El documento proporciona una introducción al temario del día 1 de un curso sobre inteligencia de negocios. Explica conceptos clave como la historia, arquitectura, integración de datos, data warehouse y automatización. También describe ventajas como transformar datos en información útil para la toma de decisiones y desventajas como la gran inversión requerida.
Inteligencia de Negocios - Curso Capacitación Día 1
1. INTELIGENCIA DE NEGOCIOS
CURSO – CAPACITACION – DIA 1
Michael John Macavilca Mejia
Ingeniero de Sistemas Computacionales
OTIN - INEI 16 / 12 / 2019
Unidad de Producción
2. Inteligencia de Negocios - Temario
Dia 1
************************************************
1. Marco Teórico
1.1 Historia
1.2 Conceptos
1.3 Analítica
1.4 Ventajas / Desventajas
2. Arquitectura
2.1 Integración de datos
2.1.1 Importancia / Características / Utilidad
2.1.2 Actualidad - Mundo
2.1.3 Actualidad - Perú
2.2 Datawarehouse
2.2.1 ¿Qué es?
2.2.2 Modelos
2.2.3 Ventajas / desventajas
2.2.4 Automatización
2.2.5 Herramientas en el Mundo y Perú
3. Inteligencia de Negocios - Historia
La capacidad de comprender las interrelaciones de los hechos presentados de tal forma que consiga orientar la acción hacia una meta deseada. HansPeter Luhn (1958)
BusinessIntelligence 1.0 : Nuevos Proveedores. Producir datos e informes, organizarlos y visualizarlos. Herramientas dependiente de TI. Tiempo de implementación extenso.
1990 - 2000
Agilidad, autoservicio y la mejora de la visualización. Volumen de información.
BusinessIntelligence 2.0 : Procesamiento en tiempo real. Autoservicio.
Conceptos y métodos para mejorar las decisiones de negocio mediante el uso de sistemas de soporte basados en hechos.
Howard Dresden (1989)
Cyclopaedia of Commercial and Business Anecdotes. El banquero, Sir Henry Furnese, tuvo éxito => tenía una comprensión de los problemas políticos, la inestabilidad y el mercado
antes que sus competidores. MillerDevens (1865)
Cloud BI y Mobile BI. Cifra exponencial de Proveedores.
4. Inteligencia de Negocios - Conceptos
El conjunto de metodologías, aplicaciones y tecnologías que permiten reunir,depurar y transformar datos de los sistemas transaccionales e informacióndesestructurada (Interna y
externa a la compañía) en información estructurada,para su explotación directa (Reporting, análisis OLAP, etc.) o para su análisisy conversión en conocimiento soporte a la toma de
decisiones sobre el negocio. Ramos (2011)
Para Moya Ligia, (2005), un BI es la técnica que trasformar datos en información, y la información en conocimiento, de forma que se pueda optimizar el proceso de toma de
decisiones en los negocios. La tecnología BI es una tecnología que permite analizar la información vital de la empresa, a partir de distintas variables y perspectivas, obteniendo una
visión global y de conjunto, que de otra forma permanecería oculta por la complejidad de su análisis.
Noguésy Valladares (2017) nos dejan este concepto de inteligencia de negocios, BI pertenece a un mundo analítico. La inteligencia de negocios es un conjunto de herramientas y
procesos que lo ayudan a tomar decisiones basadas en datos precisos, ahorrando tiempo y esfuerzo. La idea principal detrás de una herramienta de BI es la posibilidad de analizar
fácilmente datos basados en conceptos comerciales sin tener conocimientos técnicos sobre herramientas de bases de datos u otras fuentes que contienen los datos.
La analítica es un subconjunto de lo que se hadado a llamar como inteligencia de negocios: un conjunto de tecnologías y procesos que utilizan datos para comprender y analizar el
rendimiento del negocio. Entonces, concluimos que la inteligencia de negocios engloba el acceso a los datos, los informes y la analítica. Davenport y Harris (2007)
5. Inteligencia de Negocios - Analítica
Davenport y Harris (2007) nos describen que la analítica se refiere al
uso extensivo de datos, los análisis estadísticos y cuantitativos, los
modelos explicativos y predictivos..para impulsar decisiones y
acciones.
