You are on page 1of 14

Business Intelligence con Microsoft SQL Server

1
I ntroduccin al Business I ntelligence

Contenido

Qu es la Inteligencia de Negocios?
Necesidades del negocio insatisfechas por las soluciones tradicionales.
Historia y evolucin de los conceptos de Inteligencia de Negocios.
Visin actual: el proceso de la Inteligencia de Negocios.
Conceptos y terminologa comunes en Inteligencia de negocios.
Anexos.










Business Intelligence con Microsoft SQL Server


2
1. Qu es la Inteligencia de Negocios?

La Inteligencia de Negocios o Business Intelligence (BI) se puede definir como el proceso
de extraer datos de cualquier fuente: archivos o base de datos, para transformarlos en
informacin, de tal manera que sta apoye a la toma de decisiones de las empresas.

BI provee la informacin que requiere el usuario de negocio en la manera como lo desea
y en el momento que lo necesita, mejorando enormemente la efectividad para la toma de
decisiones, revelando tendencias de negocio no perceptibles fcilmente.


2. Necesidades del negocio insatisfechas por las
soluciones tradicionales

Las empresas actualmente poseen las siguientes necesidades de negocios que no pueden
ser resueltas por los sistemas tradicionales:

Pasan ms tiempo recolectando y preparando informacin que analizndola.
Se frustan al no poder encontrar informacin que esta seguro existe en la
empresa.
Quieren saber que productos fueron ms rentables durante un periodo de tiempo.
No saben cul es el patrn de compra de sus clientes dependiendo de las zonas.
Pasan mucho tiempo tratando de hacer que los reportes en Excel luzcan bien.
Han perdido oportunidades de negocios por recibir informacin retrasada.
No sabe con certeza si sus empleados estn alcanzando los objetivos planeados.

Es decir las empresas empiezan a valorar ya no como registrar la informacin sino como
recuperarla adecuadamente, ya que han descubierto que siendo esta informacin ms
oportuna y exacta, la empresa se volver ms competitiva. Visto as, la informacin
corporativa es un activo importante de la empresa que genera valor y la falta de ella
generar prdidas.

Las organizaciones y sus requerimientos de sistemas de
informacin

Con el fin soportar la gran cantidad de informacin que maneja una empresa, muchas de
ellas despliegan una gran infraestructura tecnolgica que soportan Sistemas de
Informacin. El crecimiento tecnolgico tiene varias etapas que van desde la integracin
de sistemas, el crecimiento y la implementacin. Las condiciones actuales de
competencia ha provocado el que sea necesaria tecnologa cada vez ms sofisticadas
para responder a las peticiones muy particulares de informacin. Sistemas de
Procesamiento de Datos (SPD), Sistemas de Manufactura, Administracin de Recursos
Empresariales (ERP), Sistemas de Informacin Ejecutiva (EIS), Sistemas de Soporte a las
Decisiones (DSS), Manejo de Relacin con Clientes (CRM), Suministro de la Cadena de
Distribucin (SCM), Sistemas en la nube (CLOUD Computing), etc., son algunos de los
sistemas que afloran y se ponen de moda y luego desaparecen acorde a la evolucin de
las empresas. Pero algo que no va a desaparecer es la necesidad de las empresas de
consumir informacin para atender los distintos requerimientos del negocio, dependiendo
de la funcin que cada empleado desempee en la empresa.


Introduccin al Business Intelligence


3
La informacin que las empresas necesitan

La informacin se est extendiendo a todo nivel dentro de la organizacin, reas donde la
toma de decisiones se basaba en la experiencia o la intuicin requieren cada vez ms de
soporte basado en informacin. Si bien es cierto los niveles operativos y tcticos siempre
han requerido de informacin para el da a da del negocio, est no ha estado restringida
para su uso. El avance vertiginoso de las tecnologas de la informacin ha permitido que
la informacin estratgica sea puesta en las computadoras de los directivos, este
comportamiento se ha generalizado principalmente motivado no slo por la facilidad y
utilidad de la informacin compartida sino por los software de toma de decisiones cada
vez ms sencillos de usar.

