Este documento habla sobre inteligencia de negocios y sus principales componentes. Explica que la inteligencia de negocios ayuda a las organizaciones a tomar mejores decisiones más rápidamente mediante el análisis de datos y la generación de información relevante. También describe los principales elementos que contribuyen a la inteligencia de negocios como la tecnología, las personas y la cultura corporativa.

1. Grupo Nº 5-6 Integrantes: Bajaña Dian Guamán Ernesto Pino Jefferson Rodas Jonathan John Sánchez Robinson Ortiz Andrés Reyes Profesor: Ing. Patricio Vicuña

2. Inteligencia de Negocios es la clave para llevar juntos a la información, la gente y la tecnología a la gerencia exitosa de la compañía u organización.

3. El término Inteligencia de Negocios, también conocido como BI , es un concepto multifacético; examinaremos este desde tres diferentes perspectivas: Tomar mejores decisiones rápidamente. Convertir los datos en información. Utilizar un método razonable para la gestión empresarial.

4. El objetivo primario de Inteligencia de Negocios es ayudar a la gente a tomar decisiones que mejoren el rendimiento de la compañía e impulsen su ventaja competitiva en el mercado. En forma breve, Inteligencia de Negocios faculta a las organizaciones a tomar las mejores decisiones rápidamente.

5. Para tomar decisiones más rápidamente, los directivos y gerentes necesitan de información relevante y útil al alcance de la mano. Mediante técnicas de ordenación y análisis, podemos conseguir información útil referente a tendencias de mercado, rendimiento de vendedores, evolución de costes, análisis de tiempos de operación, evolución de la demanda, etc.

6. Tiene las siguientes características: Buscar hechos (datos) que se pueden medir cuantitativamente acerca del negocio. Usar métodos organizados y tecnologías para analizar los hechos. Inventar o compartir modelos que expliquen las relaciones de causas y efecto entre las decisiones operativas y los efectos que están tienen en alcanzar los objetivos de negocio.

7. Inteligencia de Negocios es mucho mas que una actitud empresarial o una tecnología a disposición de las organizaciones; es un marco de referencia para la gestión del rendimiento empresarial, un ciclo continuo por el cual las compañías definen sus objetivos, analizan sus progresos, adquieren conocimientos, toma de decisiones, miden sus éxitos y comienzan el ciclo nuevamente.

8. Inteligencia de Negocios ayuda a los gerentes a tomar mejores decisiones más rápidamente en los niveles estratégico y operativo.

9. Lo hacemos por un filtro mental. Este proceso de filtrado esta basado en nuestra comprensión básica y por las suposiciones de cómo nuestro negocio opera, incluyendo, por ejemplo, lo que es importante para nuestros clientes, proveedores y empleados; cuales son los factores que afectan el costo y la calidad de los productos; y que sucedería si aumentamos el precio de venta de nuestros productos.

10. Hay ideas operacionales, como descubrir la causa de las varianzas de precio en una empresa en una compra de mercancía especializada. Hay ideas estratégicas. Por ejemplo, la mejor manera de ganar suscriptores de telefonía celular es regalar el teléfono y cobrar solamente por el servicio.

11. La acción se conecta con el ciclo de BI a través del proceso de toma de decisiones. La acción es lo que sigue a una mejor y más rápida toma de dediciones proporcionada por el BI. Las decisiones bien fundamentadas (decisiones apoyadas en un buen análisis y sus conclusiones) proporcionan una motivación extra al que emprende la acción.

12. A través de una mejor recopilación de la información y una mayor frecuencia en la generación de informes que la Inteligencia de Negocios proporciona, resulta posible medir los resultados de la compañía en comparación con los estándares cuantitativos, con la finalidad de llegar a un nuevo ciclo de análisis, ideas y acciones correctivas.

13. Los entes principales que contribuyen a facilitar la Inteligencia de Negocios son: La tecnología La gente La cultura corporativa.

14. Las organizaciones hoy pueden crear amplios sistemas corporativos de Inteligencia de Negocios que calculan y supervisan métricas sobre cada variable que sea importante para la gestión de la compañía.

15. Actualmente los computadores entregan mas potencia en comparación a los supercomputadores de una década atrás. Las técnicas de análisis de Inteligencia de Negocios que necesitan millones de cálculos pueden ahora hacerse rápidamente en servidores de bajo costo.

16. La cantidad de transacciones que es capturada, procesada y disponible para ser analizadas en aplicaciones de Inteligencia de Negocios no tiene precedentes. El costo de almacenar grandes cantidades de datos es insignificante comparado con los beneficios del análisis.

