SlideShare una empresa de Scribd logo

TRABAJO DE INVESTIGACIÓN - DATA MART PARA MEDIANAS EMPRESAS DE LA CIUDAD DE PIURA

TRABAJO DE INVESTIGACIÓN - DATA MART PARA MEDIANAS EMPRESAS DE LA CIUDAD DE PIURA

1 de 26
Descargar para leer sin conexión
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA
EMPRESARIAL
TRABAJO DE INVESTIGACIÓN
“PROPUESTA DE IMPLEMENTACIÓN DE UN DATA
MART DE VENTAS PARA MEJORAR LA TOMA DE
DECISIONES EN MEDIANAS EMPRESAS DE LA CIUDAD
DE PIURA”
AUTOR
Remaycuna Vásquez, Alexander
ASESOR
Mg. Panta Medina, Esteban Nolberto
PORTADA
PIURA - PERÚ
2020
ÍNDICE
PORTADA..................................................................................................................................1
ÍNDICE.......................................................................................................................................2
INTRODUCCIÓN......................................................................................................................4
I. ACERCA DE LAS MEDIANAS EMPRESAS.............................................................5
1.1. Definición ...............................................................................................................................5
1.2. Número de trabajadores...........................................................................................................5
1.3. Ingresos...................................................................................................................................5
1.4. Organigrama de una mediana empresa.....................................................................................5
II. BASES TEÓRICAS DEL SISTEMA DE BUSINESS INTELLIGENCE..................6
2.1. Fundamento teórico.................................................................................................................6
2.2. Marco Metodológico .............................................................................................................11
2.3. Glosario de Términos ............................................................................................................13
III. PROBLEMA IDENTIFICADO EN LAS MEDIANAS EMPRESAS ......................15
3.1. Descripción del Problema......................................................................................................15
3.2. Árbol de problemas ...............................................................................................................15
3.3. Análisis del problema ............................................................................................................16
IV. PROPUESTA DE SOLUCIÓN ...................................................................................16
V. DEFINICIÓN DE OBJETIVOS .................................................................................16
5.1. Objetivo general ....................................................................................................................16
5.2. Objetivos específicos.............................................................................................................16
VI. ALCANCES Y LIMITACIONES DE LA PROPUESTA .........................................17
VII. JUSTIFICACIÓN DE LA PROPUESTA...................................................................17
VIII. PROTOTIPO DEL DESARROLLO DE LA SOLUCIÓN .......................................17
8.1. EDT del proyecto propuesto ..................................................................................................17
8.2. Organigrama del proyecto......................................................................................................24
IX. PRESUPUESTO...........................................................................................................24
X. BENEFICIOS O RESULTADOS QUE APORTARÁ EL DATA MART ...............24
XI. CONCLUSIONES Y RECOMENDACIONES..........................................................25
TÍTULO DE LA INVESTIGACIÓN
“PROPUESTA DE IMPLEMENTACIÓN DE DATA MART DE VENTAS PARA
MEJORAR LA TOMA DE DECISIONES EN UNA MEDIANA EMPRESA EN LA
CIUDAD DE PIURA”
AUTORÍA
Alexander Remaycuna Vásquez
E-mail: aremaycuna@ucvvirtual.edu.pe
INTRODUCCIÓN
En el presente trabajo de investigación se indicará la propuesta y fundamento de la
implementación de un Data Mart de Ventas para medianas empresas en la ciudad de Piura.
Hoy en día las empresas apuestan por implantar soluciones tecnológicas e innovadoras para
poder explotar y/o gestionar de una manera adecuada la información que se maneja dentro
de sus repositorios de datos. La mayoría, se inclina al uso de herramientas de Business
Intelligence (BI) para poder analizar la información de manera rápida y tomar decisiones
acertadas, debido que de estas decisiones depende el éxito y sostenibilidad en el tiempo y el
mercado de las empresas u organizaciones.
La Inteligencia de Negocios se aplica, haciendo uso de datos históricos. Estos datos, luego
de ser analizados, se transforman en información valiosa, logrando generar ventaja
competitiva y tomar mejores decisiones a futuro.
Por lo general, lo que se busca es la integración de datos, utilizando las diversas fuentes de
datos a un nuevo repositorio específico para dicho negocio. A este sistema de BI se le
denomina Data Mart, y en este caso, se plantea la implementación de este sistema para el
área de Ventas.
La creación del Data Mart, proceso ETL, integración de datos y generación de reportes,
deben elaborarse con los programas SQL Server Integration Services (SSIS), SQL Server
Análisis Services, Visual Studio 2017 (SSDT) y Excel 2019/Power BI.
En el presente entregable, se demostrará la importancia, beneficios e impacto generado tras
la implementación de un Data Mart de Ventas, aplicando la Inteligencia de Negocios, para
poder analizar detalladamente toda la información que existe, específicamente, a un área.
I.ACERCA DE LAS MEDIANAS EMPRESAS
1.1. Definición
Es la unidad económica constituida por una persona natural o jurídica, bajo cualquier forma
de organización o gestión empresarial contemplada en la legislación vigente, que tiene como
objeto desarrollar actividades de extracción, transformación, producción, comercialización
de bienes o prestación de servicios.
1.2. Número de trabajadores
El personal con él trabaja la mediana empresa está entre 51 y 200 trabajadores.
1.3. Ingresos
Este tipo de empresas realiza ventas anuales superiores a 1700 UIT y hasta el monto máximo
de 2300 UIT.
1.4. Organigrama de una mediana empresa
II.BASES TEÓRICAS DEL SISTEMA DE BUSINESS INTELLIGENCE
2.1. Fundamento teórico
2.1.1. Inteligencia de Negocios
2.1.1.1.Definición
Es el proceso que permite, mediante el buen análisis, explotar los datos y generar
información, para luego convertirse en conocimientos y así generar la correcta toma de
decisiones y una ventaja competitiva en el mercado y sector.
2.1.1.2.Ventajas
➢ Aumento de eficiencia
Muchas empresas desperdician buena porción de su tiempo en la investigación de
información de área en área, probablemente podrán obtener los datos y podrán
producir sus reportes, pero con la inteligencia de negocios se puede generar
conocimiento, mediante una plataforma centralizada, lo que permite economizar los
tiempos y hacer que la toma de decisiones sea más eficaz.
➢ Mejores respuestas en tiempos
La centralización que fomenta el BI permite alcanzar respuestas rápidas en pocos
minutos. Por ejemplo, un informe de Inteligencia de Negocios puede sujetar
información relacionado a las ventas, el desempeño de marketing, costos, etc.
➢ Logra obtener la información precisa
Se toman decisiones basadas en data objetiva, no en presentimientos o en la
percepción. La información adecuada y estructurada permite tomar decisiones
basadas en el conocimiento producido por la propia empresa.
➢ Conocer tendencias en consumidores
Permite hallar y examinar los hábitos de compra de los clientes. Esta investigación
es muy útil para la medición de la rentabilidad de la empresa. También realizar
campañas de fidelización, elaborar modelos predictivos y/o promociones
estratégicas.
➢ Mejor control sobre las áreas vinculadas
En una empresa, el campo de la información a lograr obtener y examinar es muy
extenso. Para poder centralizarla, cruzarla, analizarla y lograr decisiones con ellas,
constituye un gran beneficio en costos y tiempo.
2.1.2. Data Mart
2.1.2.1. Definición
Es un repositorio de datos, que pertenece a un Data Warehouse, que se dedica a explotar
información, en específico, de un área o departamento de una empresa y/u organización.
2.1.2.2. Objetivos de la implementación de un Data Mart de ventas
➢ Identificar las métricas del negocio, definidas por el analista de datos.
➢ Identificar las dimensiones a partir de las necesidades del negocio.
➢ Elaborar la estructuración del Data Mart de Ventas.
2.1.2.3. Fases de la etapa de construcción del Data Mart
➢ Análisis de requerimientos, según el negocio.
➢ Proceso ETL: Extracción, Transformación y Carga.
➢ Procesamiento analítico de datos. Este proceso sirve para poder visualizar los
reportes generados por los cubos y Data Mart.
2.1.3. Sistemas OLAP (On-Line Analytical Processing)
2.1.3.1.Definición
Son una herramienta de solución dentro de la Inteligencia de Negocios. Permiten analizar y
leer grandes cantidades de datos para lograr generar información valiosa dentro de una
organización y/o empresa. Por lo general se aplica para analizar tendencias, patrones,
informes, etc.
2.1.3.2.Características
➢ Menor tiempo de ejecución con respecto a sentencias SQL.
➢ Prevalece el Modelo Estrella.
➢ Su fuente de alimentación suelen ser sistemas que operan mediante procesos ETL.
➢ Uno de sus principales usos es el análisis de datos (ventas, marketing, minería de
datos, etc.)
➢ Por lo general, el acceso a la información es de lectura y se recomienda, por
seguridad, mantener las acciones de consultas básicas y no de inserción,
actualización y/o eliminación.
➢ Se recomienda mantener datos de los últimos 5 a 10 años como información
histórica.
2.1.4. Procesos ETL
2.1.4.1. Definición
Los ETL en español significan Extracción, Transformación y Carga. Consisten en realizar
tres funciones de datos que, mediante una herramienta, extrae datos de una fuente de origen,
la transforma (aplica reglas, conversiones, uso de fórmulas, etc.) y las carga en una fuente
de datos destino (Data Mart, Data Warehouse, Base de datos, etc.).
2.1.4.2. Características
➢ Alcance
Información orientada a un área o departamento en específico.
➢ Uso
Brinda apoyo en la correcta toma de decisiones y obtención de conocimientos de
un área.
➢ Áreas temáticas
Dirigido a un área en específico de un Data Warehouse.
➢ Fuentes de datos
Se alimenta de repositorios de datos del área a analizar.
➢ Tiempo de consulta
El tiempo de consulta es veloz debido a la estructura del Data Mart.
➢ Tamaño
Facilidad para la historización de datos por el volumen de datos que se maneja.
➢ Tiempo de implementación
Menor tiempo de implementación a comparación de un Data Warehouse por
centrarse en un único negocio.
2.1.5. Modelo Multidimensional
2.1.5.1.Definición
Son aquellas bases de datos multidimensionales que permiten tener el acceso al
almacenamiento de datos de un Data Warehouse o Data Mart, donde se aprecia las
dimensiones, medidas, indicadores y hechos del mismo.
2.1.5.2.Modelos de una base de datos multidimensional
➢ Esquema en estrella:) Es el más sencillo en estructura. Consta de una tabla central
de "Hechos" y varias "dimensiones", incluida una dimensión de "Tiempo". Lo
característico de la arquitectura de estrella es que sólo existe una tabla de
dimensiones para cada dimensión. Esto quiere decir que la única tabla que tiene
relación con otra es la de hechos, lo que significa que toda la información
relacionada con una dimensión debe estar en una sola tabla.
➢ Esquema copo de nieve: Es una variación o derivación del modelo estrella. En este
modelo la tabla de hechos deja de ser la única relacionada con otras tablas ya que
existen otras tablas que se relacionan con las dimensiones y que no tienen relación
directa con la tabla de hechos. El modelo fue concebido para facilitar el
mantenimiento de las dimensiones, sin embargo, esto hace que se consulte a más
tablas a las secuencias SQL, haciendo la extracción de datos más difícil, así como
vuelve compleja la tarea de mantener el modelo.
2.2.Marco Metodológico
2.2.1. Definición de la Metodología Kimball
La metodología Ralph Kimball es apropiada para el desarrollo de un Data Mart. Esta
metodología se basa en enfocar el Data Mart en el ciclo de vida dimensional del negocio. Se
aplica esta metodología para construir modelos de bases de datos con propósitos de toma de
decisiones, medición, etc.
FACTOR
METODOLOGÍA
KIMBALL
METODOLOGÍA INMON
Presupuesto Coste inicial bajo. Coste inicial alto.
Plazos
Tiempo de desarrollo
inferior.
Requiere más tiempo de
desarrollo.
Especialización
Equipo con especialización
media.
Equipo con especialización
alta.
Alcance Departamentos individuales. Toda la compañía.
Mantenimiento
Mantenimiento más
complejo.
Fácil mantenimiento.
El modelo dimensional que presenta esta metodología está conformado por una Fact Table
(tabla de hechos) y una o muchas Dim Tables (tabla de dimensiones) que las acompaña,
denominadas tablas de dimensiones. A continuación se define cada una de ellas:
➢ Tabla de hechos: Tabla principal a analizar. Cada una de estas tablas significa un
negocio a estudiar y a medir.
➢ Tabla de dimensiones: Tablas con atributos relacionados a la tabla de hechos que
sirven para lograr su medición y/u objetivo de análisis.
➢ Medidas: Atributos de la tabla de hechos que representan la medición del negocio a
analizar.
Esta metodología es apropiada para el desarrollo de un Data Mart porque se enfoca en el
análisis de un negocio en específico, como por ejemplo un Data Mart de Ventas con una
fuente de origen de datos que tomará un crecimiento notorio a mediano plazo.
2.2.2. Fases de la metodología Kimball
FASES QUE APLICA LA METODOLOGÍA KIMBALL
FASE DESCRIPCIÓN
Planificación del Proyecto
Busca identificar la definición y el alcance
que tiene el proyecto de Data Mart/DWH.
Busca definir el proyecto, determinando:
➢ Identidades.
➢ Personal o equipo.
➢ Plan de proyecto.
➢ Seguimiento.
➢ Control.
Definición de los Requerimientos del
Negocio
Los diseñadores de DW y DM, se basan en la
definición de los requerimientos y
necesidades de la empresa y/o área para poder
realizar el diseño apropiado.
Modelado Dimensional
Se analiza las dimensiones que se le brindará
a cada factor o métrica identificada. Luego, se
determina el nivel de granularidad de cada
uno según el negocio.
Diseño Físico
Se basa en la estructuración para el soporte
del diseño lógico (analizado anteriormente).
Aquí, se define los tipos de datos, indexación,
particiones, etc.
Diseño y Desarrollo de datos
Se realiza el proceso ETL:
➢ Extracción.
➢ Transformación.
➢ Carga.
La interacción de los datos para el diseño y
desarrollo se basa en la integración de la base
de datos origen (con datos previamente
transformados), para luego guardarlos en un
repositorio de destino, Data Mart.
Diseño de la arquitectura técnica
En esta etapa, se consideran:
➢ Los requerimientos de negocio.
➢ Los actuales entornos técnicos.
➢ Las directrices técnicas y estratégicas.
Gracias a esos 3 factores, se podrá establecer
el diseño de la arquitectura técnica del Data