Actualmente la informacin es enviada a todos los niveles de la empresa con diferentes
fines (comunicacin, control, administracin, evaluacin, planeamiento, etc.). Las
organizaciones estn entendiendo que los niveles directivos tienen una gran
responsabilidad al tomar decisiones, ya que ellas recaen sobre toda la empresa, pero
tambin existen ms empleados que toman decisiones y, a pesar de que stas no tienen
un impacto global, deben ser tambin adecuadas y oportunas, pues ciertos grupos
dependen de las mismas. Directores, gerentes, supervisores, jefes, coordinadores todos
aquellos que toman decisiones deben tener suficiente informacin para apoyarse en su
trabajo diario, el lugar que ocupen en la pirmide organizacional se vuelve secundario
cuando el enfoque es hacia el manejo de procesos y todos los puestos tienen cierta
relacin y dependencia entre si.

De manera general dentro de la organizacin, los requerimientos de informacin se
dividen en 3 partes:

1. Informacin Estratgica
Soporta principalmente las decisiones del primer nivel de la pirmide
organizacional, respondiendo a las preguntas estratgicas de la empresa. Su
caracterstica principal es que no muestra muchos datos y est asociado a la
gerencia visual a travs de indicadores que muestran si se estn alcanzando los
objetivos y metas o no a nivel global. Ello permitir saber cmo se encuentra la
empresa ahora y poder tomar decisiones oportunas.

2. Informacin Tctica
Esta informacin da soporte al segundo nivel de la pirmide organizacional. Est
relacionada al plano operativo de la estrategia, planteando vas posibles para
lograr la estrategia dictada por los ejecutivos y directivos. Esta informacin
corresponde a un rea o departamento especfico de la empresa, siendo su
alcance departamental y se asocia a gerencias o subdirecciones.

3. Informacin Tcnico Operacional
Este nivel de informacin corresponde a la parte operativa de la empresa,
compuesta por los sistemas de entrada masiva de datos y procesamiento
transaccional. Soporta el da a da del negocio y a sus diversas reas (contabilidad,
facturacin, almacn, presupuesto y otros sistemas administrativos). Se asocian a
las jefaturas o coordinaciones operativas o de tercer nivel.



Business Intelligence con Microsoft SQL Server


4
3. Historia y evolucin de los conceptos de Inteligencia
de Negocios.

El concepto de Business Intelligence no es un concepto reciente, hace miles de aos los
mayas, incas, fenicios, persas, egipcios y otros pueblos practicaban este principio cuando
usaban informacin obtenida de la naturaleza en beneficio propio. Observar y analizar el
comportamiento de los astros, las mareas, los perodos de sequa y de lluvias, entre
otras, eran maneras de obtener informacin que luego usaban a la hora de tomar
decisiones que pudieran permitir mejoras en la vida de sus respectivos pueblos.

El mundo ha evolucionado, pero el concepto sigue siendo el mismo. La necesidad de
relacionar informaciones para realizar una gestin empresarial eficaz y eficiente es hoy
una realidad tanto como en el pasado lo fue descubrir si la crecida de la marea era
propicia para obtener una pesca ms abundante.

En los aos 60s surgen las tarjetas perforadas como medio de almacenamiento de datos,
los transistores como un gran avance electrnico en la arquitectura de computadores y el
lenguaje estructurado de programacin COBOL. En esta poca los ordenadores se
mostraban como algo difcil de conocer y el almacenamiento de informacin se realizaba
de manera lineal y secuencial. Este nuevo despliegue tecnolgico, es decir, la
implementacin de las bases de datos para el procesamiento en lnea, las nuevas
tecnologas y los Lenguajes de Cuarta Generacin (4GL), permitieron al usuario ms
facilidades para el control de los sistemas y de la informacin. Esto dio origen a los
primeros Sistemas de Informacin formales.

Los Dispositivos de Almacenamiento de Acceso Directo (DASD, Direct Access Storage
Device) surgen en los 70s permitiendo que la velocidad de acceso a los datos se mejore
enormemente, ya que las bsquedas ya no eran lineales, sino directas. Asimismo,
tambin aparecen los Sistemas de Administracin de Bases de Datos (DBMS), que
permiten al desarrollador el acceso a la informacin, al encargarse del almacenamiento e
ndices.

