COMPONENTES DE UN SISTEMA DE APOYO A LA TOMA DE DECISIONES

BD

1-BASE DE DATOS

BASE DE DATOS CORPORATIVA

BASE DE DATOS LOCAL Y ARCHIVOS PROPIETARIOS

MODELOS DE BASES DE DATOS

BASE DE DATOS JERÁRQUICA En este modelo los datos se organizan en una

forma similar a un árbol (visto al revés), en donde un nodo padre de información puede tener varios hijos.

Las bases de datos jerárquicas son especialmente útiles en el caso de aplicaciones que manejan un gran volumen de información y datos muy compartidos permitiendo crear estructuras estables y de gran rendimiento

MODELOS DE BASES DE DATOS

BASE DE DATOS DE REDSu diferencia fundamental es la modificación

del concepto de nodo: se permite que un mismo nodo tenga varios padres (posibilidad no permitida en el modelo jerárquico).

Ofrece una solución eficiente al problema de redundancia de datos

Complejidad e en la comprensión del diseño

MODELOS DE BASES DE DATOS

BASE DE DATOS RELACIONALLa información puede ser recuperada o

almacenada mediante "consultas" que ofrecen una amplia flexibilidad y poder para administrar la información.

Permite que se utilicen las relaciones entre distintos conjuntos de información para generar consultas complejas.

SUBSISTEMA DE DATOS

Base de datos del DSS.La BD contiene valores relevantes para las

situaciones a analizar.BD especiales e independientesAlmacén de datos.Procesamiento Analítico en líneaAdministrada por DBMS (Sistemas de

Administración de BD).

ESTRUCTURA DEL SUBSISTEMA DE DATOS

Finanzas

Mercadeo

Producción RRHH

Fuentes internas de datos

Entorno

Fuentes externas de datos

ExtracciónDatos

privadosDATAWAREHOUS

E

BD del Sistema• Recuperación• Consulta• Actualización• Generación de informes• Eliminación

Interfase gráfica

Modelos

Conocimiento

Facilidades de Consulta

Diccionario de datos

2- SISTEMA DE SOFTWARE

Los instrumentos de software que son usados para el análisis de datos.

Varios instrumentos de análisis de datos. (Vistas o view)

Instrumentos que extraen datos. (Consultas SQL) Permite una interacción fácil entre los usuarios

del sistema y la base de datos del DSS.

SUBSISTEMA DE ADMINISTRACIÓN DEL CONOCIMIENTO

Provee pericia en resolver problemas estructurados y semiestructurados muy complejos.

Provee pericia para un sistema experto y otro como sistema inteligente.

Conduce al DSS inteligentePuede apoyar a alguno de los otros subsistemas

o actuar como un componente independienteProvee de inteligencia para aumentar las

capacidades del tomador de decisiones.

3- MODELO

Es una representación abstracta que ilustra los componentes o las relaciones de un fenómeno. El propósito de los modelos es ayudarnos a explicar, entender o mejorar un sistema

Cada DSS es construido para un conjunto específico de objetivos y hará las diferentes colecciones de modelos disponibles según estos objetivos.

SUBSISTEMA DE ADMINISTRACION DEL MODELO

Base de modelosSistema de Admon. De la base de modelosLenguaje de modelaciónDirectorio de modelosEjecución, integración y manipulación

ESTRUCTURA DE LA ADMINISTRACION DEL MODELO

EJEMPLOS DE MODELOS

Inventarios Control de proyectos Programación lineal y optimizaciónSimulación Colas Análisis Estadísticos Planeación financiera de escenarios

(Pronósticos)

4- INTERFAZ DE USUARIO

Permite la interacción fácil entre los usuarios del sistema y los instrumentos de software DSS.

Se requiere un interfaz de usuario gráfico, fácil de usar y flexible que ayude a la comunicación entre el usuario y el DSS .

Los usuarios de los DSS normalmente, tienen poca o ninguna experiencia de ordenadores y ninguna paciencia para aprender a usar un instrumento complejo, entonces el interfaz debe ser relativamente intuitivo.

TIPOS DE USUARIO

Gerentes de línea Gerente de finanzas Gerente de producción Gerente de Mercadeo

Personal de apoyo Analistas financieros Planificadores de producción Investigadores de mercado

ESTRUCTURA DEL SUBSISTEMA DE INTERFAZ GRAFICA

CLASIFICACION DE LOS SISTEMAS DE APOYO A LA TOMA DECISIONES

Orientado a la comunicación

Orientado a los datos, son especialmente los

Almacenes de Datos y el OLAP

Orientado a los documentos

Orientado al conocimiento

Orientado a los modelos (el tipo más clásico y

antiguo de todos)

ORIENTADO A LA COMUNICACION

Facilita la comunicación entre grupos

Facilita el compartir la información

Apoya la colaboración y coordinación entre

las personas

Apoya a las tareas de decisión de grupos

ORIENTADO A LOS DATOS (DW-OLAP)

Son un tipo de DSS que enfatiza el acceso y la manipulación

de series de tiempo de datos internos y algunas veces

externos.

En su nivel más elemental son sistemas de archivos que

permiten consultas y herramientas de recuperación.

Los almacenes de datos permiten la manipulación de los

datos por medio de herramientas computarizadas enfocadas

a una tarea específica y configurada o por herramientas

generales y operadores que añaden funcionalidad adicional.

ORIENTADO A LOS DOCUMENTOS

Es relativamente un nuevo campo de los DSS.

