UNIVERSIDAD ANDINA NSTOR CCERES VELSQUEZ

ESCUELA DE POSTGRADO

MAESTRA EN INGENIERA DE SISTEMAS

MENCIN: INGENIERA DE SOFTWARE

CONSTRUCCON DE UN DATAMART ORIENTADO A

LAS VENTAS PARA LA TOMA DE DECISIONES EN LA
EMPRESA AMEVET CIA. LTDA.
TESIS PRESENTADA POR:

ALAIN DAVID FLORES CALCINA

PARA OPTAR EL GRADO ACADMICO DE MAGISTER EN INGENIERA DE

SISTEMAS

MENCIN: INGENIERA DE SOFTWARE

JULIACA PER

2016
 CAPTULO I

EL PROBLEMA DE INVESTIGACIN

1.1. Tema
Construccin de un Datamart orientado a las ventas para la toma de decisiones en la
empresa CORPORACION DECSUR SOCIEDAD DE RESPONSABILIDAD
LIMITADA.

1.2. Planteamiento del Problema

Con el pasar del tiempo la tecnologa ha evolucionado a pasos acelerados, permitiendo el
desarrollo de soluciones integrales en informtica, bases de datos y comunicaciones, es
necesaria y obligatoria su innovacin con la finalidad de mantener la competitividad,
productividad e imagen corporativa. En la actualidad, todas las empresas diariamente

Generan grandes cantidades de datos imposibles de analizar, la mayor parte de estos datos
generados no aportan informacin para la toma de decisiones empresariales, pues, para
poder usarlos es necesario que se transformen en informacin til para los usuarios.

La informacin de las empresas que se almacenan en un servidor, tratada de mejor manera

y optimizada con la inteligencia de negocios "Business Intelligence" ha permitido la toma
de decisiones adecuadas y acertadas dentro del rea de los negocios comerciales a nivel
mundial.

A nivel mundial casi todas las empresas de la actualidad disponen de bases de datos que
almacenan datos sobre sus actividades (clientes, proveedores, empleados) mediantes
diferentes programas informticos (de facturacin, proveedura, contabilidad, etc.). Por lo
tanto, podemos decir que las empresas disponen por lo general, de multitud de datos
histricos, fiables y voluminosos de todas las actividades realizadas. Es lgico pensar que
dichos datos pueden ser refinados, agrupados, tratados y analizados para intentar extraer
informacin que permita ayudar en la toma de decisiones de las empresas.
 En la empresa CORPORACION DECSUR S.R.L., cuenta actualmente con un sistema de
informacin que gestiona y almacena la informacin de las ventas que se registran en la
misma.

El sistema utiliza como repositorio de informacin una base de datos cuyo diseo
relacional est orientado al almacenamiento no a la consulta y explotacin de la
informacin almacenada, con el paso del tiempo los usuarios necesitan cada vez mayor
cantidad de reportes combinar informacin - y poder analizar la informacin de las
ventas desde una perspectiva histrica y actual, as como tambin la posibilidad de predecir
eventos futuros, como se sucedern las ventas en el prximo mes, semestre, etc.

Por este motivo es necesaria la implementacin del Datamart para ayudar a la toma de
decisiones sobre las ventas que se realiza, esto, ayudar al crecimiento de la empresa

CORPORACION DECSUR S.R.L.

Problema General

De qu manera la construccin Datamart ayudara a la mejora de la toma de decisiones en la

empresa CORPORACION DECSUR S..R.L?

Problemas Especificos

Cmo la construccin de datamar ayudara a la mejora a la toma de decisiones en la

empresa CORPORACION DECSUR S..R.L?

Cmo el Datamart que ayudara en la toma de decisiones en la empresa CORPORACION

DECSUR S.R.L.?

1.3. Delimitacin

1.3.1. De Contenidos
rea: Administrativas Informticas
Lnea de Investigacin: Aplicaciones informticas
Sub-lnea de Investigacin: Inteligencia de negocios
1.3.2. Espacial
Se realizar en la provincia de San Romn Juliaca, en la Empresa CORPORACION
DECSUR S.R.L.

1.4. Justificacin
La realizacin del presente proyecto se justifica para mejorar la toma de decisiones por
parte de la empresa, adems, los tiempos de espera de reportes de informacin disminuirn.

La ventaja de utilizar un Datamart como herramienta para el soporte de decisiones son

muchas por ejemplo: que el Departamento de Ventas pueda consultar la informacin sin
depender de personal tcnico (programadores o analistas de sistemas) que genere los
reportes o consultas, lo cual disminuye el tiempo de espera. Adems el departamento de
ventas podr manejar la informacin, examinarla desde diferentes puntos de vista, de
manera que puedan entenderla e interpretarla de acuerdo a su criterio.

La investigacin es de gran utilidad ya que los beneficiarios del proyecto a realizarse son
la empresa CORPORACION DECSUR S.R.L., la misma que podr generar reportes,
combinar la informacin de las ventas desde una perspectiva histrica y actual y adems
puedan predecir eventos futuros as llegarn a tomar las mejores decisiones.

La presente investigacin causa alto impacto, porque da una profunda transformacin en

los procedimientos de manejo de datos e informacin en el Departamento de ventas de la
empresa CORPORACION DECSUR S.R.L.. A su vez puede servir para otras empresas
que lleven las mismas reglas de negocio.

Es factible la realizacin de este proyecto, puesto que se cuenta con la predisposicin y

conocimiento del investigador, el apoyo del tutor responsable, la colaboracin del gerente,
y personal tcnico del departamento de ventas de la empresa CORPORACION DECSUR
S.R.L., adems de las herramientas necesarias para el diseo y construccin del Datamart
de Ventas.
 1.5. Objetivos

1.5.1. General
Construir un Datamart para la toma de decisiones del departamento de ventas de la
empresa CORPORACION DECSUR SOCIEDAD DE RESPONSABILIDAD
LIMITADA.

1.5.2. Especficos

Disear el Datamart que ayude en la toma de decisiones en la empresa CORPORACION

DECSUR S.R.L.

Implementar el Datamart en la empresa CORPORACION DECSUR S.R.L.

CAPITULO II

MARCO TERICO
2.1. Antecedentes Investigativos
Una vez revisado los archivos de tesis que se encuentran en la biblioteca de la Facultad de
Ingeniera en Sistemas, Electrnica e Industrial de la Universidad Tcnica de Cajamarca, se
encuentra que si existen temas relacionados al tema propuesto.

En la Facultad de Ingeniera en Sistemas, Electrnica e Industrial de la Universidad

Tcnica de Cajamarca, existe una tesis denominada Desarrollo de una solucin de
Inteligencia de Negocios en el manejo de estadsticas de control en la venta de repuestos de
la empresa Talleres Ambamazda S.A. de la ciudad de Cajamarca. realizada por el Ing.
Neris Adalberto Falcn Rodrguez. Su principal conclusin es que la empresa Talleres
Ambamazda S.A., tiene problemas en el anlisis e interpretacin de las ventas a nivel
gerencial, debido a que la informacin se lleva manualmente y el volumen de los datos no
ayuda a tener resultados reales y oportunos, tanto para el crecimiento de las ventas, como
para un mejor manejo de stock en bodega y satisfaccin de los clientes. Para un servicio de
calidad se requiere de un estudio de Inteligencia de Negocios, con esto se obtendrn
clientes satisfechos y ofrecer mejores servicios y productos reduciendo el tiempo de
atencin y mejorando sus despachos.

En la Facultad de Ingeniera en Sistemas, Electrnica e Industrial de la Universidad

Tcnica de Cajamarca, existe una tesis denominada Estudio comparativo de herramientas
BI para su aplicacin en las Estadsticas del Censo Nacional Econmico 2010 del
Instituto Nacional de Estadsticas y Censos. realizada por el Ing. Juan Israel Crdova
Manjarrez. Su principal conclusin es que el CENEC del INEC no posee personal tcnico
calificado para el uso y manejo de Herramientas BI, situacin que impide la realizacin de
estudios tcnicos que garanticen la adopcin de la tecnologa ms adecuada para el anlisis
de la informacin.

Para la presente investigacin en primer lugar se definirn los conceptos de los elementos
que intervienen en la implementacin del Datamart para tener claro cules son las ventajas
de una herramienta de inteligencia que ayuda a la toma de decisiones efectiva en la
empresa CORPORACION DECSUR S.R.L.

2.1. Marco Terico

2.1.1. Definicin de toma de decisiones
La toma de decisiones es el proceso de identificacin de un problema u oportunidad y la
seleccin de una alternativa de accin entre varias existentes, es una actividad diligente
clave en todo tipo de organizacin. [1]

Se puede decir que el proceso de toma de decisiones es la integracin de todos los

mecanismos que intervienen en el tratamiento de los datos hasta su conversin en
conocimiento, por parte de los administrativos, y por ltimo, la ejecucin de las medidas.