A inicios del ao 1990, las ms importantes empresas ya contaban con grandes Centros
de Informacin (CI) que funcionaban como repositorio de datos, brindando informacin
que anteriormente era poco disponible. A pesar de esta limitante, los CI otorgaban de
cierta manera, la informacin que los ejecutivos requeran para tomar decisiones. Pero a
medida que los aos avanzaron, el mercado empez a comportarse de un modo ms
complejo y cambiante, lo que oblig a que la tecnologa de la informacin comenzara
perfeccionando las herramientas de soporte a las decisiones de manera que ofrezcan
informaciones precisas y en el momento adecuado para poder definir acciones,
mejorando el desempeo de la organizacin.

El concepto de Data Warehouse nace entre los aos 1992 y 1993, este concepto se
asocia a una gran base de datos, es decir, un "recipiente - depsito" nico de datos (los
cuales pasaron por un proceso de extraccin, transformacin). Este repositorio es la
parte fundamental para la ejecucin prctica de un proyecto de Business Intelligence.
Pero al hablar de Business Intelligence, encontramos varios puntos de vista. Para algunos
autores es muy importante que la empresa que desea implementar herramientas de
Business Intelligence cuente con un "repositorio" nico para reunir los datos ya
transformados en informaciones. Este "repositorio" no necesariamente es, un Data
Warehouse, puede ser algo ms pequeo y menos complejo como, por ejemplo, un Data
Mart (banco de datos diseado para reas especficas en forma personalizada), o un
banco de datos relacional comn, pero independiente del ambiente transaccional
(operacional) y exclusivo para contener informacin que ser usada como base para la
realizacin de diversos anlisis y proyecciones.

Introduccin al Business Intelligence


5
El trmino Business Intelligence es bastante antiguo. Sin embargo, el avance de la
tecnologa de la informacin permiti crear herramientas que facilitaron en gran medida
todo el proceso de extraccin, almacenamiento, consolidacin, filtrado, validacin y
disponibilidad de los datos. Gracias a ello, las empresas empezaron a interesarse en las
soluciones de BI de una forma ms decisiva, esto a finales de 1996, cuando el concepto
se difundi como un proceso de evolucin del Executive Information Systems (EIS) - un
sistema creado a finales de la dcada del 70 en el MIT (Massachusetts Institute of
Technology-EUA).

El trmino Business Intelligence se extendi hacia otras herramientas como por
ejemplo: Executive Information System - Sistema de Informacin Ejecutiva (EIS),
soluciones Decision Support System - Sistema de Soporte a las Decisiones (DSS),
Balanced Scorecard (Indicadores de Gestin), Dashboard (Cuadros de Mando), ER
(Reporteadores Empresariales), Data Marts, Data Mining, Herramientas OLAP, cuyo fin
principal es dinamizar la capacidad de tomar decisiones, afinar estrategias de relaciones
con los clientes y satisfacer las necesidades del sector empresarial.


4. Visin actual: el proceso de Inteligencia de Negocios.

El proceso de realizar Inteligencia de Negocios es conocido como Datawarehousing y
comprende los siguientes pasos:

1. Extraccin
El proceso de extraccin consiste en estudiar y entender los datos fuente,
tomando aquellos que son de utilidad para el Data Warehouse.

2. Transformacin
Una vez que los datos son extrados, stos se transforman. Este proceso incluye
correccin de errores, resolucin de problemas de dominio, borrado de campos
que no son de inters, generacin de claves, aumento de informacin, etc.

3. Carga e Indices
Al terminar el proceso de transformacin, se cargan los datos en el Data
Warehouse.

4. Chequeo de Calidad
Una vez ingresada la informacin al Data Warehouse, se realizan controles de
calidad para asegurar que la misma sea correcta.

5. Liberacin/Publicacin
Cuando la informacin se encuentra disponible, se le informa al usuario. Es
importante publicar todo cambio que se haya realizado.

6. Consulta
El usuario final debe disponer de herramientas de consulta y procesamiento de
datos. Este proceso incluye consultas ad hoc, reportes, aplicaciones DSS, Data
Mining, etc.

