ClaseIntroductoria 2

7/18/2019 ClaseIntroductoria 2

http://slidepdf.com/reader/full/claseintroductoria-2 1/75

Introducción a

Inteligencia de Negocios

1



Objetivos

• Identificar la problemática relacionada aluso de la información en las organizaciones

• Comprender los conceptos básicos

relacionados a Inteligencia de Negocios• Identificar el flujo de información y los

componentes tecnológicos requeridos

• Proyectos de BI• Modelamiento Dimensional

• Procesos ETL

2



Acceso a la informaciónInconsistente, fragmentado, difícil de usar/administrar

3



¿Qué es Inteligencia de Negocios?

Performance

Decisiones

Análisis

Información

• Conjunto de metodologías, buenasprácticas y tecnologías que permiten el

acceso y análisis de la información, para

mejorar la toma de decisiones y gestión

• Uso de la información por parte de los

usuarios

• Permitir

• Optimizar

• Administrar

•

Según Gartner : Al 2012, BI formará parte delcore de las empresas. Tendrá aplicaciones

masivas y conducirá la transformación en todo

nivel de las org.

4



¿Qué es Inteligencia de Negocios?

• Reporting interno y externo

• Soporte a la toma de decisiones

¿Contamos con datos relevantes, exactos, completos y

oportunos?

Riesgo incurrido al usar datos inadecuados

Calidad de los datos

Esfuerzo para integrar la información

• Mejoramiento de los procesos

Convergencia con Business Process Management

• Uso de la información como ventaja competitiva

Creación de nuevos productos o servicios

Compartir información con clientes/proveedores

• Gestión por indicadores

5



¿Qué NO es Inteligencia de Negocios?

• Sólo una tecnología

El mercado ofrece muy buena tecnología

Las tecnologías disponibles exceden la capacidad de uso por

parte de las organizaciones

• Implementar/instalar productos de BI

".... tenemos bases de datos ROLAP/MOLAP, herramientas ETL,

herramientas de reporting y análisis, Datamarts, Datawarehouse

...."

6



¿Por qué considerar Inteligencia de

Negocios?

• La información representa un activo

Costo de recolección, almacenamiento, mantenimiento ....

Considerar Information Lifecycle Management (ILM)

Debe reducir costos, incrementar utilidades, agregar valor a

productos/servicios, transformar la organización

• Ventajas competitivas basadas en la información

Solo basada en activos fijos como plantas, maquinarias, ....

O en reconocimiento de marca, mejores capacidades de

distribución, campanas de marketing eficientes, fidelización de

los clientes• Nivel de eficiencia para atender las demandas por información

• La toma de decisiones se basa en información corporativa o en islas

de información (hojas Excel o Access)

7



Analizando los datos desde OLTPs

– Estructuras complejas.

– Disenado para alto volumen transaccional

– Los datos están normalizados, codificados, ....

– Ubicaciones dispersas

Operational reports

Productionplatforms



OLTP vs OLAP

DenormalizadoNormalizado

Integra diversas fuentesNivel transaccional

Información histórica y actualSoporta el día a día

Analytical ReportingOLTP



Extracción de información

ConsultasOLTPs Analistas

Explosion de solicitudes

– Doble esfuerzo

– Varias tecnologías

– Reportes vencidos

– Inconsistente / fragmentado



Data Warehousing and

Business Intelligence

Externaldata

Operationsdata

Legacy data

Enterprise DataWarehouse

Data martsAnalyticalreporting



Ventajas de Datawarehousing

– Controlado

– Confiable

– Información de calidad

– Fuente corporativa

Analistas denegocio

Datawarehouse

OLTPs



– Eliminar esfuerzos duplicados

– Racionalizar tecnologías

– Conceptos y métricas claramente definidos

– Reglas de negocio definidas

– Autosuficiencia

Ventajas de Datawarehousing



Flujo de informaciónArquitectura de referencia

Flujo de información

14



Procesos ETLExtracción, transformación y carga



Procesos ETL

– Extraer datos transaccionales.

– Transformar y limpiar los datos.

– Cargar al datawarehouse.