Mart.
2.3.Glosario de Términos
➢ Arquitectura: Desarrollo de modelo de datos del negocio en definición a los
requerimientos.
➢ Base de datos: Conjunto de datos que pertenecen a un mismo contexto y están
almacenados en un repositorio.
➢ Data Mart: Base o repositorio de datos de un área en específica.
➢ Data Warehouse: Base o repositorio de datos de una organización o empresa.
➢ Dimensiones: Valores que describen a los datos y se usan en las métricas para su
medición.
➢ Diseño físico: Es el diseño y estructura de la base de datos. Sirve para optimizar el
rendimiento y asegurar la integridad de los datos.
➢ Estructuración de datos: Organización de los datos en la base de datos.
➢ ETL: Proceso de extracción, transformación y carga de una fuente de origen a un
destino.
➢ Integración de datos: Conexión de datos.
➢ Inteligencia de negocios / Business Intelligence / BI: Conjunto de procesos que,
mediante el uso de los datos generan información y conocimiento para tomar
decisiones a futuro.
➢ Métricas: Son medidas que permiten estimar o conocer ciertas características que se
desean analizar.
➢ Modelo copo de nieve: Es un modelo de datos formado por una tabla de hechos,
tablas de dimensión y éstas, con sus tablas dependientes. Es más compleja que un
modelo estrella.
➢ Modelo dimensional: Es un modelo de base de datos estructurado para consultar
información analítica.
➢ Modelo estrella: Es un modelo de datos formado por tablas de hechos y tablas de
dimensión. Por lo general no tiene muchas foráneas, más que las propias
dimensiones.
➢ Power BI: Programa para elaboración de reportes a partir de una fuente de datos
origen.
➢ Requerimientos de usuario: Solicitudes funcionales del usuario que se deben
atender para satisfacer sus necesidades.
➢ Sistemas y cubos OLAP: Herramienta de inteligencia de negocios que permite
analizar datos para su explotación.
➢ SQL server: Es un sistema de gestión de bases de datos.
➢ Tabla: Entidad en una base de datos.
➢ Tabla de dimensiones: Tablas foráneas y/o secundarias que permiten analizar una
o muchas tablas de hechos.
➢ Tabla de hechos: Tabla principal a evaluar y analizar en un Data Mart.
➢ Visual studio: Entorno de desarrollo para crear sitios web, aplicaciones, etc.
III.PROBLEMA IDENTIFICADO EN LAS MEDIANAS EMPRESAS
3.1. Descripción del Problema
Las medianas empresas en la ciudad de Piura cuentan con más de una fuente de información
para realizar sus operaciones, estas pueden ser de ventas, administración, coordinación, etc.
Estas, además de no ser relacionales, cuentan con esquemas, tablas y orígenes de datos
desactualizadas, las cuales no son removidas por temas de prevención en caso se usen en
algún reporte, vista, auditorías o se encuentre en el código fuente del sistema.
Los datos desactualizados suelen ser un problema grave al momento de extraer reportes de
ventas, ya que para Gerencia General estos indicadores suelen ser la pieza clave para iniciar
un plan de toma de decisiones y ejecución de proyectos, etc.
El problema de las organizaciones es no llevar un buen control o gestión, en este caso, en las
ventas dentro de la empresa. Por ello, deben analizar, de forma necesaria y/o obligatoria, las
ventas generadas para poder tomar decisiones a futuro y poder explotar la información para
generar ventaja competitiva en el mercado.
3.2. Árbol de problemas
DEFICIENCIA EN LOS PROCESOS DE
VENTAS EN LA MEDIANAS
EMPRESAS DE LA CIUDAD DE PIURA
Deficiente
mantenimiento
a la base datos
Informació
n imprecisa
Deficiente análisis e
implementación de
la base de datos
Ausencia de
plataforma tecnológica
en línea de reportaría
Entrega de
información
imprecisa
Toma de
decisiones
incorrecta
Tardanza en la
entrega de reportes
Baja satisfacción del
cliente
PROBLEMA
CAUSAS
EFECTOS
3.3. Análisis del problema
PROBLEMA
DEFICIENCIA EN LOS PROCESOS DE VENTAS EN LA MEDIANAS
EMPRESAS DE LA CIUDAD DE PIURA
Causas Efectos
Deficiente mantenimiento a la base datos. Entrega de información imprecisa.
Información imprecisa.
Mal planteamiento en su toma de
decisiones.
Bajo análisis y, por ende, mala
estructuración en la implementación de la
base de datos.
Tardanza en la entrega de reportes
Ausencia de plataforma tecnológica en
línea de reportaría.
Baja satisfacción del cliente
IV.PROPUESTA DE SOLUCIÓN
En vista del problema identificado, se propone la implementación de un Data Mart en el área
de ventas las medianas empresas de la ciudad de Piura, para de esta manea poder integrar
los valiosos datos e información de los procesos que esta área genera ya que no está
aprovechándola y/o capitalizándola para mejorar su toma de decisiones y por ende mejorar
el perfil competitivo de estas empresas en la economía local y nacional.
Según estimaciones presupuestales, es costo de este sistema de inteligencia de negocios,
asciende a 25,550.00 soles.
V.DEFINICIÓN DE OBJETIVOS
5.1. Objetivo general
➢ Analizar y proponer la implementación de un Data Mart de Ventas para medianas
empresas en la ciudad de Piura.
5.2. Objetivos específicos
➢ Analizar la implementación de un Data Mart, mediante un modelo de base de datos
multidimensional que permita analizar y explotar la información vinculada y hallada
en el análisis previo.
➢ Aprovechar la información origen desde el repositorio de datos de las empresas para
mover múltiples datos previamente analizados al Data Mart de Ventas.
➢ Generar reportes a partir de la implementación del Data Mart.
VI.ALCANCES Y LIMITACIONES DE LA PROPUESTA
➢ Con la presente propuesta se busca explotar los recursos del Área de Ventas para las
medianas empresas en Piura.
➢ La propuesta se encuentra dirigida únicamente a medianas empresas del sector
terciario dedicadas al comercio y los servicios en la ciudad de Piura.
➢ La elaboración del Data Mart de ventas se realizará en SQL Server 2017.
➢ La migración se realizará a través de un proceso de ETL mediante el tipo de servidor
Integration Services. Este proceso se realizará con la herramienta Visual Studio 2017
(SSTD).
➢ Se espera que como resultado del desarrollo, se creen cubos tipo OLAP mediante los
modelos dimensionales obtenidos del análisis e implementación, generándose los
reportes e indicadores para la gestión y decisiones sobre el Área de Ventas.
➢ La creación del Data Mart contemplará información comercial de la empresa,
brindando, para la evaluación, indicadores de gestión de las ventas y oportunidades de
negocio mediante dashboards, reportes tipo tablas (dinámicas).
VII.JUSTIFICACIÓN DE LA PROPUESTA
Con la propuesta se busca la solución del problema encontrado, mediante la identificación
del nivel de ventas, productos, ubicación, tiempo y otros factores analizados.
El propósito es incrementar las ventas y mejorar la elección de decisiones, siendo acertadas,
de las medianas empresas en Piura a nivel operativo y estratégico.
El planteamiento propone el desarrollo de un Data Mart para automatizar, optimizar e
implantar una solución tecnológica a través de las herramientas de Inteligencia de Negocios
para, con menor tiempo, obtener resultados en tiempo real y en línea, apoyando a generar
ventaja competitiva.
VIII.PROTOTIPO DEL DESARROLLO DE LA SOLUCIÓN
8.1. EDT del proyecto propuesto
El proyecto, se dividirá en las siguientes fases y entregables:
“PROPUESTA DE IMPLEMENTACIÓN DE DATA MART COMO SOLUCIÓN DE INTELIGENCIA DE
NEGOCIOS APLICANDO LA METODOLOGÍA RALPH KIMBALL PARA OPTIMIZAR LA TOMA DE
DECISIONES DEL DEPARTAMENTO DE VENTAS DE UNA MEDIANA EMPRESA EN LA CIUDAD DE PIURA”
a) Etapa de Planificación
En la etapa de Planificación se considerarán los siguientes puntos:
• Reuniones con el equipo de Ventas e involucrados en el proyecto para definir el producto
final y modo de entrega.
• Entrevistas a usuarios finales (Fuerza de Ventas) y coordinador o jefe de Ventas.
• Se usará la metodología Ralph Kimball. Se distingue las diferencias en tiempo e inversión
aplicando esta metodología, por esto se pretende aplicarla por los recursos y tipo de
desarrollo que va a proporcionar.
• Se considerará que los dashboards finales se entregarán en el programa Power BI.
• Se definirá la frecuencia, en cuanto a las rutinas de ejecución del ETL a implementarse, si
es diario o semanal y esto se decidirá según el aumento de las ventas.
• Se preparará al equipo de proyecto:
➢ Analistas.
➢ Diseñadores.
➢ Desarrolladores y/o programadores.
➢ Certificadores (Analistas QA).
b) Etapa de Análisis
Se efectuarán los siguientes pasos para desarrollar el diseño multidimensional:
➢ Análisis de requerimientos del Data Mart.
➢ Establecer la granularidad.
➢ Definir las dimensiones.
➢ Identificar las métricas (hechos) a evaluar.
c) Etapa de Diseño
➢ Modelo Dimensional: Estrella
Se debe elegir el Modelo Estrella porque:
✓ Cumple con una estructura simple y veloz para analizar bases de datos de empresas
medianas.
✓ En muchas ocasiones, las consultas son directas y si cumple con joins, son muy
pocos.
✓ El nivel de granularidad no es tan profundo a analizar cómo se podría apreciar en
un modelo Copo de Nieve.
➢ Modelo Gráfico de Alto Nivel
El presente gráfico, muestra en general cómo se relacionará cada una de las
dimensiones y el factor Ventas por analizar tras considerar las métricas identificadas
en la etapa de Análisis.
➢ Diseño Físico
Vista previa de cómo se construirá el Diseño Físico del Data Mart.
d) Implementación: Proceso ETL
El proceso, se realizará extrayendo datos de una fuente origen, trasformar estos datos y
almacenarlos en un destino. La diferencia es que, al transformarlos, se cumplen ciertas
reglas, medidas, y cálculos de por medio que aplican al destino realizar un análisis de
información de datos históricos obtenidos en el proceso de migración.
El proceso ETL propuesto, debe ser aplicado usando SQL Server 2017 Integration Services
(SSIS) y Visual Studio 2017 (SSDT).
e) Ejecución del proceso ETL
A continuación, una vista previa de cómo se dará la ejecución del proceso ETL y la prueba
que debe ejecutar correctamente.
f) Elaboración de Reportes
➢ Reportes por SQL Server
Se deben ejecutar queries (Consultas) para la elaboración de reportes, el tiempo de respuesta
será inmediato, aproximadamente de 1 a 3 segundos por vista.
A continuación una vista de ejemplo:
Reporte de ventas por producto
➢ Reportes por Power BI
Con el programa Power BI, se realizará el diseño de los reportes “tipo dashboard” para su
visualización e interacción dinámica entre el analista y la información de ventas como fuente
origen.
Ejemplo de reporte generado en Power BI
g) Gestión de la calidad
Ejemplificación de cuadro para la calidad del proyecto.
h) Gestión de riesgos
ID de
riesgo
Descripción del riesgo Impacto Probabilidad
Ponderación
del riesgo
Riesgo
Ventas
1
Deficiente manipulación de
datos por parte del cliente.
3 (Alto) 2 (Bajo)
3*2=6
(Medio)
6
(Medio)
Recursos Humanos
2
Renuncia del personal de
trabajo
1 (Bajo) 1 (Bajo)
1*1=1
(Bajo)
1 (Bajo)
8.2. Organigrama del proyecto
IX.PRESUPUESTO
El presupuesto se determinó según los siguientes equipos:
Cálculo de precios unitarios de equipos para el desarrollo de la propuesta
Equipos
Unidad de
medida
Cantidad
Precio unitario
(S/.)
Total (S/.)
Disco duro
externo 1TB
Unidad 2 250 500
Impresora
multifuncional
Unidad 1 550 550
Laptop Unidad 5 2700 13500
Equipos
celular
Unidad 5 2200 11000
Total equipos 25,550
X.BENEFICIOS O RESULTADOS QUE APORTARÁ EL DATA MART
Según los objetivos específicos que se plantearon en párrafos anteriores, se espera que la
propuesta genere como resultados, los siguientes beneficios:
10.1. Objetivo específico 1
Analizar la implementación de un Data Mart, mediante un modelo de base de datos
multidimensional que permita analizar y explotar la información vinculada y hallada en el
análisis previo.
Uno de los beneficios que promete la propuesta en mención es, generar consultas directas a
las ventas de la mediana empresa de manera ordenada, previamente generadas con una
limpieza de datos y aportar a la generación de reportes veloz.
10.2. Objetivo específico 2
Aprovechar la información origen desde el repositorio de datos de la empresa para mover
múltiples datos previamente analizados al Data Mart de Ventas.
Como resultado de la migración mediante un proceso ETL (Extraer, Transformar, Cargar),
de la fuente de origen de los datos, se obtendrá un nuevo repositorio de una herramienta de
Inteligencia de Negocios para la explotación de datos. Con el nuevo Data Mart, se podrá
realizar un proceso de reportería de ventas más veloz y efectivo.
10.3. Objetivo específico 3
Generar reportes a partir de la implementación del Data Mart.
Con el Data Mart propuesto, al solicitar un reporte, el analista de datos deberá basarse en el
Data Mart de ventas, el cual retornará como resultados los informes que se requieran en
tiempo real. Además, generará una gran satisfacción, a nivel de usuario, porque se generará
el mismo resultado en menor tiempo.
XI.CONCLUSIONES Y RECOMENDACIONES
3.5.Conclusiones
Concluida la investigación respecto a la mejora de uno de los procesos del área de ventas de
las medianas empresas de la ciudad Piura, se llega a las siguientes conclusiones:
1. La implementación del Data Mart haciendo uso de la Inteligencia de Negocios será
una gran inversión para la gestión y mejora en la correcta toma de decisiones del
Área de Ventas. Para las medianas empresas puede llegar a ser una innovadora
solución tecnológica que a futuro puede seguir aplicando este tipo de herramientas a
todas las áreas.
2. Para poder realizar una implementación adecuada del Data Mart, es importante
realizar un buen análisis para identificar los indicadores, métricas y dimensiones.
Gracias a este análisis para elaborar el Data Mart, se puede combinar las dimensiones
y conseguir muchas métricas para gestionar las ventas en la empresa.
3. El uso del Data Mart permitirá apreciar el ahorro del tiempo promedio de obtención
de reportes. A diferencia del método tradicional que practican las medianas
empresas, donde se obtienen los reportes de manera distinta (en cuanto al formato de
los reportes) y con mayor tiempo.
4. La aplicación de la metodología Kimball es la adecuada para este proyecto, pues al
tratarse de un área en específico (Ventas), las fuentes de información que se requerirá
son las tablas de datos que aquí se generan y no del resto de las demás áreas. Esto
quiere decir que, para la implementación propuesta, no se requerirá desarrollar el
Data Warehouse completo, sino, sólo el Data Mart.
3.6.Recomendaciones
Como recomendaciones se dan las siguientes:
1. Se recomienda que las medianas empresas que compiten hoy en mercados cada vez
más cambiantes y de mucha incertidumbre, que al mismo tiempo requieren de
decisiones rápidas y certeras, hagan uso de las modernas herramientas tecnológicas
disponibles para mejorar el proceso de toma de decisiones.
2. Toda implementación de BI que se plantee en las medianas empresas, debe
fundamentarse con un buen análisis para identificar todos los factores en los
impactará o será impactado este sistema.
3. En un mercado competitivo cada vez más globalizado, las empresas deben cambiar
la manera en que venían haciendo las cosas, para optar por métodos o formas más
efectivas que les permita aprovechar la información y mejorar su perfil competitivo.
4. Para implementar un sistema de BI según sea la necesidad de empresa, se debe seguir
una metodología ya probada en proyectos anteriores para así asegurar una correcta
implementación.

