You are on page 1of 12

INSTITUTO

TECNOLGICO
DE CIUDAD
JUREZ

Inteligencia de negocios

No. Matricula:
13111674
13111676
12111562

Alumno:
Aguirre Recendez Jesus Antonio
Ramrez Venzor Jesus Gerardo
Valdez Gmez Ernesto

Materia:
Ingeniera del conocimiento
ndice

Introduccin. ................................................................................................................................... 2
5.1 concepto inteligencia de negocios. .................................................................................... 3
5.2 Data warehousing: definicin, arquitectura, cubos multidimensionales,
operaciones multidimensionales. .............................................................................................. 3
Definicin ..................................................................................................................................... 3
Arquitectura ................................................................................................................................. 4
Cubo multidimensional: ........................................................................................................... 5
Operaciones multidimensionales .......................................................................................... 6
5.3 Herramientas de anlisis y consulta. ................................................................................. 7
5.4 Reportes empresariales de datos y anlisis. ................................................................... 9
Conclusin. .................................................................................................................................... 10

1
Introduccin.
La tecnologa que la humanidad ha conseguido a lo largo de los aos han permitido
grandes logros dentro de mltiples reas de estudio, que de cierta manera nos
coloca donde nos encontramos hoy en da, en una era tecnolgica con grandes
posibilidades. El rea de estudio para este documento es la inteligencia en los
negocios, que a grandes rasgos se puede decirse que es la manera en como es
utilizada la informacin de sistemas expertos con el fin de tomar decisiones que
repercutan significativamente en los negocios, como por ejemplo la compra-venta
de artculos basados en informacin historia que nos dicen como el mercado de
dicho producto estar desempendose para cuando se deseen hacer dichas
acciones. Obviamente estas decisiones repercuten en las finanzas, por lo cual los
clculos y estimaciones deben ser sustentados en informacin veraz y confiable que
de seguridad en la toma de decisiones.

El medio por el cual se obtiene la inteligencia de negocios, es por medio de un Data


warehousing, que cuenta con una arquitectura que permite la recoleccin de datos
pertinentes para as poder utilizar los recursos de una manera adecuada. Data
warehousing a su vez, se apoya de cubos dimensionales que es una metodologa
que permite almacenar cantidades muy grandes de informacin de forma agrupada
que facilite su anlisis. Una vez establecidos los cubos, se puede realizar
operaciones para aprovechar toda la informacin almacenada. Para tener un
entendimiento de un Data warehousing, es necesario utilizar herramientas de
anlisis y consultas, que permiten la interaccin entre los datos y los usuarios. Estas
herramientas tienen un papel muy importante, debido a que de no utilizarse
debidamente, toda la informacin almacenada en el DW dejara de ser til por falta
claridad en su anlisis. Una vez establecidos, los anlisis y las consultas nos
facilitaran la toma de decisiones y una accesibilidad a la informacin. No obstante,
en el mundo empresarial los conceptos tcnicos pueden llegar a ser difciles de
comprender para usuarios que no se desempeen en el rea de sistemas, por lo
cual es necesario tener reportes empresariales de los datos y anlisis. De una forma
sencilla, estos reportes deber poder ser secuenciales, tener plantillas
predeterminadas, uso de macros, por mencionar algunos.

2
Inteligencia de negocios.

5.1 concepto inteligencia de negocios.

La inteligencia de negocios o BI, segn el Data Warehouse Institute, lo define como


la combinacin de tecnologa, herramientas y procesos que me permiten
transformar mis datos almacenados en informacin, esta informacin en
conocimiento y este conocimiento dirigido a un plan o una estrategia comercial. La
inteligencia de negocios debe ser parte de la estrategia empresarial, esta le permite
optimizar la utilizacin de recursos, monitorear el cumplimiento de los objetivos de
la empresa y la capacidad de tomar buenas decisiones para as obtener mejores
resultados.

5.2 Data warehousing: definicin, arquitectura, cubos


multidimensionales, operaciones multidimensionales.

Definicin:

Un Data Warehouse (DW), es un gran repositorio lgico de datos que permite el


acceso y manipulacin flexible de grandes volmenes de informacin proveniente
tanto de transacciones detalladas como datos agregados de fuentes de distintas
naturaleza.

Los sistemanas de administracin de DW integran informacin procedente de


diversos sistemas operacionales, la seleccionan, la historizan y la almacenan para
proporcionar la base para planeacin, control y toma de decisiones a un alto nivel.

