Bi final

FACULTAD DE
INGENIERIA Y NEGOCIOS
ESCUELA DE INGENIERIA
INTELIGENCIA DE NEGOCIOS
INTEGRANTES
Carlos Elmes
Jonathan Campos
Esteban Gonzales
DOCENTE
Erwin Fischer Angulo
CURSO - SECCION
Fundamentos de Sistemas Inteligentes: ACI 710 - 101 (NRC-9754)
FECHA
06 de Julio de 2013

2
FACULTAD DE
Índice
Introducción........................................................................................................................................ 3
Historia del Bussines Inteligence......................................................................................................... 4
Definición de Bussines Intelligence..................................................................................................... 5
Niveles de Realización de BI (Herramientas de Explotación).............................................................. 7
Ventajas y desventajas de BI............................................................................................................... 8
Análisis de Mercado de BI................................................................................................................. 10
Tipos de productos y ejemplos de BI ................................................................................................ 12
Conceptos y soluciones integrales (herramientas) BI....................................................................... 12
Bases de Datos Operacionales OLTP................................................................................................. 15
ETL Extraer, Transformar y Cargar-Poblar......................................................................................... 15
Data Warehouse DWH...................................................................................................................... 17
Data Marts......................................................................................................................................... 19
Tecnologías OLAP (On-Line Analytical Processing) ........................................................................... 20
Minería de Datos............................................................................................................................... 21
Conclusión......................................................................................................................................... 24
Referencias…………………………………………………………………………………………………………………………………..25
Anexo1…………………………………………………………………………………………………………………………………………26

3
FACULTAD DE
Introducción
A partir de los años 90’s la Inteligencia de negocio o Bussines Intelligence, han ido
evolucionando constantemente y en muchas direcciones, producto del crecimiento
exponencial de la información y las nuevas tecnologías que han permitido que el
BI se desarrolle de manera íntegra.
La tecnología de BI ha encontrado lugar en dos niveles primaros dentro de las
organizaciones uno es entre los altos ejecutivos, para quienes es de vital
importancia obtener información estratégica y también entre los administradores
de la línea de negocios quienes son los responsables del análisis táctico.
Desde los años 90’s las tecnologías de Bussines Inteligence han evolucionado
dramáticamente y muchas empresas han empezado a invertir en estas nuevas
tecnologías pero la pregunta es ¿Por qué las empresas realizan estas
inversiones? ¿Cuál es la importancia de estas tecnologías? ¿Qué es la
inteligencia de negocio (BI)? Estas son algunas de las respuestas a las que
responderá este documento.

4
FACULTAD DE
Historia del Bussines Inteligence
Es importante saber que la inteligencia de negocios tiene sus principios en el siglo
XIX, uno de los primeros hitos que dio paso al desarrollo de la Inteligencia de
Negocios fue la aparición del concepto de bases de datos (CODD) en 1969.
Después de la creación del concepto de las bases de datos en 1970 se crearon
las primeras bases de datos y también aparecieron las primeras aplicaciones
empresariales (SAP, JD Edwards, Sibel, PeopleSoft). Estas aplicaciones
permitieron realizar lo que se conoce como “Data Entry” en los sistemas,
aumentando la información disponible, sin embargo, no fueron capaces de ofrecer
acceso fácil y rápido a la información por lo cual no era lo suficientemente eficiente
a la hora de generar reportes o tomar decisiones. A mediados de 1980 se creó un
nuevo concepto llamado “Datawarehouse”i
(Ralph Kimball, Bill Inmon), y
aparecieron los primeros sistemas de reporting. A pesar de todo seguía siendo
complicado y funcionalmente pobre. Existían relativamente potentes sistemas de
bases de datos pero no existían aplicaciones que facilitaran su explotación.
En el año 1989 aparece el primer concepto de Inteligencia de negocio por Howrd
Dresner, y en el año 1990 aparece Bussines Intelligence 1.0. Proliferación de
múltiples aplicaciones de BI. Estos proveedores resultaban caros pero facilitaron el
acceso a la información, y en cierto modo agravaron los problemas que pretendían
resolver.
En el año 2000 apareció Bussines Intelligence 2.0. Consolidación de las
aplicaciones de Bi en unas pocas plataformas como Oracle, SAP, IBM,, Microsoft.
A partir de la información estructurada se empieza a considerar otro tipo de
información y documentación no estructurada.
En los últimos años y con los grandes avances en las tecnologías de la
información las plataformas de BI se han convertido en herramientas
fundamentales para la gran mayoría de las empresas a nivel mundial tanto para
las pequeñas y medianas empresas como también para las grandes empresas y
compañías como lo podemos observar en la figura 1.0.

5
FACULTAD DE
Definición de Bussines Intelligence
Las aplicaciones de Inteligencia de Negocios o Bussines Intelligence (BI) son
herramientas de soporte de decisiones que permite a las empresas el análisis, la
manipulación de información crítica y el acceso interactivo a la información en
tiempo real. El fin de estas aplicaciones es proporcionar a los usuarios un mayor
entendimiento de la información que les permita identificar las oportunidades y los
problemas de os negocios. Con estas herramientas y con la información que
proveen los usuarios son capaces de acceder y apalancar una vasta cantidad de
información y analizar sus relaciones para entender las tendencias que apoyan las
decisiones de las empresas y negocios. Estas herramientas previenen una
potencial perdida de conocimientos dentro de una empresa que resulta de una
acumulación masiva de la información que no es fácil de leer o de usar.
La Inteligencia de negocios es una arquitectura y una colección de herramientas
que buscan mejorar a las organizaciones, proporcionando información relevante
para las distintas áreas que componen la empresa, proporcionando vistas y
aspectos de negocios para cada uno de los empleados ya sea a nivel táctico,
estratégico u operacional para que puedan tomar decisiones de la manera más
eficiente para potenciar las capacidades de la empresa con la mayor cantidad de
información disponible.
La base y objetivo de los sistemas de Inteligencia de negocios es la entrega
oportuna de información, además esta información debe ser correcta y relevante
para el sujeto que quiere usarla, es decir no solo la información debe ser correcta
si no también la persona a quien se le entrega.

6
FACULTAD DE
Un sistema de BI esta compuesto por una arquitectura y una colección de
aplicaciones operacionales y de soporte de decisiones con bases de datos
relacionales que proporcionan a los usuarios de la organización un fácil y rápido
acceso a los datos de la organización.
Como se ha mencionado anteriormente las principales características de un
sistema de Inteligencia de negocios son:
1) Accesibilidad de la información: los datos son la fuente principal de este
concepto. Lo primero que deben garantizar este tipo de herramientas y
técnicas será l acceso de los usuarios a los datos independencia de la
procedencia de estos.
2) Apoyo en la toma de decisiones: Se busca ir más allá en la presentación de
la información, de manera que los usuarios tengan acceso a herramientas
de análisis que les permitan seleccionar y manipular solo aquellos datos
que les interese.
3) Orientación al usuario final: Se busca independencia entre los
conocimientos técnicos de los usuarios y sus capacidades para utilizar
estas herramientas.