Recomendados

Más contenido relacionado

Similar a TRABAJO DE INVESTIGACIÓN - DATA MART PARA MEDIANAS EMPRESAS DE LA CIUDAD DE PIURA

DOCUMENTO DE APOYO - EL VALOR DE LOS DATOS.pdf
DOCUMENTO DE APOYO - EL VALOR DE LOS DATOS.pdfDOCUMENTO DE APOYO - EL VALOR DE LOS DATOS.pdf
DOCUMENTO DE APOYO - EL VALOR DE LOS DATOS.pdfElsyLopezSanchez2
 
Biseness intelligence
Biseness intelligenceBiseness intelligence
Biseness intelligencewomanbere
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negociossoniareyna11
 
Inteligencia De Negocios para Dummies
Inteligencia De Negocios para DummiesInteligencia De Negocios para Dummies
Inteligencia De Negocios para DummiesSorey García
 
Business intelligence (BI)
Business intelligence (BI)Business intelligence (BI)
Business intelligence (BI)paulina230
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negociosVictoriaPilco
 
Business Intelligence
Business Intelligence Business Intelligence
Business Intelligence Isairi Cab
 
Business intelligence para Pymes
Business intelligence para PymesBusiness intelligence para Pymes
Business intelligence para PymesRebeca Mora Anca
 
Inteligencia de Negocios
Inteligencia de NegociosInteligencia de Negocios
Inteligencia de Negociosanghun
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negociosperezparga
 
Minería de datos Presentación
Minería de datos PresentaciónMinería de datos Presentación
Minería de datos Presentaciónedmaga
 
Minera de-datos-presentacin-1205263710628735-3
Minera de-datos-presentacin-1205263710628735-3Minera de-datos-presentacin-1205263710628735-3
Minera de-datos-presentacin-1205263710628735-3Climanfef
 
Bi exposicion
Bi exposicionBi exposicion
Bi exposicionjoe2911
 
Resumir inteligencia de negocios
Resumir inteligencia de negociosResumir inteligencia de negocios
Resumir inteligencia de negociosRoy Wilber
 