3
Arquitectura:

La arquitectura general de un DW es la que se muestra en la figura 1, donde se


muestra como primer componente dentro de la arquitectura DW a las fuentes desde
las cuales se extrae la informacin necesaria para poblar la base de datos.
Conectada a cada una de las fuentes se encuentran los componentes bsicos de la
arquitectura, los wrappers o extractores, los cuales extraen y transforman la
informacin de las fuentes.

El proceso de cargado de informacin se ejecuta de la siguiente manera:

Transforma los datos de acuerdo al modelo de datos del warehouse.


Limpia dichos datos para corregir y depurar errores que pueden contener las
fuentes.
Integra todos los datos para formar la base de datos en la cual se encontrara
la informacin.

Los meta datos deben ser refrescados dentro de este proceso. Dicho proceso es
crtico para asegurar la calidad de informacin y soportar una adecuada toma de
decisiones con datos correctos y previamente verificados. Una vez que los datos
han sido cargados se encuentran disponibles para un sistema que soporte
decisiones.

4
Por consiguiente, se cargan vistas especializadas ms pequeas del DW en los
data marts, estos son repositorios ms pequeos con vistas materializadas para
facilitar la consulta de los datos. Solamente se seleccionan las vistas requeridas y
a travs de una serie de transformaciones necesarias quedan establecidas para
facilitar y acelerar el proceso de consulta del usuario.

Finalmente los data marts son accesados a travs de las herramientas para el
usuario final, las cuales permiten analizar la informacin disponible en el warehouse
para la generacin de consultas especializadas, reportes, nuevas clasificaciones y
tendencias que sirvan de apoyo a la toma de decisiones.

Cubo multidimensional:
Para facilitar el anlisis de datos, un Data Warehouse representa los datos que
contiene usando modelos multidimensionales. De manera general, un modelo
multidimensional provee dos conceptos principales: medida y dimensin.

Una medida, es un valor en un espacio multidimensional definido por dimensiones


ortogonales. As, el cubo es el concepto central del modelado de datos
multidimensionales como se muestra en la figura 3, donde se muestra una instancia
del modelo multidimensional; un esquema del mismo tipo.

5
Dentro del modelo de datos multidimensional las medidas o atributos numricos
describen un cierto proceso del mundo real el cual va a ser objeto de un anlisis.
Estos atributos dependen de ciertas dimensiones las cuales proveen el contexto a
travs del cual van a ser interpretadas las medidas. Dichas dimensiones
regularmente se encuentran en orden jerrquico.

Las medidas pueden ser agregadas a lo largo de las dimensiones lo cual resulta en
un cubo el cual es la base para el uso de las operaciones OLAP.

Operaciones multidimensionales:

Las tcnicas OLAP son ampliamente utilizadas y a travs del uso de sus operadores
se lleva a cabo la explotacin de la informacin almacenada. Entre los operadores
con los que se cuenta para realizar estos procesos de anlisis se utiliza los
siguientes operadores:

Slicen dice: este nos permite hacer una seleccin de los valores de las
dimensiones que uno requiere.

6
Roll-up: este operador permite agregar los datos en sus distintos niveles de
agrupacin definidos previamente en el esquema multidimensional.
Drill-down: permite bajar a los niveles ms atmicos de nuestro esquema
multidimensional, en sentido inverso al roll-up.

5.3 Herramientas de anlisis y consulta.


Las herramientas de consulta y anlisis son sistemas que permiten a los usuarios
realizar la exploracin de datos del DW. Bsicamente constituyen el nexo entre el
depsito de datos y los usuarios.

Utilizan la meta datos de las estructuras de datos que han sido creadas previamente
(cubos multidimensionales, Business Models, etc.) para trasladar a travs de
consultas SQL los requerimientos de los usuarios, para luego, devolver el resultado
obtenido. Estas herramientas tambin pueden emplear simples conexiones a bases
de datos (JNDI, JDBC, ODBC), para obtener la informacin deseada.

A travs de una interfaz grfica y una serie de pasos, los usuarios generan consultas
que son enviadas desde la herramienta de consulta y anlisis al Query Manager,
este a su vez realiza la extraccin de informacin al DW Manager y devuelve los
resultados obtenidos a la herramienta que se los solicit. Luego, estos resultados
son expuestos ante los usuarios en formatos que le son familiares.

7
El mismo, se lleva a cabo a travs de seis pasos sucesivos:

1. Los usuarios seleccionan o establecen que datos desean obtener del DW,
mediante las interfaces de la herramienta que utilice.
2. La herramienta recibe el pedido de los usuarios, construye la consulta
(utilizando la meta data) y la enva al Query Manager.
3. El Query Manager ejecuta la consulta sobre la estructura de datos con la que
se est trabajando (cubo multidimensional, Business Model, etc.).
4. El Query Manager obtiene los resultados de la consulta.
5. El Query Manager enva los datos a la herramienta de consulta y anlisis.
6. La herramienta presenta a los usuarios la informacin requerida.