7
FACULTAD DE
Niveles de Realización de BI (Herramientas de Explotación)
Según el nivel de complejidad se pueden clasificar las soluciones de Bussines
Intelligence en:
1) Consultas de Informes Simples (Query Reports): son herramientas que nos
permiten realizar consultas o informes para obtener información sobre los
datos. Entre estos se encuentran el entorno transaccional a nivel de bases
de datos, entorno de Datawarehouse.
2) Cubos OLAP (On-Line Analytic processing): exploración, tablas dinámicas,
etc…
3) EIS: Solución que permite visualizar de una forma rápida y fácil el estado de
una determinada situación empresarial, presente o pasada, y que permite
detector anomalías u oportunidades.
4) DSS: Aplicación informática que basándose en modelos matemáticos y
mediante análisis de sensibilidad permite ayudar a la toma de decisiones.
5) Data Minding o Minería de datos: Pueden considerarse sistemas expertos
que nos permiten interrogar a los datos para obtener información.
6) KMS: Nuevas tecnologías para la gestión del conocimiento y su integración
en una única plataforma.
En definitiva una solución de BI completa, que utiliza estos elementos
mencionados anteriormente nos permite observar que es lo que está ocurriendo,
comprender el por qué ocurre, predecir porqué ocurre, colaborar, es decir, que
debe hacer el equipo y decir que camino es el que se debe seguir.

8
FACULTAD DE
Ventajas y desventajas de BI
Las principales ventajas que proporciona la integración del BI en las empresas y
organizaciones son las siguientes:
1) Información concisa y relevante en tiempo real.
2) Ayuda a la toma de decisiones
3) Ventajas competitivas frente al mercado.
4) Generación de Informes tácticos, técnicos y operacionales.
5) Facilita las gestiones administrativas de las empresas.
6) Muestra el estado real de la empresa en todo momento.
Retos y Desventajas de BI
Las principales desventajas que tiene la inteligencia de negocios son:
1) Requiere de una gran inversión, dado que la construcción correcta de estos
sistemas no es una tarea sencilla y se consumes muchos recursos, de los
tres niveles principales de las organizaciones, estos recursos son:
Económicos, Humanos y materiales (equipos de última generación).
2) No solo es capacitar los recursos humanos para que usen de forma
adecuada las herramientas proporcionadas, sino que también se ven
afectados los recursos económicos para obtener infraestructura acorde con
las herramientas esto implica tecnología de última generación y por ende
muy costosa, adema se debe tener claro que los recursos tecnológicos en
ocasiones no permiten un adecuado uso o bien los resultados no son los
esperados ya que habrán de ser sometidos al máximo rendimiento de sus
funciones.
3) Ya que las tecnologías están inmersas en un también que está
evolucionando y cambiando constantemente en proporciones aceleradas
producto de las nuevas tendencias, nuevos proveedores y su amplio
mercado existe un alto riesgo a la hora de adquirir los recursos tecnológicos
necesarios ya que lo más caro no siempre es lo más conveniente no lo
mejor.

9
FACULTAD DE
4) La implementación implica desde la adquisición de herramientas de
consultas y análisis hasta la capacitación de o los usuarios y operarios
encargados de la utilización del sistema, lo cual implica que las empres no
quieren correr el riesgo que los operarios del sistema migren a otras
organizaciones con los conocimientos adquiridos y que el conocimiento
gestado pierda calidad y privacidad.
5) A la hora de la implementación existe una fuerte resistencia al cambio por
parte de los operarios y usuarios del sistema, esto debido a las constantes
dudas que surgen como por ejemplo ¿Por qué cambiar si este sistema
funciona de forma adecuada y cómoda?
6) No existe una gestión de cuando debemos cambiar nuestro sistema de
comunicación e información, por lo cual los cambios aparentemente
sencillos y rápidos sueles ser tediosos para clientes y usuarios.

10
FACULTAD DE
Análisis de Mercado de BI
El exceso de información no es poder, sin embargo el conocimiento si, con mucha
frecuencia el tratamiento y análisis de la información y los datos generados por las
propias empresas suelen convertirse en verdaderos problemas y por lo tanto la
toma de decisiones se vuelve desesperadamente lento.
Las tecnologías de BI como lo mencionamos anteriormente sirven para mejorar la
toma de decisiones de forma rápida y eficiente para que finalmente se mejore la
consecución de objetivos de la organización. Los objetivos claves de la
Inteligencia de Negocios son incrementar la eficiencia organizacional y efectiva de
las empresas proporcionando grandes ventajas competitivas frente a al mercado y
sus competidores convirtiéndose en una herramienta fundamental para cualquier
empresa u organización. Algunas de las Tecnologías de Inteligencia de Negocios
apuntan a crear un flujo de datos dentro de la organización más rápido y
accesible. Por otro lado novedosas tecnologías de BI toman un enfoque más
agresivo redefiniendo los procesos existentes con otros nuevos, mucho más
estilizados que eliminan gran cantidad de procesos o crean nuevas capacidades.
En una reciente encuesta realizada por Gartner, BI fue catalogado en el número
dos en la lista de prioridades tecnológicas de los CIO para el 2005, después de
ubicarse en el lugar número dos en el año 2004.
Debido a este nuevo énfasis en BI, el mercado de herramientas de Software de BI
alrededor del mundo creció en un 7.7% en el 2004, basado en estimaciones
preliminares del mercado compuesto.
El crecimiento de 2004 fue conocido por el alto desempeño de vendedores
específicos incluyendo Cognos y Microsoft. El ranking no cambo respecto al año
2003 tal y como se esperaba. Los tres mayores vendedores de herramientas de BI
en el mercado global, según datos Gartner son los que se exponen en la tabla 1.0
Proveedor Posición en el Mercado Compartido
Bussines Objects 1
SAP Institute 2
Cognos 3

