UNIVERSIDAD CATLICA SANTO TORIBIO DE MOGROVEJO

FACULTAD DE INGENIERA
ESCUELA DE INGENIERA DE SISTEMAS Y
COMPUTACIN

SOLUCION DE INTELIGENCIA DE NEGOCIOS

BASADA EN ANALISIS OLAP Y ANALISIS
PREDICTIVO PARA APOYAR EN LA TOMA DE
DECISIONES EN EL PROCESO DE
COMERCIALIZACIN

TESIS PARA OPTAR EL TTULO DE

INGENIERO DE SISTEMAS Y COMPUTACIN

ALBURQUEQUE AGURTO JOS ANTONIO.

SANTISTEBAN COLLAZOS LUCAS VICENTE.

I.

INTRODUCCIN
Actualmente, nos encontramos sumergidos en la era de la informacin. Hoy da
las necesidades de informacin de directores y ejecutivos de las distintas
organizaciones, exigen tomar decisiones basadas en calidad, solicitando de ellas
caractersticas como confiabilidad (que los datos representen la realidad),
oportunidad (que la informacin se encuentre disponible cuando se solicite),
legibilidad (que se encuentre presentada en un formato que facilite su
aprovechamiento) y globalidad (que incluya todo que se necesite).
La creciente competitividad del mercado y de la globalizacin nos hacen pensar
que para las organizaciones ya no solo basta cumplir los objetivos y metas
individuales, sino que es necesario plantearse nuevos retos; puesto que es ms
necesario la innovacin y la mejorar del proceso de toma de decisiones, para
que las organizaciones se desarrollen y puedan expandir su mercado.
Con el uso de las tecnologas de sistemas de informacin lo cual contribuye en
gran medida a la capacidad para la captura, almacenamiento de datos se puede
decir que en los procesos de comercializacin es necesario la aplicacin de
sistemas capaces de proporcionar un mayor grado de efectividad en el manejo
de datos.
En el mbito internacional, el 55% de las empresas que se dedican a la
comercializacin de sus productos, manejan un sistema transaccional que les ha
permitido controlar la informacin de sus productos , realizar con mayor
rapidez las operaciones relacionadas a ellos, tambin les da mayor validez y
confiabilidad a la informacin mostrada por los informes que el sistema les
otorga. (BI en un futuro muy aproximado Inteligencia de negocios 2012)
Adems de aplicarse estas soluciones en los procesos comerciales; pues tambin
se aplica en los procesos educativos ya sea en los proceso de matrculas y
admisin de alumnos de universidades en donde se puede ver que esta solucin
ayuda en la mejora de la toma de decisiones dentro de las universidades,
tambin ayuda a predecir posibles escenarios que se pueden presentar.(
Incorporacin de elementos de inteligencia de negocios en el proceso de
admisin y matrcula de una universidad chilena 2011)
A nivel nacional, podemos apreciar que las organizaciones estn descuidando
un aspecto importante, el cual es la conversin de los datos en informacin, es
decir, muchas organizaciones no toman en cuenta que los datos obtenidos de las
operaciones que realizan diariamente son de suma importancia, ya que si
procesan estos datos, podrn obtener informacin, la cual les servira para
tomar decisiones acertadas que fomenten el crecimiento de la empresa y esta
obtenga ventaja competitiva. Es por ello, que los gerentes o ejecutivos del
mbito nacional toman malas decisiones debido a que no cuentan con sistemas

de informacin que les ayuden a convertir datos en informacin y que les

ayuden a tomar decisiones acertadas.
La empresa Korea Motos S.R.L ubicada en el distrito de Jos Leonardo Ortiz de
la ciudad de Chiclayo, no es ajena a esta realidad, ya que se ha podido observar
que existe un dficit en cuanto a las decisiones de que producto comprar,
cundo, cunto y a que proveedor comprar dichos productos para satisfacer la
demanda del mercado, estas decisiones son tomadas por el gerente en conjunto
con la contadora y administrador de la empresa, ya que estos se basan en los
informes que de ventas que le son entregados, sin embargo dicho informes no
brinda informacin adecuada que sea de gran utilidad para el proceso de toma
de decisiones.
Basndonos en la realidad problemtica encontrada en la empresa, se ha
planteado el siguiente problema:
De qu manera ayudar la solucin de Inteligencia de Negocios basada en
anlisis OLAP y anlisis predictivo a mejorar el proceso de toma de decisiones
en la empresa Korea Motos S.R.L?
Para la cual planteamos la siguiente hiptesis: A travs de la solucin de
Inteligencia de Negocios basada en anlisis OLAP y anlisis predictivo se
mejorar el proceso de toma de decisiones de la empresa Korea Motos S.R.L.
El objetivo general de la tesis es mejorar la de toma de decisiones del proceso de
comercializacin, a travs de la solucin de Inteligencia de Negocios basada en
anlisis OLAP y anlisis predictivo
Objetivos Especficos:

Reducir el tiempo en la obtencin de informacin pertinente, que

permita tomar decisiones sobre la demanda del producto de mayor
rotacin.

Reducir el tiempo en la obtencin de informacin, que permita tomar

decisiones sobre el clculo del volumen de compra.

Reducir el margen de error en los reportes del volumen de ventas y

compras de vehculos automotores menores.

La presente tesis se justifica, en lo tecnolgico, pues propone una solucin de

Inteligencia de Negocios basada en anlisis OLAP y anlisis predictivo; anlisis
OLAP es una herramienta de Inteligencia de Negocios orientada a reas
especficas de la organizacin incluyendo los indicadores para la toma de
decisiones.

Se justifica socialmente, ya que beneficia a la empresa Korea Motos S.R.L

respecto a la problemtica tratada, la cual nos habla sobre la mejora del
proceso de toma de decisiones en el proceso de comercializacin, dado que al
obtener mejores resultados en dicho proceso, el gerente sabra a ciencia cierta
qu productos debe pedir, cual es la cantidad de productos a pedir por cada
temporada, teniendo esta informacin se podr abastecer a la empresa con los
productos que satisfagan las necesidades de los clientes y as mismo ayudar a
los colaboradores de la empresa a obtener informacin clara y concisa para
mejorar su desempeo.
En lo econmico, ya que con la solucin, se podr tomar decisiones acertadas
para la empresa, las cuales le permitan disminuir perdidas por exceso y defecto
de almacenaje, de igual manera se disminuir los tiempos de espera de la
informacin y as mismo se disminuirn los errores humanos.
Por ltimo se justifica cientficamente, ya que a travs de la solucin se
predecir futuros eventos, se desarrollaran los escenarios para verificar el
comportamiento del indicador tiempo y econmico segn la demanda.

II.

MARCO TERICO

2.1.

Antecedentes de investigacin

2.1.1. Antecedentes de investigacin local

Desarrollo de una solucin de Business Intelligence para la
mejora en el proceso de toma de decisiones estratgica en la
gestin comercial de la empresa Trucks and Motors del Per
S.A.C
Jhonny Galan (2011), habla sobre el desarrollo de un BI en la empresa
Truck and Motors del Per S.A.C; la tesis se bas en la administracin de
la informacin que tiene maniobrar la empresa, para ello se concluy que
dicha informacin debe de estar almacenada en un solo repositorio, para
poder ser extrada con facilidad y comprendida de forma sencilla por los
gerentes de ducha organizacin. Las conclusiones que se pudieron
obtener con el desarrolla de la tesis son: la obtencin de resultados
ptimos en cuanto a la forma de mostrar informacin detallada y precisa
y a la misma vez se ha obtenido ventaja competitiva respecto a las
empresas del mismo rublo.
Sistema de Informacin gerencial utilizando Data Marts para
mejorar el proceso de toma de decisiones estratgicas en la
empresa de Hidrocarburos en el departamento de
Lambayeque Per caso: Grifo Nor Oriente S.A.C
Juan J Barbadillo (2009), indica que con la aplicacin de un sistema de
informacin gerencial llamado Data Mart se puede ayudar a la alta
gerencia de la empresa en el proceso de toma de decisiones estratgicas,
este sistema de informacin gerencial Data Mart llevo a contribuir a la
mejora de la gestin de los procesos de compras, ventas en cuanto a la
facilidad del acceso de informacin precisa, segura que es utilizada por
las personas de alta gerencia.
Esta investigacin de tesis llego a la conclusin que con la
implementacin del sistema de informacin gerencial Data Mart, se
obtuvo una reduccin del tiempo promedio en la obtencin de la
informacin necesaria y estadstica para el rea de ventas y compras.

Sistema de soporte de decisiones para la gestin operativa en

el
rea
comercial
de
la
empresa
Ferretera
BOCA E.I.R.L utilizando software libre.
Delgado Jos y Walter Tarrillo (2008), sealan esta investigacin de tesis
como soporte de decisiones que ayuda en la parte operativa del proceso
comercial de la empresa Ferreteria Boca E.I.R.L utilizando sistemas
basados en software libre; esta investigacin tuvo como objetivo
determinar de qu manera se puede mejorar el proceso de toma de
decisiones para la gestin operativa en el rea de comercializacin de la
empresa, y as se pudo identificar la necesidad de desarrollador e
implantar en la empresa un sistema de soporte de toma de decisiones
para poder mejorar las decisiones por parte de la gerencia de la empresa.
La presente investigacin tuvo como resultado la reduccin del tiempo
en la obtencin de informacin del 90%, la cual es de vital importancia
para la toma de decisiones para la gerencia de la empresa.

2.1.2. Antecedentes de investigacin nacionales

Solucin de inteligencia de negocios para la empresa de
servicios de asistencia aplicacin prctica a la gerencia de
asistencia de Touring y automvil club del Per.
Espinoza Dhony y Renan Quispe (2006), hablan de su investigacin,
acerca de cmo la inteligencia de negocios no solo ayuda en la parte
comercial de las empresas sino que tambin en los servicios de
asistencia, destacando que la informacin se debe de generar y gestionar
para poder obtener conocimientos a partir de datos. Teniendo como
conclusin que a partir del desarrollo e implementacin de un sistema de
negocios la gerencia de la empresa puede tomar mejores decisiones con
respecto al manejo de la misma.
Anlisis, diseo e implementacin de un sistema gerencial
basado en una suite integrada de DATAMARTS para las reas
de finanzas, contabilidad, recursos humanos y comerciales.
Sergio M. Mendoza (2011), indica que su investigacin est orientada al
anlisis del nivel gerencial de las reas financieras, contable, de recursos
humanos y comerciales de la empresa. La solucin consiste en una gama
de reportes de anlisis gerenciales que permitan visualizar Indicadores
de gestin para las cuatro reas mencionadas, se concluye que con la
implementacin del Data Warehouse se ha podido obtener ventaja
competitiva en el mercado, tomando as mejores decisiones basadas en
informacin consistente y consolidada.

