1. SISTEMAS DE INFORMACIÓN GERENCIAL
BUSINESS INTELLIGENCE

2. Objetivos:
• Comprender el concepto de Business Intelligence.
• Entender el concepto y funcionalidad de un Datawarehouse.
• Comprender el concepto y funcionalidad del procesamiento de análisis y de transacciones.
• Comprender los conceptos de Metadato y data mining.
• Reconocer los elementos clave a tenerse en cuenta, para la construcción de un sistema de apoyo para
la toma de decisiones, en la empresa.
• Reconocer los elementos clave a tenerse en cuenta, para la construcción de un almacén de datos.
SCM

3. BI: Definición
Business Intelligence
Definición
Consiste en un conjunto de estrategias y herramientas orientadas hacia la
administración y creación de conocimiento para facilitar la toma de decisiones,
por medio del análisis de datos existente en una organización.
BI
Características Descripción
Apoyo en la toma de decisiones. Permite gestionar la información de una manera más eficiente
en la organización, de tal forma que pueda tenerse acceso a los
datos que son de verdadera relevancia para el negocio.
Orientado hacia el usuario final. Establece capas de la aplicación, que dividen la inteligencia del
negocio, de la presentación y el uso de las herramientas.
Facilita el acceso a la información. Permite el acceso a los datos, sin importar su procedencia, de
una manera absolutamente transparente para el usuario.

4. BI: Datawarehouse - Definición
Data warehouse
Definición
Es la tecnología de la información, que apareció para dar apoyo al sistema
informacional de una organización.
Data Warehouse
Características
Toda la información interna de la organización que ingresa al almacén de datos, proviene de un sistema operacional. No está pensado para
recibir información directamente.
Pueden incorporar si es necesario, información de fuentes externas a la organización, lo cual los diferencia de los sistemas operacionales.
Su estructura de datos puede basarse en modo de estrella o de copo de nieve.

5. BI: Base de datos operacional vs. Data Warehouse
Base de datos operacional vs. Data Warehouse
Base de datos operacional Data Warehouse
Datos operacionales Datos del negocio para información
Orientado a la aplicación Orientado al sujeto.
Actual Actual + histórico
Detallada Detallada + Resumida
Cambia continuamente Estable

6. BI: Datawarehouse

7. BI: Datawarehouse – Base de datos
Datawarehouse
Base de datos
Un Data warehouse se implementa a partir de una base de datos, la cual permite
gestionar de la manera más convenientemente posible, los datos del negocio.
Clases de bases de datos (para nuestro interés)
Base de datos relacional Base de datos multidimensional
Es una base de datos basada en un modelo
denominado relacional. Este tipo de bases de
datos, es el más utilizado actualmente para la
administración de los datos.
Sirven para desarrollar aplicaciones muy
concretas como las que soportan BI. Se
diferencia de la relacional fundamentalmente,
a nivel conceptual, pues los campos de una
tabla pueden representar dimensiones de la
tabla o métricas que se desean estudiar.

8. BI: Metadato
Metadato
Definición
Pueden definirse como datos que describen otros datos. El metadato es una
herramienta muy útil para el sistema informático que debe hacer funcionar el
DataWarehouse. Define cómo es el modelo del almacén de datos, por medio de la
descripción de las métricas y sus familias de valores, sus dimensiones, jerarquías y
categorías.

9. BI: Datawarehouse – OLAP
OLAP (Online Analytical Processing)
Definición
El procesamiento analítico en línea, es un tipo de procesamiento utilizado en el
campo de BI, que busca agilizar los procesos de consulta sobre grandes volúmenes
de datos, por medio de estructuras multidimensionales denominadas Cubos
OLAP.
Base de datos utilizada
Utilizan bases de datos multidimensionales.

10. BI: Datawarehouse – OLTP
OLTP (Online Transaction Processing)
Definición
El procesamiento de transacciones en línea, es un tipo de procesamiento utilizado
por las aplicaciones transaccionales, usualmente para la entrada de datos, así
como la recuperación y el procesamiento de transacciones.
Base de datos utilizada
Utilizan bases de datos relacionales

11. BI: Datawarehouse – OLAP vs. OLTP
OLTP OLAP
El acceso a los datos está optimizado para tareas
frecuentes de lectura y escritura.
El acceso a los datos suele ser de sólo lectura. La
acción más común es la consulta, con muy pocas
inserciones, actualizaciones o eliminaciones.
Los datos se estructuran según el nivel de aplicación. Se suelen alimentar de información procedente de
los sistemas operacionales existentes, median un
proceso de extracción, transformación y carga (ETL).
Los formatos de los datos no son necesariamente
uniformes en los diferentes departamentos.
Los datos se estructuran según las áreas de negocio y
los formatos de los datos están integrados de
manera uniforme en toda la organización.
El historial de datos suele limitarse a los datos
actuales o recientes.
El historial de los datos es a largo plazo,
normalmente de dos a cinco años.