17. El crecimiento de Internet, la adopción extendida de exploradores Web y el desarrollo de interfaces amigables han permitido que las organizaciones puedan conectar virtualmente a sus empleados con las bases de datos de las aplicaciones de Inteligencia de Negocios.

18. Actualmente existen grandes compañías que ofrecen paquetes completos de productos para Inteligencia de Negocios; estos paquetes incluyen: herramientas para la extracción, transformación y carga de datos (ETL – extracting, transforming, and loading data),

19. Entender el papel de la gente en el ciclo de Inteligencia de Negocios permite a las organizaciones sistemáticamente crear ideas y convertir estas ideas en decisiones. Una manera para que las organizaciones puedan mejorar sus decisiones es tener la gente correcta tomando esas decisiones.

20. Una responsabilidad clave de los ejecutivos es configurar y administrar la cultura corporativa. Las culturas que son más exitosas en posibilitar la Inteligencia de Negocios son aquellas que sistemáticamente tiene éxito en lo siguiente: Proporcionar amplio y fácil acceso a la información. Motivar análisis a amplia escala tomar decisiones. Motivar el compartir resultados con amplias audiencias. Alentar la experimentación y tolerar fallos.

21. DIMENSIONES PARA << slice and dice >> Una dimensión es una vista de los datos categóricamente consistente. Todos los miembros dentro de una dimensión , tales como productos pertenecen juntos a un grupo. Hay dos ejemplos sencillos para esto: Los datos acerca de los miembros pueden ser comparados: por ejemplo. Los miembros del actual y del presupuesto de una dimensión Escenario pueden ser comparados. Los datos provenientes de miembro pueden ser agregados para totalizar miembros: por ejemplo. Los miembros enero, febrero y marzo de la dimensión Tiempo pueden ser agregados para un valor del primer trimestre. Slice (rebana) y dice(cubo) : hacen particiones de los datos en una base de datos multidimensional de acuerdo a los valores de ciertas dimensiones, como por ejemplo, podríamos rebanar y hacer cubos de un tomate.

22. En resumen, los sistemas OLAP organizan los datos por intersecciones multidimensionales. Esta organización, acompañada por una herramienta de interfaz para rotar y anidar dimensiones, permite a los usuarios visualizar rápidamente los valores en detalle, patrones, variaciones y anomalías de los datos que estarían de otra manera ocultos por un análisis dimensional simple. A mayor número de dimensiones, mayor es la profundidad del análisis.

23. El miembro cerezas de la dimensión producto atraviesa todas las intersecciones de las dimensiones de tiempo y mercado. Una vez mas, slice-and-dice en el mundo OLAP está identificando un subconjunto de celdas, que el usuario ha seleccionado para visualizar, desde el cubo maestro OLAP almacenado en un servidor de datos. Cerezas Uvas Manzanas Dimensión Tiempo 1º 2º 3º 4º Trimestres Atlanta Chicago Denver Detroit Melones

24. JERARQUIAS PARA HACER drill down Un sistema OLAP permite organizar los datos en jerarquías que se agregan desde el detalle hasta los niveles altos. Por ejemplo, los datos mensuales puede ser resumido o totalizados por trimestres o años, los distritos totalizados por regiones, los productos totalizados por líneas de productos y grupos de productos, así sucesivamente. Para ayudar a comprender la terminología de dimensiones, utilizaremos términos OLAP comunes que se describe a continuación: Dimensión: Es un grupo de miembros consistentes categóricamente representados como una arista específica de un cubo OLAP. Típicamente, un cubo OLAP suele tener siete u ocho dimensiones, aunque es posible que tenga más.

25. Dimensión Tiempo Año Trimestre Meses TIEMPO 2001 Q1 Enero Febrero Marzo Q2 Abril Mayo Junio Q3 Julio Agosto Septiembre Q4 Octubre Noviembre Diciembre

26. Jerarquías: Es la organización de niveles dentro de una dimensión que refleje: (1) como los datos añadidos están agregados nivel a nivel y (2) el camino que permite hacer drill-down de arriba abajo dentro de la dimensión. Miembro: Es el nombre o etiqueta para cualquier miembro de cualquier nivel de una jerarquía. Los miembros inferiores son llamados algunas veces miembros hoja o miembros del nivel cero. Generación Jerárquica: Este término se utiliza para describir las relaciones entre miembros de una jerarquía. Lo más común es usar nombres de familia, como los siguientes: Hijo: Es un miembro directamente subordinado o por debajo de otro miembro en una jerarquía. Por ejemplo, enero es hijo de Q1. Padre: Es un miembro que está directamente encima de otro miembro en una jerarquía. Por ejemplo, Q1 es padre de enero.