Bussines inteligent
Bussines inteligentBussines inteligent
Bussines inteligentmartin130493
 
conceptos de inteligencia de negocios
conceptos de inteligencia de negociosconceptos de inteligencia de negocios
conceptos de inteligencia de negociosmascorroale
 

Similar a TRABAJO DE INVESTIGACIÓN - DATA MART PARA MEDIANAS EMPRESAS DE LA CIUDAD DE PIURA (20)

DOCUMENTO DE APOYO - EL VALOR DE LOS DATOS.pdf
DOCUMENTO DE APOYO - EL VALOR DE LOS DATOS.pdfDOCUMENTO DE APOYO - EL VALOR DE LOS DATOS.pdf
DOCUMENTO DE APOYO - EL VALOR DE LOS DATOS.pdf
 
Biseness intelligence
Biseness intelligenceBiseness intelligence
Biseness intelligence
 
Business intelligence diapositivas
Business intelligence diapositivasBusiness intelligence diapositivas
Business intelligence diapositivas
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 
Inteligencia De Negocios para Dummies
Inteligencia De Negocios para DummiesInteligencia De Negocios para Dummies
Inteligencia De Negocios para Dummies
 
Investigación
InvestigaciónInvestigación
Investigación
 
Business intelligence (BI)
Business intelligence (BI)Business intelligence (BI)
Business intelligence (BI)
 
Nancy Adilene Gonzalez Sifuentes
Nancy Adilene Gonzalez Sifuentes Nancy Adilene Gonzalez Sifuentes
Nancy Adilene Gonzalez Sifuentes
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 
Bisness inteligent
Bisness inteligentBisness inteligent
Bisness inteligent
 
Business Intelligence
Business Intelligence Business Intelligence
Business Intelligence
 
Business intelligence para Pymes
Business intelligence para PymesBusiness intelligence para Pymes
Business intelligence para Pymes
 
Inteligencia de Negocios
Inteligencia de NegociosInteligencia de Negocios
Inteligencia de Negocios
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 
Minería de datos Presentación
Minería de datos PresentaciónMinería de datos Presentación
Minería de datos Presentación
 
Minera de-datos-presentacin-1205263710628735-3
Minera de-datos-presentacin-1205263710628735-3Minera de-datos-presentacin-1205263710628735-3
Minera de-datos-presentacin-1205263710628735-3
 
Bi exposicion
Bi exposicionBi exposicion
Bi exposicion
 
Resumir inteligencia de negocios
Resumir inteligencia de negociosResumir inteligencia de negocios
Resumir inteligencia de negocios
 
Bussines inteligent
Bussines inteligentBussines inteligent
Bussines inteligent
 
conceptos de inteligencia de negocios
conceptos de inteligencia de negociosconceptos de inteligencia de negocios
conceptos de inteligencia de negocios
 

Más de ALEXANDER REMAYCUNA VÁSQUEZ

PROYECTO- INTERNVENCION PSICOLOGICA BREVE EN COLABORADORES DE LA UCV
PROYECTO- INTERNVENCION PSICOLOGICA BREVE EN COLABORADORES DE LA UCVPROYECTO- INTERNVENCION PSICOLOGICA BREVE EN COLABORADORES DE LA UCV
PROYECTO- INTERNVENCION PSICOLOGICA BREVE EN COLABORADORES DE LA UCVALEXANDER REMAYCUNA VÁSQUEZ
 
PLAN DE MARKETING ESTRATÉGICO DE LA UNIVERSIDAD CÉSAR VALLEJO
PLAN DE MARKETING ESTRATÉGICO DE LA UNIVERSIDAD CÉSAR VALLEJOPLAN DE MARKETING ESTRATÉGICO DE LA UNIVERSIDAD CÉSAR VALLEJO
PLAN DE MARKETING ESTRATÉGICO DE LA UNIVERSIDAD CÉSAR VALLEJOALEXANDER REMAYCUNA VÁSQUEZ
 
RED WAN (WIDE AREA NETWORK O RED DE ÁREA EXTENDIDA
RED WAN (WIDE AREA NETWORK O RED DE ÁREA EXTENDIDARED WAN (WIDE AREA NETWORK O RED DE ÁREA EXTENDIDA
RED WAN (WIDE AREA NETWORK O RED DE ÁREA EXTENDIDAALEXANDER REMAYCUNA VÁSQUEZ
 
RETOS PARA LA EDUCACIÓN SUPERIOR EN TIEMPOS DE PANDEMIA
RETOS PARA LA EDUCACIÓN SUPERIOR EN TIEMPOS DE PANDEMIARETOS PARA LA EDUCACIÓN SUPERIOR EN TIEMPOS DE PANDEMIA
RETOS PARA LA EDUCACIÓN SUPERIOR EN TIEMPOS DE PANDEMIAALEXANDER REMAYCUNA VÁSQUEZ
 
PROCESO DE RECICLAJE DE RESIDUOS SÓLIDOS EN ÉPOCAS DE PANDEMIA EN HOGARES DE ...
PROCESO DE RECICLAJE DE RESIDUOS SÓLIDOS EN ÉPOCAS DE PANDEMIA EN HOGARES DE ...PROCESO DE RECICLAJE DE RESIDUOS SÓLIDOS EN ÉPOCAS DE PANDEMIA EN HOGARES DE ...
PROCESO DE RECICLAJE DE RESIDUOS SÓLIDOS EN ÉPOCAS DE PANDEMIA EN HOGARES DE ...ALEXANDER REMAYCUNA VÁSQUEZ
 
RELACIÓN ENTRE PRODUCTIVIDAD, COMPETITIVIDAD, RENTABILIDAD Y CRECIMIENTO EMPR...
RELACIÓN ENTRE PRODUCTIVIDAD, COMPETITIVIDAD, RENTABILIDAD Y CRECIMIENTO EMPR...RELACIÓN ENTRE PRODUCTIVIDAD, COMPETITIVIDAD, RENTABILIDAD Y CRECIMIENTO EMPR...
RELACIÓN ENTRE PRODUCTIVIDAD, COMPETITIVIDAD, RENTABILIDAD Y CRECIMIENTO EMPR...ALEXANDER REMAYCUNA VÁSQUEZ
 
IMPLEMENTACION DE UNA MICROEMPRESA COMERCIAL DE BICICLETAS EN LA CIUDAD DE PIURA
IMPLEMENTACION DE UNA MICROEMPRESA COMERCIAL DE BICICLETAS EN LA CIUDAD DE PIURAIMPLEMENTACION DE UNA MICROEMPRESA COMERCIAL DE BICICLETAS EN LA CIUDAD DE PIURA
IMPLEMENTACION DE UNA MICROEMPRESA COMERCIAL DE BICICLETAS EN LA CIUDAD DE PIURAALEXANDER REMAYCUNA VÁSQUEZ
 

Más de ALEXANDER REMAYCUNA VÁSQUEZ (20)

SISTEMAS DE INTELIGENCIA DE NEGOCIOS
SISTEMAS DE INTELIGENCIA DE NEGOCIOSSISTEMAS DE INTELIGENCIA DE NEGOCIOS
SISTEMAS DE INTELIGENCIA DE NEGOCIOS
 
LEY N°09: LA LEY DE LO OPUESTO
LEY N°09: LA LEY DE LO OPUESTOLEY N°09: LA LEY DE LO OPUESTO
LEY N°09: LA LEY DE LO OPUESTO
 
TIPOS DE SISTEMAS DE INFORMACION
TIPOS DE SISTEMAS DE INFORMACIONTIPOS DE SISTEMAS DE INFORMACION
TIPOS DE SISTEMAS DE INFORMACION
 
TIPOS DE CLIENTE
TIPOS DE CLIENTETIPOS DE CLIENTE
TIPOS DE CLIENTE
 
TRABAJO DE INVETIGACION
TRABAJO DE INVETIGACION TRABAJO DE INVETIGACION
TRABAJO DE INVETIGACION
 
INTELIGENCIA ARTIFICIAL
INTELIGENCIA ARTIFICIAL INTELIGENCIA ARTIFICIAL
INTELIGENCIA ARTIFICIAL
 
PROYECTO- INTERNVENCION PSICOLOGICA BREVE EN COLABORADORES DE LA UCV
PROYECTO- INTERNVENCION PSICOLOGICA BREVE EN COLABORADORES DE LA UCVPROYECTO- INTERNVENCION PSICOLOGICA BREVE EN COLABORADORES DE LA UCV
PROYECTO- INTERNVENCION PSICOLOGICA BREVE EN COLABORADORES DE LA UCV
 
PLAN DE MARKETING ESTRATÉGICO DE LA UNIVERSIDAD CÉSAR VALLEJO
PLAN DE MARKETING ESTRATÉGICO DE LA UNIVERSIDAD CÉSAR VALLEJOPLAN DE MARKETING ESTRATÉGICO DE LA UNIVERSIDAD CÉSAR VALLEJO
PLAN DE MARKETING ESTRATÉGICO DE LA UNIVERSIDAD CÉSAR VALLEJO
 
GLOVO VS RAPPI - BENCHMARKING
GLOVO VS RAPPI - BENCHMARKINGGLOVO VS RAPPI - BENCHMARKING
GLOVO VS RAPPI - BENCHMARKING
 
BRIEFING CREATIVO - UCV
BRIEFING CREATIVO - UCVBRIEFING CREATIVO - UCV
BRIEFING CREATIVO - UCV
 
TIPS PARA SOBRELLEVAR EL TRABAJO BAJO PRESIÓN
TIPS PARA SOBRELLEVAR EL TRABAJO BAJO PRESIÓNTIPS PARA SOBRELLEVAR EL TRABAJO BAJO PRESIÓN
TIPS PARA SOBRELLEVAR EL TRABAJO BAJO PRESIÓN
 
RED WAN (WIDE AREA NETWORK O RED DE ÁREA EXTENDIDA
RED WAN (WIDE AREA NETWORK O RED DE ÁREA EXTENDIDARED WAN (WIDE AREA NETWORK O RED DE ÁREA EXTENDIDA
RED WAN (WIDE AREA NETWORK O RED DE ÁREA EXTENDIDA
 
INFOGRAFIA DE LA METODOLOGÍA DEL MARCO LÓGICO
INFOGRAFIA DE LA METODOLOGÍA DEL MARCO LÓGICOINFOGRAFIA DE LA METODOLOGÍA DEL MARCO LÓGICO
INFOGRAFIA DE LA METODOLOGÍA DEL MARCO LÓGICO
 
CUSTOMER RELATIONSHIP MANAGEMENT (CRM)
CUSTOMER RELATIONSHIP MANAGEMENT (CRM)CUSTOMER RELATIONSHIP MANAGEMENT (CRM)
CUSTOMER RELATIONSHIP MANAGEMENT (CRM)
 
RETOS PARA LA EDUCACIÓN SUPERIOR EN TIEMPOS DE PANDEMIA
RETOS PARA LA EDUCACIÓN SUPERIOR EN TIEMPOS DE PANDEMIARETOS PARA LA EDUCACIÓN SUPERIOR EN TIEMPOS DE PANDEMIA
RETOS PARA LA EDUCACIÓN SUPERIOR EN TIEMPOS DE PANDEMIA
 
CRM EN LA NUBE
CRM EN LA NUBECRM EN LA NUBE
CRM EN LA NUBE
 
PROCESO DE RECICLAJE DE RESIDUOS SÓLIDOS EN ÉPOCAS DE PANDEMIA EN HOGARES DE ...
PROCESO DE RECICLAJE DE RESIDUOS SÓLIDOS EN ÉPOCAS DE PANDEMIA EN HOGARES DE ...PROCESO DE RECICLAJE DE RESIDUOS SÓLIDOS EN ÉPOCAS DE PANDEMIA EN HOGARES DE ...
PROCESO DE RECICLAJE DE RESIDUOS SÓLIDOS EN ÉPOCAS DE PANDEMIA EN HOGARES DE ...
 
