SlideShare una empresa de Scribd logo
Nombre del Alumno: Jose Luis Sánchez
Isaías
Numero de Cuenta: 18208694
Materia: Métodos para la Inteligencia de
Negocios
Grupo: AIL1L
Profesor: Mtra. Claudia Gonzalez
Ruvalbava
Fecha de la Actividad: 18/Febrero/2018
Titulo de la Actividad: Implementación de
un sistema de Bussines Inteligence, BI.
IMPLANTACIÓN DE UN
SISTEMA DE BUSINESS
INTELLIGENCE, BI
INTRODUCCIÓN - ANTECEDENTES Y SITUACIÓN ACTUAL
• Me refiero a una empresa Constructora, que actualmente carece de herramientas tecnológicas de la
información o mejor dicho de un sistema de Business Intelligence, y tan solo cuenta con un panorama
de archivos de trabajo como lo es el Excel, y esto genera un gran caos y perdida de tiempo en el área de
compras, almacén y cuentas por pagar ya que el hecho de no contar con un almacén de Datos donde se
capture toda la información adecuada una sola vez, se tiene que cargar la misma información en 3 o 6
hojas de calculo de Excel para llevar un control a medias y generar un reporte con porcentaje de error
que va desde un 10% a 30% ya que muchas veces no cuadran los reportes presentados con las entradas
de almacén, compras y cuentas por pagar.
• El Presente Trabajo analiza una metodología practica para el desarrollo de un sistema de información
que comprende: el área de compras y la evaluación de los procesos críticos.
OBJETIVOS
• El Objetivo de este proyecto es lograr una mejor
automatización en el área de compras hacia la empresa, para
lograr una mejor organización de los productos pertenecientes
de los distintos proveedores.
• Mayor desarrollo del área y del personal (compras – control de
inventarios)
• Recepción, análisis y registro de requisiciones.
• Selección de Proveedores.
• Elaboración, emisión, envió y seguimiento a ordenes de
compra.
• Coordinación de los sistemas de recepción, almacenaje,
cuidados y entrega de materiales.
• Contar con una buena estrategia de Business Intelligence
permitirá a la empresa responder rápidamente a las
necesidades por el suministro de los materiales, en tiempo
real.
• Comprender las necesidades de cada uno de nuestros
proyectos es fundamental para que tengan el desarrollo mas
adecuado de ejecución.
• Se podrá Extraer, Transformar y Cargar, toda la información en
el Data Warehouse (Data Mart) para las diferentes obras que
se encuentran en la Republica Mexicana, para que esto
permita contar con reporting, Analisis OLAP, contar con KPI
que nos indicaran el rendimiento de nuestra organización y
nos ayudaran a tomar las decisiones mas asertivas.
REQUERIMIENTOS BÁSICOS
1. CAPTURA DE INFORMACION
2. MANEJO DE INFORMACION
3. VISUALIZACION Y DISTRIBUCION
4. ANALISIS DE LA INFORMACION
5. TOMA DE DECISIONES
ANÁLISIS JERÁRQUICO DE DATOS
• MODELO CONCEPTUAL: Se basa en identificar
que tipos de procesos y vistas de negocios
proporcionan la respuesta a las preguntas que
tienen los usuarios finales.
Hechos de compras
ELECCIÓN DE UN MODELO DE OBTENCIÓN DE LA INFORMACIÓN
SE EJEMPLIFICA DE ACUERDO AL FLUJO DEL PROCEDIMIENTO SEGÚN LA INFORMACION QUE LA INTEGRA, TRANSFORMA, ALMACENA PARA
FINALMENTE OBTENER LA GENERACION DE CONSULTAS Y REPORTES O DASHBOARDS EN ALGUN VISUALIZADOR.
SE DETERMINA EL USO DE BASE DE DATOS ORACLE Y SE DESCRIBEN LAS FUNCIONALIDADES DE CADA UNO DE ELLOS