27. Hermano: Es un miembro que está al mismo nivel de uno o más miembros compartiendo el mismo Padre. Por ejemplo, enero, febrero y marzo son hermanos entre ellos. Descendientes: Cualquier miembro en cualquier nivel en relación a otro miembro específico. Por ejemplo. Todos los trimestres y meses para el 2001 son descendientes del miembro 2001 . Ancestros: Cualquier miembro de cualquier nivel superior en relación a otro miembro. Por ejemplo, los miembros Q1 y 2001 son ancestros de enero. Medidas: Es cualquier expresión cuantitativa. Por ejemplo el importe de ventas es una medida importante para analizar la actividad de ventas.

28. MODO DE ALMACENAMIENTO OLAP El concepto << a la velocidad del pensamiento >> que tanto hemos usado se evidencia en el sistema OLAP (análisis multidimensional) porque los datos encuentran almacenados en estructuras que está optimizadas para permitir la rápida recuperación de la información. Definición de los tres paradigmas de almacenamiento para dar apoyo al análisis multidimensional. Desktop file: Conocido como DOLAP (desktop online analytical processing). Los datos son almacenados en máquinas individuales de sobremesa, este tipo de almacenamiento es útil cuando se deseen desarrollar aplicaciones de pequeña escala donde no existe la necesidad de que múltiples usuarios tengan que acceder a los datos como si fuera un servidor central.

29. Servidores de base de datos relacionales: Es conocido como ROLAP (relational omline analytical processing). Almacena datos en una base de datos relacional permite tomar ventaja de uno de sus más grandes beneficios, el almacenamiento de inmensas cantidades de datos. Lo que suele ocurrir es que el rendimiento de recuperación de la información para ROLAP frecuentemente no es tan rápido como otras opciones de almacenamiento. Servidores de base de datos multidimensionales: Es conocido como MOLAP (Multidimensional online analytical processing). Los datos son colocados en estructuras especiales que se encuentran en un servidor central. MOLAP ofrecen mayor rendimiento de recuperación de información. Un cuarto modo de almacenamiento es HOLAP (Hybryd online analytical processing) no es realmente un modo diferente de almacenamiento de datos. Más bien es la habilidad para diseminar los datos a través de la base de datos relacionales y multidimensionales con la finalidad de obtener lo mejor de ambos sistemas.

30. CUALES SON LAS TECNOLOGIAS DE BUSINESS INTELLIGENCE ? Cuando una compañía decide implementar una plataforma Business Intelligence, existen consideraciones que necesitan ser tomadas en cuenta relativas al tipo de plataformas en la que será construida, las herramientas y tecnologías que será usada para convertir los datos originales o << crudos>> en información útil. LA VISION MACRO El proceso que utiliza las plataformas de Business Intelligence para capturar datos y convertirlos en información útil puede ser simple o muy complicada.

31. ¿dónde están los datos almacenados? Conociendo las limitaciones de los sistemas operacionales, muchas compañías consiguen cubrir sus necesidades de análisis e información de negocios acumulando los mismos en un repositorio colectivo. Este repositorio no sólo tienen nombre especial que podría ser bastante familiar: el data warehouse, sino que también identifica lugar donde los datos son almacenados en la plataforma de Business Intelligence. ¿cómo se obtienen los datos para los usuarios de negocio? Una vez descarga la información en el data warehouse, los procesos de análisis e información de negocio son responsables de tomar los datos desde el data warehouse, ensamblar los datos, presentarlos en formatos amigables para el usuario (tales como hojas de cálculo y gráficos) y entregar esta información a los usuarios de negocio.

32. Para llevar a cabo los procesos de análisis y presentación de informes, de las herramientas de front-end recogen los datos de data warehouse y presentan estos a los usuarios en forma de informes. HERRAMIENTAS DE front -end DATA MINING Puede ser utilizado para analizar las relaciones detalladas de los datos; por ejemplo, data mining puede responder preguntas relacionadas sobre qué cliente deben atacarse para un nuevo producto.

33. DATA WAREHOUSE El objetivo primario de data warehouse es apoyar a los procesos de análisis y presentación de informes, los requirimientos de los usuarios tienen influencia en su diseño y contenido. En la práctica esto tiene doble significado, uno de los usuarios definen la información que les ayudará a ellos a tomar las mejores decisiones rápidamente y dos para que los profesionales de tecnología puedan construir un data warehouse para alcanzar sus necesidades. Esta práctica es más exitosa cuando los usuarios y los especialistas en tecnologías comparten los mismos lineamientos sobre cuáles son las necesidades de la organización y como un data warehouse cumple con estos requerimientos.

