fff

2. Tecnologías de Apoyo a la Toma
de Decisiones
Docente: Ing. Juan Asto Vara

3. 1. Herramientas de Inteligencia de Negocios
2. Fundamentos del Data Warehouse
3. Sistemas OLTP
4. Análisis OLAP
5. Conclusiones
Agenda de la Clase

4. Al finalizar la sesión, el estudiante
podrá conocer las herramientas
empleadas en la Inteligencia de
Negocios, así como las definiciones y
aplicaciones de un Data Warehouse
y de la Minería de Datos.
Logro de Aprendizaje

5. Herramientas de la Inteligencia de Negocios

6. La puesta en practica de la Inteligencia de Negocios en el mundo empresarial,
incorporando las nuevas tecnologías de la información, hace posible que se produzca
una revolución que afecta directamente a todos los niveles organizativos de una
empresa.
Herramientas de la Inteligencia de Negocios

7. A continuación mostramos las
herramientas que intervienen y que
facilitan la elaboración de estrategias
para la toma de decisiones
empresariales, mediante la aplicación
de la inteligencia de Negocios y que
dan como resultado elementos muy
importantes como los informes y los
cuadros de mandos de la organización.
Herramientas de la Inteligencia de Negocios

8. En los informes obtenidos o cuadros
de mando se representa la
transformación de los datos como
materia prima inicial, que tras su
procesamiento dan respuesta a
preguntas formuladas desde
diferentes áreas de la empresa
Herramientas de la Inteligencia de Negocios

9. El Data Warehouse representa la arquitectura encargada de manejar la información edificada
previo análisis y depuración de datos.
En ocasiones es común cometer el error de confundir el termino Data Warehouse con el tan
de moda concepto de Big Data. Sin embargo, existe una clara diferencia entre ellos:
Fundamentos del Data Warehouse

10. El Data Warehouse es un contenedor que almacena datos procedentes de fuentes con
distintas funcionalidades, integrándolas desde las actividades operacionales y rutinarias de la
organización, desde su nivel mas básico hasta otras mas complejas.
Fundamentos del Data Warehouse
Características Principales del Data Warehouse
▪ Integrada
▪ Temática
▪ Histórica
▪ No Volátil
▪ Metadatos

11. A continuación, veras una lista de las ventajas que ofrece un Data Warehouse
Ventajas del Data Warehouse
❑ Información, asequible, uniforme y actualizada
❑ Influye positivamente en la calidad de las decisiones
❑ Muy eficaz para un enfoque a medio y largo plazo
❑ De implementación sencilla
❑ Da información sobre el funcionamiento de la empresa
❑ Ayuda a la dirección a crear planes de acción exitosos
❑ Aumenta la productividad empresarial
❑ Mejora las relaciones con clientes y proveedores
❑ Convierte los datos en información y la información en
conocimiento

12. Las siglas OLTP corresponden a los términos On Line Transaction Processing y hacen
referencia a un sistema de almacenaje cuya base de datos esta orientada a procesar las
transacciones y operaciones en Tiempo Real.
Sistemas OLTP
❑ Almacenaje de gran cantidad de datos
❑ Datos organizados según departamento
que los origina
VENTAJAS de los Sistemas OLTP INCONVENIENTES de los Sistemas OLTP
❑ Dificultad en el acceso a los datos
❑ Ausencia de uniformidad en la
presentación de los datos
Ejemplos de OLTP pueden incluir ERP, CRM, SCM, Aplicaciones
de Punto de Venta, Call Center.

13. Uno de los principales retos a los que se enfrentan los negocios a la hora de crear un Data
Warehouse es que estos almacenes de datos no es posible adquirirlos mediante la compra
de un software, ya que se trata de un proceso de construcción evolutivo, que requiere
tiempo y dedicación.
Implementación del Data Warehouse
Objetivos Requerimientos Diseño Extracción
y Carga
Revision

14. ▪ También es conocido como proceso
analítico en línea; es una base de
datos dimensional, orientada a servir
de soporte para el análisis de
predicciones de situaciones futuras y
tendencias.
▪ Los Sistemas OLAP quedan
representados gráficamente por la
figura de un cubo, de esta manera es
posible, mediante sus dimensiones,
catalogar datos descriptivos y
además mediante las medidas se
informa de datos cuantitativos.
Análisis OLAP

15. Drill Down
▪ Permite apreciar los datos en un mayor detalle, bajando por una jerarquía definida en un cubo. Esto brinda la
posibilidad de introducir un nuevo nivel o criterio de agregación en el análisis, disgregando los grupos actuales.
Análisis OLAP (Drill Down)
Drill-down es ir de lo general
a lo específico. Gráficamente:
Para explicar esta operación se utilizará la siguiente representación tabular:

16. Como puede apreciarse, en la cabecera de la tabla se encuentran los atributos y el indicador (destacado con color
de fondo diferente) definidos anteriormente en el cubo multidimensional; y en el cuerpo de la misma se
encuentran los valores correspondientes. Se ha resaltado la primera fila, ya que es la que se analizará más en
detalle.
En este caso, se realizará drill-down sobre la jerarquía “Jerarquía PRODUCTOS”, entonces:
Análisis OLAP (Drill Down)
Drill-down, representación
matricial.

17. Drill Up
▪ Permite apreciar los datos en menor nivel de detalle, subiendo por una jerarquía definida en un cubo. Esto
brinda la posibilidad de quitar un nivel o criterio de agregación en el análisis, agregando los grupos actuales.
Análisis OLAP (Drill Up)
Drill-up es ir de lo específico
a lo general. Gráficamente::
Se tomará como referencia los resultados anteriores:

18. Se aplicará drill-up sobre la jerarquía “Jerarquía PRODUCTOS”, entonces:
Análisis OLAP (Drill Up)
Drill-up, representación
matricial.
Como se puede observar en la lista resultante, en la fila resaltada se sumarizaron los valores “22” y “18” de la
tabla inicial, debido a que al eliminar el atributo “PRODUCTOS - Clase”, las ventas se agruparon o sumarizaron de
acuerdo a “PRODUCTOS - Producto”, “MARCAS - Marca” y “TIEMPO - Año”.
La siguiente imagen muestra este mismo proceso pero, representado matricialmente:

19. Actividad
Accede al siguiente enlace y lee atentamente el siguiente documento, que expresa y explica la importancia
del del Análisis de los datos en las nuevas ciudades inteligentes
https://www.youtube.com/watch?v=m5yVHer5SPk&t=8s
Actividades:
1.- Tras ver el video, identificar los casos mas importantes del uso de los datos en las Ciudades
inteligentes.
2.- Identificar que oportunidades de Negocio son posibles de aplicar en las ciudades inteligentes y con el
uso de los Datos.
3.- Elaborar una Presentación con la sustentación de los puntos 1 y 2

20. De la siguiente sesión hemos podido obtener las siguientes conclusiones:
❑ El Data Warehouse es un arquitectura que almacena diversos datos de
múltiples orígenes.
❑ La importancia del uso de los datos con herramientas de BI para toma de
decisiones en el quehacer diario
❑ Las herramientas del BI nos ayudan en la toma de decisiones en los
diferentes niveles organizacionales
❑ El empleo de Análisis OLAP para implementar modelos predictivos, en
modo Drill down y Drill Up
❑ El empleo del Big Data como una tecnología aplicada en las Smart Cities
para brindar soluciones innovadoras.
CONCLUSIONES ( Lo trabajamos juntos)