Anlisis, diseo e implementacin de una solucin de

inteligencia de negocios para el rea de compras y ventas de
una empresa comercializadora de electrodomsticos
Rodrguez Kaller G. y ngela L. Mendoza (2011), sealan que con la
aplicacin de un sistema de inteligencia de negocios para la empresa
comercializadora de electrodomsticos permiti a los gerentes de la
misma organizacin obtener resultados y escenarios de pronsticos en
tiempo real y reportes que apoyen a la toma de decisiones.
Las conclusiones que se pudieron obtener de dicha investigacin fueron
que gracias a la implementacin del sistema de inteligencia de negocios
se pudo reducir el tiempo en la obtencin de informacin y del
procesamiento de los datos, para que si dicha organizacin pueda ser
sostenida en el tiempo.

Anlisis, diseo e implementacin de una solucin de

inteligencia de negocios para el rea de importaciones en una
empresa comercializadora/importadora
Jose E. Cordova (2013), seala que esta investigacin de tesis consiste en
analizar, disear e implementar una solucin de inteligencia de negocios,
que permita realizar el anlisis a nivel gerencial del rea de
Importaciones y Logstica dentro de una empresa que comercializa e
importa bienes; esta solucin consiste en una serie de elementos grficos,
flexibles y de acceso eficiente a los datos ofrecidos desde distintos
orgenes; permitiendo con ello, lograr un anlisis adecuado de los datos y
dar la facilidad a los usuarios para que interpreten mejor dicha
informacin y que tambin solucin permitir a los usuarios de la alta
direccin de las organizaciones de este tipo de empresas tomar mejores
decisiones a nivel de gestin en relacin a las compras de importacin.

2.1.3. Antecedentes de investigacin internacionales

DATA WAREHOUSE como herramienta para mejorar la toma
de decisiones en la empresa distribuidora de vehculos
Metrocar

Caballero Rosa E. y Gloria G. Elizondo (2011), nos hablan sobre como el

Data Warehouse es una herramienta vital que ayuda en la toma de
decisiones en la empresa distribuidora de vehculos Metrocar ubicada
en el pas de Ecuador; el desarrollo de la herramienta tuvo como
finalidad apoyar a las gerencias de algunos departamentos de la
organizacin, para que estas a travs de la informacin que dicha
herramienta muestre puedan tomar mejores decisiones que satisfagan
los objetivos de la misma.
Es por ello que al concluir el desarrollo de la investigacin se obtuvo
resultados precisos, resumidos, con los cuales se han tomado decisiones
acerca de las cantidades exactas del nmero de pedido de productos.

Utilizacin de
empresariales.

informacin

histrica

para

decisiones

Pea Juan D. y Jesus A. Surez (2005), indican que es de suma

importancia la utilizacin de informacin histrica para las decisiones
empresariales, ya que con la unin de datos histricos y datos actuales
del negocio se puede obtener informacin valiosa para la misma.
Se pudo obtener como conclusin que a travs de la implementacin de
una solucin de inteligencia de negocios, permite a los gerentes utilizar
los datos operativos de la empresa para producir informacin relevante
y que soporta la toma de decisiones empresariales, de igual manera se ha
podido tomar mejores decisiones a travs de los resultados obtenidos de
la herramienta.

Construccin de un sistema de apoyo a la toma de decisiones

para el rea gerencial del Hospital de Clnicas.
Lidia Silvia y Ruello Beatriz (2008), muestran que con el desarrollo de la
aplicacin se logr demostrar la importancia y eficiencia que da un
sistema de apoyo a la toma de decisiones para el rea gerencial del
Hospital de Clnicas, ya que con su implementacin se ha obtenido apoyo
a la toma de decisiones de diversas reas del hospital y se ha podido
agilizar sus procedimientos, obteniendo mejores resultados de los
esperados.

2.1.4. Antecedentes de investigacin de aplicacin

Incorporacin de elementos de inteligencia de negocios en el
proceso de admisin y matrcula de una universidad chilena
Fuentes Luis y Ricardo Valdivia (2011), afirma que con la incorporacin
de elementos de inteligencia de negocio en una Universidad de Chile
(Tarapac) en los procesos de admisin y matricula de estudiantes, la
incorporacin de estos elementos permiti a que un Data Mart los
usuarios de vicerrectora acadmica puedan visualizar la informacin
que se requiere a travs de herramientas de un procesamiento analtico y
as mejorar el proceso de toma de decisiones del rea de admisin con el
uso de incorporacin de elementos de inteligencia de negocio.

2.2.

Base Terico Cientficas

2.2.1. Datos
Segn Glosario.Net (2012), los datos son hechos y cifras en bruto, tales
como rdenes y pagos, los cuales se procesan para obtener informacin,
por ejemplo el saldo deudor y el monto disponible. Sin embargo, en
el uso comn, los trminos datos e informacin se toman como
sinnimos.
La cantidad de datos versus informacin que se guarda en el computador
constituye una compensacin. Los datos pueden procesarse en diferentes
formas de informacin, pero toma tiempo clasificar y sumar
transacciones.
La informacin actualizada
puede
proporcionar
respuestas inmediatas.
2.2.2. Informacin
Segn (Idalberto Chiavenato, 2006), informacin "es un conjunto de
datos con un significado, o sea, que reduce la incertidumbre o que
aumenta el conocimiento de algo. En verdad, la informacin es un
mensaje con significado en un determinado contexto, disponible para
uso inmediato y que proporciona orientacin a las acciones por el hecho
de reducir el margen de incertidumbre con respecto a nuestras
decisiones"
2.2.3. Sistemas de informacin
(Pea, 2006) indica que un sistema de informacin es un conjunto de
interrelacionados con el propsito de prestar atencin a las demandas de
informacin de una organizacin, para elevar el nivel de conocimientos
que permitan un mejor apoyo a la toma de decisiones y desarrollo de
acciones.
Los sistemas de informacin han adquirido connotaciones muy
importantes dentro de las empresas ya que la informacin es el recurso
econmico dentro de las empresas y el buen uso de la informacin
mejora los procesos fsicos y/o cognoscitivos; adems el propsito de un
sistema de informacin es generar conocimiento a partir de la
informacin que se tenga para apoyar el proceso de toma de decisiones.

Es importante que el administrador o la persona encargada de la toma

de decisiones tengan un conocimiento de los sistemas de informacin de
las diferentes reas para poder colaborar con sus dems colegas de
manera que se coordinan esfuerzos entre varios departamentos.
Es por ello que el xito de toda empresa depende de cmo se lleve a cabo
el proceso de toma de decisiones.
2.2.3.1.Tipos de sistemas de informacin
(Pea, 2006) , Entre los tipos de sistemas de informacin que apoyan el
proceso de toma de decisiones se identifican los siguientes:

Sistema de soporte para la toma de decisiones.

Tienen como finalidad apoyar a la toma de decisiones mediante la

generacin y evaluacin sistmica de diferentes alternativas o
escenarios de decisiones mediante el empleo de modelos y
herramientas computacionales.
Un sistema de soporte de decisiones, puede usarse para obtener
informacin que revele los elementos claves de los problemas y las
relaciones entre ellos. Adems puede usarse para identificar, crear y
comunicar cursos de accin disponibles y alternativas de decisin.
Caractersticas.
Existen varias caractersticas que deben estar presentes en un sistema
de soporte de decisiones como los son:

Interactividad: Es un sistema computacional que puede

interactuar en forma amigable y con respuestas a tiempo real con el
encargado de tomar decisiones.

Tipo de decisiones: Apoya al proceso de toma de decisiones

estructuradas y no estructuradas.
Frecuencia de uso: Tiene una utilizacin frecuente por parte de
la administracin media y alta para el desempeo de su funcin.
Variedad de usuarios: Puede ser empleado por usuarios de
diferentes reas funcionales como ventas, produccin, finanzas,
entre otras.

 Flexibilidad: Permite acoplarse a una variedad determinada de

estilos administrativos: autocrticos, participativos, entre otros.
Desarrollo: Permite que el usuario desarrolle de manera directa
modelos de decisin sin la participacin operativa de profesionales
en informtica.
Acceso a base de datos: Tiene capacidad de accesar informacin
de las base de datos corporativas.
Simplicidad: Simple y fcil de aprender y utilizar por el usuario
final.

Sistemas de informacin para los ejecutivos.

Estn dirigidos a apoyar el proceso de toma de decisiones de los

altos ejecutivos de una organizacin, presentan informacin
relevante y usan recursos visuales y de fcil interpretacin, con el
objetivo de mantenerlos informados.

Sistemas para la toma de decisiones de grupo.

Son los cuales cubren los objetivos de lograr la participacin de un

grupo de personas mediante la toma de decisiones en ambientes
de anonimato y consenso, apoyando decisiones simultaneas.

Sistemas expertos de soporte para la toma de

decisiones.

Son los que permiten cargar bases de conocimientos integrados

por una serie de reglas de sentido comn para que diferentes
usuarios las consulten, apoyen la toma de decisiones, la
capacitacin, entre otros.

2.2.4. Toma de decisiones

Una de las constantes con la que se tiene que lidiar en la vida es, la toma
de decisiones.
(Cohen ,2005) indica que, la toma de decisiones es una de las
actividades que se realiza con mayor frecuencia en el mundo de los
negocios. Indicando que la importancia de la decisin empresarial, va de
la mano con el nivel del rea en la cual se hace.
Cohen indica que existen 4 fases en el proceso de toma de decisiones:

La fase de inteligencia: En la cual se reconoce la existencia de un

problema; luego presenta.

La fase del diseo: En la cual se busca alternativas de solucin al

problema encontrado.

La fase de seleccin: Mediante la cual se elige la alternativa ms

ptima.

La fase de la implementacin: Que consiste en poner en marcha y

guiar que la alternativa seleccionada se efectu segn los planes
acordados.