STAGING AREA
• Recoge los datos que se necesitan en los sistemas de origen
• No se aplican Restricciones de integridad, ni se utilizan Claves.
• Los datos se tratan como si fueran ficheros planos.
• Se reduce al mínimo la posibilidad de error.
ODS (OPERATIONAL DATA STORE)
• Da soporte a los sistemas operacionales
• No almacena datos Históricos.
• Se realizan transformaciones, limpieza de datos y controles de integridad
ALMACEN CORPORATIVO (DWH)
• Tiene datos históricos
• Esta orientado a la explotación analítica de la información
DATA MART
• Estos se obtienen a partir de la información recopilada en el área del Almacén
Corporativo.
• Están orientados a un tema de análisis de cada departamento de la empresa.
• Se diseñan con estructura multidimensional.
• Estructura modelo estrella y modelo copo de Nieve
MODELO DE EXPLOTACION – ALMACEN DE DATOS POR AREA (DATA MART)
PROCESO DE EXTRACCIÓN, TRANSFORMACIÓN Y CARGA ETL
• EXTRACCION
• Extraer los datos desde los sistemas de origen.
• Analizar los datos extraídos obteniendo un
chequeo.
• Interpretar este chequeo para verificar que los
datos extraídos cumplen la pauta o estructura
que se esperaba. Si no fuese así, los datos
deberían ser rechazados.
• Convertir los datos a un formato preparado para
iniciar el proceso de transformación.
• PROCESO DE TRANSFORMACION
• Declarativas.
• Independientes.
• Claras.
• Inteligibles.
• Con una finalidad útil para el negocio.
• PROCESO DE CARGA
• Los data warehouse mantienen un historial de
los registros, de manera que es posible en todo
momento hacer una auditoría de los mismos.
Esto permite disponer de un rastro de toda la
historia de un valor a lo largo del tiempo.
CRITERIOS O FACTORES DE EVALUACIÓN DE TECNOLOGÍA DE BI
JUSTIFICACIÓN Y EXPLICACIÓN DE ELEGIR LA TECNOLOGÍA UTILIZADA
• FLEXIBILIDAD
• RESULTADOS OPTIMOS
• EL MODELO DE OBTENCION TIENE UNA
FINALIDAD MUY ESPECIFICA DE LA CUAL SE
REQUIERE DE UN DATA MART
• LOS RESPORTES SE ALIMENTAN DIRECTAMENTE
DE UN DATAMART.
• ES UNA HERRAMIENTA CONFIABLE PARA LA
GENERACION DE REPORTES CONFIABLES PARA
LA TOMA DE DESICIONES.
REPORTES Y DASHBOARDS Y SUS CARACTERISTICAS
• Es una representación grafica de los principales
indicadores KPI, que intervienen en la
consecución de los objetivos del negocio.
• Esta orientada a la toma de decisiones para
optimizar la estrategia de la empresa.
• Fácil de utilizar por los gerentes y demás
usuarios que conlleve.
• KPI, definido a nivel organizacional.
DEFINICION DE ESTRATEGIAS DE APLICACIÓN DE LA
INFORMACION PARA LA TOMA DE DECISIONES
• Crear un reporte diario de todas las compras y
entradas de almacén realizadas durante el día.
• Entender que es un proceso continuo, compras,
con Almacén y cuentas por pagar.
• Fortalecer las acciones con nuevos objetivos y
estrategias.
• Examinar todo el panorama que arroje como
resultado el reporte diario de las compras.
• Analizar a detalle los reportes de KPI y GPI con las
áreas involucradas.
BIBLIOGRAFIA
• Ruvalcaba, C. G. (2017). Métodos Para La
Inteligencia de
Negocios. (U. T.MEXICO, Ed.) Recuperado
el 17 de FEBRERO de 2018
• http://site.ebrary.com/lib/laureatemhe/detail.ac
tion?docID=10433880&p00=estrategias+implem
entacion+exitosa