2.2.1.1 Proceso de toma de decisiones.

Debido a la inestabilidad de los ambientes y el riesgo de actuar sin contar con los
elementos necesarios, los directivos de las organizaciones necesitan manipular grandes
volmenes de datos, convertirlos en informacin y generar el conocimiento necesario para
cumplir con los objetivos propuestos. [2]
Adems en base a [2], este proceso debe abarcar las cuatro funciones administrativas
fundamentales: planeamiento, organizacin, conduccin y control.

La Planeacin: Seleccin de misiones y objetivos as como de las acciones para

cumplirlas. Esto implica Toma de decisin.

Cules son los objetivos de la organizacin, a largo plazo?

Qu estrategias son mejores para lograr este objetivo?
Cules deben ser los objetivos a corto plazo?
Cun altas deben ser las metas individuales?

Organizacin: Establecimiento de la estructura que desempean los individuos dentro de

la organizacin.

Cunta centralizacin debe existir en la organizacin?

Cmo deben disearse los puestos?
Quin est mejor calificado para ocupar un puesto vacante?
Cundo debe una organizacin instrumentar una estructura diferente?

Direccin: Esta funcin requiere que los administradores influyan en los individuos para el
cumplimiento de las metas organizacionales y grupales.
Cmo manejo a un grupo de trabajadores que parecen tener una motivacin baja?
Cul es el estilo de liderazgo ms eficaz para una situacin dada?
Cmo afectar un cambio especfico a la productividad del trabajador?
Cundo es adecuado estimular el conflicto?

Control: Es la medicin y correccin del desempeo individual y organizacional de

manera tal que se puedan lograr los planes.

Qu actividades en la organizacin necesitan ser controladas?

Cmo deben controlarse estas actividades?
Cundo es significativa una desviacin en el desempeo?
Cundo la organizacin est desempendose de manera efectiva?

Como se muestra en la Figura 2.1 el proceso de la toma de decisiones abarca 4 funciones

importantes que se debe tomar en cuenta a la hora de tomar decisiones en la empresa.

Figura 2.1: Los sistemas de informacin en las organizaciones

Fuente: http://www.scielo.org.ve/scielo.php?pid=S101215872007000100008&script=sci_arttext

2.2.1.2 Estructura jerrquica

Generalmente el rol que ocupa el personal de las empresas se agrupa en alguno de los tres
niveles jerrquicos de autoridad y responsabilidad, particularmente en la toma de
decisiones, empleo de recursos, ejecucin del trabajo y supervisin de resultados. Estos
niveles jerrquicos se conocen como: [3]

Segn [3], la estructura jerrquica de la toma de decisiones tiene tres niveles especficos
detallados a continuacin.
- Estratgico: Es el mximo rgano de autoridad y liderazgo, integrado por el consejo
administrativo, presidente y directores donde descansa la conduccin de la empresa.

- Tctico: Es el nivel intermedio de autoridad, compuesto por los responsables de aplicar los
lineamientos dispuestos por los superiores y de dirigir al personal encargado de las tareas.

- Operativo: Formulado por el personal y supervisores especializados en el desempeo de

actividades especficas del proceso de produccin de bienes o de prestacin de servicios
representantes del giro comercial de la empresa.

Tradicionalmente los niveles anteriores se ilustran como una pirmide dividida en tres
partes, para destacar el orden ascendente de autoridad, el impacto de las decisiones y
competencia de las funciones que cada rango realiza.
Como se muestra en la Figura 2.2 se puede observar los niveles o jerarquas de la toma de
decisiones.

Pirmide Jerrquica de la Toma de Decisiones.

Figura 2.2: Proceso Administrativo

Fuente: http://www.gestiopolis.com/recursos5/docs/ger/buconce.html

En conclusin se puede decir que cada uno de los niveles o jerarquas representa la forma
en que est organizada la empresa empezando por el gerente quien dirige la misma.

2.2.1.3 Etapas de la Toma de Decisin

 Segn [4], existen 6 etapas de la toma de decisiones que son importantes tomar en cuenta a
la hora de identificar el problema que presentan las empresas.

Las etapas de la toma de decisiones son:

Identificacin y diagnstico del problema
Generacin de soluciones alternativas
Seleccin de la mejor alternativa
Evaluacin de alternativas
Evaluacin de la decisin
Implantacin de la decisin
2.2.3 Sistemas de Soporte a la Decisin (DSS)
Un Sistema de Soporte a la Decisin (DSS) es una herramienta de Business Intelligence
enfocada al anlisis de los datos de una organizacin.

En principio, puede parecer que el anlisis de datos es un proceso sencillo, y fcil de

conseguir mediante una aplicacin hecha a medida o un ERP sofisticado. Sin embargo, no
es as: estas aplicaciones suelen disponer de una serie de informes predefinidos en los que
presentan la informacin de manera esttica, pero no permiten profundizar en los datos,
navegar entre ellos, manejarlos desde distintas perspectivas... etc. [5]

Segn [5], los sistemas de soporte a la decisin tienen caractersticas que se detallan a
continuacin:

* Informes dinmicos, flexibles e interactivos.- De manera que el usuario no tenga que

ceirse a los listados predefinidos que se configuraron en el momento de la implantacin, y
que no siempre responden a sus dudas reales.

* No requiere conocimientos tcnicos.- Un usuario no tcnico puede crear nuevos grficos

e informes y navegar entre ellos, haciendo drag&drop o drill through. Por tanto, para
examinar la informacin disponible o crear nuevas mtricas no es imprescindible buscar
auxilio en el departamento de informtica.

* Rapidez en el tiempo de respuesta.- Ya que la base de datos subyacente suele ser un

datawarehouse corporativo o un Datamart, con modelos de datos en estrella o copo de
 nieve. Este tipo de bases de datos estn optimizadas para el anlisis de grandes volmenes
de informacin.

* Integracin entre todos los sistemas/departamentos de la compaa.- El proceso de

ETL previo a la implantacin de un Sistema de Soporte a la Decisin garantiza la calidad y
la integracin de los datos entre las diferentes unidades de la empresa. Existe lo que se
llama: integridad referencial absoluta.

* Cada usuario dispone de informacin adecuada a su perfil.- No se trata de que todo el

mundo tenga acceso a toda la informacin, sino de que tenga acceso a la informacin que
necesita para que su trabajo sea lo ms eficiente posible.
* Disponibilidad de informacin histrica. En estos sistemas est a la orden del da
comparar los datos actuales con informacin de otros perodos histricos de la compaa,
con el fin de analizar tendencias, fijar la evolucin de parmetros de negocio... etc.

OLTP - On-Line Transactional Processing. - Los sistemas OLTP son bases de datos
orientadas al procesamiento de transacciones. Una transaccin genera un proceso atmico
(que debe ser validado con un commit, o invalidado con un rollback), y que puede
involucrar operaciones de insercin, modificacin y borrado de datos. El proceso
transaccional es tpico de las bases de datos operacionales.

- El acceso a los datos est optimizado para tareas frecuentes de lectura y escritura. (Por
ejemplo, la enorme cantidad de transacciones que tienen que soportar las BD de bancos o
hipermercados diariamente). [6]

OLAP - On-Line Analytical Processing.- Los sistemas OLAP son bases de datos
orientadas al procesamiento analtico. Este anlisis suele implicar, generalmente, la lectura
de grandes cantidades de datos para llegar a extraer algn tipo de informacin til:
tendencias de ventas, patrones de comportamiento de los consumidores, elaboracin de
informes complejos, etc. Este sistema es tpico de los datamarts.

- El acceso a los datos suele ser de slo lectura. La accin ms comn es la consulta, con
muy pocas inserciones, actualizaciones o eliminaciones.

- Los datos se estructuran segn las reas de negocio, y los formatos de los datos estn
integrados de manera uniforme en toda la organizacin. [6]
Sistemas MOLAP

La arquitectura MOLAP usa unas bases de datos multidimensionales para proporcionar el

anlisis, su principal premisa es que el OLAP est mejor implantado almacenando los datos
multidimensionalmente. Un sistema MOLAP usa una base de datos propietaria
multidimensional, en la que la informacin se almacena multidimensionalmente, para ser
visualizada en varias dimensiones de anlisis.
El sistema MOLAP utiliza una arquitectura de dos niveles: la bases de datos
multidimensionales y el motor analtico. La base de datos multidimensional es la encargada
del manejo, acceso y obtencin del dato.

El nivel de aplicacin es el responsable de la ejecucin de los requerimientos OLAP. El

nivel de presentacin se integra con el de aplicacin y proporciona una interfaz a travs del
cual los usuarios finales visualizan los anlisis OLAP. Una arquitectura cliente/servidor
permite a varios usuarios acceder a la misma base de datos multidimensional. [6]

La arquitectura MOLAP requiere unos clculos intensivos de compilacin. Lectura de

datos precompilados, y tiene capacidades limitadas de crear agregaciones dinmicamente o
de hallar ratios que no se hayan precalculados y almacenados previamente.

Sistemas ROLAP

La arquitectura ROLAP, accede a los datos almacenados en un datawarehouse para

proporcionar los anlisis OLAP. La premisa de los sistemas ROLAP es que las capacidades
OLAP se soportan mejor contra las bases de datos relacionales.

