El documento describe las herramientas y estilos de inteligencia de negocios, incluyendo informes empresariales, análisis de cubos, consultas ad-hoc, análisis estadísticos y envío de alertas. También explica cómo la inteligencia de negocios puede transformar los datos en conocimiento para apoyar la toma de decisiones mediante el almacenamiento y análisis de datos históricos en un almacén de datos.

1. Inteligencia de Negocios
Una herramienta para la
toma de decisiones
Nicolás Nakasone
Instructor en Inteligencia de Negocios

2. Caso Odyssey
“Gobierno Español
enjuicia a la empresa
Odyssey por apoderarse
de 18 toneladas de
monedas de Oro.”
“..un espectacular sistema de tratamiento de datos llamado «Data Mining»,. Su
funcionamiento es sencillo: se introducen en una base de datos todas las
variables imaginables, desde los lugares en los que hay barcos hundidos hasta
las corrientes marinas predominantes, los puntos más habituales de tormentas o
las rutas que probablemente utilizara cada capitán. De todo ese cóctel se extrae
un modelo que indica, con una fiabilidad impresionante, en qué puntos exactos
hay más probabilidades de hallar un tesoro. A partir de ese momento, y después
de años de paciente estudio, esa computadora proporciona a Odyssey un
detallado y gigantesco mapa del tesoro sin necesidad de escudriñar todo el
fondo del Atlántico o el Mediterráneo..”

3. Antecedentes
Inteligencia de Negocios nace en 1993 con
el concepto de Datawarehouse
“Era de la Información”, adquirir
conocimiento revela oportunidades de
negocio, genera utilidades y reduce costos.
La información adecuada en el lugar y
momento adecuado incrementa la
efectividad de cualquier empresa.

4. ¿Qué es Inteligencia de
Negocios?
Inteligencia de Negocios (Business Intelligence –
BI) es el proceso de identificar, recolectar,
entregar y analizar los datos para transformarlos
en conocimiento y acciones poderosas de
negocio.
Uso de almacenes de información como
herramienta estratégica y táctica para generar
ventaja competitiva, así como apoyar el proceso
de toma de decisiones.

5. ¿Quiénes necesitan
soluciones de BI?
¿Pasa más tiempo recolectando y preparando información que
analizándola?
¿En ocasiones le frustra el no poder encontrar información que usted
está seguro que existe dentro de la empresa?
¿Pasa mucho tiempo tratando de hacer que los reportes en Excel
luzcan bien?
¿Quiere saber qué productos fueron los más rentables durante un
periodo determinado?
¿No sabe cuáles son los patrones de compra de sus clientes
dependiendo de las zonas?
¿Ha perdido oportunidades de negocio por recibir información
retrasada?
¿No sabe con certeza si su gente está alcanzando los objetivos
planeados?

6. Los 5 Estilos del BI
Enterprise Reporting.
Análisis de Cubos.
Consultas Ad-hoc.
Análisis estadísticos y Data Mining.
Envío Proactivo de Alertas.

7. Enterprise Reporting- ER
Tener el control absoluto donde se incluya
indicadores,grillas, gráfico y texto para la presentación de
un informe, para poder visualizarlo de igual modo en la
computadora como en la impresora.
Características :
Integración con el ambiente de análisis.
Elaboración de todos de reporte desde los tipos de reporte desde
análisis operativo hasta estratégicos.
Acceso a los reportes por cualquier canal : web, file , file server,
impresora de red, etc.
Eliminación de cuellos de botella relativos al área de TI.

8. Enterprice Reporting - ER

9. Análisis de Cubos
Análisis de información muy sumarizados y
cálculos definidos por el usuario.
Utilizar herramientas de consulta de cubos.
Características :
Rápida performance para niveles sumarizados de
información.
Cálculos definidos por el usuario.
Generación rápida de cubos sin pre-cálculo de datos.
Actualización automáticas de datos.
Acceso a Datos no-relacionales y relacionales.