Más contenido relacionado

La actualidad más candente

Construcción de un DataWareHouse - FISI - UNMSM - DataWareHouse
Construcción de un DataWareHouse - FISI - UNMSM - DataWareHouseConstrucción de un DataWareHouse - FISI - UNMSM - DataWareHouse
Construcción de un DataWareHouse - FISI - UNMSM - DataWareHouseJulio Pari
 
Actividad 2
Actividad 2Actividad 2
Actividad 2
Dayana Villanueva
 
Inteligencia De Negocios para Dummies
Inteligencia De Negocios para DummiesInteligencia De Negocios para Dummies
Inteligencia De Negocios para DummiesSorey García
 
Actividad 1
Actividad 1Actividad 1
Actividad 1
Dayana Villanueva
 
Inteligencia de Negocios - FISI - UNMSM - DataWareHouse
Inteligencia de Negocios - FISI - UNMSM - DataWareHouseInteligencia de Negocios - FISI - UNMSM - DataWareHouse
Inteligencia de Negocios - FISI - UNMSM - DataWareHouseJulio Pari
 
Fundamentos de BI
Fundamentos de BIFundamentos de BI
Fundamentos de BI
JOSE AHIAS LOPEZ PORTILLO
 
2.1 Data warehousing acceso, análisis y visualización
2.1 Data warehousing acceso, análisis y visualización2.1 Data warehousing acceso, análisis y visualización
2.1 Data warehousing acceso, análisis y visualizaciónEduardo S de Loera
 
Business Intelligence
Business Intelligence Business Intelligence
Business Intelligence
Isairi Cab
 
Inteligencia de negocios 5
Inteligencia de negocios 5 Inteligencia de negocios 5
Inteligencia de negocios 5
thearcangelboss
 
Business intelligence uoc alumni
Business intelligence uoc alumniBusiness intelligence uoc alumni
Business intelligence uoc alumni
UOC Alumni
 
NEGOCIOS INTELIGENTES
NEGOCIOS INTELIGENTESNEGOCIOS INTELIGENTES
NEGOCIOS INTELIGENTES
Tinna26
 
On-Line Analytical Processing - DatawareHouse FISI - UNMSM
On-Line Analytical Processing - DatawareHouse FISI - UNMSMOn-Line Analytical Processing - DatawareHouse FISI - UNMSM
On-Line Analytical Processing - DatawareHouse FISI - UNMSM
Julio Pari
 
Ciclo de vida de la inteligencia de negocios
Ciclo de vida de la inteligencia de negociosCiclo de vida de la inteligencia de negocios
Ciclo de vida de la inteligencia de negocios
Erick Paul Lozada Peñarreta
 
Negocios inteligentes
Negocios inteligentesNegocios inteligentes
Negocios inteligentes
Victor Dolores Marcos
 
Business intelligence
Business intelligenceBusiness intelligence
Business intelligenceBryan
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
Lenin Alevski Huerta Arias
 
Modelado de Data Warehouse
Modelado de Data WarehouseModelado de Data Warehouse
Modelado de Data Warehouse
Eduardo Castro
 
Implementación de inteligencia de Negocios paso a paso (Business Intelligence)
Implementación de inteligencia de Negocios paso a paso (Business Intelligence)Implementación de inteligencia de Negocios paso a paso (Business Intelligence)
Implementación de inteligencia de Negocios paso a paso (Business Intelligence)DANIEL VENTURA
 

La actualidad más candente (20)

Construcción de un DataWareHouse - FISI - UNMSM - DataWareHouse
Construcción de un DataWareHouse - FISI - UNMSM - DataWareHouseConstrucción de un DataWareHouse - FISI - UNMSM - DataWareHouse
Construcción de un DataWareHouse - FISI - UNMSM - DataWareHouse
 
Actividad 2
Actividad 2Actividad 2
Actividad 2
 
Inteligencia De Negocios para Dummies
Inteligencia De Negocios para DummiesInteligencia De Negocios para Dummies
Inteligencia De Negocios para Dummies
 
Actividad 1
Actividad 1Actividad 1
Actividad 1
 
Inteligencia de Negocios - FISI - UNMSM - DataWareHouse
Inteligencia de Negocios - FISI - UNMSM - DataWareHouseInteligencia de Negocios - FISI - UNMSM - DataWareHouse
Inteligencia de Negocios - FISI - UNMSM - DataWareHouse
 