ETL

Sistemas transaccionales

Datawarehouse

Programas

Herramientas

Middleware



Tareas e Importancia

SistemasTransaccionales

Relevante

UtilCalidad

PrecisiónOportuna

Completa

Data warehouse

ETL

Extraer Limpiar

Consolidar Reestructurar

Transformar Calcular

Refrescar



Mapeo de datos

Transformación

Sistemas

transaccionalesDatastaging

Datawarehouse

Extraer datos

– Sistemas transaccionales (fuentes de datos):

• Datos desde OLTPs en distintos formatos

– Rutinas:

• Desarrollados para seleccionar los campos

requeridos

• Compuesto por reglas de negocio, logs de auditorías

(ej.: registros leídos, insertados, descartados, etc); y,

manejo de errores



Fuentes de datos de producción

– Sistemas transaccionales

– Sistemas de archivos

– Bases de datos

– Aplicaciones Verticales

MSDB2Oracle

SybaseInformixVSAM

SAPFinancialsOracle Financials

ERPsCRMs



Fuentes de datos históricos

– Datos históricos

– Utiles para análisis de series de tiempo,

evoluciones, crecimientos

– Se carga por única vez

– Unico esfuerzo para transformar y limpiar

los datos

Sistemastransaccionales

Datawarehouse



Fuentes de datos internas

– Planeamiento, forecasts ....

– Gestionada en

• Hojas de cálculo (estructurado)

• Documentos (no estructurado)

– Es una fuente importante de información

Datawarehouse

Planeamiento

Forecasting

Marketing



Fuentes de datos externas

– Información producida fuera de la

organización

– Diferente frecuencia y formatoSUNAT, MEF, BCR

Reuters

Conasev

SBS

Bloomberg

INEI

Apoyo

Cámara de Comercio



Mapeando los datos

– Datos transaccionales requeridos

– Como transformar los datos – Como se definen en el warehouse

Metadata

Archivo AF1

Staging File UnoNumero

F2F3

NombreFecha

Staging File UnoNumero 123Nombre Mr. Bloggs

Fecha Nacim 10-Dec-56

Archivo AF1 USA123F2 Bloggs

F3 10/12/56



Staging Remoto

– En el entorno del warehouse

– En su propio entorno

Cargar Warehouse

Cargar Warehouse


Extraer


Extraer

Transformar

Staging area

Transformar

Staging area



Staging Onsite

• En el entorno operacional con alta

probabilidad de afectar el

rendimiento del OLTP

Extraer Cargar

Warehouse


Transformar

Staging area



Anomalías en los datos

– Falta de llaves únicas

– Anomalías en el contenido

– Inconsistencias en el ingreso de datosCódigo Nombre Dirección

90233479 Oracle Limited 100 N.E. 1st St.

90233489 Oracle Computing 15 Main Road, Ft. Lauderdale

90234889 Oracle Corp. UK15 Main Road, Ft. Lauderdale,FLA

90345672 Oracle Corp UK Ltd 181 North Street, Key West, FLA



Llaves inteligentes o multipartes

Tienda Dpto Id Producto

Proveedor

Código Prod. = 12 M 654313 45



Diferentes formatos

– Varios estándares

– Rutinas para procesamiento

cm

pulgadas

cm USD 600

1,000 Soles

US$ 9,990

DD/MM/YY

MM/DD/YY

DD-MM-YY



Múltiples archivos fuentes

Datos transformadosMultiplesfuentes de datos

Logica paradetectar el

correcto



Valores faltantes

• Solucion:

– Ignorar

– Agregar información (ej. sin información, no

aplica ....) Si NULL, entoncescampo= “(no aplica)”

A



Nombres y direcciones

– Campo único

– Múltiples campos

Mr. J. Smith,100 Main St., Bigtown, County Luth, 23565

Fuente 1

Nombre Ubicacion

DIANNE ZIEFELD N100

HARRY H. ENFIELD M300

Fuente 2

Nombre Ubicacion

ZIEFELD, DIANNE 100

ENFIELD, HARRY H 300

Nombre Mr. J. Smith

Calle 100 Main St.

Ciudad Bigtown

Barrio County LuthPostal 23565



Merging Data

– Datos transaccionales no corresponden "uno a

uno" con los datos del warehouse.

– Datos del warehouse se orientan al análisis.

Sale 1/2/02 12:00:02 Cheese Pizza $15.00

Sale 1/2/02 12:00:04 Sausage Pizza $11.00

Return 1/2/02 12:00:03 Anchovy Pizza – $12.00

Sale 1/2/02 12:00:02 Anchovy Pizza $12.00

Sale 1/2/02 12:00:01 Ham Pizza $10.00

Ventas/devoluciones por día, hora y segundo



Merging Data

VentasSale 1/2/02 12:00:01 Ham Pizza $10.00



Ventas/devoluciones por día, hora y segundo

Sale 1/2/02 12:00:01 Ham Pizza $10.00


Sale 1/2/02 12:00:02 Anchovy Pizza $12.00

Return 1/2/02 12:00:03 Anchovy Pizza –

$12.00




Proyectos BI



Definición del proyecto

– Evaluar disposición de la organización

– Factores no son tecnológicos

• Soporte y patrocinio de la administración: visión

acerca del impacto o valor para el negocio.