7. Feedback
Muchas veces es aconsejable seguir el camino inverso de carga. Por ejemplo,
puede alimentarse los sistemas legales con informacin depurada del Data
Warehouse o almacenar en el mismo alguna consulta generada por el usuario que
sea de inters.


Business Intelligence con Microsoft SQL Server


6
8. Auditoria
Los procesos de auditoria permiten conocer de donde proviene la informacin as
como tambin qu clculos la generaron.

9. Seguridad
Una vez construido el Data Warehouse, es de inters para la organizacin que la
informacin llegue a la mayor cantidad de usuarios pero, por otro lado, se tiene
sumo cuidado de protegerla contra posibles 'hackers', 'snoopers' o espas. El
desarrollo de Internet ha incrementado este dilema.

10. Respaldo y Recuperacin
Se debe realizar actividades de backup y restore de la informacin, tanto la
almacenada en el Data Warehouse como la que circula desde los sistemas fuente
al Data Warehouse.



5. Conceptos y terminologa comunes en Inteligencia de
negocios.

On Line Transacction Processing (OLTP)

El sistema On Line Transaction Processing (OLTP) se encarga de dar soporte a los
procesos diarios de ingreso y mantenimiento de datos y son en tiempo real. De esa
manera las aplicaciones OLTP sirven para la captura de las transacciones cotidianas
(ventas, compras, control de almacn, cuenta corriente, generacin de notas de crdito,
control de la produccin, contabilidad, etc.) y es la fuente principal de datos de las
soluciones analticas. Entre las diferencias principales tenemos que las aplicaciones OLTP
poseen volatilidad de datos (los datos slo permanecen en el sistema por un periodo
corto de tiempo) a diferencia de las soluciones analticas, que requieren de datos
histricos para generar diversas perspectivas de anlisis. Otra diferencia es la
actualizaciones frecuentes de los datos (la informacin es modificada muchas veces en el
da), mientras que las aplicaciones analticas realizan operaciones normalmente, de slo
lectura.

Caractersticas

Diseo orientado a la transaccin.
Volatilidad de los datos.
Soporte limitado a la toma de decisiones.

Ejemplos

Cobranzas.
Sistema de control de asistencia.
Control de almacn.


Introduccin al Business Intelligence


7
On Line Analytical Processing (OLAP)

OnLine Analytical Processing (OLAP) es un proceso en el que se emplean herramientas
sofisticadas que permiten agilizar el proceso de anlisis de informacin de la empresa,
organizada en perspectivas (dimensiones) y mtricas, permitiendo ejecutar anlisis
complejos de datos, en base a los cuales se tomarn las decisiones del negocio.

OLAP permite a los usuarios una fcil y amigable navegacin por la informacin,
obteniendo el nivel de granularidad (detalle) que requiera para la toma de decisiones.
Asimismo, puede generar clculos adicionales en base a los datos existentes.


Los servicios OLAP proveen mltiples formas y niveles de anlisis gracias a que los datos
se encuentran estructurados con esta finalidad. De esta manera el usuario puede realizar
comparaciones entre periodos anteriores o paralelos, encontrar patrones y tendencias,
aislar un grupo de datos con caractersticas especficas para realizar un anlisis ms
profundo y sobretodo de una manera amigable, rpida y confiable.

Caractersticas OLAP

Es consolidada. La data se centraliza desde diferentes orgenes de datos en un
repositorio central nico al cual tienen acceso los usuarios de toda la organizacin.
Es consistente. Los usuarios deben obtener una nica versin de los datos no
importando de que rea provengan las consultas ni el momento en que ellas se
realicen.
Es orientada al objetivo. Slo contiene informacin relevante para la toma de
decisiones, de esta manera la orientacin est en cmo se usan los datos y no
cmo se almacenan.
Es histrica. Los sistemas OLAP almacenan toda la informacin histrica de la
empresa, permitiendo de esta manera, realizar comparaciones entre periodos
actuales e histricos.
Es de slo lectura. Los sistema OLAP se disea y optimizan slo para realizar
consultas. Las operaciones de actualizacin, borrado, etc. son exclusivas de los
sistemas transaccionales.
No es atmica. Los sistemas OLAP contienen datos consolidados que permiten la
velocidad en la consulta.