El sistema ROLAP utiliza una arquitectura de tres niveles. La base de datos relacional
maneja los requerimientos de almacenamiento de datos, y el motor ROLAP proporciona la
funcionalidad analtica. El nivel de base de datos usa bases de datos relacionales para el
manejo, acceso y obtencin del dato. El nivel de aplicacin es el motor que ejecuta las
consultas multidimensionales de los usuarios.

El motor ROLAP se integra con niveles de presentacin, a travs de los cules los usuarios
realizan los anlisis OLAP. Despus de que el modelo de datos para el datawarehouse se ha
definido, los datos se cargan desde el sistema operacional. Se ejecutan rutinas de bases de
datos para agregar el dato, si as es requerido por el modelo de datos. Se crean entonces los
ndices para optimizar los tiempos de acceso a las consultas.

Los usuarios finales ejecutan sus anlisis multidimensionales, a travs del motor
ROLAP, que transforma dinmicamente sus consultas a consultas SQL. Se ejecutan estas
consultas SQL en las bases de datos relacionales, y sus resultados se relacionan mediante
tablas cruzadas y conjuntos multidimensionales para devolver los resultados a los
usuarios. [6]

Sistemas HOLAP

Un desarrollo un poco ms reciente ha sido la solucin OLAP hbrida (HOLAP), la cual

combina las arquitecturas ROLAP y MOLAP para brindar una solucin con las mejores
caractersticas de ambas: desempeo superior y gran escalabilidad. Un tipo de HOLAP
mantiene los registros de detalle (los volmenes ms grandes) en la base de datos
relacional, mientras que mantiene las agregaciones en un almacn MOLAP separado.

Se puede concluir que ROLAP son sistemas analticos relacionales que usan SGBD para
extraer la informacin, por el contrario la tecnologa MOLAP son herramientas de anlisis
[6]

2.2.4. DataWarehouse
Un Datawarehouse es una base de datos corporativa que se caracteriza por integrar y
depurar informacin de una o ms fuentes distintas, para luego procesarla permitiendo su
anlisis desde infinidad de perspectivas y con grandes velocidades de respuesta. La
creacin de un Datawarehouse representa en la mayora de las ocasiones el primer paso,
desde el punto de vista tcnico, para implantar una solucin completa y fiable de
Inteligencia de Negocios. [7]

Un almacn de datos (DataWarehouse) es una coleccin de datos orientada a un

determinado mbito (empresa, organizacin, etc.), integrado, no voltil y variable en el
tiempo, que ayuda a la toma de decisiones en la entidad en la que se utiliza. Es una
estructura de datos donde la informacin contenida est diseada para favorecer el anlisis
y la divulgacin eficiente de datos. Los almacenes de datos contienen a menudo grandes
cantidades de informacin que se subdividen a veces en unidades lgicas ms pequeas
dependiendo del subsistema de la entidad del que procedan o para el que sea necesario.
Dichas unidades se denominan Datamarts. [7]
Como se muestra a continuacin en la Figura 2.3 se puede observar la estructura
conceptual del Data Warehouse.

Figura 2.3: Diseo Conceptual del Data Warehouse

Fuente:http://www.elprisma.com/apuntes/administracion_de_empresas/tomadedecisionesintro/d
efault4.asp

La ventaja principal de este tipo de bases de datos radica en las estructuras en las que se
almacena la informacin (modelos de tablas en estrella, en copo de nieve, cubos
relacionales... etc.). Este tipo de persistencia de la informacin es homognea y fiable, y
permite la consulta y el tratamiento jerarquizado de la misma (siempre en un entorno
diferente a los sistemas operacionales). [8]

En la Figura 2.4 se muestra la estructura del Data Warehouse.

 Figura 2.4: Estructura de un Data Warehouse
Fuente: //www.datamart.datawarehouse.org/Data Mart y Data Warehouse _ El Blog de Ana
Buigues.htm/
2.2.4.1 Procesos Bsicos del Data Warehouse (ETL)
Extraccin: Es el primer paso de obtener informacin hacia el ambiente del Data
Warehouse. Consiste en extraer los datos desde los sistemas de origen. Cada sistema
separado puede usar una organizacin diferente de los datos o formatos distintos. La
extraccin convierte los datos a un formato preparado para iniciar el proceso de
transformacin.

Un parte intrnseca del proceso de extraccin es la de analizar los datos extrados, se realiza
un chequeo, el cual verifica si los datos cumplen la pauta o estructura que se esperaba. Si
no es as son rechazados. [7]

Transformacin: Luego de que la informacin fue extrada, se pueden realizar diferentes

pasos de transformacin, como puede ser: limpieza de la informacin, botar a la basura lo
que consideramos innecesario, seleccionar campos especficos que consideremos
necesarios para el Data Warehouse, realizar combinaciones fuentes de datos, etc. [7]

Carga: Al final del proceso de transformacin, los datos estn en forma para ser
cargados. Dependiendo de los requerimientos de la organizacin, este proceso puede
abarcar una amplia variedad de acciones diferentes. [7]

Segn [7], existen dos formas bsicas para desarrollar el proceso de carga de los datos:
Acumulacin simple: Consiste en realiza un resumen de todas las transacciones
comprendida en el periodo de tiempo seleccionado y transportar el resultado como una
nica transaccin hacia el Data Warehouse para su almacenamiento.

Rolling: Almacena informacin resumida a distintos niveles, correspondientes a distintas

agrupaciones de la unidad de tiempo o diferentes niveles jerrquicos. (Casos de varios
niveles de granularidad).

A continuacin en la Figura N 2.5 se muestra los procesos bsicos se se realizan en la

creacin del Datawarehouse o Datamart.

Figura 2.5: Proceso de Extraccin, Transformacin o Elaboracin y Carga

Fuente: http://www.datamart.datawarehouse.org/Data Mart y Data Warehouse _ El Blog de Ana
Buigues.htm/

2.2.5. Datamart
Un Datamart es una base de datos departamental, especializada en el almacenamiento de
los datos de un rea de negocio especfica. Se caracteriza por disponer la estructura ptima
de datos para analizar la informacin al detalle desde todas las perspectivas que afecten a
los procesos de dicho departamento. Un Datamart puede ser alimentado desde los datos de
un datawarehouse, o integrar por s mismo un compendio de distintas fuentes de
informacin.

Por tanto, para crear el Datamart de un rea funcional de la empresa es preciso encontrar la
estructura ptima para el anlisis de su informacin, estructura que puede estar montada
sobre una base de datos OLTP, como el propio datawarehouse, o sobre una base de datos
OLAP. La designacin de una u otra depender de los datos, los requisitos y las
caractersticas especficas de cada departamento. [9]

Como se muestra en la Figura 2.6 el Datamart tiene una estructura ptima para el anlisis
de la informacin.
 Figura 2.6: Datamart
Fuente: http://www.datamart.datawarehouse.org/Data Mart y Data Warehouse _ El Blog de Ana
Buigues.htm/
2.2.5.1 Componentes del Datamart
Fuentes de Datos
Son las que alimentan de informacin al DataMart, estn diseadas para registrar
grandes cantidades de transacciones. Entre ella tenemos la base de datos OLTP (Una
base de datos para soportar procesos transaccionales). [9]

Segn [9], la fuente de datos tiene las siguientes caractersticas:

Son pobladas por usuarios finales.
Se optimizan en funcin a procesos transaccionales.
Se actualizan constantemente.
Contienen mucha informacin de detalle.

Procesos de extraccin, transformacin y carga de datos (ETL)

Los datos se encuentran almacenados en base de datos destinados al registro de

transacciones. Es necesario extraer y transformar los datos antes de cargar los
resultados en el DataMart.

Los mismos elementos de datos, si son usados por aplicaciones diferentes o

administrados por diferentes software DBMS, pueden definirse al usar nombres de
elementos inconsistentes, que tienen formatos inconsistentes y/o ser codificados de
manera diferente. Todas estas inconsistencias deben resolverse antes que los elementos
de datos sean almacenados en el DataMart. [9]

2.2.5.2 Datamart OLAP

 Se basan en los populares cubos OLAP, que se construyen agregando, segn los requisitos
de cada rea o departamento, las dimensiones y los indicadores necesarios de cada cubo
relacional. El modo de creacin, explotacin y mantenimiento de los cubos

OLAP es muy heterogneo, en funcin de la herramienta final que se utilice. [8]

2.2.5.2 Datamart OLTP

Pueden basarse en un simple extracto del datawarehouse, no obstante, lo comn es
introducir mejoras en su rendimiento (las agregaciones y los filtrados suelen ser las
operaciones ms usuales) aprovechando las caractersticas particulares de cada rea de la
empresa. Las estructuras ms comunes en este sentido son las tablas report, que vienen a
ser fact-tables reducidas (que agregan las dimensiones oportunas). [8]

Segn [8], los Datamarts que estn dotados con estas estructuras ptimas de anlisis
presentan las siguientes ventajas:

Poco volumen de datos

Mayor rapidez de consulta
Validacin directa de la informacin
Facilidad para la historizacin de los datos

2.2.5.3 Beneficios de un Datamart

Pueden fcilmente extenderse a la toma de decisiones estratgicas, que pueden brindar
beneficios grandes y tangibles.