Fundamentos de BI
Fundamentos de BIFundamentos de BI
Fundamentos de BI
 
Capitulo 2 introducción al business intelligence
Capitulo 2   introducción al business intelligenceCapitulo 2   introducción al business intelligence
Capitulo 2 introducción al business intelligence
 
Business intelligence diapositivas
Business intelligence diapositivasBusiness intelligence diapositivas
Business intelligence diapositivas
 
2.1 Data warehousing acceso, análisis y visualización
2.1 Data warehousing acceso, análisis y visualización2.1 Data warehousing acceso, análisis y visualización
2.1 Data warehousing acceso, análisis y visualización
 
Business Intelligence
Business Intelligence Business Intelligence
Business Intelligence
 
Inteligencia de negocios 5
Inteligencia de negocios 5 Inteligencia de negocios 5
Inteligencia de negocios 5
 
Business intelligence uoc alumni
Business intelligence uoc alumniBusiness intelligence uoc alumni
Business intelligence uoc alumni
 
NEGOCIOS INTELIGENTES
NEGOCIOS INTELIGENTESNEGOCIOS INTELIGENTES
NEGOCIOS INTELIGENTES
 
On-Line Analytical Processing - DatawareHouse FISI - UNMSM
On-Line Analytical Processing - DatawareHouse FISI - UNMSMOn-Line Analytical Processing - DatawareHouse FISI - UNMSM
On-Line Analytical Processing - DatawareHouse FISI - UNMSM
 
Ciclo de vida de la inteligencia de negocios
Ciclo de vida de la inteligencia de negociosCiclo de vida de la inteligencia de negocios
Ciclo de vida de la inteligencia de negocios
 
Negocios inteligentes
Negocios inteligentesNegocios inteligentes
Negocios inteligentes
 
Business intelligence
Business intelligenceBusiness intelligence
Business intelligence
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 
Modelado de Data Warehouse
Modelado de Data WarehouseModelado de Data Warehouse
Modelado de Data Warehouse
 
Implementación de inteligencia de Negocios paso a paso (Business Intelligence)
Implementación de inteligencia de Negocios paso a paso (Business Intelligence)Implementación de inteligencia de Negocios paso a paso (Business Intelligence)
Implementación de inteligencia de Negocios paso a paso (Business Intelligence)
 

Similar a Entregable final

Business Inteligence
Business InteligenceBusiness Inteligence
Business Inteligence
River velasco tadeo
 
La planificacion segun_data_ware_house
La planificacion segun_data_ware_houseLa planificacion segun_data_ware_house
La planificacion segun_data_ware_house
ernestoicidec
 
Erp
ErpErp
BI - Inteligencia Artificial
BI - Inteligencia ArtificialBI - Inteligencia Artificial
BI - Inteligencia Artificial
wilderroy
 
INTELIGENCIA EMPRESARIAL
INTELIGENCIA EMPRESARIALINTELIGENCIA EMPRESARIAL
INTELIGENCIA EMPRESARIAL
INGRID LESLY CORONEL ACUÑA
 
Inteligencia empresarial bi
Inteligencia empresarial   biInteligencia empresarial   bi
Inteligencia empresarial bi
Gerson Alarcon Regalado
 
Diapositivas BI
Diapositivas BIDiapositivas BI
Diapositivas BI
Lizbeth Lizana Carrasco
 
18305938 e4 implementaciondeunsistema_bi
18305938 e4 implementaciondeunsistema_bi18305938 e4 implementaciondeunsistema_bi
18305938 e4 implementaciondeunsistema_bi
Jose Antonio Perez Vega
 
Curso : Inteligencia de Negocios - Dia1
Curso : Inteligencia de Negocios - Dia1Curso : Inteligencia de Negocios - Dia1
Curso : Inteligencia de Negocios - Dia1
Michael Macavilca Mejia
 
Inteligencia de Negocios
Inteligencia de NegociosInteligencia de Negocios
Inteligencia de Negocios
anghun
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negociosperezparga
 