Como se observa en el grfico superior en un modelo de datos OLAP, la informacin es
vista como cubos, los cuales consisten de valores cualitativos, atributos (dimensiones) y
valores cuantitativos, mtricas (medidas).


Business Intelligence con Microsoft SQL Server


8
Un analista de negocio ve a una consulta analtica en trminos de un cierto nmero de
perspectivas de anlisis (dimensiones) tales como productos, cliente, vendedor, tiempo,
regiones, fabricantes, o artculos y desea poder analizar un conjunto de valores
cuantitativos (cantidades, montos, ratios, etc.) de tal manera que usando estos
componentes, pueda lograr distintas vistas de una misma consulta.

Ejemplo

Para una cadena de tiendas de venta de videos que posee 3 sucursales el sistema OLAP
le permite presentar informacin consolidada por cada sucursal, compararla y tomar
decisiones apropiadamente.



Sin embargo, la tienda de venta de videos tambin deseara ver cmo se desarrollan las
ventas en el tiempo. Para hacer esto, se necesitaran varias hojas de clculo.



De esta manera, las medidas que deseamos visualizar del negocio se encontrarn
almacenadas en la interseccin de las perspectivas de anlisis, en sectores llamados
"celdas" del cubo, como se grafica a continuacin:



Siguiendo con el ejemplo anterior, con este cubo podemos ahora tomar rebanadas del
mismo para responder preguntas como:

Cunto se vende por categora de video en cada tienda en un mes dado?
Categora de video por tienda en un mes dado.

Qu tiendas han mejorado sus ventas de video dado a travs del tiempo?
Tienda por tiempo de una categora de video dado.


Introduccin al Business Intelligence


9
Cunto se vende por categora de video a travs del tiempo en una tienda dada?
Categora de video por tiempo en una tienda dada.




Sistemas OLTP vs OLAP

En cuanto a las soluciones transaccionales y las soluciones Data Warehousing tambin
tenemos diferencias:

Frecuencia de actualizacin: las soluciones transaccionales se encuentran en
tiempo real, manteniendo la data actualizada. En cambio, las soluciones Data
Warehousing, poseen una periodicidad de carga: diario, semanal, mensual, etc.,
pudiendo estar sus datos en tiempo real o cercano al tiempo real.

Estructurado para: responder a las transacciones diarias de la empresa y
diseada para conservar una alta integridad de datos, a diferencia de ello las
soluciones Data Warehousing estn estructurados para proporcionar facilidad y
velocidad en la consulta.

Optimizado para: las soluciones transaccionales estn optimizados para el
registro diario de las operaciones del negocio. Las soluciones Data Warehousing
estn optimizados para la consulta, de tal forma que se respondan de la manera
ms amigable y rpida.

Soluciones Transaccionales
Soluciones Data
Warehousing
Frecuencia de
actualizacin
En lnea Peridica
Estructurados
para
Registro Consulta
Optimizado
para
Procesos operacionales
Mejor desempeo de las
consultas


Data Warehouse

Entonces podemos definir que un Data Warehouse es una coleccin de datos en la que se
encuentra integrada la informacin de la organizacin y que es usada como soporte para
el proceso de toma de decisiones gerenciales.

Reunir los elementos de datos apropiados desde diversas fuentes de aplicacin en un
ambiente integral centralizado simplifica el problema de acceso a la informacin y en
consecuencia, acelera el proceso de anlisis, consultas y disminuye el tiempo de acceso a
la informacin.
Business Intelligence con Microsoft SQL Server


10
Las aplicaciones para soporte de decisiones basadas en un Data Warehouse pueden
hacer ms prctica y fcil la explotacin de datos. De esa forma, podemos obtener una
mayor eficacia en la toma de decisiones, que no se logra cuando se usan solo los datos
que provienen de las aplicaciones operacionales (que ayudan en la operacin de la
empresa en sus operaciones cotidianas), en las que la informacin se obtiene realizando
procesos independientes y muchas veces complejos.