Permite entender y administrar simultneamente macro y micro perspectivas del rea de

comercio exterior, lo que puede ahorrar incontables horas de trabajo y ayudar a evitar
errores que pueden ser el resultado de suposiciones que se hicieron con base en datos
incompletos o incorrectos. [9]

2.2.6. Metodologa de Ralph Kimball

La metodologa de Kimball se enfoca principalmente en el diseo de la base de datos que
almacenar la informacin para la toma de decisiones. El diseo se basa en la creacin de
tablas de hechos (FACTS) que son tablas que contienen la informacin numrica de los
indicadores a analizar, es decir la parte cuantitativa de la informacin. [10]
2.2.6.1 Ciclo de vida de la Metodologa de Ralph Kimball
Para analizar el ciclo de vida de la metodologa de Ralph Kimball se toman en cuenta
muchos aspectos importantes que deben ser especficos a la hora de la construccin del

Datamart. [10]
Segn [10], el ciclo de vida de la metodologa de Ralph Kimball se detalla a continuacin.

2.2.6.1.1. Planificacin del Proyecto.

Busca identificar la definicin y el alcance del proyecto de Data Warehouse, las
justificaciones del negocio y evaluaciones de factibilidad. Se focaliza sobre recursos,
perfiles, tareas, duraciones y secuencialidad.

Es independiente al negocio y sus requerimientos. Esta etapa identifica el escenario del

proyecto para saber dnde surge la necesidad del Data Warehouse. Algunos factores
asociados con esta etapa son: o Identificacin de los tres Sponsors (usuarios).

o Convincentes motivaciones del negocio. o

Cooperacin entre reas y negocios de
sistemas.

o Cultura analtica de la organizacin y, o

Anlisis de factibilidad.

2.2.6.1.2. Definicin de los requerimientos del negocio.

Los diseadores de los data warehouse deben entender los factores claves que guan al
negocio para determinar efectivamente los requerimientos y traducirlos en consideraciones
de diseo apropiadas, pues son la base para las tres etapas paralelas subsiguientes
focalizadas en la tecnologa, los datos y las aplicaciones. [10]

2.2.6.1.3. Modelado dimensional.

Bsicamente se comienza con una matriz donde se determina la dimensionalidad de cada
indicador y luego se especifican los diferentes grados de detalle (atributos), dentro de cada
concepto del negocio (dimensin), as como la granularidad de cada indicador (variable o
mtrica) y las jerarquas que dan forma al modelo dimensional del negocio (BDM) o mapa
dimensional.
 El modelado dimensional se basa en HECHOS (Facts) y es una alternativa al modelado
relacional. [10]

Sus principales ventajas son:

- Enfocado en el negocio y sus actividades
- Permite bsquedas a gran velocidad

Cada Modelo Dimensional est compuesta por una tabla con una llave combinada, llamada
tabla de hechos, y con un conjunto de tablas ms pequeas llamadas tablas de dimensiones.

Segn [10], los elementos de estas tablas se detallan a continuacin:

Hechos: es una coleccin de piezas de datos y datos de contexto. Cada hecho representa
una parte del negocio, una transaccin o un evento.

Dimensiones: es una coleccin de miembros, unidades o individuos del mismo tipo.

Medidas: son atributos numricos de un hecho que representan el comportamiento del
negocio relativo a una dimensin.

Cada punto de entrada a la tabla de hechos est conectado a una dimensin, lo que
permite determinar el contexto de los hechos.

Adems segn [10], cabe recalcar que para la construccin del Datamart se efectan cuatro
pasos importantes que se debe tomar en cuenta. Pasos en el diseo conceptual del
almacn de datos

1. Decidir cules sern los procesos de negocios a modelar, basndose en el conocimiento de

stos y de los datos disponibles.

2. Decidir el Grano de la dimensin de hecho de cada proceso de negocio.

El grano decidir las dimensiones del Dtm. Cada dimensin debe tener el grano ms
pequeo que se pueda puesto que las preguntas que se realicen necesitan cortar la base en
caminos precisos (aunque las preguntas no lo pidan explcitamente).

3. Decidir las dimensiones a travs del grano. Las dimensiones presentes en la mayora de los
DDW son: tiempo, mercado, producto, cliente. Un grano bien elegido determina la
dimensionalidad primaria de la de hecho.

Es posible usualmente agregar dimensiones adicionales al grano bsico de la de hecho,

donde estas dimensiones adicionales toman un solo valor para cada combinacin de las
dimensiones primarias. Si se reconoce que una dimensin adicional deseada viola el grano
 por causar registros adicionales a los generados, entonces el grano debe ser revisado para
acomodar esta dimensin adicional.

4. Elegir las mediciones del negocio para la de hecho. Se deben establecer los tems que
quedarn determinados por la clave compuesta de la de hecho.

Diseo fsico
El diseo fsico se focaliza sobre la seleccin de estructuras necesarias para soportar el
diseo lgico. Los elementos principales de este proceso son la definicin de convenciones
estndares de nombres y seteos especficos del ambiente de la base de datos. La indexacin
y las estrategias de particionamiento son tambin determinadas etapas. [10]

Diseo y desarrollo de presentacin de datos.

Las principales sub-etapas de esta zona del ciclo de vida son: la extraccin, la
transformacin y la carga (ETL process). Se definen como procesos de extraccin a
aquellos requeridos para obtener los datos que permitirn efectuar la carga del modelo
fsico acordado. Los procesos de transformacin sirven para convertir o recodificar los
datos fuente para cargar el modelo fsico. Los procesos de carga de datos sirven para poblar
el Data Warehouse. [10]

Diseo de la Arquitectura Tcnica

Los ambientes de data warehousing requieren la integracin de numerosas tec nologas.
Se debe tener en cuenta tres factores: los requerimientos del negocio, los actuales
ambientes tcnicos y las directrices tcnicas estratgicas futuras planificadas para de esta
forma poder establecer el diseo de la arquitectura tcnica del ambiente de data
warehousing.

Al igual que en una construccin, los planos sirven para comunicar los deseos entre los
clientes y el arquitecto, como as tambin para medir esfuerzos y materiales necesarios
para la obra (comunicacin, planificacin, flexibilidad y mantenimiento, documentacin,
productividad y reuso). [10]

Seleccin de Productos e Instalacin

Utilizando el diseo de arquitectura tcnica como marco, es necesario evaluar y
seleccionar componentes especficos de la arquitectura como ser la plataforma de
hardware, el motor de base de datos, la herramienta de ETL o el desarrollo pertinente,
herramientas de acceso, etc.

Una vez evaluados y seleccionados los componentes determinados se procede con la

instalacin y prueba de los mismos en un ambiente integrado de data warehousing. [10]

Especificacin de Aplicaciones para Usuarios Finales

Los diferentes roles o perfiles de usuarios determinan la interface o ventana al warehouse.
Herramientas de diseo de reportes y consultas avanzadas para analistas, tableros de
control para gerentes, acceso mediante inter/intra net para usuarios internos/externos
remotos, envo de informacin por dispositivos no estndares para usuarios
internos/externos, etc. [10]

Desarrollo de Aplicaciones para Usuarios Finales

Siguiendo a la especificacin de las aplicaciones para usuarios finales, el desarrollo de las
aplicaciones de los usuarios finales involucra configuraciones del metadata y construccin
de reportes especficos. [10]

Implementacin
La implementacin representa la convergencia de la tecnologa, los datos y las
aplicaciones de usuarios finales accesible desde el escritorio del usuario del negocio. Hay
varios factores extras que aseguran el correcto funcionamiento de todas estas piezas, entre
ellos se encuentran la capacitacin, el soporte tcnico, la comunicacin. Todas estas tareas
deben ser tenidas en cuenta antes de que cualquier usuario pueda tener acceso al data
warehouse. [10]

El ciclo de vida de Ralph Kimball sigue una serie de paso cada uno de ellos se realiza de
acuerdo a las especificaciones de cada una de las empresas las cuales necesitan tomar
decisiones adecuadas para la toma de decisiones efectiva dentro de una rea especfica para
analizar desde diferentes puntos de vista, desde perspectivas diferentes segn las reglas de
negocios que se definen en cada una de las mismas.

Como se muestra en la Figura 2.7 el ciclo de vida de Ralph Kimball se desarrolla por
etapas o pasos.
Ciclo de Vida - Metodologa Kimball

Figura 2.7: Ciclo de vida del Datamart

Fuente: Ralph Kimball

2.2.7. Tecnologa Qlik View

Acceda a la informacin relevante, procedente de mltiples sistemas empresariales, con
una carga incremental de actualizaciones. Combine datos en una misma ubicacin, en
memoria, para tener acceso a un alto nivel de detalle a todo tipo de indicadores: de alto
nivel o detalles especficos de las transacciones. Trabaje en una analtica dinmica e
interactiva a travs de los dispositivos mviles ms habituales. [11]

2.2.7.1. Qlikview Desktop

QlikView Desktop es una aplicacin para Windows, un punto nico de interaccin para la
extraccin y transformacin de datos, el diseo de analticas y la elaboracin de cuadros
de mando e informes. Empleando la interfaz intuitiva de QlikView Desktop, los
desarrolladores crean scripts muy similares a SQL y ampliados mediante asistentes, que
potencian la recopilacin y transformacin de datos, procedentes de mltiples fuentes, en
un modelo asociativo. [11]
QlikView permite la creacin rpida de apps, las cuales pueden ir desde simples
descripciones grficas de datos en un solo grfico, hasta vistas multi-usuario, con mltiples
pestaas, con seguridad integrada y diversas vistas de mltiples facetas de una misma
empresa.