11
FACULTAD DE
En los últimos años el mercado de BI ha tenido un descenso en las ventas a nivel
mundial.
El año 2012 el mercado de BI ascendió a 13.100 millones de dólares los que
representan un crecimiento del 6.8% con respecto a los 12.300 millones de
dólares del 2011. Sin embargo, el ritmo del crecimiento desacelero
considerablemente con respecto al 17% que experimento en el año 2011.
“Aunque es una caída impresionante, está en línea con nuestros pronósticos
publicados durante el 2012”, escribieron los analistas Dan Sommer y Bhavish
Sood en el informe. Asimismo, “las condiciones macroeconómicas globales no
pueden ignorarse”, agrega el estudio. “Éstas generaron un mayor escrutinio de los
presupuestos tanto de lo nuevo como del mantenimiento en todo el espacio de TI,
y BI no fue la excepción”.ii
El rendimiento para el mercado de BI fue especialmente difícil en Europa y
América Latina el año pasado, aunque no en Medio Oriente, África y los mercados
emergentes de Asia-Pacífico, “que aún se encuentran en fase de subida”, señala
el reporte.
Mientras tanto, “la cada vez mayor confusión alrededor de los términos de moda y
sobre dónde se encuentran los beneficios tangibles, contribuyeron muy
probablemente con la desaceleración de los ciclos de ventas en BI mientras que
los administradores de los presupuestos están intentando identificar las
herramientas y el valor para el negocio”, de acuerdo a Gartner.
Más aún, el gasto en las plataformas de infraestructura BI más importantes “se
mostró plano con un crecimiento de un solo dígito” el año pasado, mientras que el
mayor gasto se realizó fuera de TI a nivel departamental, ya que las unidades de
negocio buscaban aplicaciones analíticas y herramientas de descubrimiento de
datos para sus necesidades particulares.
En términos de cuota de mercado, SAP se mantuvo en el primer lugar en la
encuesta de Gartner con alrededor de 2.900 millones de dólares en ingresos por
BI, aunque el crecimiento anual fue de solo 0,6%. Oracle se mantiene segunda
con 1.950 millones de dólares, seguida por IBM con 1.620 millones de dólares.

12
FACULTAD DE
Tipos de productos y ejemplos de BI
Las herramientas de software de BI son usadas para acceder a los datos de los
negocios y proporcionar reportes, análisis, visualizaciones y alertas a los usuarios.
La gran mayoría de las herramientas de BI son usadas por usuarios finales para
acceder, analizar y reportar contra los datos que más frecuentemente residen en
data warehouse, data marts y almacenes de datos operacionales. Los
desarrolladores de aplicaciones usan plataformas de BI para desarrollar y
desplegar aplicaciones (las cuales no son consideradas herramientas de BI).
Ejemplos de una aplicación de BI son las aplicaciones de consolidación financiera
y presupuestos.
Actualmente el mercado de herramientas de BI se encuentra constituido de dos
subsegmentos: suites de BI empresarial (EBIS, por sus siglas en inglés) y
plataformas de BI. La mayoría de las herramientas de BI, como las desarrolladas
por los vendedores mencionados en la tabla 1, son BI empresarial y plataformas
de BI. Gartner Dataquest (2005) realizó un pronóstico a cinco años, basado en
una estimación preliminar de tamaño del mercados y una revisión de los
inhibidores e impulsores, llegando a la conclusión de que el total de mercado de
herramientas de BI proyecta un crecimiento de $ 2.5 billones en 2004 a $ 2.9
billones en 2009, con una tasa de crecimiento anual de 7.4%.
Conceptos y soluciones integrales (herramientas) BI
Dentro las los conceptos y herramientas principales de la inteligencia de negocios
tenemos principalmente:
Sistemas Fuentes: Son los sistemas transaccionales que han sido
diseñados fundamentalmente para el soporte de las operaciones del
negocio como: Compras, Ventas, Almacenes, Contabilidad, etc. Estos
sistemas deben cumplir un requisito fundamental: ya deben de estar
consolidados en cuanto al registro de información de las operaciones. No
sería limitante si le carece de reportes para toma de decisiones, ya que es
ahí el vació que cubrirá la Inteligencia de Negocios adicionando módulos de
gestión para las decisiones operacionales.

13
FACULTAD DE
Bases de Datos Operacionales OLTP: Los sistemas transaccionales son los
encargados de registrar o grabar las operaciones dentro de las bases de
datos operacionales (On Line Transactional Process: OLTP). Estos datos
permiten generar los informes para la toma de decisiones a nivel
operacional. Estas bases de datos fundamentalmente lo que persiguen son
el registro de las transacciones y la consistencia de los datos.
Requerimientos Estratégicos (Plan Estratégico): Es altamente
recomendable tener definido el Plan Estratégico de la Organización. En
caso extremo no se obtenga, a partir de las entrevistas se pueden buscar:
objetivos, estrategias, indicadores de estrategias que permitan orientar el
producto a diseñar. Son bastante útiles además del plan y las entrevistas
los reportes de gestión que los tomadores de decisiones poseen para medir
su gestión.
Estos requerimientos estratégicos deberán contrastarse con la Base de
Datos Operacional, ya que muchos de ellos se obtendrán de esta fuente.
En caso no puedan ser obtenidos se recomienda re-estructurar la Base de
datos y las aplicaciones, a fin de satisfacer estos requerimientos
estratégicos.
ETL (Extraer, Transformar y Cargar-Poblar): es el componente que permite
dos cosas fundamentales:
o Integrar datos cuando se tengan distintas fuentes (diferentes
manejadores de bases de datos)
o Llevar información de las bases de datos operacionales a las bases
de datos dimensionales.
Data WareHouse (DWH): Es el gran almacén de datos que está
estructurado para analizar la información, a diferente nivel de detalle, de
todos los procesos de negocios que tiene la organización. Es la Base de
Datos llamada estratégica o multidimensional. Una vez diseñadas mediante
el ETL es poblada o llenada a partir de las Bases de Datos operacionales.
El diseño va orientado a encontrar medidas (Por ejemplo: montos vendidos,
montos cobrados, horas hombre utilizadas, etc.) y dimensiones (Clientes,
Productos, Tiempo, Organización, Servicios, etc.).
Data Marts: Constituyen una parte de un DWH. Si un DWH está formado
por todos los procesos de la organización, un Data Mart constituye un
determinado proceso. Por ejemplo podríamos tener un Data Mart para
Finanzas, otro para Logística. Pueden ser preparados a partir de un DWH o
ser elaborados independientemente.

14
FACULTAD DE
Tecnologías OLAP (On Line Analytical process): Es la tecnología que
permite aprovechar como está estructurada la información de un DataMart
o un Data WareHouse. Fundamentalmente es una tecnología que permitirá
analizar información dinámicamente a los niveles táctico y estratégico
basados en Cubos que contienen las medidas y las Dimensiones.
Minería de datos: Constituyen algoritmos avanzados (estadísticas,
inteligencia artificial) que intenta descubrir cosas ocultas en los datos
capturados a lo largo de las operaciones del negocio. Es el llamado el
descubrimiento del conocimiento y va direccionado al nivel estratégico
directamente.
Aplicaciones para soporte de decisiones: Van diseñadas para cubrir las
decisiones tácticas y estratégicas. En el mercado existen una serie de
herramientas que permiten construir estas aplicaciones, que se montan
sobre una solución OLAP o Bases de Datos transaccionales.
Sistemas de Ejecución para Ejecutivos: Son sistemas diseñados para la alta
dirección y que están basados en alertas o semáforos que indican el estado
de un determinado indicador de negocio. Este indicador se le llama KPI
(Key Performance Indicator). Estos estados están reflejados en símbolos
como un semáforo (rojo, verde, ámbar) entre otros. Generalmente son
obtenidos a partir de un Balance ScoredCard).