10. Análisis de Cubos

11. Consultas Ad-Hoc
En toda toda organización existe un perfil de
analista que necesita analizar información a nivel
transaccional, eso no significa, que mira
transacción por transacción, sino que el análisis
que demanda necesita que la información esté
almacenada a nivel transaccional para lograr así
obtener análisis de afinidad entre productos,
identificar clientes, identificar nuevas
oportunidades de venta.

12. Consultas Ad-Hoc

13. Análisis Estadísticos y Data
Mining
Comprende la Búsqueda de Patrones de
Comportamiento de forma automática.
Toma una muestra de datos a fin de que el sistema
aprenda en base a la búsqueda de patrones de
comportamiento similares.
Algoritmos de Data Mining :
Redes Neuronales Artificiales.
Árboles de Decisión.
Algoritmos Genéticos.
Método del Vecino más Cercano.
Reglas de Inducción.

14. Análisis Estadísticos y Data
Mining

15. Envío Proactivo de Alertas
Orientado al envío de alertas de forma
personalizada.
Se define ¿Qué quiere recibir?, ¿En qué
momento?, ¿En qué forma? y ¿Por qué medio?.
Características :
Facilidad para la creación de mensajes.
Envío de información según criterios de planificación,
excepción o alerta.
Capacidades de Personalización.
Soporte de Variedad de Dispositivos y modelos de e-
mail, PDA, teléfonos celulares, fax, web, etc.

16. Envío Proactivo de Alertas

17. Como funciona hoy?
* Son atendidas con un
gasto excesivo de energía
* Son atendidas,
frecuentemente, fuera de
plazo
* Impactan en el proceso
operacional
* Generan sistemas cada vez
mas difíciles de ser
mantenidos
Las necesidades de
Información para
apoyar el Proceso de
toma de decisiones...

18.  Alto volumen de datos y necesidades de respuesta
rápida.
 Análisis complejo — consultas imposibles de prever.
 Ambiente de negocio en cambio constante.
Muchos datos, Poca información

19. Soporte a las decisiones -
tradicional
Sistemas Operacionales
Analista de Negocios
 Impacto Negativo sobre los Sistemas
Operacionales
 Analista de Negocios se vuelven
“Programadores”
 Reglas de Negocio No Son Compartidas
 Datos No están Disponibles

20. Por qué No es adecuado para
Análisis Complejos
Análisis Complejos
Requiere información
histórica para el análisis
Data necesita ser integrada
Diseño de Base de Datos
Desnormalizados. Modelo
Estrella ( Star Model ).
OLTP
Información para soportar los
servicios del día a día
Data almacenada en niveles de
transacción
Diseño de Base de Datos
Normalizado

21. Análisis de Datos desde
Sistemas Operacionales
Estructura de Datos Complejas
La Data está dispersa
Los sistemas OLTP no están preparadas para
consultas intensivas y complejas
Operational reports
Production
platforms

22. Productividad
Duplica esfuezo
Multiples tecnologias
Reportes Obsoletos
No tienen metadata

23. De Extracción al Warehouse
DSS
Controlada
Confiable
Calidad de la informacion
Unica fuente de datos
Data warehouse
Internal and
external systems
Decision makers

24. Por qué un DW?
 Para transformar la data en información,
ante el alcance limitado de los sistemas
tradicionales.
 Para brindar mayor credibilidad a la
transformación de los datos operacionales
en base a la unificación de criterios.
 Para aumentar la productividad en los
procesos de consulta.
 Ante la necesidad de integrar datos
dispersos en distintas BD.

25. Propiedades del Data Warehouse
Orientada
a un tema
Integrada
Variante en
el Tiempo
No Volatil
Data
Warehouse

26. La data es categorizada y almacenada por areas
de negocio en lugar de aplicaiones.
Orientado a un Tema
Aplicaciones OLTP
Informacion
Financiera
del Cliente
Tema del Data Warehouse
Planes de
Equidad Acciones
Seguros
Prestamos Ahorros

27. Integrada
Data Warehouse
Aplicaciones OLTP
La data es definida como única.
Ahorros
Cuenta
corriente
Prestamos Cliente

28. Variante en el tiempo
01/97
02/97
03/97
January
February
March
Data Warehouse
Time Data
La data es almacenada como serie de fotos
asociadas al tiempo.