2.2.5. Nivel de toma de decisiones

(Caabate, 1997), menciona los siguientes niveles de toma de decisiones:

Estratgicas

Son las que determinan las metas, los propsitos de la direccin de toda
la organizacin. La toma de decisiones estratgicas es mayormente la
tarea de los altos niveles de la empresa. Los altos directivos tienen la
"visin total" de todos los elementos de una empresa de negocios, y
deben ser capaces de integrarlos en un todo coherente. Las decisiones
tomadas en este nivel tambin determinan cmo se relacionar la
empresa con su medio externo. Como las polticas estratgicas afectan a
toda la organizacin, stas se deben decidir en los altos niveles de dicha
organizacin. Estas polticas y metas no son muy especficas porque
deben ser aplicadas a todos los niveles y los departamentos en una
compaa. Las decisiones estratgicas usualmente no son programadas.

Administrativas

Son decisiones tomadas por los gerentes de nivel medio, como los jefes
de divisin o departamento. Estas decisiones se refieren al desarrollo de
tcticas para cumplir las metas estratgicas que definieron los altos
niveles administrativos. Aunque las decisiones estratgicas de estos
ltimos no son especficas porque se aplican a todos los departamentos
de la organizacin, las decisiones administrativas expresan las metas
corporativas de manera departamental especfica. Por consiguiente, las
decisiones administrativas son ms especficas y concretas que las
estratgicas y ms orientadas a las acciones.

Operativas

Se hacen en los niveles inferiores o de supervisin en la empresa y se

refieren al curso de las operaciones diarias. Estas decisiones determinan
cmo se dirigen las operaciones diseadas para cumplir con las
decisiones tcticas tomadas por los ejecutivos de nivel medio. Estas
decisiones son las maneras ms eficaces y eficientes de cumplir con las
metas establecidas en el nivel administrativo.
2.2.6. Proceso de toma de decisiones
Segn Conabate (1997) para el proceso de toma de decisiones el proceso
sigue lo siguiente:
2.2.6.1.El reconocimiento el problema
Tenemos que reconocer cuando estamos ante un problema para buscar
alternativas al mismo. En este primer escaln tenemos que
preguntarnos, qu hay que decidir?
2.2.6.2.Anlisis del problema
En este paso habremos de determinar las causas del problema y sus
consecuencias y recoger la mxima informacin posible sobre el mismo.
En esta ocasin la cuestin a resolver es, cules son las opciones
posibles?

2.2.6.3.Evaluacin de opciones
Una vez analizadas todas las opciones o alternativas posibles, debemos
escoger la que nos parece ms conveniente y adecuada. Observamos como
aqu est implicada en s misma una decisin, en esta ocasin nos
preguntamos cul es la mejor opcin?
2.2.6.4.Decisin
Una vez tomada la decisin debemos llevarla a la prctica y observar su
evolucin. Aqu reflexionamos sobre es correcta la decisin?
Tenemos que considerar si el problema se ha resuelto conforme a lo
previsto, analizando los resultados para modificar o replantear el proceso
en los aspectos necesarios para conseguir el objetivo pretendido. En esta
fase nos preguntamos, la decisin tomada produce los resultados
deseados?

2.2.7. Definicin de Business Intelligence

(Pea 2006, 27 - 26), define que la inteligencia de negocios es el trmino
que procura caracterizar una amplia variedad de tecnologas, plataformas
de software, especificaciones de aplicaciones y procesos; as mismo que el
objetivo de la inteligencia de negocios es contribuir a tomar decisiones.
(Bernabeu 2007, 6), indica que la inteligencia de negocios, integra el
almacenamiento y el procesamiento de grandes cantidades de datos, con
el principal objetivo de transformarlos en conocimiento y en decisiones
en tiempo real.
(Vitt et 2003, 11 - 14), describe las tres perspectivas de la inteligencia de
negocio.

Tomar mejores decisiones rpidamente.

El objetivo primario es ayudar a la gente a tomar decisiones que
mejoren el rendimiento de la compaa e impulsen su ventaja
competitiva en el mercado.
Tomar decisiones, significa mejorar lagunas o todas las partes del
proceso; esto tambin significa un menor nmero de decisiones
errneas y un mayor nmero de decisiones acertadas.
As mismo tomar decisiones adecuadas de forma continua en un plazo
corto, proporcionar ventajas competitivas.

Convertir los datos en informacin.

Para tomar mejores decisiones ms rpido los directivos y gerentes
necesitan de informacin relevante y til al alcance de la mano. Pero
es comn una larga brecha entre la informacin que los responsables
en la toma de decisiones requieren y las grandes cantidades de datos
que las organizaciones recopilan por da, a esta brecha se le conoce
como brecha de anlisis.
La brecha de anlisis, es el tiempo de demora en convertir los datos
originales o crudos en informacin de utilidad para la toma de
decisiones.

Utilizar un mtodo razonable para la gestin empresarial.

La inteligencia de negocios puede ser definido como un mtodo para
la gestin empresarial, una forma de pensamiento organizacional,
una filosofa de gestin; un inters hacia la inteligencia de negocios.
Tanto las personas como las empresas se interesan en la inteligencia
de negocios, porque creen que el uso de un enfoque racional y basado
en hechos a la hora de tomar decisiones resulta positivo en la medida
que sea posible.

2.2.8. Arquitectura de BI
Segn (Sinnexus 2013) seala que una solucin de Business Intelligence
parte de los sistemas de origen de una organizacin (bases de datos,
ERPs, etc.), sobre los que suele ser necesario aplicar una transformacin
estructural para optimizar su proceso analtico.
Para ello se realiza una fase de extraccin, transformacin y carga (ETL)
de datos; la informacin resultante, ya unificada, depurada y
consolidada, se almacena en una solucin de negocios, que puede servir
como base para la construccin de distintos datamarts departamentales.
Estos datamarts se caracterizan por poseer la estructura ptima para el
anlisis de los datos de esa rea de la empresa, ya sea mediante bases de
datos transaccionales (OLTP) o mediante bases de datos analticas
(OLAP).
Los datos albergados en cada datamart se explotan utilizando
herramientas comerciales de anlisis, reporting, alertas. En estas
herramientas se basa tambin la construccin de productos BI ms
completos, como los sistemas de soporte a la decisin (DSS), los sistemas
de informacin ejecutiva (EIS) y los cuadros de mando (CMI) o Balanced
Scorecard (BSC).

Imagen 01: Imagen que muestra de forma grfica la arquitectura de BI

2.2.9. El ciclo de vida de Business Intelligence

(Vitt et 2003), indica los ciclos de la inteligencia de negocios, diciendo
que la inteligencia de negocios ayuda a los gerentes a tomar
decisiones ms rpidamente en los niveles estratgicos y operativos.
El ciclo de la inteligencia de negocios se divide en 4 partes, que son
las siguientes:

Anlisis.
Este proceso de filtrado est basado en nuestra comprensin bsicas y
por las suposiciones de cmo nuestro negocio opera, incluyendo, por
ejemplo, lo que es importante para nuestros clientes, proveedores y
empleados, entre otros. Este conjunto de todo lo que pensamos
acerca de cmo funcionan las cosas, es de lo que se denomina como
modelo mental.
Los modelos mentales son indispensables para los gerentes quienes
deben tomar decisiones aun paso creciente.

Idea.
La idea es el producto del anlisis amplio, sin restricciones nacido de
preguntas que solo el ser humano se puede hacer.
Cul es el significado de esto para la inteligencia de negocios? Si una
persona tiene una idea importante, sta generalmente tiene que ser
compartida por otros para que sea de utilidad. La inteligencia de
negocios bien organizada nos conduce a las ideas, pero tambin nos
provee de datos claros, patrones, grficos y otros anlisis de
herramientas de presentacin para ayudarnos a vender la idea.

Accin.
La accin se conecta con el ciclo de inteligencia de negocios a travs
del proceso de toma de decisiones. La accin es lo que sigue a una
mejor y ms rpida toma de decisiones proporcionada por la
inteligencia de negocios. La accin respaldada por un anlisis slido y
por la inteligencia de negocios se caracteriza por uno objetivos ms
claros y en un mayor apoyo por parte de la organizacin para su
implementacin.

Medicin.
A travs de una mejor recopilacin de informacin y una mayor
frecuencia en la generacin de informes que la inteligencia de
negocios proporciona, resulta posible medir los resultados de la
compaa en comparacin con los estndares cuantitativos, con la
finalidad de desembocar en un nuevo ciclo el anlisis, ideas y acciones
correctivas.

2.2.10. Sistema OLTP

Bernabeu (2007) indica que OLTP, es aquella informacin transaccional
que genera la empresa diariamente, adems de las fuentes externas con
las que puede llegar a disponer; para que el OLT funcione correctamente
se necesita de un proceso antes que es el ETL ya que con ellos se
obtendr resultados concisos y rpidos.
Mndez y otros (2003) proponen que OLTP son aplicaciones que define
el comportamiento habitual de un entorno operacional de gestin y las
cuales ejecutan operaciones del da a da.
2.2.11. Sistema OLAP
(Bernabeu 2006, 52), nos dice que OLAP significa Procesamiento
analtico en lnea, indicando que es un proceso en que se usan
herramientas analticos en lnea, ya que es el motor de consultas
especializado de la base de datos; las herramientas OLAP, son una
tecnologa de software para anlisis en lnea, administracin y ejecucin
de consultas, que permiten inferir informacin del comportamiento del
negocio.
Su principal objetivo es el de brindar rpidas respuestas a complejas
preguntas, para interpretar la situacin del negocio y tomar decisiones.
(Mendez et al. 2003) nos dice que OLAP Son aplicaciones que se
encargan de analizar datos del negocio para generar informacin tctica
y estratgica que sirve de soporte para la toma de decisiones es por eso
que OLAP logra su mxima eficiencia y flexibilidad operando sobre Bases
de datos multidimensionales.

2.2.12. Tecnologa Business Intelligence

2.2.12.1. Data Mart
(Date 2001, cap 5, 710) indica que, Data Mart es una base de datos
especializada, orientada a un tema integrado, voltil y variado en el
tiempo para apoyar un subconjunto especfico de decisiones de
administracin. Por especializado, se refiere que contiene datos para dar
apoyo al rea especfica de anlisis de negocios. Por voltil, que los
usuarios pueden actualizar los datos e incluso crear nuevos datos, es
decir, nuevas tablas para algn propsito.
(Kroenke 2003, cap 17, 541) menciona que, Data Mart es una facilidad
parecida a un Data Warehouse, pero con un dominio mucho ms
pequeo. El Data Mart se puede restringir a un tipo en particular de
datos, a una determinada funcin del negocio, una unidad de negocio
especfico o a un rea geogrfica.