34. Para demostrar la aplicación en el mundo real de Business Inteligence, en los siguientes estudios se describen como las compañías a través de varias industrias exitosamente aplican Business Inteligence para mejorar la calidad de sus decisiones en los diferentes niveles Organizacionales.

35. La línea de lujo Volkswagen AG.utiliza business intelligence para mejorar la coherencia de las operaciones en la línea de ensamblaje de sus vehículos, en la planta de ingolstadt, Alemania.

36. El mas Grande distribuidor de computadores en america aplica business intelligence para progresar en las operaciones diarias del negocio a través de la mejora en el rendimiento.

37. Una cadena de supermercados en argentina, Utiliza Business Inteligence para expandir los servicios y programas de mantenimiento.

38. Un Fabricante de productos para excursionismo y aventura en Seattle Washintong utiliza business Inteligence para mantener fuerza laboral en su industria altamente influenciada por las estaciones.

39. AUDI AG Para perfeccionar los procesos de la línea de ensamblaje de Audi , se desarrollo un data Mart de operaciones de Vehículos. Que suministraba a los gerentes de línea el necesario conocimiento para guiar las Operaciones diarias en Ensamblaje.

40. Vender vehículos de lujo bajo demanda es un negocio desafiantes, especialmente desde la perspectiva de la recopilación de Datos. En lugar de vender directamente a clientes los fabricantes típicamente venden automóviles Indirectamente a través de Conseccionarios.

41. Para afinar el modelo de datos. El equipo de implementación construyo un prototipo del Data Mart para q los usuarios finales hicieran pruebas. Se involucro la selección de un motor de Base de Datos y un Software Front-End de análisis para hospedar la información. El factor primario de decisión para seleccionar la plataforma de Business Intelligence era que fuese de bajo costo, alto rendimiento y alta manejabilidad. Basados en criterios para organizar y administrar Datos.

42. Audi utilizo la tecnolgia OLAP ofrecidad por Microsof para desarollar una rapidad y flexible Vistas de la Simulacion de Operaciones. Para llevar a cabo la extracción y transformación de datos DTS para desarrollar rutinas de Carga de datos dentro de las bases de datos OLAP.

43. Proporciona a los Gerentes de operaciones el conocimiento inmediato de cómo los vehículos están siendo ensamblados en la línea de producción además q cliente esta comprando estos vehículos y cuanto tiempo tomara mover cada vehículo desde cada punto de la línea de ensamblaje. Por tener esta información antes que el proceso de ensamblaje empiece los gerentes pueden hacer cambios necesarios para gestionar la producción .

44. Incluye implementar un Data Mart para medir el rendimiento actual de la línea activa de ensamblaje. Centrando datos actuales y simulados se podrá ver todos los procesos a 180 grados. Seguimiento mas agresivo con la finalidad de obtener tiempo mas preciso y brindar a sus clientes mas flexibilidad en la hora de hacer cambios de ultimo minuto en Ordenes de Vehiculos.

45. Al tener Acceso flexible a los Datos de simulación los gerentes de Operaciones tienen la posibilidad de identificar rápidamente los problemas de ensamblaje, diseño y control de sus Proveedores. Permitirá tomar rapidas decisiones correctivas antes q el proceso de Ensamblaje comiense.

46. Necesidades de la empresa Seguridad Flexibilidad Reportes Acceso a la información Manipular información construir un sistema q permita a los usuarios analizar interactivamente la comercialización de los fondos Mutuales

47. Tener acceso a la mayoría de la información posible. Crear un proceso de se ejecute en las noches para extraer las transacciones que ocurren durante el dia provenientes de un sistema de administración . Utilizar 3 cubos OLAP para análisis de fondo.

48. Reducción de tiempo invertido para obtener los datos. Los usuarios tienen acceso a la información de los primeros 5 minutos del dia de trabajo. Informes complejos con mayor rapidez.

49. GRUPO Nº 6 INTEGRANTES : ROBINSON ORTIZ V. JOHN SANCHEZ V. ANDRES REYES C.

51. CompUSA Inc. ha pasado por varias transformaciones en su funcionamiento. Inicialmente la compañía vendía directamente a clientes de empresas, pero luego abrió sus ventas al mercado minorista. Cabe señalar que desde su inicio hasta el presente esta empresa ha crecido mediante expansión de adquisiciones hasta convertirse en el mayor minorista informático de Norteamérica.