El anlisis con QlikView puede personalizarse y organizarse conforme a las necesidades

del usuario, e incluye unas aplicaciones analticas profundas y sofisticadas, con unos
cuadros de mando intuitivos y unos informes detallados y actualizados en todo momento.

2.3. Propuesta de solucin

Se ha realizado el estudio de los procesos de ventas, se determina que la
construccin de un Datamart facilitar mejorar el proceso de toma de decisiones en
las ventas de la Empresa CORPORACION DECSUR S.R.L..

CAPTULO III

MARCO METODOLGICO

3.1. Modalidad de la investigacin

El presente proyecto es de investigacin y desarrollo para el efecto se realiz una
investigacin de campo y bibliogrfica documental.

3.1.1. Modalidad Bibliogrfica o documentada.- Se ha considerado esta modalidad ya

que se encontr informacin de libros tcnicos, revistas, internet, videos para la
construccin del marco terico del proyecto a realizarse en la empresa CORPORACION
DECSUR S.R.L.

3.1.2. Modalidad de Campo.-La investigacin utiliz una indagacin de Campo para

describir de qu modo o porqu causas se produce el problema y as poder determinar si es
factible o no solucionarse, se estudi la situacin en la empresa CORPORACION
DECSUR S.R.L., donde se encuentra el problema a resolverse y ms an tener el contacto
directo con cada uno de los investigados y poder sacar as una conclusin directa y
confiable.

3.2. Poblacin y muestra

Tabla 3.1: Poblacin y Muestra

Poblacin Frecuencia %
Secretarias del departamento de ventas 2 50%
Gerente de la empresa 1 25%
Jefe responsable del proyecto 1 25%
TOTAL 4 100%
Elaborado por: Investigador

3.3. Recoleccin de la informacin

Para la recoleccin de la informacin se aplic una entrevista estructurada y una ficha de
observacin para hacer un estudio de la toma de decisiones de la empresa, dentro de este
trabajo de investigacin se aplic la observacin directa, porque se pone en contacto con
los involucrados, para analizar los procesos de las ventas que realizan en la misma.

En la ficha de observacin (Anexo 1) se recolecto la informacin necesaria, se analiz el

sistema transaccional del departamento de ventas, observando que los datos que muestra no
cumple con los requerimientos del personal que maneja el sistema, por ejemplo los
reportes que se visualiza son estticos de acuerdo a una determinada fecha, en conclusin
es necesario la construccin del Datamart porque se puede analizar en parmetros de
tiempo y vendedor, cliente, empresa.
 En la entrevista estructurada con preguntas cerradas (Anexo2) realizada a la contadora del
Departamento de Ventas, se concluye que el sistema actual no es muy eficiente porque los
datos de los procesos de venta que obtienen son incompletos y parciales, y la toma de
decisiones que realiza el gerente no es adecuada o precisa por la prdida de tiempo al
momento de analizar los datos requeridos, por lo tanto es necesario la construccin de un
Datamart que ayude a la de decisiones.

Tambin se hizo una entrevista (Anexo3) al gerente de la empresa, para saber si la

informacin que analiza es precisa y completa, se concluy que el gerente no estaba de
acuerdo con la informacin que se muestra de las ventas que se generan a diario, adems
poda analizar las ventas en parmetros de tiempo es decir que es difcil analizar los ventas
anteriores, si cumplieron o no las metas para el crecimiento de la empresa, pon lo tanto es
necesario un sistema de inteligencia de negocios que ayude a la toma de decisiones a nivel
gerencial.

Se recopil la informacin de los Datos del sistema transaccional que actualmente utiliza la
empresa, para analizar la informacin con una perspectiva histrica y actual de las
ventas que realiza la misma.

3.4. Procesamiento y anlisis de datos

Una vez recolectada la informacin necesaria se procedi al anlisis respectivo de la
misma, ya que esta es la parte fundamental de la investigacin

Para el procesamiento de la informacin obtenida se realizan las siguientes actividades:

Organizar los datos que se obtendrn en la recoleccin de la informacin para ver los
posibles datos duplicados, incoherencias, etc.

Jerarquizar los datos que permitirn una clasificacin que responda a los procesos de
procesamiento y toma de decisiones de la empresa.

Analizar el proceso de toma de decisiones de la empresa.

Determinar los datos e informacin utilizados en la toma de decisiones.
Establecer los requerimientos para construir el sistema de toma de decisiones.
 CAPITULO IV

DESARROLLO DE LA PROPUESTA

4.1 Datos Informativos

TITULO: Construccin de un Datamart orientado a de ventas para la toma de decisiones

en la empresa CORPORACION DECSUR S.R.L. de la cuidad de Ambato.

INSTITUCIN EJECUTORA: Departamento de ventas de CORPORACION DECSUR

S.R.L.
Es una empresa dedicada a la venta, consumo y distribucin de productos avcolas, as
como tambin, a la distribucin de implementos de todo tipo de accesorios para el
equipamiento de las avcolas de la provincia.

BENEFICIARIOS: Departamento Gerencial de la Empresa CORPORACION DECSUR

S.R.L.

UBICACIN: San Romn Juliaca

4.2. Antecedentes de la Propuesta

La inteligencia de negocios en nuestro pas es poco explotado debido al desconocimiento
del manejo de las herramientas, el beneficio, al costo de las herramientas e
implementacin, adems de ello que es poco comn en el mercado.
La tecnologa se ha convertido en un pilar fundamental para las empresas que desean ser
competitivas, volvindose ms conscientes de las necesidades de adquirir herramientas que
faciliten los controles, procesos y la toma de decisiones.

La presente propuesta se viabiliza en la construccin de un Almacn de datos orientado a

un departamento de Ventas (Datamart de Ventas), para la empresa CORPORACION
DECSUR S.R.L., buscando de esta forma, optimizar la informacin y mejorar el actual
sistema que mantiene, para que el gerente pueda analizar, realizar consultas, seleccionar
un determinado cliente, producto, vendedor y verificar la rentabilidad de la informacin de
las ventas y pueda tomar decisiones manera rpida y eficiente.

Este tipo de arquitectura es aplicable a todo tipo de empresa o industria que tiene
volmenes transaccionales e inventarios importantes, y que utiliza sistemas mecanizados
para las operaciones y transacciones de negocio.

La empresa CORPORACION DECSUR S.R.L., es una empresa de venta de productos en

el rea avcola a nivel de la provincia y el pas en general para pequeas, medianas y
grandes empresas, adems sus productos son consumidos por las granjas avcolas a su
cargo en diferentes puntos de la provincia, por lo que se ve en la necesidad de agilitar sus
procesos y servicio debido al gran volumen de informacin que maneja y optimizar el
tiempo de espera de los reportes de las mismas.

El principal problema que se ha encontrado es la falta de una herramienta de control a

nivel gerencial para una buena toma de decisin en las anteriores y posibles ventas y poder
analizar los datos e interpretarlos, para centrarse en las debilidades que tiene la empresa y
solucionarlo de la mejor manera.

Otro problema que se debe destacar es el gran volumen informacin que maneja el
departamento de ventas cada ao, esto hace que la misma quede almacenada y el gerente
no vea la informacin real del estado de las ventas.

Esta situacin se presenta ya que los gerentes desean informacin en tiempo real que ayude
al proceso y mejor evolucin de las ventas por lo que los mtodos actuales no son
adecuados para minimizar o eliminar el problema y analizar el estado actual de las ventas.

4.3 Justificacin

La ventaja de utilizar un Datamart como herramienta al soporte de toma de decisiones son

muchas por ejemplo: que el departamento de Ventas pueda consultar la informacin sin
tener que depender de personal tcnico (programadores o analistas de sistemas) que genere
consultas ad hoc (especificas) es ofrecer un servicio en lnea que le permita a los usuarios
especificar un rango de variables, como fechas de inicio y conclusin a travs de un
lenguaje y/o herramienta de programacin, lo cual adems conlleva en disminuir el tiempo
de espera en la generacin de consultas y reportes para analizar las ventas que realizan y
tomar una decisin precisa.

Adems el departamento de Ventas podr manejar la informacin, examinarla desde

diferentes puntos de vista, de manera que puedan entenderla mejor e interpretarla de
acuerdo a su criterio y ver las debilidades que tiene los vendedores y solucionar de manera
eficiente.
El uso de herramientas tecnolgicas se hace indispensable para cualquier empresa que
desea mantenerse competitiva en el mercado, adems de optimizar procesos y toma de
decisiones a nivel gerencial, ofreciendo mejores servicios a los clientes y garantizando la
agilidad de los procesos para satisfaccin de sus usuarios y de la empresa sobre sus ventas
a nivel de toda la provincia y pas en general.