Caractersticas.

(Curto 2010) considera las siguientes caracterices apara tener en cuenta

en la implantacin de un Data Mart:

Orientado a un departamento dentro de la organizacin.

Puede ser implementado como una solucin para problemas
inmediatos.
Cubre las necesidades especficas del negocio.

2.2.12.2. Dataminig
Segn ( Microsoft 2013), nos dice que La minera de datos es
el proceso de detectar la informacin procesable de los
conjuntos grandes de datos. Utiliza el anlisis matemtico para
deducir los patrones y tendencias que existen en los
datos. Normalmente, estos patrones no se pueden detectar
mediante la exploracin tradicional de los datos porque las
relaciones son demasiado complejas o porque hay demasiado
datos.

2.2.12.2.1.

Algoritmo de prediccin de rboles de decisiones

Segn ( Microsoft 2013), el algoritmo de rboles de decisin

de Microsoft es un algoritmo de clasificacin y regresin
proporciona por Microsoft SQL Server Analysis Services para el
modelado de prediccin de atributos discretos y continuos.
Para los atributos discretos, el algoritmo hace predicciones
basndose en las relaciones entre las columnas de entrada de
un conjunto de datos. Utiliza los valores, conocidos como
estados, de estas columnas para predecir los estados de una
columna
que
se
designa
como
elemento
de
prediccin. Especficamente, el algoritmo identifica las
columnas de entrada que se correlacionan con la columna de
prediccin. El rbol de decisin realiza predicciones basndose
en la tendencia hacia un resultado concreto.

III. MATERIALES Y MTODOS

3.1.Diseo de investigacin
3.1.1. Tipo de investigacin
DE ACUERDO AL FIN QUE SE PERSIGUE: TECNOLGICA
APLICADA, porque se basa en una situacin problemtica, que
pretende mejorar el proceso de toma de decisiones en el proceso de
comercializacin en la empresa Korea Motos S.R.L donde se utilizar
la tecnologa informtica para la creacin de un producto acreditable
que permita resolver la situacin problemtica que presenta la
empresa.
DE
ACUERDO
AL
DISEO
DE
CONTRASTACIN:
CUASIEXPERIMENTAL, puesto que la muestra poblacional no est
asignada al azar, ya que esta muestra, estaba formada antes del
experimento. Adems se manipular deliberadamente la variable
independiente, es decir se aplicar metodologa para el proceso de la
construccin del Data Mart tambin se aplicara el algoritmo de rbol
de y relacin con la variable dependiente que es toma de decisiones
en el proceso de comercializacin.

3.1.2. Hiptesis
A travs de la solucin de Inteligencia de Negocios basada en anlisis
OLAP y anlisis predictivo se mejorar el proceso de toma de
decisiones de la empresa Korea Motos S.R.L.

3.1.3. Diseo de contrastacin

Diseo de pre-test y post-test con grupo de control.
Para realizar la contratacin de hiptesis, en el presente trabajo de
investigacin, se utilizar el mtodo de diseo en sucesin o en lnea,
tambin llamado pre-test, post-test, con un solo grupo de prueba, que
consta del personal del rea de gerencia.
O1

O2

O1: Proceso de toma de decisiones estratgicas antes del sistema.

X: Implantacin del sistema.
O2: Proceso de toma de decisiones estratgicas despus del sistema.

3.1.4. Variables

Variable Independiente.
Solucin de Inteligencia de Negocios basada en anlisis OLAP y
anlisis predictivo
Variable dependiente.
Toma de decisiones en el proceso de comercializacin.

3.1.5. Indicadores
Variable

Toma de
decisiones en el
proceso de
comercializacin

Dimensin

Indicador

Volumen de
ventas totales
por temporada

Elaboracin de
reportes de
nmero de
ventas totales
por semestre.

Estadstica de
ventas por
temporada.

Nivel de
rotacin de
productos

Elaboracin de
reportes sobre
el ndice de
rotacin de
producto por
semestre.

Registro de
producto ms
comprado por
los clientes.

Producto ms
vendido

Elaboracin de
reportes sobre
el ndice de
demanda del
producto
estrella.

Volumen de
compras totales
por temporada
Satisfaccin
sobre la
informacin
solicitada
Satisfaccin de
calidad de
informacin

Elaboracin de
reportes de
nmero de
compras
totales por
semestre.
Nivel de
satisfaccin
sobre la
informacin
solicitada
Nivel de
calidad de
informacin
solicitada

Instrumento

Estadstica de
ventas por
producto

Estadstica de
compras por
temporada.

Operacionalizacin
Volumen de ventas
actual por temporada
Volumen de ventas
anterior
por
temporada.
ndice de rotacin de
productos actual
ndice de rotacin de
productos anterior.

Demanda de producto
ms vendido actual
Demanda de producto
ms vendido anterior.

Volumen de compras
actual por temporada
Volumen de compras
anterior
por
temporada.

Satisfaccin sobre la
Establecimiento informacin solicitada
de rango de
actual Satisfaccin
satisfaccin
sobre la informacin
solicitada anterior.
Satisfaccin
de
la
calidad de informacin
Establecimiento
actual satisfaccin
de rango de
sobre la satisfaccin de
satisfaccin
la
calidad
de
informacin anterior.

3.1.6. Poblacin y muestra

Para el clculo de la poblacin en estudio y muestreo se ha
considerado tener en cuenta la muestra censal ya que este tipo de
muestra indica conocer caractersticas poblacionales e inclusos el
tamao del universo ya que la poblacin est constituido por las
personas que toman decisiones en la empresa Korea Motos S.R.L que
son 5 personas las que toman decisiones en la empresa; la poblacin
se ha determinado de la siguiente manera: por ser una poblacin
pequea en este caso 5 personas que forman parte de la junta
directiva, el error es del 0% y la muestra seria toda la poblacin que
conforma la junta directiva es decir el universo.

3.1.7. Mtodos y tcnicas de recoleccin de datos

Tcnica

Justificacin

Instrumento

Aplicado en

Observacin

Permitir tener una perspectiva de la

situacin problemtica con respeto a
la gestin operativa

Observacin

Korea Motos S.R.L

Entrevista

Permitir entender el dominio del

negocio, personas, objetivos y
problemas

Hojas de apuntes

Korea Motos S.R.L

3.1.8. Tcnicas de procesamiento de datos

Una vez realizada la recoleccin de datos a travs de entrevistas y
observacin, hay que validar los datos, tabularlos e interpretarlos.

Validacin y Edicin: En esta etapa se analiza si se hicieron

las preguntas adecuadas y suficientes para la obtencin de los
datos. Si se cometi errores por parte del entrevistador o por
parte del entrevistado.

Codificacin: Proceso por el cual se le asignara cdigos a las

respuestas obtenidas de las preguntas hechas a experto en este
caso.

Introduccin de los datos: Fase donde se pasaran los datos

a un medio electrnico. En esta etapa se plantea el uso del
programa IDAMS. IDAMS (Internationally - developed Data
Analysis and Management Software) es un software estadstico
muy completo desarrollado y distribuido por la UNESCO. Tiene
la capacidad de ejecutar tcnicas clsicas y avanzadas de
anlisis estadstico como tambin exploracin grafica de datos,
lneas de tiempo y tablas multidimensionales.

Tabulacin y anlisis estadstico: Aqu se pasan los datos a

tablas cruzadas para luego analizar grficamente o con otra
tcnica los datos ingresados y presentes en las tablas.

3.2. Metodologa de desarrollo

3.2.1. Metodologa de Ralph Kimball
Para el desarrollo de la solucin de negocios BI se ha propuesto utilizar la
metodologa por Ralph Kimball, ya que esta metodologa se centra en el
negocio, tambin dentro de la infraestructura de informacin adecuada y
as ofrecer una solucin completa; adems se adecua al tiempo de
desarrollo en el que la solucin debe de hacerse, esta metodologa est
compuesta por las siguientes fases:

Planificacin: busca identificar la definicin y el alcance que tiene

el proyecto. Esta etapa se concentra sobre la definicin del proyecto,
donde, a nivel de planificacin, se establece la identidad del mismo,
el personal, desarrollo del plan de proyecto, el seguimiento y la
monitorizacin.

Requerimientos del negocio: Es el proceso de entrevistar al

personal del negocio y tcnico y tambin de leer todos los informes de
la organizacin para as poder rastrear los documentos de la
estrategia interna.

Modelado Dimensional: Es la creacin de un modelo

dimensional, el cual es un proceso dinmico y altamente iterativo.

Diseo Fsico: Es el elemento principal de este proceso, es la

definicin de estndares del entorno de la base de datos.

Diseo y desarrollo de presentacin de datos: Las principales

sub- etapas de esta zona del ciclo de vida son la extraccin, la
transformacin y carga (ETL), y se definen como procesos de
extraccin a aquellos requeridos para obtener los datos que permitan
efectuar la carga del modelado fsico acordado.
En esta fase de esta metodologa se definen como procesos de
transformacin a los procesos para convertir o recodificar los datos
fuentes a fin de poder efectuar la carga efectiva del modelo fsico.

Diseo de la arquitectura tcnica: Tiene que tenerse en cuenta

los requerimientos del negocio, los actuales ambientes tcnicos y las
directrices tcnicas estratgicas futuras planificadas.

Seleccin de productos e instalacin: Utilizando el diseo de

arquitectura tcnica como marco, es necesario evaluar y seleccionar
componentes especficos de la arquitectura cmo ser la plataforma
de hardware, el motor de base de datos, la herramienta de ETL.

Especificaciones de aplicaciones para usuarios finales: se

identifican los roles o perfiles de usuarios para los diferentes tipos de
aplicaciones necesarias en base al alcance de los perfiles detectados.

Desarrollo de aplicaciones para usuario finales: involucra

configuraciones de los metadatos y construccin de reportes
especficos.

Despliegue: representa el correcto funcionamiento de la tecnologa,

los datos y las aplicaciones de usuarios finales accesibles para el
usuario del negocio.

