Interactiva
Más parecido a una aplicación que a un reporte
Selecciona data
Filtra data
Drill Down Pivot (columnas a registro, etc.)
© 2010, Universidad Central de Venezuela. Sistemas de Información.
10. Característica > Agregación dinámica
No predefine niveles de agregación Ventas
select sum(sales) from table region
group by region, year region, almacen
region, year = PREDEFINED level of region, tienda, año
aggregation
Cualquier combinación dinamicamente
calculada y combinada Agregación
Dinámica
DETAIL
DATA
© 2010, Universidad Central de Venezuela. Sistemas de Información.
11. Características >: Drilling
Capacidad para atravesar los niveles de agregación
dentro de un área de análisis
Year
Quarter
Month
– Day
Agregado correctamente
© 2010, Universidad Central de Venezuela. Sistemas de Información.
12. Caracteristica > Slicing
Limite para la vista y análisis de datos
La misma “vista” de data ,con diferente conjunto de datos
APAC EMEA
© 2010, Universidad Central de Venezuela. Sistemas de Información.
13. Caracteristica : Dicing
Cambia los datos observados y analizados
Selección de miembros, agrega o elimina dimensiones
© 2010, Universidad Central de Venezuela. Sistemas de Información.
14. Caracteristicas : Pivoting
Cambia la orientación en la página
La misma data, la misma vista, con diferente layout
© 2010, Universidad Central de Venezuela. Sistemas de Información.
15. Caracteristica : Agregación y Performance
Respuesta de data disponible en segundos
Los usuarios esperan ver los datos en la
"velocidad del pensamiento“
Vista de data altamente sumarizada
10s o 100s de celdas
Calculado a partir de las transacciones de data
subyacente
Abstracción del volumen de datos
RFID
INVENTORY
SYSTEM
8 Kilobytes 200 Gigabytes
© 2010, Universidad Central de Venezuela. Sistemas de Información.
16. Casos de uso y aplicaciones
De carácter estratégico
¿Cuál es mi día promedio de envío durante el mes pasado frente a
los últimos 12 meses?
¿Estoy ganando más clientes de los que estoy perdiendo?
Mis ventas han subido, pero ¿qué hay de mi rentabilidad?
Qué productos están creciendo mi línea base?
TOTAL en alcance (requiere mirar más, todos los datos)
¿Cuál fue el importe de las ventas promedio por país y producto?
¿Cuál es el valor de la duración de los clientes por segmento de
clientes?
¿Cuál es el valor de la duración de los clientes por ventas?
© 2010, Universidad Central de Venezuela. Sistemas de Información.
17. Casos de uso y aplicaciones: Usuarios
Gerentes y Ejecutivos de Negocio
Monitoreo de Rendimiento Empresarial
Dashboards y Scorecards
Analistas de Negocio
Identificación de Tendencias
Evaluacion Exploratoria de Oportunidades
Finanzas
Pronosticados vs. Reales
Consolidación Financiera
Mercadeo
Efectividad de Campaña
Rendimiento de Segmento de Clientela
Ventas
Rendimiento Empresarial de Ventas
Análisis Regional 17
© 2010, Universidad Central de Venezuela. Sistemas de Información.
18. Casos de uso y aplicaciones : Análisis de Ventas
• Medidas (Mesures)
Usuarios – Sales
Product Managers – Avg Sales Price
Sales Managers – Avg Discount
Management – Total Discount
Marketing Managers – Cost of Goods Sold
– Gross Margin
• Dimensiones
– Customer
– Sales Person
– Sales Region
– Product
– Year/Qtr/Mon
© 2010, Universidad Central de Venezuela. Sistemas de Información.
19. Casos de uso y aplicaciones: Análisis de Mercados
• Medidas (Measures)
Usuarios – Pieces Sent
Product Managers – Responses
Management – Response Rate
Marketing Managers – Days to Response
• Dimensiones
– Customer
– Sales Region
– Product
– Year/Qtr/Mon
– Promotion
– Media
– Creative
© 2010, Universidad Central de Venezuela. Sistemas de Información.
20. Casos de uso y aplicaciones: Website Ad Analysis
• Measures
Users – Impressions
Product Managers – Click Through Rate
Web Site Developers – Conversion to Sales
Ad Placement Specialists – Conversion to Signup
– Visits
• Dimensions
– Customer
– Sales Person
– Sales Region
– Product
– Year/Qtr/Mon
© 2010, Universidad Central de Venezuela. Sistemas de Información.
21. Use Cases and Applications: Balanced Scorecard
• Measures
Users – Objectives
Line of Business Managers – Measures
COO – Targets
CEO – Initiatives
• Dimensions
– Learning and Growth
– Customer
– Financial
– Business Processes
– Department
– Year/Mon/Qtr
© 2010, Universidad Central de Venezuela. Sistemas de Información.
22. DEMO
JPivot
Uso General
Slicing
Dicing
Pivoting
Drilling Down
Otros Tipos de BI
Dashboard
Report
© 2010, Universidad Central de Venezuela. Sistemas de Información.
23. Conclusiones Conclusiones
• Hemos realizado un estudio de …..
• Hemos hecho una discusión sobre….
• Se han desarrollado demostraciones de
23
© 2010, Universidad Central de Venezuela. Sistemas de Información.