29. No-volátil
La data en el DW tipicamente No cambia.
Warehouse
Read
Insert Read
Update
Delete
Load
Operacional

30. Data Warehouses Versus Data Marts
Data Mart
Departamental
Unicas
Pocos
< 100 GB
Meses
Data Mart
Data
Warehouse
Propiedades
Alcance
Areas
Fuente de Datos
Tamaño (típico)
Implementación
Data Warehouse
Empresarial
Múltiples
Muchos
100 GB to > 1 TB
Meses a Años

31. Consulta en el mundo OLTP

32. Recursos Disponibles
• Drill Down
• Drill Up
• Slicing
• Dicing
• Pivoting
• Data Surfing
Análisis en el Mundo OLAP

33. Drill
Cambiar el Nivel de
Detalle de la Consulta
Chiclayo
Leonardo
Ortiz
Lambayeque
Juan Aurich
Vera

34. Pivoting
Cambiar las Dimensiones entre
las Líneas y las Columnas

35. 1001
1007
1010
1020
Modelo Relacional de Base de
Datos
31
42
22
32
F
M
M
F
Anderson
Green
Lee
Ramos
Atributo 1
Name
Atributo 2
Age
Atributo 3
Gender
Row 1
Row 2
Row 3
Row 4
Esta tabla ilustra la relación de empleados
Atributo 4
Emp No.

36. Modelo de Datos Multidimensional
La data se encuentra en la intersección de las dimensiones.
Tienda
Linea
Tiempo
FINANCE
Tienda
Producto
Tiempo
VENTAS
Cliente

37. Warehouse Corporativo
Extraccion Filtros Condicion Condensar Cargar
Transformación de datos
Data operacional
Usuarios IT
w I
i i
 
C1
C2
Clusters Estadística Inteligencia
Artificial
Redes
Neurales
Data Mining
OLAP Visualizacion
de datos
DSS Hojas de
calculo
Desarrollo
Herramientas de acceso
a la información
Usuarios del negocio
Data Marts
Replicación y propagación

38. Los analistas de DLA, por pedido de sus
directivos, necesitan realizar informes en
donde se pueda analizar:
La cantidad de unidades vendidas en los
países que alcanza el Mercado actual.
El coste inducido en cada unidad vendida
El valor de venta de cada producto.
La ganancia obtenida en la venta de cada
producto.
Esta información, requiere que sea
presentada por zona geográfica y sucursal.

39. A su vez, la empresa quiere:
Armar canastas de productos de acuerdo al perfil
de compra de los clientes de cada ciudad en la
que tienen una boca de expendio. Para esto
requieren un estudio de las ventas realizadas
abiertas por categoría de producto (con la
posibilidad de obtener el detalle por producto),
por ciudad, por mes, para los últimos 13 meses
(para detectar estacionalidades)
Premiar anualmente a aquellos vendedores que
superen los objetivos de venta que les fueran
asignados. El análisis, en este caso deberá
incluir a los vendedores, las ventas realizadas,
los objetivos de venta y el indicador de
cumplimiento detallados por mes para el año
fiscal (El premio será distinto si se cumple con
los objetivos globalmente para el año o si,
además, se cumplen los objetivos en todos los
meses en particular).