52. El equipo de gestión de operaciones abarca toda la organización e incluye al Director General de cada tienda, Directores regionales, directores de división y ejecutivos corporativos. La empresa no podía realizar comparaciones entre venta en bruto y rentabilidad entre tiendas y regiones; y de la misma manera no podía ofrecer una información que reflejara las ventas en relación a las visitas de los clientes en el día. La idea que hay detrás del Bussines Analytics Data Warehouse era ofrecer una solución ideal para todas las necesidades mediante un solo repositorio centralizado de información y proporcionar los informes para obtener vistas distintas de la misma.

53. La primera fase antes de construir el diseño de datos consistía la recopilación y consolidación de los datos (Análisis de Requerimientos) Una vez incorporada en el diseño la información recibida, se tomó un enfoque iterativo para construir el almacén de datos. Poco a poco se fue añadiendo la información de todos los puntos de venta existentes lo que resultó en una satisfactoria consolidación de los datos. Una vez hecho esto, se podía realizar el estudio del comportamiento de cada uno de los puntos de venta de la empresa y así identificar cuales son las que necesitan una mejora.

54. La aplicación del Bussines Analytics Data Warehouse ayudó en gran parte a la mejora en la toma de decisiones para el buen desempeño de la compañía. En cada tienda, hasta cuatro directores tienen acceso a la información a través de la intranet corporativa obteniendo información de las ventas, margen bruto y servicios que ofrece cada tienda.

55. Otro beneficio, es que permite la recolección de información que puede ser muy importante para identificar el desempeño de cada miembro de una organización o de la actividad de los clientes. El tercer beneficio importante es que se pudo mejorar la productividad y evitar pérdidas manteniendo un almacén de datos que recolecte todos los datos del negocio y colocar estos en hojas de cálculos consolidándolos de una reforma que resulten utilizables.

56. Era muy importante tener en consideración que los datos podían crecer en altas magnitudes por lo que Microsoft SQL-Server fue de gran utilidad para el manejo de estos datos de forma regular Este era un problema común ya que los datos se encontraban en distintos sistemas de origen. Para esto fue necesario validar los datos de los diversos sistemas antes de integrarlos.

57. Muchas veces se solía perder datos durante el sistema de conversión debido a la interfaz del software. Para esto se hizo necesario revisar periódicamente la calidad de datos que se estaban almacenando y si fuere necesario realizar nuevos procesos que permitan mejorar la recolección de datos de los diferentes sistemas. Se puede decir que clave del éxito del almacén de datos dependió mucho del estudio que se realizó en cuanto a las necesidades de la empresa y así almacenar los datos realmente necesarios de manera que se pudiera entregar la información en tiempo casi real para obtener una imagen completa de la actividad diaria del negocio.

59. A pesar de tener un Programa denominado DiscoPlus, los usuarios dependían del departamento de tecnología para conocer la información proveniente de los sistemas transaccionales. Los informes podían ser actualizados con nuevos datos en intervalos semanales y además producir un nuevo informe tomaba varias horas y se requería de la gente de tecnología. Por ello el departamento de tecnología sugirió la implementación de un Data Warehouse y de esta manera se solucionarían los problemas de acceso a la información.

60. Evaluar la funcionalidad de OLAP y de data mining. El equipo llegó a la conclusión que la tecnología OLAP era la mejor opción ya que permitiría el acceso a información detallada y consolidada. Los datos genéricos fueron recopilados desde los puntos de venta para ser almacenados en el data warehouse diariamente. El equipo de Data warehouse utilizó combinaciones de técnicas descriptivas: la segmentación y el clustering. La segmentación consistía en agrupar a los clientes de acuerdo a la frecuencia de compra, tamaño de la compra que luego sería combinada con la información de los clientes inscritos en el DiscoPlus. El clustering evalúa cada grupo segmentado de los clientes para localizar características comunes de cada grupo.

61. Después de almacenar los datos en el data warehouse se creó un cubo OLAP que proporcionaría a los usuarios finales una rápida vista multidimensional de los datos de ventas a clientes. Rápido y fácil acceso a la información por haber aplicado técnicas correctas de análisis para los problemas del negocio. Con las técnicas de segmentación y clustering ha sido creado un perfil para grupos específicos de clientes. Cabe recalcar que el éxito del data mining depende mucho de la calidad de los datos que se almacenan. Por ello esta es la fase más larga y compleja de este proyecto.