CASO FEDEX
CASO FEDEXCASO FEDEX
CASO FEDEX
 
RELACIÓN ENTRE PRODUCTIVIDAD, COMPETITIVIDAD, RENTABILIDAD Y CRECIMIENTO EMPR...
RELACIÓN ENTRE PRODUCTIVIDAD, COMPETITIVIDAD, RENTABILIDAD Y CRECIMIENTO EMPR...RELACIÓN ENTRE PRODUCTIVIDAD, COMPETITIVIDAD, RENTABILIDAD Y CRECIMIENTO EMPR...
RELACIÓN ENTRE PRODUCTIVIDAD, COMPETITIVIDAD, RENTABILIDAD Y CRECIMIENTO EMPR...
 
IMPLEMENTACION DE UNA MICROEMPRESA COMERCIAL DE BICICLETAS EN LA CIUDAD DE PIURA
IMPLEMENTACION DE UNA MICROEMPRESA COMERCIAL DE BICICLETAS EN LA CIUDAD DE PIURAIMPLEMENTACION DE UNA MICROEMPRESA COMERCIAL DE BICICLETAS EN LA CIUDAD DE PIURA
IMPLEMENTACION DE UNA MICROEMPRESA COMERCIAL DE BICICLETAS EN LA CIUDAD DE PIURA
 

Último

Diapositivas acerca de la Biología celular
Diapositivas acerca de la  Biología celularDiapositivas acerca de la  Biología celular
Diapositivas acerca de la Biología celularchacaguasaydayana284
 
SEMANA DE GESTION I LAS DUNAS primaria.pptx
SEMANA DE GESTION I LAS DUNAS primaria.pptxSEMANA DE GESTION I LAS DUNAS primaria.pptx
SEMANA DE GESTION I LAS DUNAS primaria.pptxMaryCruzHernandez6
 
Manejo de Emociones en la Escuela ME2 Ccesa007.pdf
Manejo de Emociones en la Escuela ME2  Ccesa007.pdfManejo de Emociones en la Escuela ME2  Ccesa007.pdf
Manejo de Emociones en la Escuela ME2 Ccesa007.pdfDemetrio Ccesa Rayme
 
IMÁGENES SUBLIMINALES OCULTAS EN LAS PUBLICACIONES DE LOS TESTIGOS DE JEHOVÁ
IMÁGENES SUBLIMINALES OCULTAS EN LAS PUBLICACIONES DE LOS TESTIGOS DE JEHOVÁIMÁGENES SUBLIMINALES OCULTAS EN LAS PUBLICACIONES DE LOS TESTIGOS DE JEHOVÁ
IMÁGENES SUBLIMINALES OCULTAS EN LAS PUBLICACIONES DE LOS TESTIGOS DE JEHOVÁClaude LaCombe
 
Sopa de letras - vocabulario Cuerpo humano.pdf
Sopa de letras - vocabulario Cuerpo humano.pdfSopa de letras - vocabulario Cuerpo humano.pdf
Sopa de letras - vocabulario Cuerpo humano.pdfEspanhol Online
 
GUÍA DIDÁCTICA UNIDAD 2_Medios Didácticos
GUÍA DIDÁCTICA UNIDAD 2_Medios DidácticosGUÍA DIDÁCTICA UNIDAD 2_Medios Didácticos
GUÍA DIDÁCTICA UNIDAD 2_Medios Didácticoseliecerespinosa
 
Hitos históricos de la transformación del PODER GLOBAL II.pptx
Hitos históricos de la transformación del PODER GLOBAL II.pptxHitos históricos de la transformación del PODER GLOBAL II.pptx
Hitos históricos de la transformación del PODER GLOBAL II.pptxsubfabian
 
Francisco Espoz y Mina. Liberal vinculado A Coruña
Francisco Espoz y Mina. Liberal vinculado A CoruñaFrancisco Espoz y Mina. Liberal vinculado A Coruña
Francisco Espoz y Mina. Liberal vinculado A CoruñaAgrela Elvixeo
 
Biología Marina, Elaborado por Sujey Lara
Biología Marina, Elaborado por Sujey LaraBiología Marina, Elaborado por Sujey Lara
Biología Marina, Elaborado por Sujey Larassuserb2b6fc1
 
240.Exam1.Rev. Spring24.pptxadsfadfadfdd
240.Exam1.Rev. Spring24.pptxadsfadfadfdd240.Exam1.Rev. Spring24.pptxadsfadfadfdd
240.Exam1.Rev. Spring24.pptxadsfadfadfddbrianjars
 
Diapositivas acerca de la Mitocondria.pdf
Diapositivas acerca de la Mitocondria.pdfDiapositivas acerca de la Mitocondria.pdf
Diapositivas acerca de la Mitocondria.pdfchacaguasaydayana284
 
Clase sobre Compostaje Residuos Agroindustriales (05 de marzo de 2024)
Clase sobre Compostaje Residuos Agroindustriales (05 de marzo de 2024)Clase sobre Compostaje Residuos Agroindustriales (05 de marzo de 2024)
Clase sobre Compostaje Residuos Agroindustriales (05 de marzo de 2024)Germán Tortosa
 
Consecuencias II Guerra Mundial. Guerra Fría hasta la consolidación del Telón...
Consecuencias II Guerra Mundial. Guerra Fría hasta la consolidación del Telón...Consecuencias II Guerra Mundial. Guerra Fría hasta la consolidación del Telón...
Consecuencias II Guerra Mundial. Guerra Fría hasta la consolidación del Telón...trabajomastermaster
 
Diplomatura Ultrasonido Piso Pelviano BLOG.pdf
Diplomatura Ultrasonido Piso Pelviano BLOG.pdfDiplomatura Ultrasonido Piso Pelviano BLOG.pdf
Diplomatura Ultrasonido Piso Pelviano BLOG.pdfTony Terrones
 
Granada2024 segunda parte, charla de JM.pdf
Granada2024 segunda parte, charla de JM.pdfGranada2024 segunda parte, charla de JM.pdf
Granada2024 segunda parte, charla de JM.pdfFRANCISCO PAVON RABASCO
 
OFERTA DE POSTOS ESCOLARES. de ceip docx
OFERTA DE POSTOS ESCOLARES. de ceip docxOFERTA DE POSTOS ESCOLARES. de ceip docx
OFERTA DE POSTOS ESCOLARES. de ceip docxvictorpenha
 
Presentación Animales de PBA para docentes
Presentación Animales de PBA para docentesPresentación Animales de PBA para docentes
Presentación Animales de PBA para docentesSoVentura2
 

Último (20)

Diapositivas acerca de la Biología celular
Diapositivas acerca de la  Biología celularDiapositivas acerca de la  Biología celular
Diapositivas acerca de la Biología celular
 
SEMANA DE GESTION I LAS DUNAS primaria.pptx
SEMANA DE GESTION I LAS DUNAS primaria.pptxSEMANA DE GESTION I LAS DUNAS primaria.pptx
SEMANA DE GESTION I LAS DUNAS primaria.pptx
 
Manejo de Emociones en la Escuela ME2 Ccesa007.pdf
Manejo de Emociones en la Escuela ME2  Ccesa007.pdfManejo de Emociones en la Escuela ME2  Ccesa007.pdf
Manejo de Emociones en la Escuela ME2 Ccesa007.pdf
 
IMÁGENES SUBLIMINALES OCULTAS EN LAS PUBLICACIONES DE LOS TESTIGOS DE JEHOVÁ
IMÁGENES SUBLIMINALES OCULTAS EN LAS PUBLICACIONES DE LOS TESTIGOS DE JEHOVÁIMÁGENES SUBLIMINALES OCULTAS EN LAS PUBLICACIONES DE LOS TESTIGOS DE JEHOVÁ
IMÁGENES SUBLIMINALES OCULTAS EN LAS PUBLICACIONES DE LOS TESTIGOS DE JEHOVÁ
 
Sopa de letras - vocabulario Cuerpo humano.pdf
Sopa de letras - vocabulario Cuerpo humano.pdfSopa de letras - vocabulario Cuerpo humano.pdf
Sopa de letras - vocabulario Cuerpo humano.pdf
 
GUÍA DIDÁCTICA UNIDAD 2_Medios Didácticos
GUÍA DIDÁCTICA UNIDAD 2_Medios DidácticosGUÍA DIDÁCTICA UNIDAD 2_Medios Didácticos
GUÍA DIDÁCTICA UNIDAD 2_Medios Didácticos
 
Hitos históricos de la transformación del PODER GLOBAL II.pptx
Hitos históricos de la transformación del PODER GLOBAL II.pptxHitos históricos de la transformación del PODER GLOBAL II.pptx
Hitos históricos de la transformación del PODER GLOBAL II.pptx
 
Francisco Espoz y Mina. Liberal vinculado A Coruña
Francisco Espoz y Mina. Liberal vinculado A CoruñaFrancisco Espoz y Mina. Liberal vinculado A Coruña
Francisco Espoz y Mina. Liberal vinculado A Coruña
 
FOLKLORE ESPAÑOL - INSTRUMENTOS Y DANZAS.pptx
FOLKLORE ESPAÑOL - INSTRUMENTOS Y DANZAS.pptxFOLKLORE ESPAÑOL - INSTRUMENTOS Y DANZAS.pptx
FOLKLORE ESPAÑOL - INSTRUMENTOS Y DANZAS.pptx
 
Biología Marina, Elaborado por Sujey Lara
Biología Marina, Elaborado por Sujey LaraBiología Marina, Elaborado por Sujey Lara
Biología Marina, Elaborado por Sujey Lara
 
240.Exam1.Rev. Spring24.pptxadsfadfadfdd
240.Exam1.Rev. Spring24.pptxadsfadfadfdd240.Exam1.Rev. Spring24.pptxadsfadfadfdd
240.Exam1.Rev. Spring24.pptxadsfadfadfdd
 
Diapositivas acerca de la Mitocondria.pdf
Diapositivas acerca de la Mitocondria.pdfDiapositivas acerca de la Mitocondria.pdf
Diapositivas acerca de la Mitocondria.pdf
 
Clase sobre Compostaje Residuos Agroindustriales (05 de marzo de 2024)
Clase sobre Compostaje Residuos Agroindustriales (05 de marzo de 2024)Clase sobre Compostaje Residuos Agroindustriales (05 de marzo de 2024)
Clase sobre Compostaje Residuos Agroindustriales (05 de marzo de 2024)
 
Consecuencias II Guerra Mundial. Guerra Fría hasta la consolidación del Telón...
Consecuencias II Guerra Mundial. Guerra Fría hasta la consolidación del Telón...Consecuencias II Guerra Mundial. Guerra Fría hasta la consolidación del Telón...
Consecuencias II Guerra Mundial. Guerra Fría hasta la consolidación del Telón...
 