One Goal ERP
One Goal ERPOne Goal ERP
One Goal ERP
AB Pro Systems
 
Copy of Charla Cibertec DAT.ppt
Copy of Charla Cibertec DAT.pptCopy of Charla Cibertec DAT.ppt
Copy of Charla Cibertec DAT.ppt
Sandro Ernesto Ruiz Samaniego
 
SISTEMAS DE INTELIGENCIA DE NEGOCIOS
SISTEMAS DE INTELIGENCIA DE NEGOCIOSSISTEMAS DE INTELIGENCIA DE NEGOCIOS
SISTEMAS DE INTELIGENCIA DE NEGOCIOS
ALEXANDER REMAYCUNA VÁSQUEZ
 
Data werehouse
Data werehouseData werehouse
Data werehouse
Julio Miron Carrillo
 
Trabajo final
Trabajo finalTrabajo final
Trabajo final
Fernando Navarro
 
C:\Documents And Settings\Administrador\Escritorio\Sistemas\Trabajo Ayudantia
C:\Documents And Settings\Administrador\Escritorio\Sistemas\Trabajo AyudantiaC:\Documents And Settings\Administrador\Escritorio\Sistemas\Trabajo Ayudantia
C:\Documents And Settings\Administrador\Escritorio\Sistemas\Trabajo Ayudantiaanabarrospineda
 
Trabajo final BI stb
Trabajo final BI stbTrabajo final BI stb
Trabajo final BI stb
SalTiburcioBuenavent
 

Similar a Entregable final (20)

Business Inteligence
Business InteligenceBusiness Inteligence
Business Inteligence
 
La planificacion segun_data_ware_house
La planificacion segun_data_ware_houseLa planificacion segun_data_ware_house
La planificacion segun_data_ware_house
 
Oracle bI(inteligencia de negocios)
Oracle bI(inteligencia de negocios)Oracle bI(inteligencia de negocios)
Oracle bI(inteligencia de negocios)
 
Erp
ErpErp
Erp
 
BI - Inteligencia Artificial
BI - Inteligencia ArtificialBI - Inteligencia Artificial
BI - Inteligencia Artificial
 
INTELIGENCIA EMPRESARIAL
INTELIGENCIA EMPRESARIALINTELIGENCIA EMPRESARIAL
INTELIGENCIA EMPRESARIAL
 
Inteligencia empresarial bi
Inteligencia empresarial   biInteligencia empresarial   bi
Inteligencia empresarial bi
 
Diapositivas BI
Diapositivas BIDiapositivas BI
Diapositivas BI
 
18305938 e4 implementaciondeunsistema_bi
18305938 e4 implementaciondeunsistema_bi18305938 e4 implementaciondeunsistema_bi
18305938 e4 implementaciondeunsistema_bi
 
S15 bi v1-1
S15 bi v1-1S15 bi v1-1
S15 bi v1-1
 
Curso : Inteligencia de Negocios - Dia1
Curso : Inteligencia de Negocios - Dia1Curso : Inteligencia de Negocios - Dia1
Curso : Inteligencia de Negocios - Dia1
 
Inteligencia de Negocios
Inteligencia de NegociosInteligencia de Negocios
Inteligencia de Negocios
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 
One Goal ERP
One Goal ERPOne Goal ERP
One Goal ERP
 
Copy of Charla Cibertec DAT.ppt
Copy of Charla Cibertec DAT.pptCopy of Charla Cibertec DAT.ppt
Copy of Charla Cibertec DAT.ppt
 
SISTEMAS DE INTELIGENCIA DE NEGOCIOS
SISTEMAS DE INTELIGENCIA DE NEGOCIOSSISTEMAS DE INTELIGENCIA DE NEGOCIOS
SISTEMAS DE INTELIGENCIA DE NEGOCIOS
 
Data werehouse
Data werehouseData werehouse
Data werehouse
 
Trabajo final
Trabajo finalTrabajo final
Trabajo final
 
C:\Documents And Settings\Administrador\Escritorio\Sistemas\Trabajo Ayudantia
C:\Documents And Settings\Administrador\Escritorio\Sistemas\Trabajo AyudantiaC:\Documents And Settings\Administrador\Escritorio\Sistemas\Trabajo Ayudantia
C:\Documents And Settings\Administrador\Escritorio\Sistemas\Trabajo Ayudantia
 