62. Producto Uvas Manzanas Melones Cerezas Peras T4 Tiempo T1 T2 T3 Localidad Guayaquil Salinas Milagro

63. Sirve como una guía de implementación diseñada específicamente para los responsables en la toma de decisiones. La guía esta dividida en 2 partes: Una estrategia de implementación para construir exitosamente una solución Business Intelligence Consejos prácticos para tomar las decisiones fundamentales involucradas en la creación de la solución.

64. Es el primer objetivo de la guía básica. Es identificar con exactitud que es lo que usted desea conseguir con Business Intelligence. En términos practico esto significa buscar las oportunidades en su organización en donde la inteligencia de negocios pueda mejorar la calidad de toma de decisiones día a día. El propósito es describir un proceso que sea fácil de usar para hacer sesiones de brainstorming (tormentas de ideas) y evaluación de oportunidades especificas de BI en una organizacion

65. Este proceso se divide en 3 pasos o frases: Hacer los deberes precisa la estimulación de donde BI puede ser aplicado en una organización(por Ejemplo, unidades de negocio o aéreas funcionales), quienes se benefician (Directores, Analistas y Gerente). Recopilar y compartir ideas implica los encuentros de todas las personas para aportar, compartir sus ideas y experiencias. Evaluar alternativas utiliza criterios estándar para evaluar las ideas recopiladas durante las sesiones de aportación e identificar aquellas oportunidades que proporcionen los mayores beneficios.

66. Hacer los deberes o tareas esta basado en un viejo adagio periodístico : <<Dime con exactitud quién, qué, dónde, por qué, cuándo y cómo>> . Modificaremos un poco este adagio y reorganizaremos el orden.

67. El objetivo de esta sección es un proceso paso a paso para recopilar y compartir las ideas provenientes de las personas en la organización . EL proceso tiene cinco pasos. Organizar sesiones de tormentas de ideas Definir el equipo de brainstorming Hacer preguntas de negocio Identificar las necesidades de información Organizar las necesidades de información.

68. Es una oportunidad de reunir a grupo de persona junta con la finalidad de discutir cuales procesos de negocios pueden beneficiarse de BI y que tipo de información puede contribuir a mejorar estos procesos. El objetivo de estas sesiones es desarrollar una lista de preguntas de negocio. Recomendamos utilizar notas adhesivas para documentar cada sesión. Las notas adhesivas proporcionan una vista instantáneas y rápida de un grupo de discusión .

69. Si lo que se desea es hallar oportunidades en una área funcional especifica, resulta conveniente invitar a la sesión a usuarios, analistas y gerentes de esa área funcional. Con seguridad se debe incluir a los expertos de los procesos del departamento o departamentos del área funcional .

70. Hacer preguntas sin preocuparse de las respuestas. Nuestra experiencia indica que consentir que los usuarios realicen las preguntas típicas del trabajo diario da como resultado información rica en cuanto a medidas y dimensiones. Las preguntas con <<por qué>> son frecuentes las mas interesantes. Ellas casi siempre se transforman en muchas preguntas con <<qué>> y <<cuál>>.

71. El equipo de brainstorming debe pensar acerca de qué o cuánta información es necesaria para responder las preguntas. Usted puede identificar las necesidades de información en cualquier a de estas tres formas : Por discusiones de las necesidades dentro del grupo. Por búsqueda en los informes actuales Por utilizar una nota adhesiva o pizarra para dibujar informes simples con filas y encabezados que identifiquen la información. El objetivo es poner de manifiesto la medida o medidas subyacentes de cada pregunta y luego identificar la dimensión relevante para responder la pregunta.

72. En el paso final de brainstorming se debe organizar la información de las notas adhesivas para registra las medidas y dimensiones en una tabla especial llamada anteproyecto BI. En las columnas de tabla, documentamos los nombres de las dimensiones. En las filas llenamos numero de referencia de la nota adhesiva y las medidas.

73. Requiere investigar que aéreas de la organización pueden beneficiarse por la utilización de una solución Business Intelligence . Aunque cada organización esta estructurada de forma diferente , el lugar ideal para comenzar el estudio son los procesos críticos de las áreas funcionales y unidades de negocios.