• Motivación de negocio: competitividad,

globalización, transparencia, conocimiento del

cliente, etc

• Factibilidad: datos inconsistentes, complejos o

sin registro

35



Definición del proyecto

– Pobre calidad de los datos

– Soporte/patrocinio débil

• Entendimiento de los objetivos estratégicos

• Identificar las métricas/KPIs que permiten

evaluar el rendimiento de la organización

• Impacto de mejor acceso a la información

– Mucha demanda desde diferentes áreas denegocio

– Proyecto inicial agresivo involucra diferentes

fuentes de datos.36



Alcance del proyecto

– Centrado en un proceso de negocio

– Significativo: provee valor al negocio

–Factible: se puede “hacer”

– Iniciar con proyectos pequenos: una sola

fuente de información

– Desarrollo conjunto de TI y área de negocio

37



Project Charter

– Entendimiento consistente del proyecto por

parte de todos los involucrados

– Contenido:

• Objetivos del proyecto

• Motivación del negocio

• Alcance del proyecto

• Exclusiones del proyecto• Criterios de éxito

• Riesgos

38



Justificación del proyecto

– Objetivo: identificar los costos y beneficios

asociados al proyecto

– Costos del proyecto

• Hardware

• Software: data profile, ETL, consultas, reportes,

etc

•Staff del proyecto: interno y externo

• Mantenimiento y soporte de HW/SW

• Mantenimiento/crecimiento de la solución

39



Justificación del proyecto

– Beneficios tangibles e intangibles delproyecto

– Tangibles: se pueden cuantificar» Se incrementó el volúmen de ventas …

» Se incrementó las ventas cross-selling …» Se incrementó el índice de rotación de inventarios

» Se redujó el ratio de productos defectuosos …

» Se mejoró la política de precios …

–Intangibles

» Mejor acceso a la información

» Proceso de toma de decisiones mejorado

» Mejor preparado ante condiciones cambiantes

40



Modelamiento dimensional

41



Cadena de Valor

• Representado por el flujo lógico u ordenado delos principales procesos de la organización.

Emisión deorden decompra

Recepciónen almacén

central

Envío haciatienda(s)

Recepciónen tienda

Venta deproductos

• Los sistemas transaccionales registraninformación acerca de cada una de las actividadesque conforman la cadena de valor.

• El objetivo es monitorear el rendimiento de cadauno de los procesos de la cadena de valor.



Beneficios del Modelamiento Dimensional

• Fácil de entender debido a que la información esagrupada en categorías propias del proceso denegocio.

• Rendimiento de las consultas debido a ladenormalización del modelo transaccional yeliminación de jo ins .

• Soporte a diferentes tipos/patrones de consultas.

• Herramientas ETL y BI del mercado incorporan

funcionalidad dimensional.• Modelo extensible para incorporar nuevos datos.




1. Seleccionar el proceso de negocio Ej. Gestión de

Inventarios, Recursos Humanos, Riesgos de

Mercado, etc.

2. Definir la granularidad en función al proceso de

negocio seleccionado ¿qué representa cada registro

de la fact table?

– Al nivel más detallado posible provee mayor flexibilidad

y asegura extensibilidad. Permite responder más

consultas.

– Ej. un registro de la fact table representa el stock de un

producto en un periodo de tiempo determinado y en un

canal de ventas.




3. Identificar las dimensiones

– Aplicables al nivel de granularidad de la fact table

– La declaración de la granularidad permite identificar las

dimensiones

– Revisar si aplican otras dimensiones definidas en el

bus-matrix

– Identificar otras perspectivas de análisis que agreguen

valor al modelo

4. Identificar las métricas



Diseno del modelo dimensional

• Representa un proceso iterativo

– Requerimientos de negocio

– Fuentes de datos

– Ajustes de la granularidad

– Dimensiones y métricas

• Fases:

– Diseno del modelo dimensional de alto nivel

– Desarrollo del modelo dimensional detallado




Conceptos básicos



Fact Table o Tabla de hechos

• Contienen métricas o camposnuméricos

• Alto volúmen de información

• Rápido crecimiento

• Pueden contener métricas base,derivadas y sumarizadas

• Son tipicamente aditivas

• Join con tablas dimensionales a través

de foreign keys que referencian lasprimary keys de las tablasdimensionales.