Trabajo final BI stb
Trabajo final BI stbTrabajo final BI stb
Trabajo final BI stb
 

Último

Inteligencia Artificial para emprender.pdf
Inteligencia Artificial para emprender.pdfInteligencia Artificial para emprender.pdf
Inteligencia Artificial para emprender.pdf
RevistaMuyU
 
Que son las AI (Inteligencia Artificial)
Que son las AI (Inteligencia Artificial)Que son las AI (Inteligencia Artificial)
Que son las AI (Inteligencia Artificial)
Felipe Vásquez
 
COMPORTAMIENTO DEL CONSUMIDOR-EQUIPO 5.pdf
COMPORTAMIENTO DEL CONSUMIDOR-EQUIPO 5.pdfCOMPORTAMIENTO DEL CONSUMIDOR-EQUIPO 5.pdf
COMPORTAMIENTO DEL CONSUMIDOR-EQUIPO 5.pdf
RUIZMendozaMariam
 
Flexeserve en Southlake, Dallas, Texas - Introducción
Flexeserve en Southlake, Dallas, Texas - IntroducciónFlexeserve en Southlake, Dallas, Texas - Introducción
Flexeserve en Southlake, Dallas, Texas - Introducción
RicardoCarcach
 
Flujograma de gestión de pedidos de usuarios
Flujograma de gestión de pedidos de usuariosFlujograma de gestión de pedidos de usuarios
Flujograma de gestión de pedidos de usuarios
minerlovgamer
 
Marketing Digital - Tema 4 de fundamentos del marketing
Marketing Digital - Tema 4 de fundamentos del marketingMarketing Digital - Tema 4 de fundamentos del marketing
Marketing Digital - Tema 4 de fundamentos del marketing
Renato524351
 
Agència Bombó Magazine
Agència Bombó MagazineAgència Bombó Magazine
Agència Bombó Magazine
JaimeSamuelJustinian
 
AGENCIAS DE PUBLICIDAD MAS FAMOSAS DE MEXICO
AGENCIAS DE PUBLICIDAD MAS FAMOSAS  DE MEXICOAGENCIAS DE PUBLICIDAD MAS FAMOSAS  DE MEXICO
AGENCIAS DE PUBLICIDAD MAS FAMOSAS DE MEXICO
AlmaCeciliaPrezSille
 

Último (8)

Inteligencia Artificial para emprender.pdf
Inteligencia Artificial para emprender.pdfInteligencia Artificial para emprender.pdf
Inteligencia Artificial para emprender.pdf
 
Que son las AI (Inteligencia Artificial)
Que son las AI (Inteligencia Artificial)Que son las AI (Inteligencia Artificial)
Que son las AI (Inteligencia Artificial)
 
COMPORTAMIENTO DEL CONSUMIDOR-EQUIPO 5.pdf
COMPORTAMIENTO DEL CONSUMIDOR-EQUIPO 5.pdfCOMPORTAMIENTO DEL CONSUMIDOR-EQUIPO 5.pdf
COMPORTAMIENTO DEL CONSUMIDOR-EQUIPO 5.pdf
 
Flexeserve en Southlake, Dallas, Texas - Introducción
Flexeserve en Southlake, Dallas, Texas - IntroducciónFlexeserve en Southlake, Dallas, Texas - Introducción
Flexeserve en Southlake, Dallas, Texas - Introducción
 
Flujograma de gestión de pedidos de usuarios
Flujograma de gestión de pedidos de usuariosFlujograma de gestión de pedidos de usuarios
Flujograma de gestión de pedidos de usuarios
 
Marketing Digital - Tema 4 de fundamentos del marketing
Marketing Digital - Tema 4 de fundamentos del marketingMarketing Digital - Tema 4 de fundamentos del marketing
Marketing Digital - Tema 4 de fundamentos del marketing
 
