Introducción Al Business Intelligence

Introduccin al Business Intelligence 1
Captulo 1
Introduccin al Business
Intelligence
Objetivo
Al finalizar el captulo, el alumno podr:
Conocer el propsito y necesidades de negocio que satisfacen las soluciones de

inteligencia de negocios.
Diferenciar los conceptos y terminologas de BI.
Temas
1. Qu es la Inteligencia de Negocios?
2. Necesidades de negocio insatisfechas por las soluciones tradicionales
3. Visin actual: el proceso de la Inteligencia de Negocios
4. Conceptos y terminologa comunes en Inteligencia de Negocios
5. Anexos: Casos de xito en Inteligencia de Negocios
Cibertec Per S.A.C - Business Intelligence SQL Server 2014

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 esta 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 necesite, 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:
Los reportes provenientes de varios sistemas transaccionales, no

concuerdan.
Los resultados financieros no concuerdan.

Las cantidades de inventario tampoco concuerdan.
Los reportes detallados no concuerdan con los reportes consolidados.
La gerencia no tiene acceso a una imagen global corporativa de su

situacin actual:
Cmo estn nuestras finanzas?

Quines son nuestros clientes?
Qu nos han comprado?
Cunto inventario tenemos disponible?
Tecnologa de Informacin (TI) est saturada con peticiones de reportes a

niveles gerenciales.
Las unidades de negocios han contratado personal de TI para escribir

reporteadores dentro de la misma unidad.
Sacerdotes de datos aparecen por toda la organizacin.

Compartir datos es raro BD propietarias son la regla.
Producir los reportes cada vez toma ms y ms tiempo.

TI crea mltiples extracciones de archivos de sistemas transaccionales para

propsitos analticos.
Se generan extractos de los extractos.

Se pierden las fuentes de datos, no hay rastros de auditoria.
La organizacin no puede determinar la rentabilidad precisa de un cliente o

de un producto
Se cuestiona la rentabilidad.
Las tendencias en ventas o de los hbitos de compra del cliente no
pueden determinarse.
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 cmo 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.
2.1 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 han provocado
el que sea necesaria tecnologa cada vez ms sofisticada 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.

2.2 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, esta 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 solo por la facilidad y utilidad de la informacin compartida
sino por los softwares 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 estas 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
s.
De manera general dentro de la organizacin, los requerimientos de

informacin se dividen en 3 partes:

A. 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.
B. 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.
C. 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
del tercer nivel

3. Visin Actual: el proceso de la Inteligencia de Negocios
El proceso de realizar Inteligencia de Negocios es conocido como

Datawarehousing y comprenden 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, estos 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 ndices

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 hayan 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.
8. Auditora
Los procesos de auditora permiten conocer de dnde 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 deben 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

4. Conceptos y terminologa comunes en Inteligencia de

Negocios
4.1 OnLine Transacction Processing (OLTP)
El sistema OnLine 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 solo permanecen en el sistema
por un perodo corto de tiempo) a diferencia de las soluciones analticas, que
requieren de datos histricos para generar diversas perspectivas de anlisis.
Otra diferencia es la actualizacin frecuente de los datos (la informacin es
modificada muchas veces en el da), mientras que las aplicaciones analticas
realizan operaciones normalmente, de solo 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

4.2 On Line Analytical Processing (OLAP)
On Line 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 perodos 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 a la cual tienen accesos los
usuarios de toda la organizacin.
Es consistente. Los usuarios deben obtener una nica versin de los
datos no importando de qu rea provengan las consultas ni el
momento en que ellas se realicen.
Es orientada al objetivo. Solo 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 perodos actuales e histricos.
Es de solo lectura. Los sistemas OLAP se diseas y optimizan solo
para realizar consultas, la operaciones de actualizacin, borrado, etc.
son exclusivos de los sistemas transaccionales.

No es atmica. Los sistemas OLAP contienen datos sumarizados

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).
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 la cadena de tiendas de alquiler 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 alquiler 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 alquila por categora de video en cada tienda en un

mes dado?
Rpta.: Categora de video por tienda en un mes dado.
Qu tiendas han mejorado sus alquileres de video dado a travs

del tiempo?
Rpta.: Tienda por tiempo de una categora de video dado.

Cunto se alquila por categora de video a travs del tiempo en

una tienda dada?
Rpta.: 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: diaria, 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
estructuradas 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 d la manera ms amigable y rpida.