Están enfocados en la recuperación y manejo

de documentos no estructurados.

Pueden tomar muchas formas , pero podemos

clasificarlos en 3 ramas: los orales, escritos y

de video.

ORIENTADO AL CONOCIMIENTO

Pueden sugerir o recomendar acciones a los

gerentes: Son sistemas humano-computadora con

experiencia experta en resolver problemas.

Un concepto relacionado es Minería de datos.

Incluye varias técnicas de inteligencia artificial

como: el razonamiento basado en casos, consultas

y análisis difusos, algoritmos genéticos, redes

neuronales, visualización de datos.

ORIENTADO A LOS MODELOS

Enfatizan el acceso y manipulación de un modelo, por ejemplo: estadístico, financiero, de optimización y/o simulación de modelos.

Las herramientas estadísticas o analíticas proveen la mayoría del nivel elemental de funcionalidad.

Algunos Sistemas OLAP que permiten análisis complejo de datos pueden ser clasificados como DSS híbridos, dando funcionalidad de modelado y recuperación y resumen de datos.

Ofrecen finanzas complejas, simulación, optimización, y modelos multicriterios para dar apoyo a las decisiones.

ALMACEN DE DATOS

DATAWAREHOUSE

DATAWAREHOUSE

Es un conjunto de datos integrados orientados hacia una materia, que varían con el tiempo y que no son transitorios, los cuales apoyan el proceso de toma decisiones de una administración.

Data warehousing es el almacenamiento de datos con fines estratégicos de negocio.

CARACTERISTICAS DE UN DATAWAREHOUSE

Son datos organizados orientados hacia entidades, por ej.

producto, cliente, en vez de estar orientado hacia el proceso.

Se crean y diseñan fuera de las BD operacionales.

Una vez que los datos son almacenados, éstos no cambian y el

almacén de datos puede tener un tiempo de vida de 5 a 10 años.

Normalmente las únicas operaciones sobre la BD se reducen a

captura de datos y acceso a los mismos.

Algunas partes del DW serán estáticas y otras dinámicas; no se

puede almacenarlo todo dentro de una estructura monolítica y

actualizarla constantemente.

DATAMARTS

Básicamente es un pequeño Data warehouse, creado para una determinada cantidad de usuarios de un área específica de la empresa. En otras palabras, se trata de un subconjunto de un almacén de datos para un propósito específico. Un data mart tiene como función ser soporte de los sistemas de toma de decisiones.

ARQUITECTURA DE UN DATAWAREHOUSE

DATAMINING

La minería de datos auxilia a los usuarios para procesar las vastas reservas de datos para descubrir relaciones insospechadas, por ej. Entre productos y clientes o patrones de compra de clientes.

La meta es descubrir relaciones estratégicas competitivas.

DATAMINING

El auge de la minería de datos, se debe a que la tecnología de datawarehouse proporciona 3 factores básicos: Un gran banco de datos bien organizados e históricos Hardware y producto de bases de datos a precios razonables Tecnología y herramientas para minería cada vez más

desarrolladas. Recolección masiva de datos Potentes computadoras con multiprocesadores Algoritmos de DataMining

ALCANCE DE DATAMINING

Predicción automatizada de tendencias y comportamientos. (usando modelos de probabilidad y pronostico)

Descubrimiento automatizado de modelos previamente desconocidos.

Comportamientos anormales

INFORMACION OBTENIDA POR EL DATAMINING

Asociaciones. Son acontecimientos unido por un suceso

Secuencias. Acontecimientos unidos en el tiempo

Clasificación. Reconoce el modelo que describe el grupo al cual un articulo

pertenece examinando lo artículos existentes que han sido clasificados y deduciendo un conjunto de

reglas.

Relaciones. Las relaciones trabajan de manera similar a la Clasificación cuando aun

ningún grupo ha sido definido

Pronósticos. Estos usan un serie de valores existentes para pronosticar valores

futuros

LENGUAJES DE DESARROLLO DE LOS DATAMINING

Redes Neuronales Artificiales. Es un modelo predecible que aprende a través del entrenamiento y semejan la estructura de un red neuronal biológica (animal)

Árboles de Decisión. Son estructuras en forma de árbol que representan conjuntos de decisiones que a su ves generan reglas par la clasificación de un conjunto de datos

Algoritmos Genéticos. Son técnicas de optimización que usan procesos como combinaciones genéticas, conmutaciones entre los datos, selección natural en un diseño basado en los conceptos basados en evolución natural.

APLICACIONES DEL DATAMINING

Predice futuras tendencias y comportamientos, permitiendo en los negocios tomar decisiones proactivas.

Puede responder a preguntas de negocios que tradicionalmente consumen demasiado tiempo para poder ser resueltas.

Puede analizar bases de datos masivas para brindar respuesta a preguntas tales como, "¿Qué clientes tienen más probabilidad de responder al próximo mailing promocional, y por qué?

DATAMINING

PREGUNTAS A RESPONDER CON EL DATAMINING

¿Quiénes son mis mejores clientes?¿Dónde se ubican?¿Qué compran?¿Qué los caracteriza?¿Cuáles líneas de productos son las más rentables?¿Qué productos son mis mejores 10?¿Qué productos son mis peores 10?¿Qué productos son los más vendidos este mes?¿Cómo van mis avances respecto a lo planificado?¿Dónde se concentra el 80% de mis ventas?