15
FACULTAD DE
Bases de Datos Operacionales OLTP
Las bases de datos operacionales son bases de datos orientadas al
procesamiento de transacciones. Una transacción genera un proceso atómico
(Debe ser validado con un commit, o invalidado con un rollback), puede incorporar
operaciones de inserción, modificación y borrado de datos. El proceso
transaccional es típico de las bases de datos operacionales.
Una base de datos operacional debe contener:
1) El acceso a los datos, esta optimizado para tareas frecuentes de lectura y
escritura. Por ejemplo la enorme cantidad de transacciones que deben
soportar las bases de datos de bancos o hipotecados diariamente.
2) Los datos se estructuran según el nivel aplicativo como los programas de
gestión, ERP o CRM implantados, sistemas de información departamental,
Etc.
3) Los formatos de los datos no son necesariamente uniformes en los
diferentes departamentos (es común la falta de compatibilidad y la
existencia de islas de datos).
4) El historial de datos suele limitarse a los datos actuales o recientes.
ETL Extraer, Transformar y Cargar-Poblar
Es el proceso que le permite a las organizaciones mover datos desde múltiples
fuentes, reformatearlos, limpiarlos y cargarlos en otras bases de datos.
La primera parte del ETL es la extracción de datos de los sistemas de origen,
comúnmente los datos vienen de ficheros de textos u archivos de diferentes
formatos, también pueden proceder de bases de datos con distintas estructuras y
organizaciones. La mayoría de los proyectos de almacenamiento de datos fusiona
datos provenientes de diferentes sistemas de origen.
Una parte intrínseca del proceso de extracción es el análisis de los datos
extraídos, de lo que resulta un chequeo que verifica si los datos cumplen la pauta
o estructura que se espera. De no ser así los datos se rechazan.

16
FACULTAD DE
El proceso de transformación es el encargado de definir los parámetros y reglas
requeridos por el negocio para que los datos puedan ser cargados
El proceso de carga de información es el proceso por el cual los datos obtenidos
en el proceso de transformación son cargados en los sistemas de destino.
Dependiendo de los requerimientos de la organización, este proceso puede
abarcar amplia variedad de acciones diferentes. En algunas bases de datos se
sobrescribe información antigua con nuevos datos. Los Data Warehouse
mantienen un registro de manera de que se pueda hacer una auditoria de los
mismos y disponer de un rastro de toda la historia de un valor a lo largo del
tiempo.
Existen dos formas básicas de desarrollar el proceso de carga estas son:
1) Acumulación Simple: la acumulación simple es la mas sencilla y común.
Consiste en realizar un resumen de todas las transacciones comprendidas
en el periodo de tiempo seleccionado y transportar el resultado como una
única transacción hacia el Data Warehouse, almacenando un valor
calculado que consiste típicamente en una sumatoria o un promedio de la
magnitud considerada.
2) Rolling: El proceso de Rolling por su parte, se aplica en los casos en que se
opta por mantener varios niveles de granularidad. Para ello se almacena
información resumida a distintos niveles, correspondientes a distintas
agrupaciones de la unidad de tiempo o diferentes niveles jerárquicos en
alguna o varias de las dimensiones de la magnitud almacenada (por
ejemplo totales diarios, totales semanales, totales mensuales, etc.).
La fase de carga interactúa directamente con la base de datos de destino. AL
realizar esta operación se aplicaran todas las restricciones y triggers (disparos)
que se hayan definido en esta. Estas restricciones y trigger si están bien definidos
contribuyen a que se garantice la calidad de los datos en el proceso ETL y deben
ser tenidos en cuenta.

17
FACULTAD DE
Data Warehouse DWH
Un almacén de datos es una colección de datos orientados a un determinado
ámbito (empresarial, organizacional, etc.), integrado, no volátil y variable en el
tiempo, que ayuda a la toma de decisiones en la entidad en la que se utiliza.
Los principales objetivos fundamentales de Data Warehouse son:
Hacer que la información de la organización sea accesible: Los contenidos
de Data Warehouse son entendibles, navegables y el acceso a ellos son
caracterizados por el rápido desempeño. Estos requerimientos no tienen
fronteras y tampoco limites fijos. Cuando se habla de entendibles quiere
decir que la información sea correcta y coherente. Cuando se habla de
navegables significa el reconocer el destino en la pantalla y llegar donde
queremos con un solo clic. El rápido desempeño, significa, que los tiempos
de espera deben tener una tendencia a cero. Todo lo demás es un
compromiso y por consiguiente algo que queremos mejorar.
Hacer que la información de la organización de la organización sea
consistente: La información de una parte de la organización puede hacerse
coincidir con la información de la otra parte de la organización. Si dos
medios de la organización tienen el mismo nombre, entonces deben
significar la misma cosa. Y a la inversa, si dos medidas no significan la
misma cosa, entonces son etiquetados diferentes. Información consistente
significa información de alta calidad. Significa que toda la información es
contabilizada y completa.
Es información adaptable y elástica: El data Warehouse está diseñado para
cambios continuos. Cuando se le hacen nuevas preguntas al Data
Warehouse, los datos existentes y las tecnologías, no cambian ni se
corrompen. El diseño de Data Marts separados que hacen al Data
Warehouse, deben ser distribuidos e incrementados.
Es un seguro baluarte que protege los valores de la información: El Data
Warehouse no solamente controla el acceso efectivo a los datos, si no que
da a los dueños de la información gran visibilidad en el uso y abuso de los
datos, aun después de haber dejado el Data Warehouse.
Es la función de la toma de decisiones: el Data Warehouse tiene los datos
correctos para soportar la toma de decisiones. Solo hay una salida
verdadera del Data Warehouse: las decisiones que son hechas después de
que el Data Warehouse haya presentado las evidencias. La etiqueta original