40. Data Warehouse
Data
Extraction
Data
Access
Data
Management
Extracts, transforms,
and moves data to
the DW
Creates, refreshes,
and maintain the DW
database
Retrieves and
analyzes data stored
in the DW
Production
Databases/
Files
Business
Users
Staging Area
DATA
WAREHOUSE

41. Modelo Lógico
Product ID
Product Desc
Category Key
Category ID
Category Desc
Type Key
Type ID
Type Desc
Status
Age Classification
Rental Period
Sold Out rating
Daily Rate
Number of Rentals
Rental Amount
Rental Cost
Profit
Rentals Fact
Customer ID
Customer Name
Status
Geog. proximity
Activity level
Type pref.
Movie category pref.
Movie age pref.
Movie rate pref.
Game category pref.
Game age pref.
Game rate pref.
Store ID
Store Desc
Location
Size
Type
District Key
District ID
District Desc
Region Key
Region ID
Region Desc
Day ID
Day Desc
Weekend
Holiday Eve
Holiday Day
Holiday Wknd Day
Month Key
Month ID
Month Desc
Year Key
Year ID
Year Desc
Time Band
Day Key (PK) Product Key (PK)
Store Key (PK)
Customer Key (PK)
Day Key (FK)
Customer Key (FK)
Product Key (FK)
Store Key (FK)

42. SQL Server 2005 BI

43. SQL Server 2005
La Plataforma Completa e Integrada

44. Data Marts
CRM
LOB
ERP
Sistemas
Fuente
Plataforma
Integrada de BI
Análisis de Datos
(OLAP, Data
Mining)
Herramientas
de BI
Familiares y
poderosas
Cliente Portal
Dispositivos
ETL
Empresarial
App. De 3ros
Reportes
Empresariales
Entrega de Información
Data Visualization
Project
management
Reportes & Análisis
Business
Performance
Management
Data
Warehouse
Análisis
Poderoso
Reportes
Empresariales
Business
Performance
Management
Arquitectura de BI Microsoft

45. SQL Server Integration
Services 2005

46. ¿Qué es SQL Server
Integration Services?
Un nuevo servicio de
Business Intelligence de
SQL 2005
El Sucesor de los DTSs
La plataforma de una
nueva generación de
tecnologías de
integración de datos de
alto desempeño

47. Integration Services
Capacidades ETL de avanzada
Plataforma ETL Empresarial
Alto Rendimiento
Alta Escalabilidad
Confiable
El mejor en su clase en facilidad de
uso
Ambiente de desarrollo amigable y
completo
Control de fuentes
debugging visual de control de flujo
y datos
Gran rango de transformaciones
out-of-the-box
Altamente extensible
Personalización de tareas
Personalización de transformaciones
Personalización de fuentes de datos

48. SQL Server Integration
Services
Mezclar datos de almacenes de datos
heterogéneos.
Llenar almacenamientos de datos y puestos de
datos.
Limpiar y normalizar datos.
Generar Business Intelligence en un proceso de
transformación de datos.
Automatizar las funciones administrativas y la
carga de datos.

50. Analysis Services 2005 y el
Unified Dimensional Model

51. ¿Qué es OLAP?
Técnica de Análisis Multidimensional de BI
On-Line Analytical Processing
Diseñado para lograr un buen rendimiento
en consultas ad-hoc para Inteligencia de
Negocios
Vista Multidimensional de los datos: modelo
de datos intuitivo
Fácil de usar por los analistas del negocio
Navegar en los Datos
Velocidad de las consultas
Esconde complejidad
Riqueza analítica

52. Análisis Multidimensional
Dimensión, Miembro, Métricas
Ene Feb Mar Abr
Dimensión
tiempo
Alimentos
Bazar
Bebidas
Dimensión
Producto
Directa
Mayoristas
Minoristas
Otro
Canal de
ventas
Miembros
Cantidad de clientes 200
Ventas 3,000,000
Utilidad 500,000
Crecimiento 15%
Métricas
Jerarquías – caminos de agregación
Producto Región Tiempo
Industria País Año
Categoría Región Trimestre
Producto Ciudad Mes Semana
Oficina Día

53. • MDX
(Multi Dimensional Expression)

54. • MDX
(Multi Dimensional Expression)
SELECT {[Sales Amount]} on COLUMNS,
[PRoductOrder] on ROWS
FROM [Adventure Works]