74. Análisis de la contribución de productos y línea de producto en esta aplicación de BI , los costos variables son recopilados desde todas las áreas funcionales del negocio. Los beneficios potenciales son mejor entendidos por las estrategias de precios alternativos, recorte de producto o líneas de productos desventajosa s y nuevas ofertas de productos empaquetados. Análisis de rentabilidad de clientes en esta aplicación los ingresos y costos son recopilados y luego asignados para cada cliente específicos y grupos de clientes

75. Este aspecto es otro factor importante que debe ser considerado. Necesita pensar a través de las necesidades de análisis e información de los diferentes roles y niveles en la organización(operadores, gerente, directores y analistas). La regla es muy simple: mientras mas baja es la calificación de empleo del usuario final mas probable es la necesidad de datos operacionales detallados y particulares para una área funcional; a nivel mas alto en la calificación de empleo, mas probable es la necesidad de datos consolidados para el análisis de tendencias y patrones.

76. La primera iniciativa en business intelligence que se desarrolle para una unidad de negocios, incrementará significativamente muchas áreas de oportunidad en casi todas las áreas funcionales del negocio. Y se clasifican en tres criterios: accionalidad de la informacion , materialidad del impacto, enfoque estrategico frente al táctico .

77. Para cada área, determine la accionabilidad de la información proveniente de la solución de BI propuesta. Ej: ¿Por qué recibo mas llamadas de apoyo de la Costa Oeste que de otras regiones? pueden resultar interesantes, un gerente disponga de esta información. Es decir la capacidad intrínseca para originar una decisión.

78. Es la importancia que tiene la información en la organización. Para cada área determine la materialidad de la acción resultante de la información de la solución del BI propuesta. Ej: ¿Podría tener o ahorrar una cantidad importante de dinero si la información estese sobre una base continua.

79. Analice detenidamente la oportunidad en términos táctica frente a la estratégica en el negocio. El impacto mas importantes en BI es el estratégico en esencia. Las iniciativas estratégicas del BI aunque son en teoría importantes, a menudo son altamente arriesgadas en su implementación debe haber un gran compromiso en la organización.

80. 1.Cuanto mayor es el interés y mas frecuente el uso potencial de una solución de BI a niveles mas altos de la organización. Mas estratégico resulta el impacto en las decisiones estratégicas dentro de la organización. 2.Cuanto mas multifuncional resultan los requerimientos y el perfil de los usuarios potenciales mas estratégicos resultan. Las soluciones BI también tienden a ser extremadamente efectivas en cohesionar las organizaciones resolver disparidades y dudas historicas.

81. Seleccionar un área de oportunidad para BI de tal manera de que sea fácil de poner en marcha independientemente cuando una organización tiene poca experiencia en BI. Es importante comprender la dificultad de cada oportunidad antes de proseguir. Para evaluar el nivel de dificultad tenemos tres criterios.

82. Son normalmente mas difíciles diseñar y poner en marcha que las estrictamente funcionales o en los departamentos. La principal razón es que la gente de diferentes departamentos frecuentemente observan sus necesidades de la información de forma diferente, y reconciliar tales diferencias es algo político y consume mucho tiempo. Por ejemplo los grupos de finanzas y marketing tienen diferentes concepciones de estructurar los grupos productos.

83. Para su evaluación las siguientes preguntas: ¿Existen los datos que puedan mantener las medidas y dimensiones ? ¿Existen los datos para mantener las nuevas métricas que han sido identificadas? ¿Cuánta factibilidad tiene el nivel de detalle que fue especificado?

84. Al principio establecimos las diferencias entre medidas, aquellas que surgen de forma natural ej: importe de venta, U vendidas y las medidas calculados son aquellas que son calculadas a partir de las medidas ej: al dividir el importe de ventas entre las UV, aunque las bases de datos transaccionales y OLAP tienen capacidad de calcular medidas definidas

85. Oportunidades alta. fácil Oportunidades media. fácil Oportunidades alta. media Oportunidades media. media Oportunidades media. difícil

86. Las oportunidades de BI son difíciles de evaluar que otros proyectos de tecnología. Los sistemas OLTP están inseparablemente vinculados a los procesos diarios. Ej: no procesar una orden o facturar son entendidas y fácilmente cuantificadas . Con BI, sin embargo, los beneficios mas importantes aunque obvios no son fáciles de cuantificar.

87. Los técnicos expertos han decidido dividir esta guía en dos partes: Una estrategia para la implementación.-construir la solución BI. Las decisiones fundamentales.- consejos practico para los responsables de las toma de decisiones.

88. Esta estrategia de implementación utiliza los siguientes lineamientos de alto nivel: Pensar en grande y empezar en pequeña escala. Prestar especial atención a su primer paso. Ensamblar las piezas anticipadamente. Desarrollar proyectos BI bien definidos. Apoyar los éxitos de forma continua.

89. Significa usar las áreas de oportunidad BI para guiar el camino hacia la creación de los data martes. Prestar especial atención a su primer paso Su primer data mart es el mas importante por las criticas de soluciones BI y por que afectará a proyectos futuro.