4.3 Data Warehouse
Entonces podemos definir que un Data Warehouse es una coleccin de

datos, en la cual se encuentra integrada la informacin de la Institucin 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.
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 los 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, cargarlas 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 institucional. Este nuevo enfoque
ayuda a las personas individuales, en todos los niveles de la empresa, a
efectuar su toma de decisiones con mayor objetividad.
4.4 Data Mart
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 pueden 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.
4.5 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 los siguientes
elementos:
Nombres de campos y definiciones

Mapeo de los datos
Tablas
ndices
Cronogramas de extraccin y carga
Criterios de seleccin
Clculos de los datos derivados
Transformacin de los datos
Existes 3 tipos de Metadatos y se mencionan a continuacin:
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.

5. Anexos: Casos de xito en Inteligencia de Negocios
5.1 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 WalMart, 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.

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.
5.2 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.
5.3 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.
5.4 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. Su 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.

5.4 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.

Introducción Al Business Intelligence

Загружено:

Сведения о документе

Исходное описание:

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Introducción Al Business Intelligence

Загружено:

Авторское право:

Доступные форматы

Introduccin al Business Intelligence 1

Al finalizar el captulo, el alumno podr:

Conocer el propsito y necesidades de negocio que satisfacen las soluciones de

Cibertec Per S.A.C - Business Intelligence SQL Server 2014

La Inteligencia de Negocios o Business Intelligence (BI) se puede definir como el

BI provee la informacin que requiere el usuario de negocio en la manera como lo

Cibertec Per S.A.C - Business Intelligence SQL Server 2014

2. Necesidades del negocio insatisfechas por las soluciones

Las empresas actualmente poseen las siguientes necesidades de negocios que

Los reportes provenientes de varios sistemas transaccionales, no

Los resultados financieros no concuerdan.

La gerencia no tiene acceso a una imagen global corporativa de su

Cmo estn nuestras finanzas?

Tecnologa de Informacin (TI) est saturada con peticiones de reportes a

Las unidades de negocios han contratado personal de TI para escribir

Sacerdotes de datos aparecen por toda la organizacin.

Cibertec Per S.A.C - Business Intelligence SQL Server 2014

TI crea mltiples extracciones de archivos de sistemas transaccionales para

Se generan extractos de los extractos.

La organizacin no puede determinar la rentabilidad precisa de un cliente o

Han perdido oportunidades de negocios por recibir informacin retrasada.

No sabe con certeza si sus empleados estn alcanzando los objetivos

Es decir las empresas empiezan a valorar ya no cmo registrar la informacin

2.1 Las organizaciones y sus requerimientos de sistemas de

Con el fin soportar la gran cantidad de informacin que maneja una

Sistemas de Procesamiento de Datos (SPD), Sistemas de Manufactura,

Pero algo que no va a desaparecer es la necesidad de las empresas de

Cibertec Per S.A.C - Business Intelligence SQL Server 2014

2.2 La informacin que las empresas necesitan

La informacin se est extendiendo a todo nivel dentro de la organizacin,

Actualmente, la informacin es enviada a todos los niveles de la empresa

De manera general dentro de la organizacin, los requerimientos de

Cibertec Per S.A.C - Business Intelligence SQL Server 2014

C. Informacin Tcnico Operacional

Cibertec Per S.A.C - Business Intelligence SQL Server 2014

3. Visin Actual: el proceso de la Inteligencia de Negocios

El proceso de realizar Inteligencia de Negocios es conocido como

Cibertec Per S.A.C - Business Intelligence SQL Server 2014

Al terminar el proceso de transformacin, se cargan los datos en el Data

10. Respaldo y Recuperacin

Cibertec Per S.A.C - Business Intelligence SQL Server 2014

4. Conceptos y terminologa comunes en Inteligencia de

4.1 OnLine Transacction Processing (OLTP)

El sistema OnLine Transaction Processing (OLTP) se encarga de dar

Diseo orientado a la transaccin

Cibertec Per S.A.C - Business Intelligence SQL Server 2014

4.2 On Line Analytical Processing (OLAP)

On Line Analytical Processing (OLAP) es un proceso en el que se emplean

OLAP permite a los usuarios una fcil y amigable navegacin por la

Los servicios OLAP proveen mltiples formas y niveles de anlisis gracias a

Es consolidada. La data se centraliza desde diferentes orgenes de

Cibertec Per S.A.C - Business Intelligence SQL Server 2014

No es atmica. Los sistemas OLAP contienen datos sumarizados

Como se observa en el grfico superior en un modelo de datos OLAP, la

Un analista de negocio ve a una consulta analtica en trminos de un

Para la cadena de tiendas de alquiler de videos que posee 3

Cibertec Per S.A.C - Business Intelligence SQL Server 2014

Sin embargo, la tienda de alquiler de videos tambin deseara ver

De esta manera, las medidas que deseamos visualizar del negocio

Siguiendo con el ejemplo anterior, con este cubo podemos ahora

Cunto se alquila por categora de video en cada tienda en un

Rpta.: Categora de video por tienda en un mes dado.