18
FACULTAD DE
que preside en el Data Warehouse sigue siendo la mejor descripción de lo
que queremos construir, un sistema de soporte a las decisiones.
Los principales elementos de un Data Warehouse son:
Sistemas fuentes: sistemas operacionales de registros donde sus funciones
son capturar las transacciones del negocio. A los sistemas fuentes también
se les conoce como Legacy System.
Área de tráfico de Datos: es un área de almacenamiento y grupo de
procesos, que limpian transforman, combinan, remueven los datos
duplicados, guardan, archivan y presentas los datos fuentes para ser
usados en la Data Warehouse.
Servidor de presentación: la maquina física objetiva en donde los datos del
Data Warehouse son organizados y almacenados para ser usados por los
usuarios finales, reportes y otras aplicaciones.
OLAP: Actividad general de búsqueda para presentación de texto y número
de Data Warehouse, también un estilo dimensional especifico de búsqueda
y presentación de información y que es ejemplificada por vendedores de
OLAP.
ROLAP: un grupo de interfaces de usuarios y aplicaciones que le dan a la
base de datos relacional un estilo dimensional.
MOLAP: un grupo de interfaces de usuario, aplicaciones y propietarios de
tecnologías de bases de datos que tienen un fuerte estilo dimensional.
Aplicaciones para usuarios finales: una colección de herramientas que
haces las Querys, analizan y representan la información objetivo para el
soporte de decisiones del negocio.
Herramientas de acceso a datos por usuarios finales: Un cliente de Data
Warehouse.
Ad Hoc Query Tool: un tipo especifico de herramientas de acceso a datos
por usuarios finales que invita al usuario a formar sus propias query,
manipulando directamente las tablas relacionales y sus uniones.
Moldeamiento de aplicaciones: Un sofisticado tipo de cliente de Data
Warehouse con capacidades analíticas que transforma o dirige las salidas
de Data Warehouse.
Meta Data: Toda la información en el ámbito de Data Warehouse que son
así mismo los datos actuales.

19
FACULTAD DE
Data Marts
Es una versión especial de un Data Warehouse. Son subconjuntos de datos con el
propósito de ayudar a un área especifica dentro del negocio pueda tomar mejores
decisiones.
El Data Mart a diferencia del Data Warehouse está diseñado para cubrir
necesidades de un grupo de trabajo o de un determinado departamento dentro de
la organización, en cambio, el ámbito de un Data Warehouse es el organismo en
su conjunto. Se caracteriza por disponer de un estructura optima de los datos para
analizar la información al detalle desde rodas las perspectivas que afectan a los
procesos de dicho departamento.
Supone una buena opción para pequeñas y medianas empresas que no puedan
afrontar el costo de poner en marcha un Data Warehouse. La escalabilidad de los
Data Marts hacia el Data Warehouse puede ser una solución si el número de
Marts aumenta considerablemente.
Existen dos tipos de Data Marts:
1) Data Marts Dependientes: Los datos que se utilizan para poblar el Data
Marts provienen del Data Warehouse. Esta estrategia es particularmente
apropiada cuando el data Warehouse crece muy rápidamente y los distintos
departamentos requieren solo una péquela porción de los daros contenidos
en él.
2) Data Marts Independientes: Los datos que se utilizan para poblar el Data
Marts provienen de los sistemas operacionales y/o fuentes existentes.
Existen sin embargo las siguientes problemáticas:
- El hecho de tener varios Data Marts, sin ningún tipo de
integración, que puede hacer que las tareas de administración y
mantenimiento se conviertan en un lastre.
- Se puede dar el caso de que algunas Data Marts necesiten los
mismos datos para dar respuesta a determinadas preguntas, por
lo que tenemos redundancia de datos, ya que cada Data Marts se
alimenta con sus procesos de extracción y trasformación propios.

20
FACULTAD DE
Tecnologías OLAP (On-Line Analytical Processing)
Es un concepto utilizado en la inteligencia de negocios y su objetivo principal es
agilizar las consultas de grandes volúmenes de datos. Para ello utiliza estructuras
multidimensionales (o Cubo OLAP) quienes contienen datos resumidos de
grandes bases de datos o Sistemas Transaccionales (OLTP). Se usa en informes
de negocios de ventas, marketing, informes de dirección, minería de datos y áreas
similares.
OLAP no es más que acceder a la información utilizando un lenguaje natural.
Existen varias tecnologías OLAP pero básicamente todas asen las mismas
acciones sobre la información estas son:
1) Segmentar: Es como cuando pides las ventas por productos o por
trimestres.
2) Filtrar: Cuando pides el informe de ventas de una sucursal el 2012.
3) Profundizar (Drill Down): Cuando pides el desglose del trimestre 2 y te
interesa el desglose de abril, mayo y junio.
4) Sintetizar (Drill Up): Desase el glose anterior y vuelve al desglose por
trimestre.
5) Rotar (Drill Anywhere): Cuando en lugar de pasar de un desglose por
trimestre a uno mensual, te interesa un desglose por familia de productos, o
por nacionalidad, es decir, por una característica de una jerarquía distinta a
la que lo estás viendo actualmente.
Lo relevante del análisis OLAP es que te permite navegar fisilmente por la
información, solicitándola con el detalle preciso y con filtros adecuados, que
puedes hacerlo de manera dinámica, fácil, ad hoc, sobre la marcha, sin necesitar
asistencia, rápido y sin la necesidad de usar un lenguaje de negocios.
Existen 3 herramientas de OLAP estas son:
1) ROLAP: Implementación OLAP que almacena los datos en un motor
relacional. Típicamente, los datos son detallados, evitando las agregaciones
y las tablas se encuentran desnormalizadas. Los esquemas más comunes
sobre los que se trabaja son estrella o copo de nieve, aunque es posible
trabajar sobre cualquier base de datos relacional. La arquitectura está
compuesta por un servidor de banco de datos relacional y motor OLAP se
encuentra en un servidor dedicado. La principal ventaja de esta arquitectura
es que te permite el análisis de una enorme cantidad de datos.

21
FACULTAD DE
2) MOLAP: Esta implementación OLAP almacena los datos en una base de
datos multidimensional. Para optimizar los tiempos de respuesta, el
resumen de la información es usualmente calculada por adelantado. Estos
valores pre calculados o agregaciones son la base de las ganancias de
desempeño de este sistema. Algunos sistemas utilizan técnicas de
comprensión de datos para disminuir el espacio almacenado en el disco
debido los valores recalculados.
3) HOLAP: Almacena algunos datos en un motor relacional y otros en un base
de datos multifuncional.
Minería de Datos.
La minería de datos es tal vez uno de los puntos más importantes de la
inteligencia de negocios de después del Data WareHouse y la base de datos. La
minería de datos es un proceso por el cual podemos obtener información de una
colección de datos. La minería de datos utiliza un conjunto de análisis
matemáticos y estadísticos para deducir los patrones y tendencias que existen en
los datos. Normalmente no se puede detectar mediante la exploración tradicional
de los datos porque son demasiado complejas o simplemente porque hay
demasiados datos.
Estos patrones y tendencias se pueden recopilar y definir como un modelo de
minería de datos. Los modelos de datos se pueden aplicar en escenarios como los
siguientes:
Pronostico: Calculo de las ventas y predicción de las cargas de servidor o
tiempo de inactividad del servidor.
Riesgo y probabilidad: Elección de los mejores clientes para la distribución
de correo directo, determinación del punto de equilibrio probable para
escenarios de riesgo, y asignación de probabilidades a diagnostico.
Un proceso de minería de datos consta de los siguientes pasos generales:
1) Selección del conjunto de datos, tanto al que se refiere a las variables
objetivas que son aquellas que se quieren predecir, calcular o inferir, como
también a las variables independientes que son las que sirven para hacer el