• El conjunto de foreign keys conformanla primary key de la fact table

Ventas (Fact Table)PROD_ID

CUST_ID

TIME_ID

CHANNEL_ID

PROMO_ID

Ventas

Unidades

...



Métricas básicas y derivadas

Métricas

Valor venta

Costo

Utilidad

Fact table

Base

BaseDerivada

Métricas del negocio

Básicas y Derivadas

Valor venta

CostoUtilidad



Aditivas, Semiaditivas y No-Aditivas

Las métricas pueden ser:No-aditivasNo pueden agregarsepor ninguna dimensión

Semiaditivas:Se pueden sumarizarpor algunasdimensiones

Aditivas:Se pueden sumarizarpor todas lasdimensiones



Métricas Semiaditivas



Dimensiones

• Información descriptiva que representa las diferentesperspectivas para analizar la información.

• Datos "relativamente" estáticos

• Join con la fact table a través de foreign keys



Traduciendo perspectivas de análisis enDimensiones

Perspectivas de análisisDimensiones

Clientes

Productos

Canales

Paises

Promociones

Product_status

Prod_List_price

Dimensión Productos

Prod_Id

Prod_desc

Prod_Subcategory

Prod_name

Prod_Category

Prod_category_id

Prod_Pack_Size …

Prod_Status

Prod_Weight _class

Prod_Category_Desc



Identificando métricas y dimensiones



Diseno del modelo dimensional

Requerimientos del negocio, Bus-Matrix,Data Profile ...

Diseno del modelo dimensional dealto nivel

Desarrollo del modelodimensional detallado



Modelo dimensional de alto nivel

Inventario

Periodo

Producto

Canal

Almacén



Modelo dimensional de alto nivel

• Introduce el diseno de la solución a usuario de

negocio y usuarios de tecnología

• Medio de comunicación para discusión

• Entregables: Diagrama, lista de atributos y métricas

Atributo

• ID

• Nombre

• Familia• Subfamilia

• Proveedor

• Origen

Descripción

• Llave inteligente de OLTP

• Nombre del producto

• Familia del producto• Subfamilia del producto

• Proveedor del producto

• País de origen

Ejemplos

• COEF001

• Enciclopedia Escolar

• Enciclopedia, Guía• Escolar, Especial

• Oceano, Lexus

• Perú, China



Modelo dimensional detallado

• Enriquece el modelo de alto nivel completando

información faltante, resolviendo problemas de diseno

y probando el modelo dimensional vs los

requerimientos del negocio.

• Identificar las fuentes de datos – Datos formales e informales requeridos para soportar

los requerimientos del negocio.

– Entendimiento de los datos requeridos (Ej. Data

profiling )

– Evaluar la calidad de los datos



Definición de las fuentes de datos

Fuente

• SIAF

• InfoBase

• Tipo Cambio

• Bloomberg

Area denegocio

• Contabilidad

• Contabilidad

• Tesorería

• Planeamiento

Plataforma

• Unix

• Windows

• Windows

• Windows

Ubicación

• Oracle

• Sql Server

• Excel

• Texto

Descripción



Modelo dimensional detallado

• Dimensiones conformadas

– A partir del bus-matrix existen dimensiones que aplican

a diferentes procesos de negocio.

• Identificar métricas base y derivadas

– Métricas básicas Ej. SUM(ventas)

– Métricas derivadas aditivas Ej. Acumulados (year-to-

date), variaciones vs periodo anterior

– Métricas derivadas no aditivas Ej. ratios, índices o

acumulados a diferente nivel de detalle• Diseno detallado



Diseno detallado



Gestión de Inventarios

• Niveles de stock impactan el rendimiento de la cadena

de valor.

• Objetivo: asegurar que los productos se encuentren

disponibles en los canales de venta en el momento

oportuno. Por ello se requiere monitorear diariamentelos niveles de inventario.