El proponer la construccin de un Datamart para el departamento de ventas en la empresa

CORPORACION DECSUR S.R.L., dar la oportunidad de brindar informacin clara,
oportuna y en tiempo real, a la gerencia, y la informacin se pueda analizar de forma
permanente analizando la informacin de las ventas desde diferentes puntos de vista,
permite al gerente realizar una seleccin de datos que desee analizar de manera eficiente.

Es importante realizar esta propuesta ya que un Datamart, permitir realizar consultas de

manera oportuna para simplificar y normalizar los procedimientos administrativos de
ventas, facilitando el manejo de la informacin, ahorrando tiempo y dinero. Se debe tomar
en cuenta que el Datamart debe ser de fcil manejo para la adaptacin y manipulacin de
la gerencia; el mismo se encargar de mostrar los reportes de las ventas que se realiza,
esta herramienta facilitar los procesos y ayudar a obtener resultados confiables y
oportunos.

Los beneficios que aportar la construccin de un Datamart favorecer a la gerencia de la

empresa ofreciendo informacin oportuna para las ventas, evitando de esta manera el
amontonamiento de trabajo y prdida de tiempo, la explotacin de la informacin de la
misma es rpida y oportuna para ayudar a una mejor toma de decisiones, adems puede ir
taladrando o penetrando la informacin de acuerdo a su criterio y verificar la rentabilidad
de cada uno de los involucrados en las ventas.

4.4 Hiptesis

Hiptesis General
Construccin de un Datamart orientado a las Ventas para la toma de decisiones en la
empresa CORPORACION DECSUR S.R.L., en la ciudad de San Romn Juliaca.

Hiptesis Especficos
 Definir los requerimientos generales del rea de ventas para la construccin del Datamart.

Identificar los indicadores claves de las ventas que se necesita para la construccin del
Datamart.

Variables

Variable Independiente

La construccin del Datamart

Variable Dependiente

El uso de Business Intelligence

1. Matriz de consistencia
2. Construccin de un Datamart orientado a las ventas para la toma de
decisiones en la empresa CORPORACION DECSUR SOCIEDAD DE
RESPONSABILIDAD LIMITADA.
3. PROBLEMA 4. OBJETIVOS 5. HIPTESIS 6. VARIABL
8. Problema General: 15. Objetivo General: 18. Hiptesis general Variable 1: La constru
9. De qu manera la 16. Construir un Datamart 19. Construccin de un
construccin Datamart
para la toma de Datamart orientado a las Datamart
ayudara a la mejora de la
decisiones del Ventas para la toma de 22. Definicin Conce
toma de decisiones en la
23. El uso de p
empresa CORPORACION departamento de decisiones en la empresa virtuales, es la aplicaci
conjunto de ap
ventas de la empresa CORPORACION informticas de tipo sin
DECSUR S..R.L? asincrnicas, que fac
gestin, desarrollo y distr
10. CORPORACION DECSUR S.R.L., en la cursos
(2009)
a travs de Interne
11. Problemas Especficas: 24. Dimensiones:
12. Cmo la construccin de DECSUR ciudad de San Romn Gestin pedaggica de la
plataformas virtuales.
datamar ayudara a la SOCIEDAD DE Juliaca. Gestin Administrativa de
plataformas virtuales.
mejora a la toma de RESPONSABILIDAD
decisiones en la empresa 20. Hiptesis especficas 48. Variable 2: El
LIMITADA.
CORPORACION Definir los requerimientos Business Intelligence
49. Definicin Conce
DECSUR S..R.L? generales del rea de ventas 50. El aprendizaje co
17. Objetivos Especficos:
y multidisciplinario de
Disear el Datamart que para la construccin del
intercambio de informa
13. Cmo el Datamart que los estudiantes, los cu
ayude en la toma de Datamart.
ayudara en la toma de decisiones motivados tanto para
decisiones en la propio aprendizaje co
en la empresa CORPORACION Identificar los indicadores acrecentar los logros de
DECSUR S.R.L.? empresa en diferentes disciplinas
claves de las ventas que se
humano. John Dewey (19
CORPORACION
14. necesita para la 51. Dimensiones:
DECSUR S.R.L. Capacidad autoaprend
construccin del Datamart. Capacidad trabajo en
Implementar el Capacidad de com
21.
Datamart en la entre docente y alumn
empresa
 CORPORACION
DECSUR S.R.L.

53.

54. OPERACIONALIZACIN DE LAS VARIABLES DE INVESTIGACIN

55. VARIABL
56. DIMENSIONES 57. INDICADORES 58. TEMS
E
60. VARIABL 1. La plataforma virtual posee Foros de Discusin.
62. 1.1 Herramientas 2. Buscador de foros
E1
3. La plataforma virtual tiene herramientas para el intercambio d
orientadas al
4. Soporte de mltiples formatos
61. Uso de aprendizaje 5. La plataforma virtual posee Servicios de Chat.
Plataform 6. La plataforma virtual posee Correo electrnico Interno.
63. 7. La plataforma virtual posee notas de Trabajo en Lnea.
as
8. La plataforma virtual posee servicios de prestacin de multim
virtuales 9. La plataforma virtual posee pizarra (Bookmarks).
67. 1.2 Tiene

1. Gestin pedaggica herramientas que

1. Tiene Marcadores (Bookmarks).
de las plataformas ayudan a mejorar 2. Tiene Calendario de Progreso de Trabajo.
virtuales. 3. Tiene orientacin o Ayuda.
productividad del
4. Tiene Bsqueda dentro del Curso.
alumno dentro del 5. Mecanismos de sincronizacin y trabajo fuera de lnea.
curso

70. 1.3 Interactividad

del estudiante con 1. Permite crear Grupos de Trabajo.
2. Permite realizar autoevaluaciones.
la plataforma 3. Permite crear el e- portafolio del estudiante.
virtual 4. Control de publicacin, pginas caducadas, enlaces rotos.

2. Gestin 73. 2.1 Permite

Administrativa de las Gestin accesos a
plataformas virtuales 1. Confort de accesibilidad a la plataforma virtual.
72. la plataforma de 2. Autenticacin por niveles de usuarios (segn estructura orgn
los actores 3. Control de navegacin en el interfaz de la plataforma.
4. Seguimiento del estudiante.
educativos,
5. Informe del rendimiento de los participantes en el seguimiento
Monitorizacin del 6. Tiene una base de datos de los usuarios y sus perfiles.
mismo

76. 2.2 Herramientas 1. Plantillas del curso.

2. Autorizacin del curso.
que administran
3. Integracin del registro.
los cursos o 4. Adaptacin de la plataforma al plan de estudio.
asignaturas de la 5. Administracin de calificaciones de las asignaturas.

carrera
 profesional

79. 2.3
Administracin de 1. Tiene manejos de contenidos.
2. Herramientas para la creacin de contenidos.
contenidos del 3. Herramientas de diseo educacionales.
curso o signatura 4. Organizacin de contenidos reutilizables.

1. La plataforma virtual me permite aprender a mi ritmo.

2. La dedicacin a esta Unidad Didctica mediante plataforma
83. 1.1 aprender mayor esfuerzo que una Unidad Didctica presencial
3. El aprendizaje de la Unidad Didctica mediante la plataforma
buscando uno significativa.
82. 1 Capacidad mismo la 4. Con el uso de las plataformas virtuales desarrollado mis es
aprendizajes fuera del aula
autoaprendizaje informacin, 5. Participo en clase con las herramientas que manejo.
de los alumnos haciendo 6. Entrego mis trabajos siempre a tiempo
7. Si no entiendo un tema investigo.
prcticas o
8. Te gusta la forma de trabajar en clase
experimentos 9. Entregas tus trabajos con calidad tal y como me lo recomend
10. Te gusta investigar ms de lo aprendido en clase
11. Estas acostumbrado a resolver tus problemas de aprendizaj
otro medio
12. Converso por chat con mis compaeros de clase sobre las t
80. VARIABL 13. Participo en el foro virtual enviando mensajes
14. Crea un foro de discusin sobre sus asignaturas.
E2 15. Comparto mis ideas con mis compaeros
16. Elaboro mis tareas acadmicas grupales en forma consensu
81. Aprendiz 86. 2.1 Potencial de 17. Me ntegro y trabajo activamente cuando es trabajo en equip
aje trabajar en grupo 18. Tomas la iniciativa para formar grupos de trabajo
85. 2 Capacidad 19. Soy respetuoso con las opiniones de mis compaeros.
cooperati de forma 20. El trabajo en equipo me permite consolidar con calidad acad
trabajo en equipo
vo colaborativa con investigacin.
21. Identifico los errores en el desarrollo de los trabajos grupales
multidisci los compaeros
22. En el trabajo en equipo adquiero seguridad emocional y soc
plinario acadmico.
23. Trabajan voluntariamente sin necesidad de ser obligados
de los
24. Manifiestan entusiasmo y satisfaccin por las tareas.
alumnos 25. Continan trabajando sin importarles la hora y el esfuerzo.
26. Gozan apreciando y mostrando su trabajo.
27. Usas los foros de discusin de La plataforma virtual.
89. 3.1 Est basada 28. Mediante las plataformas virtuales u otro medio electrnico i
siempre por el con tus docentes o compaeros.
29. La plataforma virtual posee notas de Trabajo en Lnea.
docente quien
30. Usas los chats de La plataforma virtual u otro chat para reali
88. 3 Capacidad de estimula el 31. Usas los videos on line para ensear o demostrar un tema d
comunicacin desarrollo 32. La plataforma virtual posee pizarra (Bookmarks).
33. Piensas que con La plataforma virtual posees libertad en tus
entre docente y comunicacional facilidad.
alumno en el marco de 34. La plataforma virtual permite adicionar opiniones con fundam
35. Las plataformas virtuales nos permiten distinguir con clarida
la estrategia, o los secundarias.
mtodos de 36. Las plataformas virtuales permiten formular preguntas diverg
adecuadamente.
enseanza 37. Las plataformas virtuales proponen algunas normas de conv
acadmico
90. Fuente: Elaboracin propia del investigador
 91.