22
FACULTAD DE
cálculo o proceso, como posiblemente al muestreo de los registros
disponibles.
2) Análisis de las propiedades de los datos, en especial los histogramas,
diagramas de dispersión, presencia de valores atípicos y ausencia de datos
(valores nulos).
3) Transformación del conjunto de datos de entrada, se realiza de diversas
formas en función del análisis previo, con el objetivo de prepararlos para
aplicar la técnica minería de datos que mejor se adapte a los datos, a este
paso también se le conoce como preprocesamiento de los datos.
4) Seleccionar y aplicar la técnica de minería de datos, se construye el modelo
predictivo, de clasificación o segmentación.
5) Atracción de conocimiento, mediante una técnica de minería de datos, se
obtiene un modelo de conocimiento, que representa patrones de
comportamiento observado en los valores de las variables del problema o
relaciones de asociación entre dichas variables. También pueden usarse
varias técnicas a la vez para genere distintos modelos, aunque
generalmente cada técnica obliga a un preprocesamiento diferente de
datos.
6) Interpretación y evaluación de datos, una vez obtenido el modelo, se debe
proceder a su validación comprobando que las conclusiones que arroja son
validas y suficientemente satisfactorias. En el caso de haber obtenido varios
modelos mediante el uso de distintas técnicas, se deben comparar los
modelos en busca de aquel que se ajuste mejor al problema. Sin ninguno
de los modelos alcanza los resultados esperados, debe alterarse alguno de
los pasos anteriores para generar nuevos modelos.
Si el modelo no supera la evaluación y si el experto lo considera oportuno el
proceso podría repetirse desde el principio.
Una vez validado el modelo, si los resultados son aceptables, el modelo ya está
listo para su explotación. Los modelos obtenidos por las técnicas de minería de
datos se aplican incorporándolos en los sistemas e análisis de la información de
las organizaciones, e incluso, en los sistemas transaccionales.
El siguiente diagrama describe las relaciones existentes entre cada paso del
proceso.

23
FACULTAD DE
Un ejemplo habitual de negocios que utilizan minería de datos son los
supermercados y las empresas de retail quienes estudian el comportamiento de
sus clientes para ofrecer nuevos productos u ofertas, mediante el análisis de la
información historia de los clientes y aplicando técnicas de minería de datos son
capaces de descubrir patrones de comportamientos en los clientes, de esta
manera a la hora de ofrecer un producto en vez de enviarle sus ofertas a todos
sus clientes, solo se enfocan en aquellos que predicen que tendrán una respuesta
positiva frente al ofrecimiento.
En los supermercados es muy común encontrar en los sectores de bebestibles
cosas como maní, papas fritas, suflés, etc. Esto debido que se han descubierto
patrones que indican que los clientes luego de comprar algún bebestible también
compra maní o papas fritas, esta información se obtiene de las transacciones
realizadas (análisis de boletas y facturas).

24
FACULTAD DE
Conclusión
En la actualidad las herramientas de Inteligencia de negocios se han convertido en
piezas fundamentales para las organizaciones a la hora de tomar decisiones y
formular estrategias en el mercado.
Con el paso del tiempo y los avances de las tecnologías de la información las
herramientas de inteligencia de negocios han ido cambiando y mejorando
constantemente, sin embargo aun hay procesos que deben seguir mejorando y
evolucionando para que puedan entregar mejores informes para la toma de
decisiones. Uno de los grandes desafíos de la inteligencia de negocios son sus
altos costos y la disminución de tiempos.
Con las capacidades analíticas de la inteligencia de negocios una empresa puede
marcar la brecha entre el éxito y el fracaso frente a las tendencias del mercado ya
que si bien la información y los datos no son el poder, el conocimiento si lo es, con
la inteligencia de negocios se pueden explotar los datos históricos para obtener
conocimientos y lograr predecir las nuevas tendencias de los mercados.
i
Datawarehouse es un repositorio de datos de muy fácil acceso, que es alimentado por numerosas fuentes, transformadas en grupos
de información sobre temas específicos de negocios, para permitir nuevas consultas, análisis, reportes y decisiones.
ii
http://www.computerworld.es/business-intelligence/el-crecimiento-del-mercado-de-business-intelligence-
se-freno-en-2012

25
FACULTAD DE
Referencias
 “Introducción al Business Intelligence “, AUTOR:Jordi Conesa Caralt
(coord.), Josep Curto Díaz , número de páginas:238.
 “History of Business Intelligence” , Microsoft Business Intelligence,
http://www.youtube.com/watch?v=_1y5jBESLPE
 http://es.scribd.com/doc/963002/Inteligencia-de-negocios
 http://www.sinnexus.com/business_intelligence/
 http://www.buenastareas.com/ensayos/Concepto-De-Dato-e-
Informaci%C3%B3n/961662.html
 http://www.baquia.com/posts/2011-11-07-la-inteligencia-de-negocios-y-la-
direccion-general
 http://www.google.cl/url?sa=t&rct=j&q=&esrc=s&source=web&cd=8&ved=0
CGcQFjAH&url=http%3A%2F%2Fcibertec.googlecode.com%2Ffiles%2FInt
eligencia%2520de%2520Negocios%2520Teor%25C3%25ADa.pdf&ei=cab
RUeOGNOb7igLmw4C4Dg&usg=AFQjCNH5keZ5V3dhOjJhXcupcpuM2Ir9D
g&sig2=3FH0u0amPR3J5uFRxLG51Q&bvm=bv.48572450,d.cGE&cad=rja
 http://www.slideshare.net/hugoces/inteligencia-de-negocios-business-
intelligence
 http://www.sonda.com/business-intelligence/#
 http://www.computerworld.es/business-intelligence/el-crecimiento-del-mercado-de-
business-intelligence-se-freno-en-2012
 “Almacén de datos” :
https://es.wikipedia.org/wiki/Almac%C3%A9n_de_datos

26
FACULTAD DE
Anexo1
Diapositiva 1
BUSSINES
INTELLIGENCE
JONATHAN CAMPOS
ESTEBAN GONZALES
CARLOS ELMES
1
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva 2
CONTENIDOS
• INTRODUCCIÓN
• IMPORTANCIA DE B.I. EN LAS
EMPRESAS
• ANÁLISIS DE MERCADO
• ¿QUÉ ES B.I.?
• DEFINICIONES Y CONCEPTOS
2
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