Dificultad de la escritura alfabética- Estrategia Pukllaspa yachasun - Curo F...
Dificultad de la escritura alfabética- Estrategia Pukllaspa yachasun - Curo F...Dificultad de la escritura alfabética- Estrategia Pukllaspa yachasun - Curo F...
Dificultad de la escritura alfabética- Estrategia Pukllaspa yachasun - Curo F...
 
1ER GRADO PRESENTACIÓN PEDAGOGÍA PRODUCTIVA.
1ER GRADO PRESENTACIÓN PEDAGOGÍA PRODUCTIVA.1ER GRADO PRESENTACIÓN PEDAGOGÍA PRODUCTIVA.
1ER GRADO PRESENTACIÓN PEDAGOGÍA PRODUCTIVA.
 
Diplomatura Ultrasonido Piso Pelviano BLOG.pdf
Diplomatura Ultrasonido Piso Pelviano BLOG.pdfDiplomatura Ultrasonido Piso Pelviano BLOG.pdf
Diplomatura Ultrasonido Piso Pelviano BLOG.pdf
 
Granada2024 segunda parte, charla de JM.pdf
Granada2024 segunda parte, charla de JM.pdfGranada2024 segunda parte, charla de JM.pdf
Granada2024 segunda parte, charla de JM.pdf
 
OFERTA DE POSTOS ESCOLARES. de ceip docx
OFERTA DE POSTOS ESCOLARES. de ceip docxOFERTA DE POSTOS ESCOLARES. de ceip docx
OFERTA DE POSTOS ESCOLARES. de ceip docx
 
Presentación Animales de PBA para docentes
Presentación Animales de PBA para docentesPresentación Animales de PBA para docentes
Presentación Animales de PBA para docentes
 