92.

93. 4.5 Anlisis de Factibilidad

4.5.1 Factibilidad Operativa

94. La secretaria encargada de ingresar toda la informacin que ingresa de las ventas
que se realiza en el da.
95. La parte gerencial quien demandar al final de una jornada de procesamiento de
informacin del sistema transaccional y esta se encargue de alimentar o cargar
los datos al Datamart para analizarla e interpretarla de acuerdo a su criterio.

4.5.2 Factibilidad Tcnica

96. La empresa CORPORACION DECSUR S.R.L., actualmente dispone de todos los

recursos necesarios, desde el punto de vista tecnolgico, para ejecutar la
propuesta de solucin de inteligencia de negocios para dar respuesta a los
problemas de procesos de ventas, para la toma de decisiones efectiva.

97. La empresa dispone de un servidor HP 350 G5 y el software con licencia para el

desarrollo de la propuesta denominado QlikView de QlikTech y el administrador
de base de datos Sybase Adaptive Server Anywhere 9.

98. En este proyecto e tesis los hechos sern la dwhencabezadoVentas y

dwhdetventas.

99. Detalle de las tablas de dimensin.- A continuacin vamos a definir de manera

clara y concisa cada una de las dimensiones que se han identificado para el
proyecto, describiendo todos los atributos que componen las mismas.

- Dimensin de Tiempo.- Dado que el tiempo es una dimensin presente en

prcticamente cualquier DTM merece una atencin especial. Al disear la dimensin,
hay que prestar especial cuidado, ya que puede hacerse de varias maneras y no todas
son igualmente eficientes

34
 100. Se define como clave primaria un campo de tipo entero, adems, un dato entero
siempre ocupa menos espacio que un dato de tipo fecha (el campo clave se puede
repetir en millones de registros en la tabla de hechos y eso puede suponer mucho
espacio), por lo que se mejorar el diseo de la tabla de fechas si se utiliza un
campo "idfecha" de tipo entero como clave principal. La dimensin de tiempo va
a ser relacionada con la fecha de las ventas transformada a valor real o doble
adems de ello en esta dimensin se definirn los campos como es el ao, el
semestre, trimestre, semana, mes, da para que al momento de realizar los reportes
el gerente pueda analizar de acuerdo a su criterio e interpretar para tomar una
decisin oportuna al momento de visualizar las ventas obtenidas en todos los aos
analizadas por vendedor, cliente, etc.

- Dimensin de Empresa.- La dimensin de la empresa guardar los campos como

cdigo de la empresa, nombre de la empresa, se crea tambin una columna que ser la
clave primaria de tipo auto numrico que identifique a cada tupla que se denomina
idempresa.

- Dimensin de Vendedores.- La dimensin Vendedores guardar los campos como

cdigo del vendedor, nombre del vendedor, se crea tambin una columna como clave
primaria de tipo auto numrico que identifique a cada tupla idvendedor del vendedor.
Cada empresa puede tener N vendedores.

- Dimensin de Artculos.- La dimensin Artculos guardar los campos como cdigo

del artculo, nombre del artculo, su clave primaria ser de tipo auto numrico que
identifique a cada tupla de la misma. Cada empresa puede tener N artculos, (codcla,
codart contra idarticulo).

- Dimensin de Clientes.- La dimensin Clientes guardar los campos como cdigo del
cliente, nombre del cliente, un campo como clave primaria de tipo auto numrico que
identifique a cada tupla. Cada empresa puede tener N clientes, en esta dimensin
tambin se puede observar la subrogacin que es la creacin de dos claves primarias en
una (codcla, codcli contra idcliente).

35
 101. Dimensin de Zona.- La dimensin Zona guardar los campos como cdigo de
la zona, nombre de la zona, idzona de tipo auto numrico que identifique a cada
tupla idzona. Cada empresa puede tener N zonas.

102. Diseo Fsico: Se centra en la seleccin de las estructuras necesarias para

soportar el diseo lgico. Un elemento principal de este proceso es la definicin
de estndares del entorno de la base de datos. La indexacin y las estrategias de
particionamiento se determinan en esta etapa.

103. Relacin AQL o asociativa es una forma que Qlik View genera las tablas
asociativas mediante la creacin del script para definir las diferentes dimensiones
y hechos, logrando una relacin exitosa para luego extraer los datos y analizarlos
de acuerdo a los requerimientos de la empresa.
104. En el presente proyecto se crea las dimensiones con cada uno de los campos
correspondientes a cada dimensin, las tablas de hechos para analizar los datos de
acuerdo a los reportes que se realizar.

c) Modelo Entidad Relacin

105. En esta etapa se realiza un modelado de las dimensiones y los hechos que
conforman el Datamart para analizar y explotar los datos de las ventas que
realizan en la empresa.

106. Como se muestra en el Grfico 4.1, se crean los hechos y dimensiones del
Datamar

36
107.
d) Diseo y Desarrollo de la presentacin de datos

108.Tiene como principales actividades la extraccin, transformacin y carga (ETL).

Estas actividades son altamente crticas ya que tienen que ver con la materia prima
del Data Warehouse o Datamart que son los datos del BI.

109. Extraccin: Es el primer paso de obtener informacin hacia el ambiente del

Datamart para explotarlos de la mejor manera. Consiste en extraer los datos desde los
sistemas de origen hacia el sistema en que se realizara el Datamart.

110.La extraccin convierte los datos a un formato preparado para iniciar el proceso
de transformacin. Se extrae la informacin del sistema transaccional, la base de
datos de la empresa est en Sql Anywhere y de esta pasa al Datamart que es una parte
del datawarehouse para explotarlos de la mejor manera y los datos que se visualicen
sean reales y concisos.

111. Transformacin: Luego de que la informacin fue extrada de la base de datos

original de la empresa mediante el ODBC, se pueden realizar diferentes pasos de
transformacin, como ser: limpieza de la informacin, botar a la basura lo que
consideramos innecesario o sea los datos deben ser lo ms precisos posibles para que
al momento de la toma de decisiones se realice de manera eficiente, seleccionar
campos especficos que consideremos necesarios para el anlisis del BI, realizar
combinaciones fuentes de datos, etc. Se limpia y depura datos nulos, en blanco o
inconsistencias del sistema transaccional y de esta pasa al dtm.

112.Carga: Al final del proceso de transformacin, los datos estn en forma para ser
cargados. Dependiendo de los requerimientos de la organizacin, este proceso puede
abarcar una amplia variedad de acciones diferentes.

113. En primer lugar se realiza la conexin de la base de datos del modelo

transaccional de la empresa mediante el ODBC creando un origen de datos que se
enlace con el Datamart y los datos se puedan extraer de manera rpida.
114.Para la extraccin transformacin y carga de los datos de la base de datos
original de la empresa se realiza el siguiente cdigo para la creacin de las tablas de
hechos y dimensiones y definir de manera ptima el modelo del Datamart para que

37
 los datos que se analicen sean en tiempo real y eficientes a la hora de tomar una
decisin.
115. A continuacin se procede a crear las diferentes dimensiones y hechos que
poblaran el Datamart de la empresa para luego ser explotados.

116. Tiempo de Refresco (Polticas de Actualizacin de datos del Datamart)

117.La poltica de actualizacin de los datos del Datamart se realiza de acuerdo a las
especificaciones de la empresa, porque a diario ingresan gran cantidad de informacin
de las ventas que se realiza y el gerente necesita analizar la informacin de acuerdo a
las ventas realizadas, para luego tomar las mejores decisiones, adems con este
proceso el gerente podr verificar si cumplieron las metas propuestas para
incrementar sus ganancias mensuales, semestrales o anuales.

118.El tiempo de refresco del Datamart se realiza automticamente, se recarga la

informacin de las ventas que se realizan cada da, el gerente analiza los reportes
creados de los vendedores para ver si cumplieron o no las metas propuestas, la
empresa tendr un alto nivel de competitividad con sus similares.