27
FACULTAD DE
Diapositiva 3
CONTENIDOS
• METODOLOGÍA Y
MODELAMIENTO
• ALGUNOS SISTEMAS DE B.I.
• HERRAMIENTAS DE B.I.
3
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva 4
CONTENIDOS
• COMPONENTES DE BI
– SISTEMAS FUENTES
– BASES DE DATOS OPERACIONALES
OLTP
– REQUERIMIENTOS ESTRATÉGICOS
– ETL (EXTRAER, TRANSFORMAR,
CARGAR-POBLAR)
– DATA WAREHOUSE (DWH)
4
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

28
FACULTAD DE
Diapositiva 5
CONTENIDOS
– DATA MARTS
– TECNOLOGÍAS OLAP (ONLINE LINE
ANALYTICALS )
– MINERÍA DE DATOS
– APLICACIÓN PARA SOPORTE DE
DECISIONES
– SISTEMAS INFORMÁTICOS PARA
EJECUTIVOS
– CONCLUSIONES
5
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva 6 INTRODUCCIÓN A LA
6
– PODRÍAMOS DECIR QUE:
– INTELIGENCIA= APLICA RESOLVER Y
TOMAR DECISIONES
– DECISIONES: SON TOMADAS POR LAS
PERSONAS
– PODRÍAMOS DECIR QUE:
– INTELIGENCIA + INFORMACIÓN =
DECISIONES CORRECTAS
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

29
FACULTAD DE
Diapositiva 7 INTRODUCCIÓN A LA
7
– LA INFORMACIÓN PROVEE RESPUESTAS.
– LA INFORMACIÓN PERMITE A LAS
PERSONAS TOMAR DECISIONES.
– DATOS: SON LOS HECHOS QUE DESCRIBEN
SUCESOS Y ENTIDADES.
– INFORMACIÓN: ES AQUEL CONJUNTO DE
DATOS SIGNIFICATIVOS PARA UN USUARIO
INTERESADO y PREPARADO PARA
ENTENDERLOS.
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva 8
UN POCO DE HISTORIA
1969 CONCEPTO
DE BASES DE
DATOS.
1970 CREACIÓN DE LA
PRIMERA BASE DE
DATOS Y
APLICACIONES
EMPRESARIALES
8
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

30
FACULTAD DE
Diapositiva 9
UN POCO DE HISTORIA
1980 CONCEPTO
DE DATA
WAREHOUSE
1989 INTRODUCCIÓN
DE CONCEPTO DE
BUSSINES
INTELLIGENCE
9
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva
10
UN POCO DE HISTORIA
1.990 APARECE
BUSSINES
INTELLIGENCE
1.0
2.000 APARECE
BUSSINES
INTELLIGENCE 2.0
10
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

31
FACULTAD DE
Diapositiva
11
IMPORTANCIA DE BI
– DISMINUYE LA CARGA DE TRABAJO
A LA HORA DE TOMAR DECISIONES
– AYUDA A LA TOMA DE DECISIONES
MÁS EFICIENTES
– AYUDA A LA GENERACIÓN DE
INFORMES EN LA EMPRESA Y A LA
TOMA DE DECISIONES EN TIEMPOS
MÁS CORTOS
11
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva
12
IMPORTANCIA DE B.I.
– GENERA VENTAJAS
COMPETITIVAS.
– AYUDA A LA MEJORA
DE COMUNICACIÓN
ENTRE
DEPARTAMENTOS .
– PERMITE LA MEJORA
DE PRODUCTOS O
SERVICIOS.
12
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

32
FACULTAD DE
Diapositiva
13
ANÁLISIS DE MERCADO
EN EL AÑO 2011 EL
MERCADO DE B.I.
AUMENTÓ EN UN 17%
OBTENIENDO INGRESOS
DE ALREDEDOR DE 13.100
MILLONES DE DÓLARES.
EN LOS ÚLTIMOS AÑOS B.I.
ENCABEZA EL NÚMERO 2 DE LA
LISTA DE PRIORIDADES DE LAS
EMPRESAS Y GERENTES DE
INFORMÁTICA.
13
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva
14
ANÁLISIS DE MERCADO
PESE AL CONSTANTE CRECIMIENTO
EN 2012 TUVO UNA DECADENCIA
DEL 6.8% CON UTILIDADES DE
APROXIMADAMENTE 12.300
MILLONES DE DÓLARES.
14
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

33
FACULTAD DE
Diapositiva
15
¿QUÉ ES BUSSINES
INTELLIGENCE?
15
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva
16
BUSSINES INTELLIGENCE
ES UN CONJUNTO DE
HERRAMIENTAS, SISTEMAS Y
TECNOLOGÍAS ENFOCADAS A
LA TOMA DE DECISIONES DE
UNA EMPRESA.
16
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

34
FACULTAD DE
Diapositiva
17
BUSSINES INTELLIGENCE
ABARCA EL FUNCIONAMIENTO ACTUAL
DE LA EMPRESA, BIEN COMO LA
ANTICIPACIÓN DE ACONTECIMIENTOS
CON EL FIN DE RESPALDAR EL
CONOCIMIENTO PARA LA TOMA DE
DECISIONES. 17
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva
18
¿PARA QUÉ SIRVE B.I.?
PROVEE A SOLUCIONES QUE
PERMITEN A LOS
TOMADORES DE DECISIONES
TRANSFORMAR
INFORMACIÓN CLAVE DE
SUS NEGOCIOS EN
ACCIONES CONCRETAS
TRADUCIÉNDOLAS EN
BENEFICIOS.
18
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

35
FACULTAD DE
Diapositiva
19
¿QUÉ PROPORCIONA?
INFORMACIÓN
CORRECTA
TIEMPO
OPORTUNO
PERSONA
CORRECTA
19
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva
20
MODELO DE BI
20
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

36
FACULTAD DE
Diapositiva
21
COMPONENTES DE BI
21
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva
22
SISTEMAS FUENTES
SISTEMAS TRANSACCIONALES
DISEÑADOS PARA SOPORTE
DE OPERACIONES DE
NEGOCIOS COMO COMPRAS,
VENTAS, ALMACENES,
CONTABILIDAD, ETC.
22
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

37
FACULTAD DE
Diapositiva
23
BASES DE DATOS
OPERACIONALES OLTP
• REGISTRAN Y GRABAN LAS
TRANSACCIONES Y OPERACIONES
DENTRO DE LAS BASES DE DATOS
OPERACIONALES
23
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva
24
REQUERIMIENTOS
ESTRATÉGICOS
SE DEBE TENER DEFINIDO EL
PLAN ESTRATÉGICO DE LA
EMPRESA.
24
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

38
FACULTAD DE
Diapositiva
25
ETL
EXTRAER, TRANSFORMAR Y
CARGAR-POBLAR
INTEGRA DATOS CUANDO SE
OBTIENEN DE DIFERENTES
FUENTES 25
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva
26
ETL
LLEVA INFORMACIÓN DE LAS BASES
DE DATOS OPERACIONALES A LAS
BASES DE DATOS DIMENSIONALES
26
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