12. BI: Datawarehouse – Base de datos
Característica ROLAP MOLAP
Esquema
Utiliza un esquema en estrella. Pueden agregarse
más dimensiones dinámicamente
Utiliza cubos de datos. Las
dimensiones adicionales requieren
la recreación del cubo de datos.
Tamaño de la base de
datos
Mediano a grande Pequeño a mediano
Arquitectura Cliente/Servidor, basada en estándares. Abierta. Cliente/Servidor. Patentada
Acceso Soporta solicitudes ad hoc. Dimensiones
ilimitadas.
Limitado a dimensiones
predefinidas.
Recursos Altos Muy altos
Flexibilidad Alta Baja
Escalabilidad Alta Baja
Velocidad Buena con conjuntos de datos pequeños.
Promedio con conjuntos de datos medianos a
grandes.
Rápida con conjuntos de datos
pequeños a medianos. Promedio
con conjuntos de datos grandes.

13. BI: Datawarehouse – Estructura de la base de datos
Métrica de estrella
Definición
Se compone de una tabla denominada de hechos, en donde se almacenan los
datos para el análisis y de un grupo de tablas de dimensiones. Se utiliza
principalmente por su alto desempeño en la realización de búsquedas en bases de
datos multidimensionales.

14. BI: Datawarehouse – Estructura de la base de datos
Métrica de copo de nieve
Definición
Como en el esquema de métrica de estrella, cuenta con una sola tabla de hechos, pero a diferencia
del anterior, una tabla de dimensiones se puede implementar con una o más tablas de datos.
Esto lo hace con el propósito de normalizar las tablas, para reducir la redundancia de datos y por
ende, los requerimientos en cuanto a la necesidad de almacenamiento.

15. BI: Data mining
Data mining
Definición
La minería de datos, es una técnica que tiene como objetivo hacer patentes de
comportamientos no visibles de los datos.
Se fundamenta en la estadística clásica complementada con redes neuronales,
reglas de inferencia y algoritmos genéticos entre otros. Cada técnica resuelve un
conjunto de problemas y a cada problema se le asignan las técnicas que mejor le
corresponden.
Utilización
Estas técnicas de análisis se ha utilizado por ejemplo, en entidades
bancarias para averiguar qué clientes estaban a punto de retirarse,
para identificar productos que podían diseñarse, para satisfacer las
necesidades no cubiertas de la clientela, entre otros.

16. BI: Construcción de un sistema de apoyo para la toma de decisiones
Construcción de un sistema de BI en la empresa
Priorizar la capacidad de
entrega
Atender la capacidad de
ejecución del sistema
Cambios de requisitos y
entorno del sistema
Entender el modelo de
negocio
Debe evitarse el diseñar un sistema
tan perfecto que detenga la
ejecución del proyecto.
Se deben determinar qué
conocimientos son necesarios y
cuándo lo son.
Las personas que toman las
decisiones clave en las empresas,
tienen que priorizar esta
identificación. No es necesario
bloquear la ejecución de partes del
sistema que sean importantes,
pero sí es necesario posponer las
que no lo sean tanto, y a veces
eliminarlas de los objetivos del
sistema.
Las diferentes fases de ejecución
del sistema y su puesta en
marcha deben programarse y
planificarse adecuadamente y
reflejar las prioridades de
negocio.
Es importante hacer que cada
“pequeña parte” del sistema sea
operativa y que esté disponible
para ser utilizada una vez que se
haya ejecutado.
Los usuarios que comienzan a
utilizar el sistema para tomar
decisiones dentro de la empresa,
pueden variar sus decisiones,
según la información que han
obtenido. Esto, a medio plazo,
puede hacer variar los procesos
de la empresa y afectar al
sistema en fases posteriores.
Obviamente, si los procesos de la
empresa tienen poca
complejidad y el equipo de
trabajo está compuesto por poca
gente, se facilita la toma de
decisiones.
Ello significa que el entorno
contrario, es el ideal para los
sistemas de apoyo a la decisión.
El administrador del almacén de datos
del proyecto de apoyo a la decisión no
debe ser tan sólo un jefe de proyectos
informáticos, sino que debe entender
el negocio y la organización particular,
incluyendo a los colaboradores y a los
competidores.
El responsable del proyecto, debe ser
capaz de guiar las decisiones clave de
los analistas y programadores, no sólo
en lo referente al diseño de la parte
técnica del almacén sino también en el
momento de seleccionar qué partes de
la aplicación deben desarrollarse en
primer lugar.
El director de proyectos puede ser
interno o externo a la organización.

17. BI: Construcción de un almacén de datos.
Construcción de un almacén de datos
Las fuentes de información Definición de los modelos Transformaciones y
movimientos de datos
Mantenimiento y
actualización de los
datos
Deben comprenderse con claridad,
los datos de la organización: conocer
dónde está el dato, en qué formato
se encuentra, en qué medida es
fiable o exacto y cómo será utilizado
en decisiones de negocio.
Conocer las tecnologías de bases de
datos existentes para evaluar
minuciosamente las ventajas e
inconvenientes de cada una de ellas.
Existen almacenes de datos con
diseños específicos para cubrir las
necesidades de un sector específico.
Parte del valor de dichos productos,
consiste en que incluyen el modelo
de datos y prevén las decisiones de
negocio, que la industria específica
necesita considerar.
Si no existe un diseño de almacén de
datos específico para la propia
industria, debe pensarse en la
contratación de una empresa de
asesoramiento.
Durante el proceso de
transformación, el administrador
del almacén de datos, define las
fuentes de donde provienen los
datos, incluyendo uniones,
combinaciones y manipulaciones.
Comprender los objetivos de
la aplicación, asegura que los
datos se actualizan con una
frecuencia sincronizada con
los procesos que requiere la
empresa y no se realizan
cálculos innecesarios.