Agència Bombó Magazine
Agència Bombó MagazineAgència Bombó Magazine
Agència Bombó Magazine
 
AGENCIAS DE PUBLICIDAD MAS FAMOSAS DE MEXICO
AGENCIAS DE PUBLICIDAD MAS FAMOSAS  DE MEXICOAGENCIAS DE PUBLICIDAD MAS FAMOSAS  DE MEXICO
AGENCIAS DE PUBLICIDAD MAS FAMOSAS DE MEXICO
 

Entregable final

  • 1. Nombre del Alumno: Jose Luis Sánchez Isaías Numero de Cuenta: 18208694 Materia: Métodos para la Inteligencia de Negocios Grupo: AIL1L Profesor: Mtra. Claudia Gonzalez Ruvalbava Fecha de la Actividad: 18/Febrero/2018 Titulo de la Actividad: Implementación de un sistema de Bussines Inteligence, BI.
  • 2. IMPLANTACIÓN DE UN SISTEMA DE BUSINESS INTELLIGENCE, BI
  • 3. INTRODUCCIÓN - ANTECEDENTES Y SITUACIÓN ACTUAL • Me refiero a una empresa Constructora, que actualmente carece de herramientas tecnológicas de la información o mejor dicho de un sistema de Business Intelligence, y tan solo cuenta con un panorama de archivos de trabajo como lo es el Excel, y esto genera un gran caos y perdida de tiempo en el área de compras, almacén y cuentas por pagar ya que el hecho de no contar con un almacén de Datos donde se capture toda la información adecuada una sola vez, se tiene que cargar la misma información en 3 o 6 hojas de calculo de Excel para llevar un control a medias y generar un reporte con porcentaje de error que va desde un 10% a 30% ya que muchas veces no cuadran los reportes presentados con las entradas de almacén, compras y cuentas por pagar. • El Presente Trabajo analiza una metodología practica para el desarrollo de un sistema de información que comprende: el área de compras y la evaluación de los procesos críticos.
  • 4. OBJETIVOS • El Objetivo de este proyecto es lograr una mejor automatización en el área de compras hacia la empresa, para lograr una mejor organización de los productos pertenecientes de los distintos proveedores. • Mayor desarrollo del área y del personal (compras – control de inventarios) • Recepción, análisis y registro de requisiciones. • Selección de Proveedores. • Elaboración, emisión, envió y seguimiento a ordenes de compra. • Coordinación de los sistemas de recepción, almacenaje, cuidados y entrega de materiales. • Contar con una buena estrategia de Business Intelligence permitirá a la empresa responder rápidamente a las necesidades por el suministro de los materiales, en tiempo real. • Comprender las necesidades de cada uno de nuestros proyectos es fundamental para que tengan el desarrollo mas adecuado de ejecución. • Se podrá Extraer, Transformar y Cargar, toda la información en el Data Warehouse (Data Mart) para las diferentes obras que se encuentran en la Republica Mexicana, para que esto permita contar con reporting, Analisis OLAP, contar con KPI que nos indicaran el rendimiento de nuestra organización y nos ayudaran a tomar las decisiones mas asertivas.
  • 5. REQUERIMIENTOS BÁSICOS 1. CAPTURA DE INFORMACION 2. MANEJO DE INFORMACION 3. VISUALIZACION Y DISTRIBUCION 4. ANALISIS DE LA INFORMACION 5. TOMA DE DECISIONES
  • 6. ANÁLISIS JERÁRQUICO DE DATOS • MODELO CONCEPTUAL: Se basa en identificar que tipos de procesos y vistas de negocios proporcionan la respuesta a las preguntas que tienen los usuarios finales. Hechos de compras
  • 7. ELECCIÓN DE UN MODELO DE OBTENCIÓN DE LA INFORMACIÓN SE EJEMPLIFICA DE ACUERDO AL FLUJO DEL PROCEDIMIENTO SEGÚN LA INFORMACION QUE LA INTEGRA, TRANSFORMA, ALMACENA PARA FINALMENTE OBTENER LA GENERACION DE CONSULTAS Y REPORTES O DASHBOARDS EN ALGUN VISUALIZADOR.