39
FACULTAD DE
Diapositiva
27
DATA WAREHOUSE
• UN GRAN ALMACÉN DE DATOS
QUE ESTA ESTRUCTURADO
PARA ANALIZAR INFORMACIÓN
27
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva
28
DATA WAREHOUSE
• ES LA BASE DE DATOS
LLAMADA ESTRATÉGICA O
MULTIDIMENSIONAL
28
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

40
FACULTAD DE
Diapositiva
29
DATA MARTS
• CONSTITUYE UNA PARTE DE
DWH.
• SI EL DWH ESTÁ COMPUESTO
POR TODOS LOS PROCESOS DE
LA ORGANIZACIÓN EL DATA
MARTS CONSTITUYE UN
DETERMINADO PROCESO.
29
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva
30
DATA MARTS
• EJEMPLO UN DATAMARTS PARA
FINANZAS, LOGÍSTICA,
PRODUCCIÓN, RRHH, ETC.
30
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

41
FACULTAD DE
Diapositiva
31
TECNOLOGÍA OLAP
• ONLINE ANALYTICAL
PROCESSING
• TECNOLOGÍA QUE PERMITE LA
EXPLORACIÓN DE DATOS EN
DIFERENTES PUNTOS DE
VISTA O DIMENCIONES.
31
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva
32
TIPOS DE OLAP
• OLAP RELACIONAL (ROLAP)
– PROPORCIONA LA
FUNCIONALIDAD ANALÍTICA A
LAS BASES DE DATOS
RELACIONALES
32
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

42
FACULTAD DE
Diapositiva
33
TIPOS DE OLAP
• OLAP MULTIFUNCIONAL(MOLAP)
– PROPORCIONA LA FUNCIONALIDAD
ANALÍTICA A LAS BASES DE DATOS
MULTIDIMENCIONALES, TENIENDO
DOS NIVELES UNO DIMENSIONAL Y
OTRO ANALÍTICO.
33
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva
34
TIPOS DE OLAP
• OLAP HÍBRIDO(HOLAP)
– MEZCLA DE ROLAP Y MOLAP
ALMACENA UNA PARTE DE LOS
DATOS DE MOLAP Y OTRA DE
ROLAP.
34
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

43
FACULTAD DE
Diapositiva
35
TIPOS DE OLAP
35
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva
36
MINERÍA DE DATOS
• CONSTITUYE ALGORITMOS
AVANZADOS (ESTADÍSTICOS Y
DE INTELIGENCIA ARTIFICIAL)
QUE INTENTAN DESCUBRIR
COSAS Y PATRONES
OCULTOS EN LOS DATOS
CAPTURADOS.
36
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

44
FACULTAD DE
Diapositiva
37
MINERÍA DE DATOS
• DIRECCIONADO
DIRECTAMENTE AL NIVEL
ESTRATÉGICO
37
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva
38
CONCEPTOS DE
MINERÍA DE DATOS
• PRONÓSTICO
• RIESGO Y PROBABILIDAD
• RECOMENDACIONES
• BÚSQUEDA Y SECUENCIA
• AGRUPACIÓN
38
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

45
FACULTAD DE
Diapositiva
39
MINERÍA DE DATOS
39
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva
40
APLICACIONES DE
SOPORTE DE DECISIONES
40
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

46
FACULTAD DE
Diapositiva
41
SISTEMAS INFORMÁTICOS
PARA EJECUTIVOS
41
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva
42
CONCLUSIONES
• EN LA ACTUALIDAD Y CON LOS
GRANDES AVANCES DE LAS
TECNOLOGÍAS INFORMÁTICAS, LA
INTELIGENCIA DE NEGOCIOS SE HA
CONVERTIDO EN UNA
HERRAMIENTA FUNDAMENTAL
PARA LAS EMPRESAS A LA HORA
DE OBTENER VENTAJAS
COMPETITIVAS FRENTE AL
MERCADO
42
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

47
FACULTAD DE
Diapositiva
43
PREGUNTAS
43
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva
44
• 1. ¿Cuál es la diferencia entre
datos e información?
R:
Datos: Son los hechos que
describen sucesos y entidades.
Información: Es aquel conjunto de
datos significativos para un
usuario interesado y preparado
para entenderlos.
• 2. ¿Inteligencia más información
es igual a?
R: Decisiones correctas.
• 3. ¿Qué es Bussines Intelligence?
R: Es un conjunto de herramientas,
sistemas y tecnologías enfocadas
a la toma de decisiones de una
empresa.
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

48
FACULTAD DE
Diapositiva
45
• 4. ¿Qué es un Datawarehouse?
R: Un gran almacén de datos que
esta estructurado para analizar
información.
• 5. ¿Qué es la Minería de Datos?
R: Constituye algoritmos avanzados
(estadísticos y de inteligencia
artificial) que intentan descubrir
cosas y patrones ocultos en los
datos capturados.
• 6. Indique dos beneficios de la
Inteligencia de Negocios
R: Ayuda a la toma de decisiones
más eficientes y permite la mejora
de productos o servicios.
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
Diapositiva
46
REFERENCIAS
• “Introducción al Business Intelligence “, AUTOR:Jordi Conesa Caralt (coord.),
Josep Curto Díaz , número de páginas:238.
• “History of Business Intelligence” , Microsoft Business Intelligence,
http://www.youtube.com/watch?v=_1y5jBESLPE
• http://es.scribd.com/doc/963002/Inteligencia-de-negocios
• http://www.sinnexus.com/business_intelligence/
• http://www.buenastareas.com/ensayos/Concepto-De-Dato-e-
Informaci%C3%B3n/961662.html
• http://www.baquia.com/posts/2011-11-07-la-inteligencia-de-negocios-y-la-
direccion-general
• http://www.google.cl/url?sa=t&rct=j&q=&esrc=s&source=web&cd=8&ved=0CGc
QFjAH&url=http%3A%2F%2Fcibertec.googlecode.com%2Ffiles%2FInteligenci
a%2520de%2520Negocios%2520Teor%25C3%25ADa.pdf&ei=cabRUeOGNO
b7igLmw4C4Dg&usg=AFQjCNH5keZ5V3dhOjJhXcupcpuM2Ir9Dg&sig2=3FH0
u0amPR3J5uFRxLG51Q&bvm=bv.48572450,d.cGE&cad=rja
• http://www.slideshare.net/hugoces/inteligencia-de-negocios-business-
intelligence
• http://www.sonda.com/business-intelligence/#
• http://www.computerworld.es/business-intelligence/el-crecimiento-del-mercado-
de-business-intelligence-se-freno-en-2012
• “Almacén de datos” : https://es.wikipedia.org/wiki/Almac%C3%A9n_de_datos46
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________
___________________________________

Bi final

Más contenido relacionado

La actualidad más candente

Destacado

Similar a Bi final

Último

Bi final