Un Data Warehouse se crea al extraer datos desde una o ms bases de datos de
aplicaciones operacionales. La data extrada es transformada para eliminar
inconsistencias y resumir si es necesario y luego, cargarla en el Data Warehouse. El
proceso de transformar, crear el detalle de tiempo variante, resumir y combinar los
extractos de datos ayuda a crear el ambiente para el acceso a la informacin
organizacional. Este nuevo enfoque ayuda a las personas, en todos los niveles de la
empresa, a efectuar su toma de decisiones con mayor objetividad.

Datamart

Caractersticas

Orientado a un departamento dentro de la organizacin.
Puede ser implementado como una solucin para problemas inmediatos.
No es necesario para construir un Data Warehouse.

Beneficios

Implementacin rpida y sencilla.
Menor costo de implementacin.
Cubre necesidades especficas del negocio.
Respuestas rpidas por el menor volumen de informacin.
Asegura la consistencia de los datos.

El empleo de los Datamarts estar determinado por los que toman decisiones. Por
ejemplo en una empresa el gerente de ventas necesitar analizar la informacin de su
rea, es decir las ventas de la empresa.

Desventajas

Inadvertidamente se puede usar datos no compatibles con otros Datamarts que
luego alarguen el tiempo de unificacin.
Si el Data Warehouse es construido primero, se requiere de hardware adicional
para soportar Datamarts individuales.
Datos descentralizados debido a que cada Datamart corresponde a una base de
datos individual por tema o por rea.




Introduccin al Business Intelligence


11
Metadata

La metadata es definida como los datos acerca de los datos; es considerado como el
diccionario de datos del Data Warehouse.

La metadata abarca todos los procesos de Data Warehousing y contiene:

Nombres de campos y definiciones
Mapeo de los datos
Tablas
Indices
Cronogramas de extraccin y carga
Criterios de seleccin
Clculos de los datos derivados
Transformacin de los datos

Existes 3 tipos de Metadatos:

Metadata del Negocio: Contiene los modelos lgicos y las reglas de negocio.

Metadata Tcnica: Contiene los nombres fsicos de las tablas, ubicacin de
almacenamiento, relaciones, llaves, etc.

Metadata Operacional: Contiene la programacin de cargas, fechas de refrescos
de datos, seguridad.


6. Anexos: Casos de xito en Inteligencia de Negocios

WallMart

Pionero en el uso de la informacin para identificar nuevas oportunidades de
mercado.
Uso de datamining masivo, solucin basada en Teradata.
Caso Clsico: Paales y Cerveza.

Es sin duda, uno de los ejemplos ms clsicos de la llamada business intelligence (BI),
utilizado en las escuelas de negocio de todo el mundo para ilustrar cmo el anlisis de los
datos de los clientes puede llevar a conclusiones interesantes y aprovechables en el
contexto del denominado market-basket analysis: la correlacin entre los paales y la
cerveza.

Estos dos productos, aparentemente sin ninguna relacin, protagonizan esta historia que
los profesores y estudiantes de marketing suelen atribuir a lo que ocurri en los
hipermercados WallMart, cuando se empez a utilizar por primera software analtico para
combinar el anlisis de los datos de compras de algunas personas obtenidos gracias a
sus tarjetas de fidelizacin.

Segn la historia, se descubrieron una serie de asociaciones, algunas perfectamente
obvias, como que las personas que compraban cereal tambin compraban leche, o los
que compraban ron, tambin compraban coca-cola, y una completamente inesperada:
paales y cerveza.


Business Intelligence con Microsoft SQL Server


12
Aparentemente, los clientes masculinos, cuando compraban paales el fin de semana,
tenan adems una gran tendencia a adquirir tambin cerveza. De ah surgi toda una
amplia gama de teoras psicolgicas sobre cmo los hombres, cuando eran enviados por
paales al supermercado, asociaban la idea con la de obtener alguna recompensa para
ellos, o relacionaban el fin de semana con tomar cerveza y, a pesar de ser ya padres,
realizaban una accin de solteros, que seguramente era aprobada en sus hogares ya que
la diferencia era que estos hombres beban dentro de su casa.

