Este documento describe la importancia de la inteligencia de negocios y la información como un factor crítico de éxito. Explica cómo la transformación de datos en información útil a través de herramientas analíticas puede ayudar a las empresas a tomar mejores decisiones estratégicas. También presenta conceptos clave como el análisis de datos, arquitecturas de inteligencia empresarial, y soluciones comerciales y de código abierto para inteligencia de negocios.

1. INTELIGENCIA DE NEGOCIOS LA
INFORMACIÓN COMO FACTOR CRÍTICO DE
ÉXITO
Ing. Maurice Frayssinet Delgado
mfrayssinet@hotmail.com
www.facebook.com/maurice.frayssinet

2. Temario
• La función de Información en el siglo 21
• Análisis de datos: De los reportes al análisis en
línea
• Aplicación de la tecnología en la empresa
• Soluciones Comerciales
• Demo de productos de inteligencia de
negocios

3. La función de Información
en el siglo 21

5. Sociedad de la Información
• La Sociedad de la Información está
evolucionando a un ritmo trepidante, en el
que la convergencia acelerada entre las
telecomunicaciones, la radiodifusión y la
informática, en definitiva, las tecnologías de la
información y comunicaciones (TIC), está
generando nuevos productos y servicios, así
como nuevas formas de gestionar las
organizaciones.

6. Sociedad de la Información
• El mundo está experimentando una
transformación fundamental que está
llevando a la sociedad industrial, que marcó el
siglo XX, a gran velocidad hacia una Sociedad
de la Información, del siglo XXI

7. Sociedad de la Información
• Este proceso dinámico anuncia un cambio
fundamental en todos los aspectos de
nuestras vidas, incluyendo la difusión de los
conocimientos, el comportamiento social, las
prácticas económicas y empresariales, el
compromiso político, los medios de
comunicación, la educación y la salud, el ocio
y el entretenimiento

8. Nos encontramos,
sin duda, en medio
de una gran
revolución, tal vez la
mayor que la
humanidad haya
experimentado.

9. Estadísticas

10. Estadísticas

11. Estadísticas

12. Presencia Internet

13. • El auge de las nuevas tecnologías despierta
grandes esperanzas porque crea una nueva
generación de instrumentos que – debidamente
utilizados - podrán favorecer la educación, el
desarrollo, el saber, la democracia y el pluralismo,
pero ¿qué ética y qué estética presidirán un
mundo interdependiente, plural y
desterritorializado en donde los fenómenos
lejanos mantendrán relación con los próximos y
familiares, y la vida real pueda llegar a
confundirse con la vida virtual?

14. • La nueva tecnología en boga entre los
humanos desciende de sus remotos orígenes.
Se llama “tecnologías de la información y las
comunicaciones” (sus siglas en español son
TIC, en ingles ITC) y la sociedad basada en ella
Sociedad de la Información, o si alcanza un
estadio superior, Sociedad del Conocimiento

15. ¿Qué queremos hacer?

16. Análisis de datos: De los reportes al
análisis en línea

17. Estructura tradicional

18. Estructura tradicional
• En este caso
nuestras
“dimensiones”
son producto y
mes. Es la manera
como podemos
concebir los
datos.

19. ETL

20. Modelo Multidimensional

21. Aplicación de la tecnología en la
empresa

22. ¿Qué es Inteligencia de Negocios?
¨Transformar la
información en Business Intelligence es un término acuñado por la
Conocimiento, en consultora Gartner Group a finales de la década de
Beneficio” los 80 y describe, básicamente, la capacidad de los
integrantes de una empresa para acceder a la
información residente en una base de datos y
explorarla, de manera que el usuario pueda analizar
esa información y desarrollar con ella teorías y
¨ La transformación de
la información que la conocimientos que serán básicos para la toma de
empresa genera en su
actividad diaria, en determinadas decisiones críticas para el negocio.
datos útiles para la
toma de decisiones
estratégicas”

23. ¿Por qué tener BI?
Responder rápidamente a los Conocer la
Retos de un entorno económico
cambiante Rentabilidad de los
Clientes
BUSINESS
INTELLIGENCE
APLICACIÓN
ESTRATEGICA
Compartir la Información entre
distintos niveles de la
Organización
Analizar la Información
para identificar Factores
Críticos del negocio

24. Cómo ayuda la Inteligencia de
Negocios
• Acceso inmediato a todos los datos relevantes
– Facilidad para encontrar fuentes de datos.
– Estructurados y no estructurados.
• Kit completo de herramientas analíticas
– Análisis automatizado, en donde aplique.
– Alertas, alarmas, agentes.
– Aplicaciones analíticas.
• Portal de información
– Página inicial personalizada para análisis.
– Presentado en términos de negocios.
La Meta: Información y análisis en su PC
en tiempo real y al alcance de sus dedos

25. Arquitectura; consideraciones
• Identificados los orígenes de datos, estos cargarán
periódicamente de acuerdo con el modelo requerido.
• Los datos pueden cargarse desde
– Archivos planos tipo TXT.
– Las bases de datos de la organización vía ODBC u OLE DB.
• Estos datos SIEMPRE se cargan en el área temporal, para
transformación de datos, homogenización u otras
modificaciones a realizar.
• El área temporal es el ÚNICO origen o punto de entrada del
modelo dimensional.
– No crece de acuerdo con las necesidades de información.
• El modelo dimensional es el ÚNICO origen o punto de entrada
del DataMart.
– Si crece de acuerdo con las necesidades de información.