55. Analysis Services
Análisis Empresarial
Dashboards
Rich Reports
BI Front Ends
Spreadsheets
Ad-Hoc Reports
Analysis
Services
UDM
Cache
SQL
Server
Teradata
SQL Server
Oracle
DB2
SQL Server
LOB
DW
Datamart
XML/A
or
ODBO

56. KPI Framework
 Framework
Centralizado de KPIs:
 Descrpción de KPIs,
valores y metas
 Estados (Bueno/Malo),
Tendencias
 Visualizaciones
 Categorización y
Scorecards
 Expuestos via XML/A
API’s
 Herramientas de
debug de KPI

57. Analysis Services 2005
Data Mining

58. ¿Qué hace la Minería de
Datos?
Explora
Datos
Encuentra
Patrones
Realiza
Predicciones

59. SQL Server 2005
Set completo de algoritmos
Decision Trees Clustering Time Series
Sequence
Clustering
Association Naïve Bayes
Neural Net
Introduced in SQL Server 2000

60. Reporting Services

61. Creación Administración Entrega
Ciclo de vida de los Reportes
SQL Server Reporting Services soporta todo el ciclo de
vida de los reportes, incluyendo Creación,
Administración y Entrega.

62. Perfiles de Usuarios
Analistas
Consumidores
de Información
Exploradores
de
Información
5-10% de los usuarios
15-25% de los usuarios
65-80% de los
usuarios
Reporting Services
Analysis Services

63. Creación de Reportes
Los desarrolladores pueden crear reportes que van a
ser publicados al Servidor de Reportes usando
herramientas de Microsoft o de terceros que soporten
Reporting Services XML Report Definition Language
(RDL).
Definición
Reporte
Canales de
Entrega
Acceso
En línea
Creación
Creación Administración Entrega
Reporte
Adminis-
trado

64. Administración de Reportes
Definición de reportes, carpetas y recursos son publicados
y manejados en un Web Service. Los reportes
administrados pueden ser ejecutados por demanda de
usuarios o ser agendados y puestos en cache para un
mejor desempeño y consistencia.
Administración
Definición
Reporte
Canales de
Entrega
Acceso
En línea
Creación Administración Entrega
Reporte
Adminis-
trado

65. Entrega de Reportes
Reporting Services soporta dos tipos de entrega: por
demanda (“pull”) y basado en eventos (“push”). Los
usuarios pueden ver los reportes a través de web o
suscribirse para que sean entregados por e-mail.
Entrega
Definición
Report
Canales de
Entrega
Acceso
En línea
Creación Administración Entrega
Reporte
Adminis-
trado

66. Propuesta de BI Microsoft
Portal
(Office Server)
Data Warehouse
(SQL RDBMS)
Integración
(SSIS)
Análisis
(SSAS)
reportes
(SSRS)
Scorecards de Negocios
(BSM)
Análisis de usuario
final (Excel)
Plataforma de
BI
Aplicaciones
Analíticas
Herramientas
De usuario
Integración (ETL)
Análisis (OLAP y
Data Mining)
Reportes
(Reportes y
notificaciones)
Análisis (Excel)
Colaboración (BI
Portal)
Gerencia
(Indicadores KPIs,
Scorecard)

67. Microsoft Learning MCTS BI
http://www.microsoft.com/learning/
2791A: Implementing and Maintaining Microsoft® SQL
Server™ 2005 Analysis Services
2792A: Implementing and Maintaining Microsoft® SQL
Server™ 2005 Integration Services
2793A: Implementing and Maintaining Microsoft® SQL
Server™ 2005 Reporting Services

70. Link de Interés
 Rahlp Kimball Institute
http://www.ralphkimball.com
 TDWI
http://www.dw-institute.com/
 Olap
http://www.olapreport.com/
 Academia Latinoamericana de Business Intelligence
 http://www.mslatam.com/latam/technet/albi/
 Olap Thin Client
http://www.thinslicer.com/
 MDX
http://www.tomchester.net