Mantenimiento y crecimiento: se basa en la necesidad de

continuar con las actualizaciones de forma constante para as lograr
la evolucin de las metas por conseguir.

Gerenciamiento del proyecto: asegura que todas las actividades

del ciclo de vida se lleven a cabo de manera sincronizada.

Definir
Planeamient
o Proyecto

Requerimient
os

Diseo
Arquitectura
Tcnica

Seleccin e
instalacin
producto

Modelamiento
Dimensional

Diseo
fsico

Data Stagin
Desing &
Developmen
t

Despliegue

Negocio
Aplicacin
Especificacin
End -Use

Desarrollo
Aplicacin
End -User
Gerenciamiento del proyecto

Figura 01: Ciclo de vida de la Metodologa de Ralph Kimball.

Mantenimient
oy
crecimiento

IV. RESULTADOS
4.1.Planeacin del proyecto
4.1.1. Identificacin del escenario del proyecto.
4.1.1.1. Resea histrica.
La empresa Korea Motos S.R.L nace como un negocio en
tacorita, posteriormente en enero del 2002 alquilan un local en
la Av. Agusto B. Leguia con razn social de repuestos Glvez,
empresa dedicada a la compra y venta de repuestos usados de
vehculos automotores menores (motos lineales y mototaxi) al
pasar el tiempo, la micro empresa prospera gracias al arduo
trabajo, dedicacin y tenaz perseverancia de sus propietarios,
los hermanos Glvez, naciendo en ellos la idea de formar una
empresa dedicada a la importacin y venta al por mayor y
menor no solo de repuestos, sino tambin a la venta de
vehculos automotores menores (trimoto, trimovil, motocicleta,
cargueros y accesorios en general), la cual nace el 1 de
setiembre del 2004 con el nombre de Korea Motos S.R.L.
Posteriormente empezaros a importar y vender vehculos
mayores: automviles, combis, camiones camionetas, entre
otros.
4.1.1.2. Razn social.
Korea Motos S.R.L
4.1.1.3. RUC
RUC N 20479779598
4.1.1.4. Misin
Satisfacer las necesidades de sus clientes, ofreciendo vehculos,
repuestos y servicios de alta calidad, con la ms alta tecnologa e
innovacin en el mercado, demostrndoles a sus clientes que
ellos son la razn de la existencia de la empresa.

4.1.1.5. Visin
Ser lderes y contar con un equipo humano altamente
capacitado, colaborativo y comprometido en el cumplimiento
de sus objetivos, descubriendo da a da nuevos productos,
que les permita conquistar nuevos mercados a nivel nacional
e internacional.

4.1.2. Identificacin de los usuarios y reas intervinientes.

4.1.2.1. reas intervinientes.

Figura N 02: Organigrama de organizacin Korea Motos

Sistemas de compras
El rea de compras de la empresa Korea Motos S.R.L funciona de la
siguiente manera. Para poder realizar las compras el gerente tiene que
percatarse de los productos con que cuenta actualmente en almacn,
una vez que verifica su stock de productos, a travs de los informes de
almacn q le entregan, hace una orden de compra de los productos
faltantes para luego entregrselos al proveedor, este ltimo revisa la
orden de compra, lista productos y los enva desde Korea y China
hacia un puerto en la ciudad de Lima, posteriormente de la ciudad de
Lima se trasladas los productos hasta la ciudad de Chiclayo, el gerente
al recibir la mercadera, recibe la factura y la gua de remisin, al
recibir la G/R lo chequea con la mercadera, al estar todo conforme,
registra los productos y los almacena.

Sistemas de ventas
Para el proceso de ventas la empresa Korea Motos S.R.L hace lo
siguiente:
El cliente llega a la empresa y pregunta por un determinado producto,
el vendedor le informa sobre el producto mediante una proforma
(para realizar este documento consulta los productos existentes y sus
respectivos precios), no todas las preformas entregadas terminan en
compra. Para las proformas que si terminan en compra el proceso es
el siguiente: se registra el cliente (datos personales) y si el cliente
existe se actualizan los datos, se revisa la proforma para armar el
pedido que posteriormente se entregara.

4.1.3. Anlisis de factibilidad.

El estudio de factibilidad es la base que permite servir de apoyo a la
persona que invertir para tomar una decisin en lo referente a que si
se debe o no continuar con el proceso de desarrollo del proyecto de
BI, este estudio profundiza la investigacin en fuentes secundarias y
primarias y la rentabilidad econmica del proyecto.
4.1.3.1.Factibilidad operativa.
Para realizar el anlisis de factibilidad operacional de la empresa
ser necesario capacitara a las personas encargadas del manejo
del sistema Solucin de inteligencia de negocios basada en
anlisis OLAP y anlisis predictivo para apoyar en la toma de
decisiones en el proceso de comercializacin en este caso a la
gerencia y contadora, para que puedan hacer un mejor anlisis y
por ende tomar mejores decisiones.
Cada persona responsable de las reas con las que cuenta la
empresa se ver involucrada con el sistema ya que ellos podrn
tambin conocer la evolucin de los diferentes informes y
reportes que se le proporcione.
El sistema contara con una interfaz web que permitir que el
usuario pueda acceder fcilmente a toda la informacin
necesaria para la toma de decisiones en sus respectivas reas.
4.1.3.2. Factibilidad tcnica.
Para realizar el anlisis de factibilidad tcnica de la empresa se
tiene que tener en cuenta que actualmente posee equipos
informticos, equipos de red comunicaciones, as como tambin
cuenta con el servidor de datos y web necesario para poder
desarrollar la aplicacin planteada.

4.1.3.3.Factibilidad econmica.
Un aspecto interesante de la implementacin de un Data Mart es
la justificacin del costo sobre la base del retorno de la
inversin.
Tal anlisis requiere que los beneficios del Data Marts sean
conocidos y cuantificados antes de comenzar con su
construccin.
Costo de tomar malas decisiones por no contar con la
informacin adecuada y necesaria en el momento
oportuno.
Costos del rea de sistemas destinados a programacin y
preparacin de informacin de control de gestin.
Costos de programacin de nuevas aplicaciones o
adaptaciones delas existentes.

4.1.3.4.Anlisis de los costos.

Rubro

Cantidad

Unidad de

Precio Unitario.

medida

(S/.)

Total. (S/.)

Bienes materiales
Papel Bond

Millares

s/.24.00

s/.120.00

Lapiceros

10

Unidades

s/.3.00

s/.30.00

Tinta de impresora negro

Litro

s/.40.00

s/.40.00

Tinta de impresora color

Litro

s/.50.00

s/.150.00

Memoria USB

16 Gb

s/.79.50

s/.79.50

Folder Manila

20

Paquete

s/.0.70

s/.14.00

Cds

Unidades

s/.1.50

s/.7.50
s/.441.00

Servicios
170

6 Meses

s/.1.00

s/.1020.00

6 meses

Kwh/mes

s/.150.00

s/.900.00

Espiralado

Unidad

s/.3.00

s/.9.00

Movilidad

Global

s/.25.00

s/.50.00

Capacitacin(Diplomado)

Meses

s/.400.00

S/.800.00

Internet
Energa elctrica

s/.2779.00
Licencias
Microsoft SQL Server 2008

Unidad

Total del Presupuesto del proyecto

$2300

s/5750.00
s/.8970.00

4.2.Anlisis dimensional
4.2.1.

Anlisis de medidas y dimensiones

Este anlisis permite seleccionar una medida y se define como se genera
esta medida y si en eso hay algn dato que represente a la dimensin y si
es factible que la medida sea analizada por la dimensin, entonces
podemos encontrar las siguientes medidas y dimensiones para nuestro
anlisis.
Segn la informacin analizada se encontraron las siguientes medidas y
dimensiones.

Proceso de Ventas
Matriz Buz de Ventas:
Tabla N 01: Cuadro de Dimensiones vs Medidas

MEDIDAS

DIMENCIONES

Hechos ventas

Tiempo

Cliente

Producto

Vendedor

Cantidad

Rotacin

Rentabilidad

MEDIDAS
Tabla N 02. Medidas encontrada
Proceso Negocio

MEDIDAS
Cantidad

Ventas

Rotacin
Rentabilidad

Anlisis
Para en anlisis se ha utilizado la matriz bus es una herramienta que
nos ayuda a ver nuestro hecho venta con cada uno de sus criterios a
evaluar y tambin con cada una de sus jerarquas.
Diagrama Star Net Ventas:

Da

Tiempo

Semana
Mes
Semestre
Ao

Direccion
DNI

Cliente

Nombre

Ventas

Tipo

Marca

Color Fecha Venta Fecha Compra

Producto
Recibo

Nombre

Vendedor

Figura N 03: Diagrama de Star Net Ventas

Anlisis de las Dimensiones:
Jerarquas

Dimensin tiempo
* Ao
**Semestre
***Mes
****Semana
*****Da

Dimensin cliente

*Nombre
**DNI
***Direccin
Dimensin producto
*Tipo
**Marca
***Color
****Fecha Venta
*****Fecha Compra

Dimensin vendedor
*Nombre

Proceso de compras
Matriz Buz de Compras:
Tabla N 03. Cuadro de Dimensiones vs Medidas

MEDIDAS
Hechos

DIMENSIN
Tiempo

Producto

Proveedor

Geografa

Cantidad

Rotacin

Proyeccin

compras

x
x

MEDIDAS
Tabla N 04. Medidas encontrada
Proceso Negocio MEDIDAS
Cantidad
Compras

Rotacin
Proyeccin

Anlisis
Para en anlisis se ha utilizado la matriz bus es una herramienta que
nos ayuda a ver nuestro hecho compras con cada uno de sus criterios
a evaluar y tambin con cada una de sus jerarquas.
Diagrama Star Net de Compras:

Da

Tiempo

Semana
Mes
Semestre
Ao
Tipo

Compras

Fecha Venta
Marca Color

Fecha Compra

Producto

N de Compra Razon Social

Proveedor
Pais

Ubigeo

Figura N 04: Diagrama Star Net Compras

Anlisis de las Dimensiones:

Jerarquas

Dimensin tiempo

*Ao
**Semestre
***Mes
****Semana
*****Da
Dimensin producto
*Tipo
**Marca
***Color
****Fecha Venta
*****Fecha Compra