26. Diseño Conceptual; Modelo de Datos
Dim_Empleado
Dim_Empleado
Cod_Empleado
EmployeeKey
EmployeeKey
Empleado_ID
Empleado_ID
...
...
Dim_Tiempo
Dim_Tiempo Dim_Producto
Dim_Producto
Cod_Tiempo
TimeKey
TimeKey Fact_Ventas
Fact_Ventas Cod_Producto
ProductKey
ProductKey
Fecha
Fecha Cod_Tiempo
TimeKey
TimeKey Producto_ID
Producto_ID
...
... Cod_Empleado
EmployeeKey
EmployeeKey ...
Claves Dimensionales ...
Claves Dimensionales Cod_Producto
ProductKey
ProductKey Clave Múltiple
Cod_Cliente Clave Múltiple
CustomerKey
CustomerKey
Cod_Proveedor
ShipperKey
ShipperKey
Monto_Ventas
Monto_Ventas
...
... Medidas
Medidas
Dim_Proveedor
Dim_Proveedor Dim_Cliente
Dim_Cliente
Cod_Proveedor
ShipperKey
ShipperKey Cod_Cliente
CustomerKey
CustomerKey
Proveedor_ID
Proveedor_ID Cliente_ID
Cliente_ID
...
... ...
...

27. Modelo de Datos – Consideraciones
• El modelo estrella es un modelo “desnormalizado”.
• El modelo estrella consolida hechos en relación a unas
dimensiones o filtros.
• Los datos no representan una transacción del negocio
en particular.
• Los datos pueden obtenerse mediante cálculos o
agregaciones.
• El modelo estrella es una representación de negocios
de una vista de la organización.
– Ventas
– Mercadeo

28. Modelo de Datos – Consideraciones
• El modelo dimensional es una técnica que busca fortalecer la
capacidad de consultas de que los usuarios disponen, haciendo
la interfaz más entendible y el procesamiento más eficiente.
• En contraposición al modelo ER, que es una técnica poderosa
para el diseño de sistemas de procesamiento de transacciones
en ambientes de bases de datos relacionales.
• En el ambiente transaccional se diseña alrededor de las
aplicaciones y funciones tales como préstamos, ahorros, tarjeta
bancaria y depósitos para una institución financiera.
• En el ambiente data warehousing se organiza alrededor de
sujetos tales como cliente, vendedor, producto y actividad.

29. Diseño Conceptual; Proceso ETL

30. Proceso ETL; Consideraciones
• El área temporal es dinámica, pero no crece en la
medida en que alimentamos el modelo.
• El área dimensional no es dinámica, pero si crece en
la medida en que alimentamos el modelo.
• Los cubos OLAP almacenan los agregados y el detalle,
por razones de desempeño.
• Todas las operaciones involucradas dentro de este
procesamiento, serán automáticas.

31. Proceso ETL; Consideraciones
Transformar
Modificación
DTS
comprador reg_id ventas comprador reg_id ventas
Barr, Adam II 17.60 Barr, Adam 2 17.60
Chai, Sean IV 52.80 Chai, Sean 4 52.80
O’Melia, Erin VI 8.82 O’Melia, Erin 6 8.82
... ... ... ... ... ...
Combinación
nombre apellido reg_id ventas nombre_comp reg_id ventas
Adam Barr 2 17.60 Barr, Adam 2 17.60
Sean Chai 4 52.80 Chai, Sean 4 52.80
Erin O’Melia 6 8.82 O’Melia, Erin 6 8.82
... ... ... ... ... ... ...
Totalización
nombre_comp precio cantidad nombre_comp precio cant ventas
Barr, Adam .55 32 Barr, Adam .55 32 17.60
Chai, Sean 1.10 48 Chai, Sean 1.10 48 52.80
O’Melia, Erin .99 9 O’Melia, Erin .99 9 8.82
... ... ... ... ... ... ...

32. Roles

33. Elementos de una solución de
BI

35. 1.- Reportes y
consultas adoc
(Gráficas o
listados)
QBE
(Información
Autoservicio)

36. Diccionario
Ordenar
Filtrar
Seleccionar
Exportar
Ligar

37. 2.- OLAP
Procesamiento
Analítico en
Línea
(On-Line
Analytical
Processing)

38. Modelo
Multidimensional
Ligas

39. 3.- IA y
Minería
de datos

40. - Redes neuronales
- Regresión lineal
- Árboles de decisión
- Algoritmo ID3.
- Algoritmo C4.5.
- Algoritmos Genéticos
- Modelos estadísticos
- Algoritmos Genéticos

41. UNIVERSIDAD NACIONAL AUTONOMA DE MEXICO
INTELIGENCIA DE NEGOCIOS
4.- Indicadores
(Semáforos)
Razones y
proporciones

42. Max
Min
Rangos
Histórico
Tendencias
Tolerancias

43. 5.- Series
de Tiempo
Predicción
de datos

44. Predicción
de Variables

45. Dashboard

46. Soluciones Comerciales

47. Oracle Business Intelligence

48. Plataforma Microsoft para BI

49. Webfocus
http://www.informationbuilders.es/pr
oductos/webfocus.html

50. Bussines Object
http://www.sap.com/solutions/sapbus
inessobjects/index.epx

51. Qlikview
http://www.qlikview.com/

52. Microstrategy
http://www.microstrategy.es/

53. Soluciones Open Source

54. Pentaho
http://www.pentaho.com/

55. Palo
http://www.jedox.com

56. Demostración 1
Demostración 2
Demostración 3
Demostración 4