La analítica es un subconjunto de lo que se ha dado a llamar como
inteligencia de negocios: un conjunto de tecnologías y procesos que
utilizan datos para comprender y analizar el rendimiento del negocio.
Entonces, concluimos que la inteligencia de negocios engloba el acceso
a los datos, los informes y la analítica.
COMPONENTES
Desventajas
Analítica Financiera:
Análisis predictivo de ventas
Análisis de rentabilidad del cliente
Análisis de rentabilidad del producto
Análisis de flujo de efectivo
Análisis del controlador de valor
Análisis de valor para el accionista
Analítica de Clientes:
Análisis de satisfacción del cliente
Análisis de valor de vida del cliente
Análisis de segmentación de clientes
Análisis del canal de ventas
Analitica web
Analitica de redes sociales
Análisis de compromiso del cliente
Análisis de abandono de clientes
Análisis de adquisición de clientes
EJEMPLOS
6. Inteligencia de Negocios - Arquitecturas
Arquitectura Sistema Técnico BI/DW de Kimball
Arquitectura IBIMA - International Business Information Management Association
7. Inteligencia de Negocios - Arquitecturas
Arquitectura - Gartner Group 1996
Arquitectura - Rick Sherman
10. Inteligencia de Negocios - Integración de datos - Fases
Fuente : Michael Macavilca
Mejia (2018)
Según Ramos (2011), afirma que un DataWarehouse, o un DataMart, se cargan periódicamente, y en él se unifica información derivada de múltiples fuentes, creando una base de datos
.. Esto implica que deben existir una serie de procesos que leen los datos de las diferentes fuentes, los transforman y adaptan al modelo que hayamos definido, los depuran y los
limpian, y los introducen en esta base de datos de destino. Esto es lo que se conoce como procesos ETL, procesos de Extracción, Transformación y Carga.
Recopilación de datos Fuentes externas de datos / Fuentes internas de datos
11. Inteligencia de Negocios - Integración de datos - Importancia
Importancia Características Utilidad
• Contribuye a la generación de la data histórica de
la empresa.
• Mejora la productividad de los profesionales de
los datos, porque codifica y reutiliza procesos que
mueven datos sin requerir habilidades técnicas para
escribir código o scripts.
• Evolución para satisfacer requisitos de integración
emergentes para cosas como los datos transmitidos
por streaming.
• Las organizaciones necesitan ETL y ELT para
conjuntar datos, mantener la precisión y
proporcionar el recurso de auditoría que se
requiere en los datawarehouse.
• Complejidad. Las empresas se pueden encontrar con
grandes cantidades de datos almacenadas durante
muchos años y generadas por sus distintos
departamentos. En diferentes formatos, estructuras y
temáticas. Extraer y consolidar toda esta información es
una tarea extremadamente compleja.
• Continuidad. Para realizar análisis preciso, es necesario
mantener el DataWarehouse constantemente
actualizado. Por esto, es importante que el proceso ETL
se realice a intervalos regulares.
• Criticidad. Generalmente, ninguno de los datos que
poseen las empresas viene por defecto en una forma
que esté lista para usar y resolver los problemas de su
negocio. Sin los procesos ETL, las empresas se
encontrarían con una gran cantidad de datos que no
pueden utilizar.
• Migración de datos desde sistemas legacy con
formatos de datos distintos.
• Consolidación de datos.
• Recolección de datos desde proveedores
externos.
• Integración de nuevas fuentes de datos como
social media, videos, dispositivos conectados a
internet de las cosas, entre otras.
• Integrarse con herramientas de Data Quality para
asegurar que los datos sean confiables.
• Trabajar con metadatos.
• Integrarse con sistemas transaccionales,
almacenes de datos operativos, plataformas de
Business Intelligence y sistemas de Master Data
Management (MDM).
12. Inteligencia de Negocios - Integración de datos ETL - Mundo
Recopilación de datos Fuentes externas de datos / Fuentes internas de datos
Ir a Archivo publicado
13.
14.
15.
16.