Dimensin proveedor
*Razn social

Dimensin geografa
*Pais

Proceso Inventario
Matriz Buz de Inventario:
Tabla N 05. Cuadro de Dimensiones vs Medidas

Medidas

Dimensin

Hechos Inventario

Producto

Mes

Total disponible

Ordenes

Total Mximo

Total mnimo

MEDIDAS
Tabla N 06 . Medidas encontrada
Proceso Negocio

MEDIDAS
Total disponible

Inventario

Ordenes
Total Mximo
Total Mnimo

Anlisis
Para en anlisis se ha utilizado la matriz bus es una herramienta que
nos ayuda a ver nuestro hecho inventarios con cada uno de sus
criterios a evaluar y tambin con cada una de sus jerarquas.
Diagrama Star Net de Inventario:

Tipo

Marca Color Fecha _Venta Fecha_Compra

Inventario

Producto

Figura N 05 : Diagrama Star Net Inventarios

Anlisis de las Dimensiones:

Jerarquas

Dimensin producto
*Tipo
**Marca
***Color
****Fecha Venta
*****Fecha Compra

4.3. Diseo de la arquitectura tcnica.

Como se explic ene le maro terico la arquitectura es la etapa de la
metodologa enfocada las herramientas o infraestructura necesaria para dar
soporte a los requerimientos del usuario. La cual es dividida por Kimball en
Back Room y Front Room
Microsoft SQL Server R2 2008

Entrega de informacin

SSD WEB
DataMart

Reportes

Herramientas familiares
Orgenes de datos

ETL

Anlisis de Datos (OLAP)

4.4. Modelo dimensional.

4.4.1. Modelo relacional
Dim_Cliente

Dim_Producto

KeyCliente

KeyProducto

DNI
nombreClie
direccin

tipo
marca
color

Hech_Ventas
KeyProducto (FK)
KeyCliente (FK)
KeyVendedor (FK)
Keyfecha (FK)
KeyMes (FK)
numRecibo
monto

Dim_Proveedor
KeyProveedor
numCompra
razSoc
Hech_Compras

Hech_Inventario
KeyProducto (FK)
KeyMes (FK)
cantidad

KeyGeografia (FK)
KeyProveedor (FK)
Keyfecha (FK)
KeyProducto (FK)
KeyMes (FK)
cantidad

recibo
nombVend

KeyGeografia
pais

Dim_Vendedor
KeyVendedor

Dim_Geografia

Dim_Mes
KeyMes
mes
ao

Dim_Tiempo
Keyfecha
KeyMes (FK)
fecha
ao
semestre
mes
semana
da

Figura N 06: Modelo Relacional Data Mart

En el figura n 06 se puede apreciar las relaciones que hay entre las

dimensiones y hechos del data mart para que as se pueda formar una
constelacin de la unin de todas la arquitectura estrella que se ven al unir
dimensiones y hechos, as mismo se ve en esta constelacin un copo de nieve en
donde la dimensin mes se une con la dimensin tiempo y con el hecho
inventario.

4.4.1.1.Modelo dimensional del Data Marts.

4.4.1.1.1. Dimensiones para hecho ventas

Dim_Producto
Dim_Cliente

KeyProducto

KeyCliente
nombreClie
direccin
DNI

Hech_Ventas
KeyProducto (FK)
KeyCliente (FK)
KeyVendedor (FK)
fecha (FK)
numRecibo
idVenta
monto
saldo

Dim_Vendedor
KeyVendedor
nombVend

codProduc
tipo
marca
color

Dim_Tiempo
fecha
idfecha
ao
semestre
mes
semana
da

Figura N 07: Diagrama entidad relacin de dimensin para hecho ventas

En la figura n 07 se puede apreciar las relaciones que hay entre las diversas
dimensiones (cliente, producto, vendedor, tiempo) que se relacionan con el
hecho ventas.

4.4.1.1.2. Dimensiones para hecho compras

Dim_Geografia

Dim_Proveedor

KeyGeografia

KeyProveedor
razSoc

Dim_Producto
KeyProducto
codProduc
tipo
marca
color

Hech_Compras
KeyGeografia (FK)
fecha (FK)
KeyProveedor (FK)
KeyProducto (FK)
codComp
montComp
catComp
valor

ubicacion

Tiempo
fecha
idfecha
ao
semestre
mes
semana
da

Figura N 08: Diagrama entidad relacin de dimensin para hecho compras

En la figura n 08 se puede apreciar las relaciones que hay entre las diversas
dimensiones (proveedor, geografa, producto, tiempo) que se relacionan con el
hecho compras.

4.4.1.1.3. Dimensin para hecho inventarios

Hech_Inventario

Dim_Producto
KeyProducto
codProduc
tipo
marca
chasis
color
aoFabri

KeyProducto (FK)
KeyMes (FK)
codInvent
total
stock

Dim_Mes
KeyMes
mes
ao
fecha (FK)

Dim_Tiempo
fecha
idfecha
ao
semestre
mes
semana
da

Figura N 09: Diagrama entidad relacin de dimensin para hecho

inventarios

En la figura n 09 se puede apreciar las relaciones que hay entre las diversas
dimensiones (producto, mes, tiempo) que se relacionan con el hecho
inventario.

4.5.Diseo Fsico de la base de datos Dimensional

Figura N 10: Diagrama Dimensional y Relacional del DataMart

4.5.1. Modelo fsico de la base de datos

Nuestro modelo fsico de base de datos cuenta con tablas las cuales tiene
sus respectivos atributos los cuales nos ayudaran a obtener los datos en
el soporte de toma de decisiones.
Modelo fsico de la base de datos dimensional
DataMartKoreaMotos
Tabla N 07: Modelado fsico tabla Dim_Cliente
Dimensin

Dim_Cliente
Dimensin que almacena a los clientes
Nombre de
Nulidad
Tipo
Tamao
Entidad
campo
Dato
(PK, Unique)
KeyCliente
Not null
Integer
4
PK
DNI
Not null
Varchar
8
nombreClie
Not null
varchar
50
direccin
Not null
varchar
100
ORIGEN DE DATOS
Base de datos

Descripcin
Cdigo del cliente
DNI del cliente
Nombre del cliente
Direccin del cliente
DataMartKoreaMotos

Tabla N 08 : Modelado fsico tabla Dim_Vendedor

Dimensin

Dim_Vendedor
Dimensin que almacena a los vendedores
Nombre de
Nulidad
Tipo
Tamao
Entidad
Descripcin
campo
Dato
(PK, Unique)
KeyVendedor
Not null
Integer
4
PK
Cdigo del vendedor
nomVend
Not null
Varchar
50
Nombre del vendedor
ORIGEN DE DATOS
Base de datos
DataMartKoreaMotos

Tabla N 09 : Modelado fsico tabla Dim_Producto

Dimensin

Dim_Producto
Dimensin que almacena los productos
Nombre de
Nulidad
Tipo
Tamao
Entidad
campo
Dato
(PK, Unique)
KeyProducto
Not null
Integer
4
PK
tipo
Not null
Varchar
50
Marca
Not null
Varchar
50
color
Not null
Varchar
50
ORIGEN DE DATOS
Base de datos

Descripcin
Cdigo del producto
Tipo de producto
Marca del producto
Color del producto
DataMartKoreaMotos

Tabla N 10 : Modelado fsico tabla Dim_Geografia

Dimensin

Dim_Gografia
Dimensin que almacena los pases proveedores de productos
Nombre de
Nulidad
Tipo
Tamao
Entidad
Descripcin
campo
Dato
(PK, Unique)
KeyGeografia
Not null
Integer
4
PK
Cdigo de geografa
ubicacion
Not null
Varchar
50
Ubicacin del pas proveedor
de productos (Pas).
ORIGEN DE DATOS
Base de datos
DataMartKoreaMotos

Tabla N 11 : Modelado fsico tabla Dim_Proveedor

Dimensin
Nombre de
campo
KeyProveedor
razSoc

Dim_Proveedor
Dimensin que almacena los proveedores
Nulidad
Tipo
Tamao
Entidad
Dato
(PK, Unique)
Not null
Integer
4
PK
Not null

Varchar

ORIGEN DE DATOS

50

Descripcin

Cdigo del proveedor de

productos.
Razn social del proveedor de
productos.
Base de datos
DataMartKoreaMotos

Tabla N 12 : Modelado fsico tabla Dim_Mes

Dimensin
Nombre de
campo
KeyMes
Keyfecha

Dim_Mes
Dimensin que almacena los meses de compras
Nulidad
Tipo
Tamao
Entidad
Dato
(PK, Unique)
Not null
Integer
4
PK
Not null
Integer
4

mes

Not null

Integer

ao

Not null

Integer

ORIGEN DE DATOS

Descripcin

Cdigo del mes.

Codigo de fecha que proviene
de la dimecion tiempo.
Mes en que se compran los
productos
Ao en que se compra los
productos
Base de datos
DataMartKoreaMotos

Tabla N 13 : Modelado fsico tabla Dim_Tiempo

Dimensin

Dim_Mes
Dimensin que almacena el tiempo de compra, venta y almacn de productos
Nombre de
Nulidad
Tipo
Tamao
Entidad
Descripcin
campo
Dato
(PK, Unique)
Keyfecha
Not null
Integer
4
PK
Cdigo del tiempo.
fecha
Not null
date
3
Fecha en el tiempo.
dia
Not null
Integer
4
Da en el tiempo.
semana
Not null
Integer
4
Semana en el tiempo.
mestimempo
Not null
Integer
4
Mes en el tiempo.
semestre
Not null
Integer
4
Semestre en el tiempo.
ao
Not null
Integer
4
Ao en el tiempo.
ORIGEN DE DATOS
Base de datos
DataMartKoreaMotos

4.6.Diseo y desarrollo de presentacin de datos

4.6.1.