Una de las principales ventajas de utilizar estas herramientas, es que los usuarios
no se tienen que preocupar por conocer cules son las caractersticas y
funcionalidades de las estructuras de datos utilizadas, ni por saber emplear el
lenguaje SQL, solo se deben enfocar en el anlisis.

Las herramientas de consulta y anlisis, en general, comparten las siguientes


caractersticas:

Accesibilidad a la informacin:

Permiten el acceso a la informacin a travs de las diferentes estructuras de datos


de forma transparente a los usuarios finales, para que estos solo se enfoquen en el
anlisis y no en el origen y procedencia de los datos.

8
Apoyo en la toma de decisiones:

Permiten la exploracin de los datos, a fin de seleccionar, filtrar y personalizar los


mismos, para la obtencin de informacin oportuna, relevante y til, para apoyar el
proceso de toma de decisiones.

Orientacin los usuarios finales:

Permiten a travs de entornos amigables e intuitivos, que los usuarios puedan


realizar anlisis y consultas, sin poseer conocimientos tcnicos. Si bien lo realmente
importante son los datos mismos, que estos puedan ser interpretados y analizados
por los usuarios depender en gran medida de cmo se presenten y dispongan.

5.4 Reportes empresariales de datos y anlisis.


Se han desarrollado muchas herramientas para la produccin de consultas y
reportes, que ofrecen a los usuarios, a travs de pantallas grficas intuitivas, la
posibilidad de generar informes avanzados y detallados.

Los usuarios solo deben seguir una serie de simples pasos, como por ejemplo
seleccionar opciones de un men, presionar tal o cual botn para especificar los
elementos de datos, sus condiciones, criterios de agrupacin y dems atributos que
se consideren significativos.

Actualmente las herramientas de generacin de reportes y consultas cuentan con


muchas prestaciones, las cuales permiten dar variadas formas y formatos a la
presentacin de la informacin. Entre las opciones ms comunes se encuentran las
siguientes:

Parametrizacin de los datos devueltos.


Seleccin de formatos de salida (planilla de clculo, HTML, PDF, etc.).
Inclusin de grficos de columnas, lneas, etc.
Utilizacin de plantillas de formatos de fondos.
Inclusin de imgenes.
Formatos tipogrficos.
Links a otros reportes.

9
Conclusin.
El manejo de la informacin como una herramienta para la toma de decisiones, es
de gran importancia, ya que las empresas quieren informacin confiable que les
permita crecer, que les permita optimizar hasta el ms mnimo detalle, que puede
reflejar ganancias o ahorros considerables aumentando as su utilidad. Como dice
la frase La informacin es poder es aplicable a todos los temas, considerando que
se deben evitar cualquier tipo de discrepancia en nuestra data warehousing evitando
as lecturas sucias, datos duplicados, etc Si la arquitectura del DW es aplicada
debidamente no deber haber ningn tipo de problema.

El uso de herramientas para el anlisis y procesamiento es de gran importancia,


debido a que las cantidades de informacin sern de gran tamao, al punto de que
su anlisis sin dichas herramientas sea una tarea sumamente complicada, poco
productiva y que causara que los analistas no pudieran lograr su cometido.

A su vez, el conocimiento de conexiones y gestores de bases de datos es muy


importante, ya que los DW son implementados en base a las necesidades del
negocio que se tenga. El lenguaje SQL de igual manera, se debe dominar para as
poder manipular las metas datos con el uso de querys.

Por ltimo, La manera en cmo se presenta la informacin a la gente que queremos


llegar, debe de ser entendible para personas que no estn totalmente familiarizadas
con los Data warehousing, inversionista que tal vez solo aportan el capital, as que
los reportes y anlisis presentados deben ser claros y entendibles para cualquier
usuario. Como se mencion previamente en el desarrollo, opciones para reportes
sobran, solo hay que saber implementarlas.

10
Referencias.

Catarina. (s.f.). Obtenido de


http://catarina.udlap.mx/u_dl_a/tales/documentos/lis/ydirin_p_mm/capitulo2.
pdf

Dario, I. B. (6 de Mayo de 2009). Dataprix. Obtenido de


http://www.dataprix.com/36-herramientas-consulta-y-analisis#x1-690003.6

ORACLE. (2016). oracle. Obtenido de


http://www.oracle.com/ocom/groups/public/@otn/documents/webcontent/31
7529_esa.pdf

11