17. Inteligencia de Negocios - Datawarehouse
¿Qué es? Características DataMarts
Según Ramos (2011), un DataWarehouse es una
base de datos corporativa en la que se integra
información depurada de las diversas fuentes que
hay en la organización. Dicha información debe ser
homogénea y fiable, se almacena de forma que
permita su análisis desde muy diversas
perspectivas, y que a su vez dé unos tiempos de
respuesta óptimos.
Según Cano (2007), el Datawarehouse o almacén de
datos proporciona información consistente,
integrada, preparada e histórica lista para ser
analizada en un sistema BI y utilizarla en la toma de
decisiones de una organización.
• Orientado a temas
• Integrado.
• Histórico.
• No volátil
La diferencia de un Datamart con respecto a un
Datawarehouse es solamente en cuanto al alcance.
Mientras que un Datawarehouse es un sistema
centralizado con datos globales de la empresa y de todos
sus procesos operacionales, un Datamart es un
subconjunto temático de datos, orientado a un proceso
o un área de negocio específica.
El conjunto de DataMarts forma el Datawarehouse.
19. Inteligencia de Negocios - Datawarehouse
Ventajas Desventajas
· Transforma datos orientados a las aplicaciones en información orientada a la toma de
decisiones.
· Integra y consolida diferentes fuentes de datos (internas y/o externas), en una única
plataforma sólida y centralizada.
· Provee la capacidad de analizar y explotar las diferentes áreas de trabajo.
· Permite reaccionar rápidamente a los cambios del mercado.
· Aumenta la competitividad en el mercado.
· Elimina la producción y el procesamiento de datos que no son utilizados ni necesarios,
producto de aplicaciones mal diseñadas o ya no utilizadas.
· Mejora la entrega de información, es decir, información completa, correcta,
consistente, oportuna y accesible.
· Logra un impacto positivo sobre los procesos de toma de decisiones. Calidad de
información, elimina los retardos de los procesos que resultan de información
incorrecta,inconsistente y/o inexistente; integrar y optimizar procesos; permite a los
usuarios adquirir mayor confianza acerca de sus propias decisiones, etc.
· Aumento de la eficiencia de los encargados de tomar decisiones.
· Los usuarios pueden acceder directamente a la información en línea.
· Permite la toma de decisiones estratégicas y tácticas.
· Requiere una gran inversión, debido a que su correcta construcción no es tarea sencilla y
consume muchos recursos, además, su misma implementación implica desde la adquisición
de herramientas de consulta y análisis, hasta la capacitación de los usuarios.
· Existe resistencia al cambio por parte de los usuarios.
· Los beneficios del almacén de datos son apreciados en el mediano y largo plazo.
· Si se incluyen datospropios y confidenciales de clientes, proveedores, etc. el depósito de
datos atentará contra la privacidad de los mismos, ya que cualquier usuario podrátener
acceso a ellos.
· Infravaloración de los recursos necesarios para la captura, carga y almacenamiento de los
datos.
· Infravaloración del esfuerzo necesario para su diseño y creación.
· Incremento continuo de los requerimientos de los usuarios.
· Subestimación de las capacidades que puedebrindar la correcta utilización del DWH.
20. Inteligencia de Negocios - Datawarehouse - Automatización
¿Que es? Beneficios
Un almacenamiento de datos bien implementado proporciona la base que permite a la
inteligencia de negocios, transformar los datos en información utilizable y procesable
para su negocio.
La automatización de almacenamiento de datos (DWA) es una tecnología y un enfoque
diseñados para crear datawarehouses de manera eficiente.
Reduce los recursos, los costes y el riesgo del proyecto mediante la automatización de
todo el ciclo de vida del datawarehouse.
Actividades:
• Escribir código SQL a mano
• Realización de ciclos de control de calidad
• Asignación manual de datos
• Documentación exhaustiva
· Automatiza la creación de código SQL.
· Elimina la entrada manual de datos.
· Crea una visión compartida entre los usuarios empresariales y TI.
· Mitiga el riesgo.
· Ofrece un tiempo de valor rápido.
· Cumple con las expectativas de los usuarios.
21.
22.
23.
24.
25.
26. Inteligencia de Negocios - Integración de datos - Productos Gestores de bases de datos Analiticas
- Mundo
Recopilación de datos Fuentes externas de datos / Fuentes internas de datos