Como resultado del descubrimiento de esta correlacin, segn sus estadsticas, el
hipermercado decidi mover la cerveza y ponerla al lado de los paales, y obtuvieron
gracias a ello un incremento de ventas bastante importante.

NBA

Un resultado interesante fue uno hasta entonces no observado por los
entrenadores de los Knicks de Nueva York. El doble marcaje a un jugador puede
generalmente dar la oportunidad a otro jugador de encestar ms fcilmente.
Mezcla datos de jugadores de baloncesto con imgenes de partidos para encontrar
patrones y apoyar a la generacin de estrategias.
"Advanced Scout", basado en IBM DB2 Universal Database, IBM DB2 Intelligent
Miner y Virtual Gold's VirtualMiner.

AC MILAN

El sistema, creado por Computer Associates International, es alimentado por
datos de cada jugador, relacionados con su rendimiento, alimentacin y respuesta
a estmulos externos, que se obtienen y analizan cada quince das.
Actualmente el sistema permite predecir alguna posible lesin.
El club est ahorrando dinero evitando comprar jugadores que presenten una alta
probabilidad de lesin.

ODYSSEY

Gobierno Espaol enjuicia a la empresa Odyssey por apoderarse de 18 toneladas
de monedas de oro.
Un espectacular sistema de tratamiento de datos llamado "Data Mining" cuyo
funcionamiento es sencillo: se introducen en una base de datos todas las variables
imaginables, desde los lugares en los que hay barcos hundidos hasta las
corrientes marinas predominantes, los puntos ms habituales de tormentas o las
rutas que probablemente utilizara cada capitn. De todo ese cctel se extrae un
modelo que indica, con una fiabilidad impresionante, en qu puntos exactos hay
ms probabilidades de hallar un tesoro. A partir de ese momento, y despus de
aos de paciente estudio, esa computadora proporciona a Odyssey un detallado y
gigantesco mapa del tesoro sin necesidad de escudriar todo el fondo del Atlntico
o el Mediterrneo.

SUNAT

SAS, el lder en Inteligencia de Negocios, anunci hoy que la SUNAT, ha logrado
una mejor deteccin de la subvaloracin de mercancas en la principal aduana
peruana, al incrementar en 14 puntos porcentuales el xito en los hallazgos en el
Proceso de Seleccin de Canales de Control.
SUNAT es la primera entidad tributaria en Latinoamrica en emplear con xito
tcnicas de Minera de Datos en la lucha contra el contrabando y la subvaluacin.
Solucin sobre plataforma SAS, Oracle, Informix, Java.

Introduccin al Business Intelligence


13
Actividades

Actividad 1: Cuestionario de preguntas

1. Qu beneficios puede brindarle a una empresa el Business Intelligence?

_______________________________________________________________________

_______________________________________________________________________

_______________________________________________________________________

_______________________________________________________________________

_______________________________________________________________________

2. El trmino Business Intelligence fue adoptado:

a) Por los principales consultores europeos porque comprobaron que la historia del
Viejo Continente traa consigo este concepto en diversos episodios.
b) Para que los conceptos que surgieron con las siglas EIS, DSS y SIG puedan
abarcar cada vez ms, dentro de un proceso natural de evolucin de tecnologas y
metodologas.
c) Para sustituir la nomenclatura ofrecida a los proyectos de Data Warehouse y
Datamart cuando se los disea por separado.

3. Segn la pirmide organizacional, cules son los 3 niveles de informacin que se
necesitan.

_______________________________________________________________________

_______________________________________________________________________

_______________________________________________________________________

4. Nombre tres (3) diferencias entre OLTP y OLAP.

_______________________________________________________________________

_______________________________________________________________________

_______________________________________________________________________

5. La tecnologa OLAP creci y se multiplic originando cules herramientas:

_______________________________________________________________________

_______________________________________________________________________

_______________________________________________________________________

_______________________________________________________________________

_______________________________________________________________________


Business Intelligence con Microsoft SQL Server


14
6. Un vistazo a un cubo OLAP



(A desarrollarse con el instructor).



Actividad 2: Conversatorio sobre problemas de los sistemas tradicionales