  • 8. SE DETERMINA EL USO DE BASE DE DATOS ORACLE Y SE DESCRIBEN LAS FUNCIONALIDADES DE CADA UNO DE ELLOS STAGING AREA • Recoge los datos que se necesitan en los sistemas de origen • No se aplican Restricciones de integridad, ni se utilizan Claves. • Los datos se tratan como si fueran ficheros planos. • Se reduce al mínimo la posibilidad de error. ODS (OPERATIONAL DATA STORE) • Da soporte a los sistemas operacionales • No almacena datos Históricos. • Se realizan transformaciones, limpieza de datos y controles de integridad ALMACEN CORPORATIVO (DWH) • Tiene datos históricos • Esta orientado a la explotación analítica de la información DATA MART • Estos se obtienen a partir de la información recopilada en el área del Almacén Corporativo. • Están orientados a un tema de análisis de cada departamento de la empresa. • Se diseñan con estructura multidimensional. • Estructura modelo estrella y modelo copo de Nieve MODELO DE EXPLOTACION – ALMACEN DE DATOS POR AREA (DATA MART)
  • 9. PROCESO DE EXTRACCIÓN, TRANSFORMACIÓN Y CARGA ETL • EXTRACCION • Extraer los datos desde los sistemas de origen. • Analizar los datos extraídos obteniendo un chequeo. • Interpretar este chequeo para verificar que los datos extraídos cumplen la pauta o estructura que se esperaba. Si no fuese así, los datos deberían ser rechazados. • Convertir los datos a un formato preparado para iniciar el proceso de transformación. • PROCESO DE TRANSFORMACION • Declarativas. • Independientes. • Claras. • Inteligibles. • Con una finalidad útil para el negocio. • PROCESO DE CARGA • Los data warehouse mantienen un historial de los registros, de manera que es posible en todo momento hacer una auditoría de los mismos. Esto permite disponer de un rastro de toda la historia de un valor a lo largo del tiempo.
  • 10. CRITERIOS O FACTORES DE EVALUACIÓN DE TECNOLOGÍA DE BI JUSTIFICACIÓN Y EXPLICACIÓN DE ELEGIR LA TECNOLOGÍA UTILIZADA • FLEXIBILIDAD • RESULTADOS OPTIMOS • EL MODELO DE OBTENCION TIENE UNA FINALIDAD MUY ESPECIFICA DE LA CUAL SE REQUIERE DE UN DATA MART • LOS RESPORTES SE ALIMENTAN DIRECTAMENTE DE UN DATAMART. • ES UNA HERRAMIENTA CONFIABLE PARA LA GENERACION DE REPORTES CONFIABLES PARA LA TOMA DE DESICIONES.
  • 11. REPORTES Y DASHBOARDS Y SUS CARACTERISTICAS • Es una representación grafica de los principales indicadores KPI, que intervienen en la consecución de los objetivos del negocio. • Esta orientada a la toma de decisiones para optimizar la estrategia de la empresa. • Fácil de utilizar por los gerentes y demás usuarios que conlleve. • KPI, definido a nivel organizacional.
  • 12. DEFINICION DE ESTRATEGIAS DE APLICACIÓN DE LA INFORMACION PARA LA TOMA DE DECISIONES • Crear un reporte diario de todas las compras y entradas de almacén realizadas durante el día. • Entender que es un proceso continuo, compras, con Almacén y cuentas por pagar. • Fortalecer las acciones con nuevos objetivos y estrategias. • Examinar todo el panorama que arroje como resultado el reporte diario de las compras. • Analizar a detalle los reportes de KPI y GPI con las áreas involucradas.
  • 13. BIBLIOGRAFIA • Ruvalcaba, C. G. (2017). Métodos Para La Inteligencia de Negocios. (U. T.MEXICO, Ed.) Recuperado el 17 de FEBRERO de 2018 • http://site.ebrary.com/lib/laureatemhe/detail.ac tion?docID=10433880&p00=estrategias+implem entacion+exitosa