90. Ensamblar las piezas del puzzle del data mart en términos prácticos utilizar el método de diseño iterativo o cíclico para construir el data mart. Data Mart Departamental Data Mart Empresarial

91. Tener un proyecto BI estructurado garantiza la solución BI y proporcionará su máximo valor en la organización. Dependiendo lo que usted quiere conseguir nombraremos tres categorías: Proyecto piloto Proyecto de prueba de conceptos Proyectos a gran escala

92. Sin una estrategia para apoyar el éxito de los data marts usted podría finalizar creando data marts aislados que no integren la información conjuntamente. Las decisiones fundamentales La segunda parte incluye consejos prácticos para la toma de decisiones que también incluye la selección del equipo de implementación.

93. Estas son normalmente de largo plazo, esto significa que usted debe prestar especial atención a este aspecto con la finalidad de garantizar que la solución de BI cubre sus análisis de requerimientos a corto y largo plazo. Aun cuando usted no debe involucrarse en los pequeños detalles de la arquitectura, usted debe estar familiarizado con los criterios comunes que el equipo de implementación utilice para evaluar las tecnologías de bases de datos. Aunque las bases de datos relacionales y las bases de datos OLAP tienen diferentes características que usted debe evaluar los siguientes criterios aplican para evaluar ambas bases de datos.

94. Escalabilidad Ambas bases de datos deben tener la capacidad de manejar el número de usuarios y volúmenes de datos que usted tiene en la actualidad y los que prevé tener en el futuro. Ambas bases de datos deben mantener sus objetivos de rendimiento. Estos objetivos pueden ser divididos en dos categorías: Rendimiento Velocidad de procesamiento de datos Velocidad de recuperación de los datos.

95. En combinación con el rendimiento, las bases de datos relacionales y las OLAP deben tener un mecanismo para gestionar y optimizar los motores de bases de datos como sea necesario. Ambas bases de datos deben tener un mecanismo para administrar la seguridad con la finalidad de tener la garantía de que los usuarios adecuados tienen acceso a los datos correctos. Manejabilidad Seguridad

96. Ambas bases de datos deben cubrir las necesidades de disponibilidad o accesibilidad necesarias para garantizar que el sistema siempre este en funcionamiento y con la posibilidad de ser respaldados o restaurados cuando algo funcione de forma inadecuada. Ambas bases de datos deben permitir a los programadores configurar y adaptar las mismas, tanto como sea necesario para mantener almacenamiento de datos específicos y necesidades de administración. Disponibilidad Adaptación

97. las bases de datos relacionales proporcionan grandes capacidades para introducir actualizaciones. Es importante resaltar que muchas bases de datos OLAP son muy débiles en este aspecto. Las bases de datos relacionales proporcionan un gran soporte para tener acceso a la última información esencialmente en tiempo real. Write Back Tiempo Real

99. Diseñar dimensiones que cubran sus necesidades de análisis es otra tarea fundamental. Los responsables de la toma de decisiones necesitan darse cuenta de las múltiples opciones de diseño que existen para las dimensiones, incluyendo la forma en que las dimensiones son organizados dentro de las jerarquías, que atributos mantienen estas dimensiones son organizados dentro de las jerarquías, que atributos mantienen estas dimensiones y que dimensiones experimentan cambios frecuentes.

100. Una jerarquía puede ser configurada por una lista de niveles desde el menor hasta el mayor resumen. Por ejemplo, los clientes están englobados en las regiones, las cuales a su vez están englobadas en países. En este caso la dimensión cliente contiene tres niveles: cliente, región y país.

101. Adicionalmente a las jerarquías existe otra información que interviene directamente a la jerarquía a esta información se la conoce como atributos como por ejemplo: color del producto, género y edad que tiene sus clientes.

102. Los niveles pueden ser por ejemplo que usted quiera analizar las ventas a través de las dimensión tiempo. El nivel minimo de detalle para analizar las ventas podría ser por dia, trimestre y año. Conociendo estas necesidades, las jerarquías completas para esta dimensión serian dia, mes, trimestre y año; es de hacer notar que hemos organizado estos niveles desde el nivel minimo hasta el nivel máximo de consolidación.

103. PRUEBA DE DISEÑO DE DIMENSIONES: AÑOS Y PRODUCTOS PRUEBA DE DISEÑO DE DIMENSIONES: PRODUCTOS Y CATEGORIA DE PRODUCTOS Tiene sentido No tiene sentido