• Modelo dimensional:

1. Selección del proceso: Gestión de Inventarios

2. Declarar la granularidad: un registro de la fact tablerepresenta el stock de un producto en un periodo de

tiempo determinado y en un canal de ventas

3. Dimensiones: periodo, producto y canal de ventas

4. Métricas: stock o cantidad en unidades



Gestión de InventariosModelo dimensional

Inventario

Periodo

ProductoCanal



Gestión de InventariosComentarios del Modelo dimensional

• Modelo denso: siempre existe un registro por cada

producto en cada canal de venta y periodo

• 2,000 productos en 10 canales de venta representan

cargar 20,000 registros diariamente a la fact table

• Métricas semiaditivas: dado que la fact table mantiene

información acerca del stock disponible de un

producto en una fecha dada, no es posible agregar los

stocks a lo largo del tiempo. Ej. si el día de ayer el

stock del producto A era de 50 unidades y su stockactual es de 48. No es correcto agregar dichos stocks

para (50 + 48 = 98) para tomar una decisión de

negocio.



Gestión de InventariosComentarios del Modelo dimensional

• Enriquecer el modelo con otras métricas (cantidad

vendida, costo y precio de venta) para soportar otros

requerimientos del negocio: rotación de inventarios,

rendimiento del inventario, etc



Gestión de InventariosModelo basado en transacciones

• Registra todas las transacciones que afectan el

inventario:

– Recepcionar el producto

– Devolución al proveedor

– Colocar el producto bajo inspección

– Aprobar el producto

– Registrar el producto

– Autorizar la venta del producto

– Embalaje del producto – Envío al cliente

– Devolución del cliente



Gestión de InventariosModelo basado en transacciones

• Granularidad: cada registro identifica la fecha,

producto, almacén y el tipo de transacción.

• Contiene información detallada acerca de las

transacciones que permiten responder:

– ¿cuántas devoluciones por parte del cliente se

registraron para el producto A en un periodo de tiempo?

– ¿cuántos envíos se realizaron desde el almacén

durante el último anio?



Gestión de InventariosModelo basado en eventos

• Se requiere proveer el estado acerca del envío de los

productos y medir el rendimiento a lo largo de las

actividades que conforman el proceso de negocio

• Cada registro se actualiza de acuerdo al cumplimiento

de cada etapa

• Dimensiones: Fecha recepción, fecha inspección,

fecha de registro .... fecha de envío, fecha dedevolución, producto, almacén

• Métricas: Cantidad recibida, cant. inspeccionada,

cant. devuelta, cant. embalada, cant. enviada

Recepción Inspección Registro Autoriz. de

ventaRecolección Embalaje Envío



Más acerca de dimensiones

• Degenerate Dimensions:

– los modelos dimensionales transaccionales representan

documentos de negocio: facturas, órdenes de

compra/venta, pedidos, etc.

– Lós códigos de dichos documentos deben mantenerseen la fact table.

– Proveen link hacia el sistema transaccional

• Slowly Changing Dimensions:

– Type I: actualizar el atributo

– Type II: agregar un nuevo registro

– Type III: agregar un nuevo atributo



Más acerca de dimensiones

• Role-Playing Dimensions: cuando una tabla física

cumple diferentes roles en un modelo dimensional.

– Fecha: recepción, envío, devolución, ...

– Ubicación geográfica: origen, destino

– Persona: enviar a, facturar a

• Junk Dimensions: durante el modelamiento se

presentan indicadores, flags, textos que no

corresponden a ninguna de las dimensiones.

– Acomodar en la fact table X – Crear nuevas dimensiones X

– Eliminar dichos atributos X

– Junk Dimension que agrupa indicadores



Oracle BI



Oracle Business IntelligenceCompleto, Abierto, Integrado

20/Nov2009 72



Common Enterprise InformationModelConsistencia, seguridad, reutilización, flexibilidad

20/Nov2009 73

Capacidades avanzadas deó



74

distribución

Fácil de usar, intuitivo, dashboards personalizados Análisis guiados que representan los procesos decisorios

y conducido por eventos

100% Web HTML

OracleInteractive

Dashboards

Oracle

Answers

Análisis ad-hoc a través de 100% Web UICrear y modificar reportes en distintas presentaciones:

tabulares, tablas dinámicas, gráficos.

Autosuficiencia del usuario

Oracle BI

Publisher

Reporting “pixel-perfect”Diseño mediante herramientas Word o Adobe

Soporte a todo tipo de documento: pedidos, formularios,

cheques, memorias, balances, estados financieros, etc.



Entrenamiento

Oracle BI Suite EE 10g R3: CreateReports and Dashboards

Oracle BI Suite EE 10g R3:Build Repositories

ClaseIntroductoria 2

Documents

Transcript of ClaseIntroductoria 2