Construccin de ETL de datos

En este paso de la metodologa se realizara el proceso de extraccin,
transformacin y carga de los datos de origen al modelo que se ha creado
en el SQL Server 2008 R2, esto se hace a travs del Integration Services
que es una herramienta de la tecnologa que se est utilizando la cual la
encontramos en el Visual Business Intellingence 2008 y por ultimo
tenemos nuestros reportes.
Tarea ejecutar:
Antes de cargar los datos del sistema transaccional eliminamos el
data mart para su poblamiento.
delete from dbo.Hech_Compras
delete from dbo.Hech_Inventario
delete from dbo.Hech_Ventas
delete from dbo.Dim_Cliente
delete from dbo.Dim_Geografia
delete from dbo.Dim_Mes
delete from dbo.Dim_Producto
delete from dbo.Dim_Proveedor
delete from dbo.Dim_Tiempo
delete from dbo.Dim_Vendedor

Figura N 11: Paquete ETL Data Mar

En la figura n 11 se puede apreciar que para la construccin del ETL de datos pues se debe de tomar en cuenta la limpieza
de los datos, las dimensiones en donde se van a extraer los datos y los hechos en donde se va a almacenar los datos para
que luego estos sean analizados y sean utilizados para el uso de la toma de decisiones de la organizacin.

4.6.1.1.Proceso de extraccin, transformacin y carga de datos del Data Marts.

Orgenes de datos dimensin Cliente

Figura N12: Origen de datos de Dimensin Cliente

Figura N13: Editor de Origen de datos

Figura N 14: Columna de Datos del origen

Figura N 15 : Transformacin de datos de dimensin cliente

Figura N 16 : Editor de destino OLE DB_DataMartKoreaMotos

Figura N 17: Asignacin de columnas a la dimensin Cliente

Orgenes de datos dimensin Producto

Figura N18: Origen de datos de Dimensin Producto

Figura N19: Editor de Origen de datos

Figura N 20 : Columna de Datos del origen

Figura N 21: Transformacin de datos de dimensin Producto_Venta

Figura N 22 : Transformacin de datos de dimensin Producto_Compra

Figura N 23: Editor de destino OLE DB_DataMartKoreaMotos

Figura N 24: Asignacin de columnas a la dimensin Producto_Venta

Figura N 25: Asignacin de columnas a la dimensin Producto_Compra

Orgenes de datos dimensin Vendedor

Figura N 26 : Origen de datos de Dimensin Vendedor

Figura N27: Editor de Origen de datos

Figura N 28: Columna de Datos del origen

Figura N 29: Transformacin de datos de dimensin vendedor

Figura N 30: Editor de destino OLE DB_DataMartKoreaMotos_Vendedor

Figura N 31: Asignacin de columnas a la dimensin Vendedor

Orgenes de datos dimensin Proveedor

Figura N24 : Origen de datos de Dimensin Proveedor

Figura N32: Editor de Origen de datos Compras

Figura N 33: Columna de Datos del origen Proveedor

Figura N 34: Transformacin de datos de dimensin proveedor

Figura N 35: Editor de destino OLE DB_DataMartKoreaMotos_proveedor

Figura N 36: Asignacin de columnas a la dimensin Proveedor

Orgenes de datos dimensin Geografa

Figura N 37 : Origen de datos de Dimensin Geografa

Figura N38 : Editor de Origen de datos Compras

Figura N 39: Columna de Datos del origen Geografa

Figura N 40: Transformacin de datos de dimensin geografa

Figura N 41: Editor de destino OLE DB_DataMartKoreaMotos_ Geografa

Figura N 42: Asignacin de columnas a la dimensin Geografa

Orgenes de datos dimensin Tiempo

Figura N 43 : Origen de datos de Dimensin Tiempo

Figura N44 : Editor de Origen de datos Tiempo_Ventas

Figura N44 : Editor de Origen de datos Tiempo_Compras

Figura N 45: Columna de Datos del origen Tiempo_Ventas

Figura N 46: Columna de Datos del origen Tiempo_Compras

Figura N 47: Transformacin scrip de datos de dimensin Tiempo_venta

Figura N 48: Columna derivada Dimensin Tiempo_Venta

Figura N 49: Asignacin de columnas a la dimensin tiempo_ventas

Figura N 50: Asignacin de columnas a la dimensin tiempo_compras

Orgenes de datos dimensin Mes

Figura N 51 : Origen de datos de Dimensin Mes

Figura N52 : Editor de Origen de datos Mes

Figura N 53: Columna de Datos del origen Mes

Figura N 54: Editor de destino OLE DB_DataMartKoreaMotos_ Mes

Figura N 55: Asignacin de columnas a la dimensin Mes

Hechos ventas

Figura N 56: Hecho ventas

Hechos compras

Figura N 57: Hecho Compras

Hecho inventario

Figura N 58: Hecho Inventario

4.7.especificacin de aplicacin para usuarios finales

Para detallar el proceso de elaboracin de las aplicaciones para los usuarios
finales, primero deberemos conocer las diferentes roles o perfiles de los
usuarios que manejaran el sistema.
La interaccin de los usuarios finales con los datos y reportes ser a travs
de una herramienta de fcil manejo y administracin como Microsoft Office
Excel que es un software de oficina, con el que cuentan todos los equipos de
cmputo de la empresa y tambin a travs del sistema web desarrollado en
este proyecto.
Para la navegacin en el sistema web les permitir acceder a esta solucin
de forma fcil, en donde podrn encontrar la informacin de manera rpida
y eficiente lo que les permitir analizar de manera ms ptima los reportes
de acuerdo a sus necesidades.

4.8. Desarrollo de aplicaciones para los usuarios finales.

Para el desarrollo de aplicaciones para usuario finales pues nos referimos al
cubo de la solucin de inteligencia de negocios en donde con la seleccin de
datos cruzados la gerencia pueda tomar decisiones para la organizacin,
aparte del cubo pues se podr desarrollar indicadores de clave de
desempeo (KPI) en donde se podr verificar si la organizacin ha podido
llegar a las metas previstas.

4.8.1.

Creacin de cubo en Microsoft anlisis servicies.

Figura N 59: Eleccin de hechos para el cubo

Figura N60 : Seleccionar Medidas para el cubo

Figura N 61 : Finalizacin del asistente de creacin de Cubo

4.8.1.1. Conexin de la base de datos al data marts.

Figura N 62 : Conexin a la base de datos del data mar

4.8.1.2. creacin de las dimensiones.

Figura N 63: Creacin de dimensiones

Figura N64 : Seleccin de atributos para la dimensin

Figura N65: Nombre para la dimensin

4.8.1.3.Creacin del cubo

Para la creacin del cubo y el anlisis de datos que contiene el mismo pues se ha
considerado hacerlo por los tres hechos que los que se cuenta que son hecho
ventas, hecho compras y hecho inventarios los cuales como se ha dicho
anteriormente se podr cruzar datos de diferentes dimensiones para as poder
analizar la data de la empresa, as mismo como se dijo anteriormente pues se
desarrollar indicadores clave de desempeo(KPI) en donde se ver si la
organizacin ha podido lograr sus metas o si las sobre pasado, para que as todo
esto nos ayude en el proceso de toma de decisiones dentro de la organizacin.

CUBO

Figura N 66: Creacin del Cubo

Kpi

Figura N 67: Creacin del KPI

4.8.1.4.Creacin de Minera de datos

Para la creacin de la minera de datos pues primero se debe de realizar o
desarrollar las dimensiones para que a partir de ello podamos sacar
caractersticas en las cuales nos pueda ayudar en la toma de decisiones, es por
eso que nosotros hemos elegido a la dimensin productos los cual se ha
realizado minera de datos por sus caractersticas de tipo, marca y color en
donde a travs del algoritmo de Arboles de decisiones nos ayudara a predecir
qu tipo de productos comprar y de que marca y de qu color.

Figura N 68: Creacin del algoritmo de prediccin de Arboles de decisiones

4.9. Implementacin.
4.9.1.

Presentacin de cubo en anlisis servicies.

A travs del desarrollo de nuestro cubo podemos utilizar cualquier
herramienta OLAP para analizar la informacin, dichas herramientas
pueden ser gratuitas o comerciales. SQL server 2008 R2 nos proporciona
una herramienta de anlisis de datos, como lo es el Analysis Services que
nos permite conectarnos a nuestro cubo, el cual con ayuda de la
herramienta nos permitir hacer el anlisis de los datos de nuestro de
Data Mart y de analizar la informacin de diferentes perspectivas.
A continuacin mostramos algunos reportes obtenidos a travs de esta
herramienta.

Figura N69: Cruce de datos en el Cubo

Anlisis: En la figura N 68 se puede apreciar el cruce de datos dentro del cubo,
para este caso de la figura es la cantidad de ventas de productos que asieron los
vendedores en el ao 2011, con sus respectivos meses, adems esta cantidad se
productos como se puede apreciar se hace a travs de la marca del producto y el
color del producto.

4.9.2. Presentacin del Cubo en Microsoft Excel.

El desarrollo del cubo nos permiten utilizar herramientas de anlisis de
datos que se conecten a ese, a continuacin mostraremos que se puede
utilizar una herramienta que es conocida y utilizada por la mayora de los
usuarios en sus ordenadores, nos referimos al Excel; para conectarnos al
cubo con esta herramienta primero debemos de obtn los permisos
necesarios y configurar la herramienta y luego ya podemos explotar y
analizar los datos.
A continuacin mostramos algunas consultas y reportes grficos, las
cuales segn la entrevista realizadas a gerencia son prioridad para la
organizacin para el proceso de toma de decisiones.

Figura N 70: Cruce de datos en Excel

Anlisis: En la figura N 69 se puede apreciar el cruce de datos del cubo en Excel,

para este ello hemos seleccionado los datos de la razn social de los proveedores de
los productos, adems de ver las marcas las cuales nos proveen, as mismo ver el
tipo de producto que nos proveen y la cantidad por semestre .

4.9.3. Presentacin de minera de datos

A travs del desarrollo de nuestro cubo podemos utilizar cualquier
herramienta OLAP para analizar la informacin, dichas herramientas
pueden ser gratuitas o comerciales. SQL server 2008 R2 nos proporciona
una herramienta de prediccin de datos como es el de Arboles de
decisiones la cual nos ayuda en la toma de decisiones que a partir de
datos ya obtenidos en el tiempo se puedan hacer predicciones.

Figura N 70: Presentacin del algoritmo de Arboles de decisiones

4.9.4. Presentacin de minera de Datos en Excel

Para el desarrollo de minera de dato Excel no permite tambin como el
SQL 2008 R2 poder predecir escenarios a travs de algoritmos como es
en este caso el de Arboles de decisiones, en donde se podr predecir el
tipo de producto con respecto a la marca y color del mismo, adems se
puede ver cul es la cantidad que predice que se debe de comprar para el
prximo ao.