TRABAJO DE INVESTIGACIÓN - DATA MART PARA MEDIANAS EMPRESAS DE LA CIUDAD DE PIURA

  • 1. FACULTAD DE INGENIERÍA Y ARQUITECTURA ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA EMPRESARIAL TRABAJO DE INVESTIGACIÓN “PROPUESTA DE IMPLEMENTACIÓN DE UN DATA MART DE VENTAS PARA MEJORAR LA TOMA DE DECISIONES EN MEDIANAS EMPRESAS DE LA CIUDAD DE PIURA” AUTOR Remaycuna Vásquez, Alexander ASESOR Mg. Panta Medina, Esteban Nolberto PORTADA PIURA - PERÚ 2020
  • 2. ÍNDICE PORTADA..................................................................................................................................1 ÍNDICE.......................................................................................................................................2 INTRODUCCIÓN......................................................................................................................4 I. ACERCA DE LAS MEDIANAS EMPRESAS.............................................................5 1.1. Definición ...............................................................................................................................5 1.2. Número de trabajadores...........................................................................................................5 1.3. Ingresos...................................................................................................................................5 1.4. Organigrama de una mediana empresa.....................................................................................5 II. BASES TEÓRICAS DEL SISTEMA DE BUSINESS INTELLIGENCE..................6 2.1. Fundamento teórico.................................................................................................................6 2.2. Marco Metodológico .............................................................................................................11 2.3. Glosario de Términos ............................................................................................................13 III. PROBLEMA IDENTIFICADO EN LAS MEDIANAS EMPRESAS ......................15 3.1. Descripción del Problema......................................................................................................15 3.2. Árbol de problemas ...............................................................................................................15 3.3. Análisis del problema ............................................................................................................16 IV. PROPUESTA DE SOLUCIÓN ...................................................................................16 V. DEFINICIÓN DE OBJETIVOS .................................................................................16 5.1. Objetivo general ....................................................................................................................16 5.2. Objetivos específicos.............................................................................................................16 VI. ALCANCES Y LIMITACIONES DE LA PROPUESTA .........................................17 VII. JUSTIFICACIÓN DE LA PROPUESTA...................................................................17 VIII. PROTOTIPO DEL DESARROLLO DE LA SOLUCIÓN .......................................17 8.1. EDT del proyecto propuesto ..................................................................................................17 8.2. Organigrama del proyecto......................................................................................................24 IX. PRESUPUESTO...........................................................................................................24 X. BENEFICIOS O RESULTADOS QUE APORTARÁ EL DATA MART ...............24 XI. CONCLUSIONES Y RECOMENDACIONES..........................................................25
  • 3. TÍTULO DE LA INVESTIGACIÓN “PROPUESTA DE IMPLEMENTACIÓN DE DATA MART DE VENTAS PARA MEJORAR LA TOMA DE DECISIONES EN UNA MEDIANA EMPRESA EN LA CIUDAD DE PIURA” AUTORÍA Alexander Remaycuna Vásquez E-mail: aremaycuna@ucvvirtual.edu.pe
  • 4. INTRODUCCIÓN En el presente trabajo de investigación se indicará la propuesta y fundamento de la implementación de un Data Mart de Ventas para medianas empresas en la ciudad de Piura. Hoy en día las empresas apuestan por implantar soluciones tecnológicas e innovadoras para poder explotar y/o gestionar de una manera adecuada la información que se maneja dentro de sus repositorios de datos. La mayoría, se inclina al uso de herramientas de Business Intelligence (BI) para poder analizar la información de manera rápida y tomar decisiones acertadas, debido que de estas decisiones depende el éxito y sostenibilidad en el tiempo y el mercado de las empresas u organizaciones. La Inteligencia de Negocios se aplica, haciendo uso de datos históricos. Estos datos, luego de ser analizados, se transforman en información valiosa, logrando generar ventaja competitiva y tomar mejores decisiones a futuro. Por lo general, lo que se busca es la integración de datos, utilizando las diversas fuentes de datos a un nuevo repositorio específico para dicho negocio. A este sistema de BI se le denomina Data Mart, y en este caso, se plantea la implementación de este sistema para el área de Ventas. La creación del Data Mart, proceso ETL, integración de datos y generación de reportes, deben elaborarse con los programas SQL Server Integration Services (SSIS), SQL Server Análisis Services, Visual Studio 2017 (SSDT) y Excel 2019/Power BI. En el presente entregable, se demostrará la importancia, beneficios e impacto generado tras la implementación de un Data Mart de Ventas, aplicando la Inteligencia de Negocios, para poder analizar detalladamente toda la información que existe, específicamente, a un área.
  • 5. I.ACERCA DE LAS MEDIANAS EMPRESAS 1.1. Definición Es la unidad económica constituida por una persona natural o jurídica, bajo cualquier forma de organización o gestión empresarial contemplada en la legislación vigente, que tiene como objeto desarrollar actividades de extracción, transformación, producción, comercialización de bienes o prestación de servicios. 1.2. Número de trabajadores El personal con él trabaja la mediana empresa está entre 51 y 200 trabajadores. 1.3. Ingresos Este tipo de empresas realiza ventas anuales superiores a 1700 UIT y hasta el monto máximo de 2300 UIT. 1.4. Organigrama de una mediana empresa
  • 6. II.BASES TEÓRICAS DEL SISTEMA DE BUSINESS INTELLIGENCE 2.1. Fundamento teórico 2.1.1. Inteligencia de Negocios 2.1.1.1.Definición Es el proceso que permite, mediante el buen análisis, explotar los datos y generar información, para luego convertirse en conocimientos y así generar la correcta toma de decisiones y una ventaja competitiva en el mercado y sector. 2.1.1.2.Ventajas ➢ Aumento de eficiencia Muchas empresas desperdician buena porción de su tiempo en la investigación de información de área en área, probablemente podrán obtener los datos y podrán producir sus reportes, pero con la inteligencia de negocios se puede generar conocimiento, mediante una plataforma centralizada, lo que permite economizar los tiempos y hacer que la toma de decisiones sea más eficaz. ➢ Mejores respuestas en tiempos La centralización que fomenta el BI permite alcanzar respuestas rápidas en pocos minutos. Por ejemplo, un informe de Inteligencia de Negocios puede sujetar información relacionado a las ventas, el desempeño de marketing, costos, etc. ➢ Logra obtener la información precisa Se toman decisiones basadas en data objetiva, no en presentimientos o en la percepción. La información adecuada y estructurada permite tomar decisiones basadas en el conocimiento producido por la propia empresa. ➢ Conocer tendencias en consumidores
  • 7. Permite hallar y examinar los hábitos de compra de los clientes. Esta investigación es muy útil para la medición de la rentabilidad de la empresa. También realizar campañas de fidelización, elaborar modelos predictivos y/o promociones estratégicas. ➢ Mejor control sobre las áreas vinculadas En una empresa, el campo de la información a lograr obtener y examinar es muy extenso. Para poder centralizarla, cruzarla, analizarla y lograr decisiones con ellas, constituye un gran beneficio en costos y tiempo. 2.1.2. Data Mart 2.1.2.1. Definición Es un repositorio de datos, que pertenece a un Data Warehouse, que se dedica a explotar información, en específico, de un área o departamento de una empresa y/u organización. 2.1.2.2. Objetivos de la implementación de un Data Mart de ventas ➢ Identificar las métricas del negocio, definidas por el analista de datos. ➢ Identificar las dimensiones a partir de las necesidades del negocio. ➢ Elaborar la estructuración del Data Mart de Ventas. 2.1.2.3. Fases de la etapa de construcción del Data Mart ➢ Análisis de requerimientos, según el negocio. ➢ Proceso ETL: Extracción, Transformación y Carga. ➢ Procesamiento analítico de datos. Este proceso sirve para poder visualizar los reportes generados por los cubos y Data Mart.
  • 8. 2.1.3. Sistemas OLAP (On-Line Analytical Processing) 2.1.3.1.Definición Son una herramienta de solución dentro de la Inteligencia de Negocios. Permiten analizar y leer grandes cantidades de datos para lograr generar información valiosa dentro de una organización y/o empresa. Por lo general se aplica para analizar tendencias, patrones, informes, etc. 2.1.3.2.Características ➢ Menor tiempo de ejecución con respecto a sentencias SQL. ➢ Prevalece el Modelo Estrella. ➢ Su fuente de alimentación suelen ser sistemas que operan mediante procesos ETL. ➢ Uno de sus principales usos es el análisis de datos (ventas, marketing, minería de datos, etc.) ➢ Por lo general, el acceso a la información es de lectura y se recomienda, por seguridad, mantener las acciones de consultas básicas y no de inserción, actualización y/o eliminación. ➢ Se recomienda mantener datos de los últimos 5 a 10 años como información histórica.
  • 9. 2.1.4. Procesos ETL 2.1.4.1. Definición Los ETL en español significan Extracción, Transformación y Carga. Consisten en realizar tres funciones de datos que, mediante una herramienta, extrae datos de una fuente de origen, la transforma (aplica reglas, conversiones, uso de fórmulas, etc.) y las carga en una fuente de datos destino (Data Mart, Data Warehouse, Base de datos, etc.). 2.1.4.2. Características ➢ Alcance Información orientada a un área o departamento en específico. ➢ Uso Brinda apoyo en la correcta toma de decisiones y obtención de conocimientos de un área. ➢ Áreas temáticas Dirigido a un área en específico de un Data Warehouse. ➢ Fuentes de datos Se alimenta de repositorios de datos del área a analizar. ➢ Tiempo de consulta El tiempo de consulta es veloz debido a la estructura del Data Mart. ➢ Tamaño Facilidad para la historización de datos por el volumen de datos que se maneja. ➢ Tiempo de implementación
  • 10. Menor tiempo de implementación a comparación de un Data Warehouse por centrarse en un único negocio. 2.1.5. Modelo Multidimensional 2.1.5.1.Definición Son aquellas bases de datos multidimensionales que permiten tener el acceso al almacenamiento de datos de un Data Warehouse o Data Mart, donde se aprecia las dimensiones, medidas, indicadores y hechos del mismo. 2.1.5.2.Modelos de una base de datos multidimensional ➢ Esquema en estrella:) Es el más sencillo en estructura. Consta de una tabla central de "Hechos" y varias "dimensiones", incluida una dimensión de "Tiempo". Lo característico de la arquitectura de estrella es que sólo existe una tabla de dimensiones para cada dimensión. Esto quiere decir que la única tabla que tiene relación con otra es la de hechos, lo que significa que toda la información relacionada con una dimensión debe estar en una sola tabla.
  • 11. ➢ Esquema copo de nieve: Es una variación o derivación del modelo estrella. En este modelo la tabla de hechos deja de ser la única relacionada con otras tablas ya que existen otras tablas que se relacionan con las dimensiones y que no tienen relación directa con la tabla de hechos. El modelo fue concebido para facilitar el mantenimiento de las dimensiones, sin embargo, esto hace que se consulte a más tablas a las secuencias SQL, haciendo la extracción de datos más difícil, así como vuelve compleja la tarea de mantener el modelo. 2.2.Marco Metodológico 2.2.1. Definición de la Metodología Kimball La metodología Ralph Kimball es apropiada para el desarrollo de un Data Mart. Esta metodología se basa en enfocar el Data Mart en el ciclo de vida dimensional del negocio. Se aplica esta metodología para construir modelos de bases de datos con propósitos de toma de decisiones, medición, etc. FACTOR METODOLOGÍA KIMBALL METODOLOGÍA INMON Presupuesto Coste inicial bajo. Coste inicial alto. Plazos Tiempo de desarrollo inferior. Requiere más tiempo de desarrollo.
  • 12. Especialización Equipo con especialización media. Equipo con especialización alta. Alcance Departamentos individuales. Toda la compañía. Mantenimiento Mantenimiento más complejo. Fácil mantenimiento. El modelo dimensional que presenta esta metodología está conformado por una Fact Table (tabla de hechos) y una o muchas Dim Tables (tabla de dimensiones) que las acompaña, denominadas tablas de dimensiones. A continuación se define cada una de ellas: ➢ Tabla de hechos: Tabla principal a analizar. Cada una de estas tablas significa un negocio a estudiar y a medir. ➢ Tabla de dimensiones: Tablas con atributos relacionados a la tabla de hechos que sirven para lograr su medición y/u objetivo de análisis. ➢ Medidas: Atributos de la tabla de hechos que representan la medición del negocio a analizar. Esta metodología es apropiada para el desarrollo de un Data Mart porque se enfoca en el análisis de un negocio en específico, como por ejemplo un Data Mart de Ventas con una fuente de origen de datos que tomará un crecimiento notorio a mediano plazo. 2.2.2. Fases de la metodología Kimball FASES QUE APLICA LA METODOLOGÍA KIMBALL FASE DESCRIPCIÓN Planificación del Proyecto Busca identificar la definición y el alcance que tiene el proyecto de Data Mart/DWH. Busca definir el proyecto, determinando: ➢ Identidades. ➢ Personal o equipo. ➢ Plan de proyecto. ➢ Seguimiento. ➢ Control. Definición de los Requerimientos del Negocio Los diseñadores de DW y DM, se basan en la definición de los requerimientos y necesidades de la empresa y/o área para poder realizar el diseño apropiado.
  • 13. Modelado Dimensional Se analiza las dimensiones que se le brindará a cada factor o métrica identificada. Luego, se determina el nivel de granularidad de cada uno según el negocio. Diseño Físico Se basa en la estructuración para el soporte del diseño lógico (analizado anteriormente). Aquí, se define los tipos de datos, indexación, particiones, etc. Diseño y Desarrollo de datos Se realiza el proceso ETL: ➢ Extracción. ➢ Transformación. ➢ Carga. La interacción de los datos para el diseño y desarrollo se basa en la integración de la base de datos origen (con datos previamente transformados), para luego guardarlos en un repositorio de destino, Data Mart. Diseño de la arquitectura técnica En esta etapa, se consideran: ➢ Los requerimientos de negocio. ➢ Los actuales entornos técnicos. ➢ Las directrices técnicas y estratégicas. Gracias a esos 3 factores, se podrá establecer el diseño de la arquitectura técnica del Data Mart. 2.3.Glosario de Términos ➢ Arquitectura: Desarrollo de modelo de datos del negocio en definición a los requerimientos. ➢ Base de datos: Conjunto de datos que pertenecen a un mismo contexto y están almacenados en un repositorio. ➢ Data Mart: Base o repositorio de datos de un área en específica. ➢ Data Warehouse: Base o repositorio de datos de una organización o empresa. ➢ Dimensiones: Valores que describen a los datos y se usan en las métricas para su medición.
  • 14. ➢ Diseño físico: Es el diseño y estructura de la base de datos. Sirve para optimizar el rendimiento y asegurar la integridad de los datos. ➢ Estructuración de datos: Organización de los datos en la base de datos. ➢ ETL: Proceso de extracción, transformación y carga de una fuente de origen a un destino. ➢ Integración de datos: Conexión de datos. ➢ Inteligencia de negocios / Business Intelligence / BI: Conjunto de procesos que, mediante el uso de los datos generan información y conocimiento para tomar decisiones a futuro. ➢ Métricas: Son medidas que permiten estimar o conocer ciertas características que se desean analizar. ➢ Modelo copo de nieve: Es un modelo de datos formado por una tabla de hechos, tablas de dimensión y éstas, con sus tablas dependientes. Es más compleja que un modelo estrella. ➢ Modelo dimensional: Es un modelo de base de datos estructurado para consultar información analítica. ➢ Modelo estrella: Es un modelo de datos formado por tablas de hechos y tablas de dimensión. Por lo general no tiene muchas foráneas, más que las propias dimensiones. ➢ Power BI: Programa para elaboración de reportes a partir de una fuente de datos origen. ➢ Requerimientos de usuario: Solicitudes funcionales del usuario que se deben atender para satisfacer sus necesidades. ➢ Sistemas y cubos OLAP: Herramienta de inteligencia de negocios que permite analizar datos para su explotación. ➢ SQL server: Es un sistema de gestión de bases de datos. ➢ Tabla: Entidad en una base de datos. ➢ Tabla de dimensiones: Tablas foráneas y/o secundarias que permiten analizar una o muchas tablas de hechos. ➢ Tabla de hechos: Tabla principal a evaluar y analizar en un Data Mart. ➢ Visual studio: Entorno de desarrollo para crear sitios web, aplicaciones, etc.
  • 15. III.PROBLEMA IDENTIFICADO EN LAS MEDIANAS EMPRESAS 3.1. Descripción del Problema Las medianas empresas en la ciudad de Piura cuentan con más de una fuente de información para realizar sus operaciones, estas pueden ser de ventas, administración, coordinación, etc. Estas, además de no ser relacionales, cuentan con esquemas, tablas y orígenes de datos desactualizadas, las cuales no son removidas por temas de prevención en caso se usen en algún reporte, vista, auditorías o se encuentre en el código fuente del sistema. Los datos desactualizados suelen ser un problema grave al momento de extraer reportes de ventas, ya que para Gerencia General estos indicadores suelen ser la pieza clave para iniciar un plan de toma de decisiones y ejecución de proyectos, etc. El problema de las organizaciones es no llevar un buen control o gestión, en este caso, en las ventas dentro de la empresa. Por ello, deben analizar, de forma necesaria y/o obligatoria, las ventas generadas para poder tomar decisiones a futuro y poder explotar la información para generar ventaja competitiva en el mercado. 3.2. Árbol de problemas DEFICIENCIA EN LOS PROCESOS DE VENTAS EN LA MEDIANAS EMPRESAS DE LA CIUDAD DE PIURA Deficiente mantenimiento a la base datos Informació n imprecisa Deficiente análisis e implementación de la base de datos Ausencia de plataforma tecnológica en línea de reportaría Entrega de información imprecisa Toma de decisiones incorrecta Tardanza en la entrega de reportes Baja satisfacción del cliente PROBLEMA CAUSAS EFECTOS
  • 16. 3.3. Análisis del problema PROBLEMA DEFICIENCIA EN LOS PROCESOS DE VENTAS EN LA MEDIANAS EMPRESAS DE LA CIUDAD DE PIURA Causas Efectos Deficiente mantenimiento a la base datos. Entrega de información imprecisa. Información imprecisa. Mal planteamiento en su toma de decisiones. Bajo análisis y, por ende, mala estructuración en la implementación de la base de datos. Tardanza en la entrega de reportes Ausencia de plataforma tecnológica en línea de reportaría. Baja satisfacción del cliente IV.PROPUESTA DE SOLUCIÓN En vista del problema identificado, se propone la implementación de un Data Mart en el área de ventas las medianas empresas de la ciudad de Piura, para de esta manea poder integrar los valiosos datos e información de los procesos que esta área genera ya que no está aprovechándola y/o capitalizándola para mejorar su toma de decisiones y por ende mejorar el perfil competitivo de estas empresas en la economía local y nacional. Según estimaciones presupuestales, es costo de este sistema de inteligencia de negocios, asciende a 25,550.00 soles. V.DEFINICIÓN DE OBJETIVOS 5.1. Objetivo general ➢ Analizar y proponer la implementación de un Data Mart de Ventas para medianas empresas en la ciudad de Piura. 5.2. Objetivos específicos ➢ Analizar la implementación de un Data Mart, mediante un modelo de base de datos multidimensional que permita analizar y explotar la información vinculada y hallada en el análisis previo. ➢ Aprovechar la información origen desde el repositorio de datos de las empresas para mover múltiples datos previamente analizados al Data Mart de Ventas. ➢ Generar reportes a partir de la implementación del Data Mart.
  • 17. VI.ALCANCES Y LIMITACIONES DE LA PROPUESTA ➢ Con la presente propuesta se busca explotar los recursos del Área de Ventas para las medianas empresas en Piura. ➢ La propuesta se encuentra dirigida únicamente a medianas empresas del sector terciario dedicadas al comercio y los servicios en la ciudad de Piura. ➢ La elaboración del Data Mart de ventas se realizará en SQL Server 2017. ➢ La migración se realizará a través de un proceso de ETL mediante el tipo de servidor Integration Services. Este proceso se realizará con la herramienta Visual Studio 2017 (SSTD). ➢ Se espera que como resultado del desarrollo, se creen cubos tipo OLAP mediante los modelos dimensionales obtenidos del análisis e implementación, generándose los reportes e indicadores para la gestión y decisiones sobre el Área de Ventas. ➢ La creación del Data Mart contemplará información comercial de la empresa, brindando, para la evaluación, indicadores de gestión de las ventas y oportunidades de negocio mediante dashboards, reportes tipo tablas (dinámicas). VII.JUSTIFICACIÓN DE LA PROPUESTA Con la propuesta se busca la solución del problema encontrado, mediante la identificación del nivel de ventas, productos, ubicación, tiempo y otros factores analizados. El propósito es incrementar las ventas y mejorar la elección de decisiones, siendo acertadas, de las medianas empresas en Piura a nivel operativo y estratégico. El planteamiento propone el desarrollo de un Data Mart para automatizar, optimizar e implantar una solución tecnológica a través de las herramientas de Inteligencia de Negocios para, con menor tiempo, obtener resultados en tiempo real y en línea, apoyando a generar ventaja competitiva. VIII.PROTOTIPO DEL DESARROLLO DE LA SOLUCIÓN 8.1. EDT del proyecto propuesto El proyecto, se dividirá en las siguientes fases y entregables:
  • 18. “PROPUESTA DE IMPLEMENTACIÓN DE DATA MART COMO SOLUCIÓN DE INTELIGENCIA DE NEGOCIOS APLICANDO LA METODOLOGÍA RALPH KIMBALL PARA OPTIMIZAR LA TOMA DE DECISIONES DEL DEPARTAMENTO DE VENTAS DE UNA MEDIANA EMPRESA EN LA CIUDAD DE PIURA”
  • 19. a) Etapa de Planificación En la etapa de Planificación se considerarán los siguientes puntos: • Reuniones con el equipo de Ventas e involucrados en el proyecto para definir el producto final y modo de entrega. • Entrevistas a usuarios finales (Fuerza de Ventas) y coordinador o jefe de Ventas. • Se usará la metodología Ralph Kimball. Se distingue las diferencias en tiempo e inversión aplicando esta metodología, por esto se pretende aplicarla por los recursos y tipo de desarrollo que va a proporcionar. • Se considerará que los dashboards finales se entregarán en el programa Power BI. • Se definirá la frecuencia, en cuanto a las rutinas de ejecución del ETL a implementarse, si es diario o semanal y esto se decidirá según el aumento de las ventas. • Se preparará al equipo de proyecto: ➢ Analistas. ➢ Diseñadores. ➢ Desarrolladores y/o programadores. ➢ Certificadores (Analistas QA). b) Etapa de Análisis Se efectuarán los siguientes pasos para desarrollar el diseño multidimensional: ➢ Análisis de requerimientos del Data Mart. ➢ Establecer la granularidad. ➢ Definir las dimensiones. ➢ Identificar las métricas (hechos) a evaluar. c) Etapa de Diseño ➢ Modelo Dimensional: Estrella Se debe elegir el Modelo Estrella porque: ✓ Cumple con una estructura simple y veloz para analizar bases de datos de empresas medianas.
  • 20. ✓ En muchas ocasiones, las consultas son directas y si cumple con joins, son muy pocos. ✓ El nivel de granularidad no es tan profundo a analizar cómo se podría apreciar en un modelo Copo de Nieve. ➢ Modelo Gráfico de Alto Nivel El presente gráfico, muestra en general cómo se relacionará cada una de las dimensiones y el factor Ventas por analizar tras considerar las métricas identificadas en la etapa de Análisis. ➢ Diseño Físico Vista previa de cómo se construirá el Diseño Físico del Data Mart.
  • 21. d) Implementación: Proceso ETL El proceso, se realizará extrayendo datos de una fuente origen, trasformar estos datos y almacenarlos en un destino. La diferencia es que, al transformarlos, se cumplen ciertas reglas, medidas, y cálculos de por medio que aplican al destino realizar un análisis de información de datos históricos obtenidos en el proceso de migración. El proceso ETL propuesto, debe ser aplicado usando SQL Server 2017 Integration Services (SSIS) y Visual Studio 2017 (SSDT). e) Ejecución del proceso ETL A continuación, una vista previa de cómo se dará la ejecución del proceso ETL y la prueba que debe ejecutar correctamente.
  • 22. f) Elaboración de Reportes ➢ Reportes por SQL Server Se deben ejecutar queries (Consultas) para la elaboración de reportes, el tiempo de respuesta será inmediato, aproximadamente de 1 a 3 segundos por vista. A continuación una vista de ejemplo: Reporte de ventas por producto ➢ Reportes por Power BI Con el programa Power BI, se realizará el diseño de los reportes “tipo dashboard” para su visualización e interacción dinámica entre el analista y la información de ventas como fuente origen.
  • 23. Ejemplo de reporte generado en Power BI g) Gestión de la calidad Ejemplificación de cuadro para la calidad del proyecto. h) Gestión de riesgos ID de riesgo Descripción del riesgo Impacto Probabilidad Ponderación del riesgo Riesgo Ventas 1 Deficiente manipulación de datos por parte del cliente. 3 (Alto) 2 (Bajo) 3*2=6 (Medio) 6 (Medio) Recursos Humanos 2 Renuncia del personal de trabajo 1 (Bajo) 1 (Bajo) 1*1=1 (Bajo) 1 (Bajo)
  • 24. 8.2. Organigrama del proyecto IX.PRESUPUESTO El presupuesto se determinó según los siguientes equipos: Cálculo de precios unitarios de equipos para el desarrollo de la propuesta Equipos Unidad de medida Cantidad Precio unitario (S/.) Total (S/.) Disco duro externo 1TB Unidad 2 250 500 Impresora multifuncional Unidad 1 550 550 Laptop Unidad 5 2700 13500 Equipos celular Unidad 5 2200 11000 Total equipos 25,550 X.BENEFICIOS O RESULTADOS QUE APORTARÁ EL DATA MART Según los objetivos específicos que se plantearon en párrafos anteriores, se espera que la propuesta genere como resultados, los siguientes beneficios: 10.1. Objetivo específico 1 Analizar la implementación de un Data Mart, mediante un modelo de base de datos multidimensional que permita analizar y explotar la información vinculada y hallada en el análisis previo.
  • 25. Uno de los beneficios que promete la propuesta en mención es, generar consultas directas a las ventas de la mediana empresa de manera ordenada, previamente generadas con una limpieza de datos y aportar a la generación de reportes veloz. 10.2. Objetivo específico 2 Aprovechar la información origen desde el repositorio de datos de la empresa para mover múltiples datos previamente analizados al Data Mart de Ventas. Como resultado de la migración mediante un proceso ETL (Extraer, Transformar, Cargar), de la fuente de origen de los datos, se obtendrá un nuevo repositorio de una herramienta de Inteligencia de Negocios para la explotación de datos. Con el nuevo Data Mart, se podrá realizar un proceso de reportería de ventas más veloz y efectivo. 10.3. Objetivo específico 3 Generar reportes a partir de la implementación del Data Mart. Con el Data Mart propuesto, al solicitar un reporte, el analista de datos deberá basarse en el Data Mart de ventas, el cual retornará como resultados los informes que se requieran en tiempo real. Además, generará una gran satisfacción, a nivel de usuario, porque se generará el mismo resultado en menor tiempo. XI.CONCLUSIONES Y RECOMENDACIONES 3.5.Conclusiones Concluida la investigación respecto a la mejora de uno de los procesos del área de ventas de las medianas empresas de la ciudad Piura, se llega a las siguientes conclusiones: 1. La implementación del Data Mart haciendo uso de la Inteligencia de Negocios será una gran inversión para la gestión y mejora en la correcta toma de decisiones del Área de Ventas. Para las medianas empresas puede llegar a ser una innovadora solución tecnológica que a futuro puede seguir aplicando este tipo de herramientas a todas las áreas. 2. Para poder realizar una implementación adecuada del Data Mart, es importante realizar un buen análisis para identificar los indicadores, métricas y dimensiones.
  • 26. Gracias a este análisis para elaborar el Data Mart, se puede combinar las dimensiones y conseguir muchas métricas para gestionar las ventas en la empresa. 3. El uso del Data Mart permitirá apreciar el ahorro del tiempo promedio de obtención de reportes. A diferencia del método tradicional que practican las medianas empresas, donde se obtienen los reportes de manera distinta (en cuanto al formato de los reportes) y con mayor tiempo. 4. La aplicación de la metodología Kimball es la adecuada para este proyecto, pues al tratarse de un área en específico (Ventas), las fuentes de información que se requerirá son las tablas de datos que aquí se generan y no del resto de las demás áreas. Esto quiere decir que, para la implementación propuesta, no se requerirá desarrollar el Data Warehouse completo, sino, sólo el Data Mart. 3.6.Recomendaciones Como recomendaciones se dan las siguientes: 1. Se recomienda que las medianas empresas que compiten hoy en mercados cada vez más cambiantes y de mucha incertidumbre, que al mismo tiempo requieren de decisiones rápidas y certeras, hagan uso de las modernas herramientas tecnológicas disponibles para mejorar el proceso de toma de decisiones. 2. Toda implementación de BI que se plantee en las medianas empresas, debe fundamentarse con un buen análisis para identificar todos los factores en los impactará o será impactado este sistema. 3. En un mercado competitivo cada vez más globalizado, las empresas deben cambiar la manera en que venían haciendo las cosas, para optar por métodos o formas más efectivas que les permita aprovechar la información y mejorar su perfil competitivo. 4. Para implementar un sistema de BI según sea la necesidad de empresa, se debe seguir una metodología ya probada en proyectos anteriores para así asegurar una correcta implementación.