Figura N 71: Presentacin del algoritmo de Arboles de decisiones en

Excel

4.9.5.

Medidores de cada rea

Figura N 70: Medidor de ventas

Figura N 71: Cuadros estadsticos de Ventas

Figura N72 : Medidor de compras

V.

DISCUSIN

Con lo concerniente a este captulo de esta investigacin de tesis pues se ha

establecido la medicin de cada indicador que anteriormente en el captulo de
materiales y mtodos se han mencionado para poder as comprobar la
implementacin de la solucin que se ha propuesto a la organizacin, as mismo
poder constatar la hiptesis y los objetivos.

Indicadores
-

Elaboracin de
semestre

reportes de nmero de ventas totales por

Tabal N 14 Elaboracin de reportes de nmero de ventas totales por

semestre
Factor
Elaboracin de
reportes de
nmero de
ventas totales
por semestre

O1(Tiempo)
36
horas

O2(Tiempo)
6
Horas

DI
30
Horas

Dnde:
O1: Es el primer tiempo promedio que se demora un empleado en la
elaboracin de reportes solicitados por la gerencia para saber el nmero de
ventas totales por semestre y sus cuadros estadsticos.
O2: Es el tiempo promedio que se demora un empleado para la elaboracin
de reportes solicitados por la gerencia utilizando la solucin que ayudara al
soporte de toma de decisiones.
DI : O2 O1
La diferencia de tiempos que se obtiene nos da a conocer que la solucin ha
permitido recudir el tiempo para la elaboracin de reportes de nmeros de
ventas totales por semestre solicitado por la gerencia que permitir analizar
la informacin y se puedan tomar mejores decisiones.

Podemos observar como contribuye las herramientas de BI y las tecnologas

de informacin en agilizar los tiempos de un determinado proceso.
-

Elaboracin de
semestre

reportes de nmero de compras totales por

Tabal N 15 Elaboracin de reportes de nmero de compras totales por

semestre
Factor
Elaboracin de
reportes de
nmero de
compras totales
por semestre

O1(Tiempo)
24
horas

O2(Tiempo)
4.8
Horas

DI
19.2
horas

Dnde:
O1: Es el primer tiempo promedio que se demora un empleado en la
elaboracin de reportes solicitados por la gerencia para saber el nmero de
compras totales por semestre y sus cuadros estadsticos.
O2: Es el tiempo promedio que se demora un empleado para la elaboracin
de reportes solicitados por la gerencia utilizando la solucin que ayudara al
soporte de toma de decisiones.
DI : O2 O1
La diferencia de tiempos que se obtiene nos da a conocer que la solucin ha
permitido recudir el tiempo para la elaboracin de reportes de nmeros de
compras totales por semestre solicitado por la gerencia que permitir
analizar la informacin y se puedan tomar mejores decisiones.

Elaboracin de reportes sobre el ndice de rotacin de producto

por semestre
Tabal N 16 Elaboracin de reportes sobre el ndice de rotacin de
productos por semestre
Factor
Elaboracin de
reportes sobre
el ndice de
rotacin de
productos por
semestre

O1(Tiempo)
36
horas

O2(Tiempo)
3.6
Horas

DI
32.4
Horas

Dnde:
O1: Es el primer tiempo promedio que se demora un empleado en la
elaboracin de reportes solicitados por la gerencia para saber el ndice de
rotacin de productos por semestre
O2: Es el tiempo promedio que se demora un empleado para la elaboracin
de reportes solicitados por la gerencia utilizando la solucin que ayudara al
soporte de toma de decisiones.
DI : O2 O1
La diferencia de tiempos que se obtiene nos da a conocer que la solucin ha
permitido recudir el tiempo para la elaboracin de reportes del ndice de
rotacin de productos por semestre solicitado por la gerencia que permitir
analizar la informacin y se puedan tomar mejores decisiones.

Elaboracin de reportes sobre el ndice de demanda del producto

estrella
Tabal N 17 Elaboracin de reportes sobre el ndice del producto estrella
Factor
Elaboracin de
reportes sobre
el ndice del
producto
estrella

O1(Tiempo)
36
horas

O2(Tiempo)
6
Horas

DI
30
horas

Dnde:
O1: Es el primer tiempo promedio que se demora un empleado en la
elaboracin de reportes solicitados por la gerencia para saber el ndice de
demanda del producto estrella
O2: Es el tiempo promedio que se demora un empleado para la elaboracin
de reportes solicitados por la gerencia utilizando la solucin que ayudara al
soporte de toma de decisiones.
DI : O2 O1
La diferencia de tiempos que se obtiene nos da a conocer que la solucin ha
permitido recudir el tiempo para la elaboracin de reportes del ndice de
demanda del producto estrella solicitado por la gerencia que permitir
analizar la informacin y se puedan tomar mejores decisiones.

Para la medicin de los indicadores cualitativos se ha elaborado un cuadro donde

se especifica los rangos de valores en el nivel de satisfaccin, luego el personal
califico mediante observacin y a travs de una encuesta el nivel de satisfaccin
segn los procedimientos presentados donde se compara el sistema versus el
sistema propuesto.
Tabla N 18 Escala de medicin para indicadores cualitativos
Rango de valores
[0-2.5]
<2.5 -5]
<5 -7.5]
<7.5 10]

Nivel de satisfaccin
Nada ventajoso
Poco ventajoso
Ventajoso
Muy ventajoso

Nivel de satisfaccin de la gerencia sobre la informacin solicitado

Tabla N 19 Nivel de satisfaccin sobre la informacin solicitada
Indicador

Pregunta

Nivel de
satisfaccin
sobre la
informacin
solicitada

Qu
consideracin le
merece usted
en el actual
sistema que
utiliza para
obtener
informacin
necesaria para
el proceso de
toma de
decisiones?

Antes del estimulo

VL
VC
Poco
4.25
ventajoso

Con estimulo
VL
VC
Muy
8.10
ventajoso

Nivel de calidad de informacin solicitada

Tabla N 20 Nivel de calidad de informacin solicitada
Indicador

Pregunta

Nivel de
calidad de
informacin.

Qu
consideracin
le merece a
usted la calidad
de informacin
que utiliza para
el proceso de
toma de
decisiones?

Antes del estimulo

VL
VC
Poco
3.48
ventajoso

Con estimulo
VL
VC
Muy
9.00
ventajoso

Tabla N 21 Resumen de valores de indicadores

Indicador
Nivel de satisfaccin
Nivel de calidad de la
informacin
Total

VC(M1)
4.25
3.48

VC(M2)
8.10
9.00

7.73

17.10

Hiptesis de prueba:
Hiptesis H0: El sistema actual es mejor que sistema propuesto
H0: M1 - M2 >=0
H0: 7.73 17.10 = -9.37
Hiptesis H1: El sistema propuesto es mejor que el sistema actual.
H1: M2 M1 > 0
H1: 17.10 7.73 = 9.37

Por lo tanto se concluye que se rechaza H0 y se acepta H1 por lo que el sistema

propuesto es mejor que el sistema actual, siendo implementacin de la solucin de
inteligencia de negocios presentado es una alternativa de solucin para el problema
planteado.
La investigacin que se realiz para la elaboracin de la tesis tuvo como propsito
el desarrollo de una solucin de inteligencia de negocios que comprende la
construccin de data marts, adems de la prediccin de datos a travs de
algoritmos de minera de datos lo cual nos va ayudar a la toma de decisiones que
ayude a la gerencia de la empresa a tomar mejores decisiones y que permitan una
mejor gestin de sus estrategias y objetivos empresariales.
Para ello se realiz un estudio y anlisis de toda la realidad empresarial,
identificado sus caractersticas, objetivos, metas y estrategias; se foment los
conceptos, ventajas y beneficios que traera la implementacin de un sistema que le
ayude a la toma de decisiones; sealndola como una herramienta de evaluacin.
La propuesta de solucin tecnolgica permiti a travs de la implantacin de
datamarts integrar la informacin importante, que luego sera usada para el
anlisis y posterior mente para la toma de decisiones por parte de la gerencia de la
empresa Korea Motos apoyndose en herramientas analticas como el anlisis
services adems con la herramienta de office Excel la cual permiti analizar la
informacin grficamente.
La metodologa citada por Ralp Kimball para la implementacin de esta solucin,
se hizo mediante etapas, las cuales algunas de ellas se encargan de la parte
netamente gerencial y las dems de la implementacin de la misma.
El anlisis comparativo para la seleccin del software se bas en un estudio de los
requerimientos funcionales, tcnicos, estratgicos, es por eso que se escogi a

Microsoft SQL server 2008 R2 para as utilizar sus diferentes herramientas que nos
ayudan en el anlisis de datos, adems de la prediccin de datos.
Finalmente se concientizo a las personas encargadas de las toma de decisiones en
la empresa que adquieran una cultura de trabajo badaza en la Solucin de
Inteligencia de Negocios como elemento fundamental en las decisiones gerenciales
para lograr su crecimiento, y as generar ventaja competitiva contra dems empresa
que estn en el mismo rubro.

VI. CONCLUSIONES
1. Como conclusin principal tenemos que la solucin de inteligencia de
negocios ha mejorado el proceso de toma de decisiones del rea de
comercializacin de la empresa Korea Motos S.R.L.
2. Se redujo el tiempo en la obtencin de informacin resumen de 36 horas a 6
horas. Esto significa una reduccin de 30 horas en el tiempo.

3. Se logr incrementar el nivel de satisfaccin de la gerencia por la

informacin brindada y el fcil manejo del sistema Soporte de Decisiones.

4. Se logr brindar informacin de calidad de manera rpida, precisa y

eficiente.
5. En el sistema de soporte de decisiones se muestran reportes e indicadores
de gestin, que permite a la gerencia realizar un mejor anlisis de la
informacin.

6. La metodologa para el desarrollar una Solucin de Inteligencia de Negocio

utilizando un Data Mart debe de estandarizarse a fin de poder facilitar el
trabajo de los analistas, para una mayor utilizacin.
7. Se realiz el anlisis comparativo entre varias herramientas informticas
para el proceso de Extraccin, Transformacin y Carga (ETL) de los datos:
Microsoft Integration Services, Oracle Warehouse Builder, Pentaho Data
Integration, evaluadas segn los alineamientos funcionales, tcnicos, sobre
el proveedor, estratgicos y econmicos para la adecuada seleccin de
software.