119.Con la lgica asociativa se logra que el Datamart se refresque automticamente

sin tener que detener los procesos internos que realizan en El Departamento de
ventas es una ventaja muy importante porque nos ayuda a analizar los datos de manera
rpida y eficiente y as las decisiones que tome el ejecutivo den un giro importante y
la empresa se vaya potencializando cada da en la provincia, y el pas entero.

120.
121.

122.

123.

124.

125.

38
 126. CAPTULO V

127. CONCLUSIONES Y RECOMENDACIONES

128. 5.1. Conclusiones

Se utiliz la metodologa Ralph Kimball para este tipo de negocios porque se
acoge a los requerimientos generales definidos por parte de la empresa y se
puede extraer los datos de las ventas de manera eficaz, obteniendo resultados
exitosos al momento del anlisis de los datos desde perspectivas diferentes a
nivel gerencial.

Con los indicadores claves de rendimiento KPIs definidos por la empresa se

examina la informacin de las ventas, la misma puede basar sus anlisis de
informacin en la informacin al detalle y actualizada que presenta la solucin
QlikView. Los KPIs se basan en el anlisis de productos y clientes sobre las
ventas que se realiza en la empresa. El tiempo invertido en recolectar la
informacin y elaborar costosos informes, se ve reducido a la seleccin de los
datos que desee analizar. Esta solucin adems, ofrece anlisis de KPIs clave
para la organizacin y alerta de posibles problemas que impactan sobre las ventas
para tomar decisiones oportunas.

Los sistemas de toma de decisin deben estar orientados a la alta gerencia,

considerando que ellos no son tcnicos, por lo que requieren interfaces amigables
y completas para el anlisis de los datos. Estos sistemas evitan la dependencia
para obtener informacin del equipo tcnico de la empresa, porque estn
orientados a la gerencia para que puedan visualizar los datos reales y precisos de
cmo marcha la empresa y cul es la decisin que pueden tomar para hacer que
la empresa sea competitiva en el mercado.

129.
130.
131.

132.

133.

39
 134.

135. 5.2. Recomendaciones

Se recomienda que se siga utilizando la metodologa de Ralph Kimball ya que se
acoge a los requerimientos de la empresa CORPORACION DECSUR S.R.L.,
adems revisar y analizar el aplicativo implementado sobre un Datamart de tal
manera que permita apreciar los beneficios que aporta para analizar la
informacin de las ventas que realizan.

136.
Se recomienda al gerente revisar constantemente los indicadores claves de
rendimiento para el anlisis de las ventas realizadas en base a los vendedores,
clientes, artculos para verificar la rentabilidad de las mismas y poder tomar
decisiones oportunas en observar los reportes generados de cada una de las
dimensiones para que la informacin sea real y oportuna e inmediatas.

137.
Se recomienda que al momento de hacer algn cambio en el Datamart se tome en
cuenta siempre el usuario que va a utilizar el sistema y que debe estar orientado
al alto ejecutivo para el anlisis respetivo de la informacin de las ventas
efectuadas.

138.
139.

140.
141.

142.

143.

144.

145.

146.

40
 147.

148. Bibliografa
149.

[1] B. Emily, "Toma de Decisiones-Introduccion de Mineria de Datos como soporte a la

toma de decisiones empresariales", Mayo 2005. [En lnea]. Available:
http://www.elprisma.com/apuntes/administrcion_de_empresas/tomadedecisionesin
tro/default4.asp. [ltimo acceso: 18 Junio 2013].

[2] E. Rodriguez, "Mineria de datos como soporte a la Toma de Decisiones

150. Empresariales", Mayo 2008. [En lnea]. Available:
151. http://www.scielo.org.ve/scielo.php?pid=S1012-
152. 15872007000100008&script=sci_arttex/. [ltimo acceso: 18 Noviembre
2013].

[3] B. Mary, "Mejora en la Toma de Desiciones Administrativas para la Empresa

Digital", Junio 2005. [En lnea]. Available: http://www.el
prisma.com/apuntes/administracion_de_empresas/tomadecisiones/default2.asp.

153. [ltimo acceso: 20 Noviembre 2013 ].

[4] M. P. H. Valero, "Toma de Deciciones en la Empresa Proceso y Clasificacin",

154. Febrero 2009. [En lnea]. Available:
155. http://riunet.upv.es/bitstream/handle/10251/16502/TomaDecisiones.pdf?
sequence=
156. 1. [ltimo acceso: 20 Enero 2013].

[5] S. A Corua, Sistema de Soporte a la Decisin, 10 Junio 2012. [En lnea].

157. Available:
158. http://www.sinnexus.com/business_intelligence/sistemas_soporte_decision
es.aspx. [ltimo acceso: 16 Julio 2014].

[6] Sinnexus, Business Intelligence "Persistencia MOLAP, ROLAP, HOLAP", 05

41
 159. Mayo 2012. [En lnea]. Available:
http://www.sinnexus.com/business_intelligence/olap_avanzado.aspx. [ltimo
acceso: 27 Enero 2014].

[7] W. H. B. Inmon, "Building The Data Warehouse", de "Building The Data

Warehouse", Tercera Edicin ed., Espaa, John Wiley&Sons, 2002, pp. 301-303.

[8] B. INM, "Datamart y Dataawarehuose", 14 Mayo 2005. [En lnea]. Available:

160. http://.Datamart.Datawarehouse.org/Data MartyDataWarehouse_El Blog de
Ana Buigues.htm. [ltimo acceso: 15 Enero 2014].

[9] T. C, Todo en tecnolologia.com Datamart, 26 Septiembre 2009. [En lnea]. Available:

http://todotecnology.blogspot.com/2009/09/datamart.html. [ltimo acceso: 10 febrero
2014].

[10] L. Miguel, Ciclo de vida de Ralph Kimball, 9 Febrero 2014. [En lnea]. Available:
http://luisleonin.blogspot.com/2014/02/ciclo-de-vida-de-ralphkimball.html. [ltimo
acceso: 15 Abril 2014].

161.

162.
163.

164.

165.

166.

167.

168.

169.

170.

171.

42
172.

173.

174.

175. Glosario de Trminos

176.

177.DTM (Datamart).- Es una base de datos departamental, especializada en el

almacenamiento de los datos de un rea de negocio especfica. Se caracteriza por
disponer la estructura ptima de datos para analizar la informacin al detalle desde
todas las perspectivas que afecten a los procesos de dicho departamento.

178.BI (Business Intelligence) Es la habilidad para transformar los datos en

informacin, y la informacin en conocimiento, de forma que se pueda optimizar el
proceso de toma de decisiones en los negocios.

179.DATO.- Los datos son la mnima unidad semntica, y se corresponden con

elementos primarios de informacin que por s solos son irrelevantes como apoyo a la
toma de decisiones. Tambin se pueden ver como un conjunto discreto de valores, que
no dicen nada sobre el porqu de las cosas y no son orientativos para la accin.

180. DSS.- (Sistemas de Soporte a la Decisin) Es una herramienta de Business

Intelligence enfocada al anlisis de los datos de una organizacin.

181.DATAMART OLAP.- Se basan en los populares cubos OLAP, que se

construyen agregando, segn los requisitos de cada rea o departamento, las
dimensiones y los indicadores necesarios de cada cubo relacional. El modo de
creacin, explotacin y mantenimiento de los cubos OLAP es muy heterogneo, en
funcin de la herramienta final que se utilice.

182.DATAMART OLTP.- Pueden basarse en un simple extracto del datawarehouse,

no obstante, lo comn es introducir mejoras en su rendimiento (las agregaciones y los
filtrados suelen ser las operaciones ms usuales) aprovechando las caractersticas
particulares de cada rea de la empresa. Las estructuras ms comunes en este sentido

43
son las tablas report, que vienen a ser fact-tables reducidas (que agregan las
dimensiones oportunas), y las vistas materializadas, que se construyen con la misma
estructura que las anteriores, pero con el objetivo de explotar la re escritura de queries
(aunque slo es posible en algunos SGBD avanzados, como Oracle).

183.DWH.- (Datawarehouse) Un Datawarehouse es una base de datos corporativa

que se caracteriza por integrar y depurar informacin de una o ms fuentes distintas,
para luego procesarla permitiendo su anlisis desde infinidad de perspectivas y con
grandes velocidades de respuesta. La creacin de un datawarehouse representa en la
mayora de las ocasiones el primer paso, desde el punto de vista tcnico, para
implantar una solucin completa y fiable de Business Intelligence.

184. DRILL DOWN.- Capacidad para navegar dentro de la informacin de los

informes de inteligencia de negocios, viajando de lo ms general a lo especfico.

185.ETL.- (Extract-Transform-Load) Es el proceso que organiza el flujo de los datos

entre diferentes sistemas en una organizacin y aporta los mtodos y herramientas
necesarias para mover datos desde mltiples fuentes a un almacn de datos,
reformatearlos, limpiarlos y cargarlos en otra base de datos, datamart o bodega de
datos. ETL forma parte de la Inteligencia Empresarial (Business Intelligence),
tambin llamado Gestin de los Datos (Data Management).

186.HOLAP.- (Hybrid Online Analytical Process) Un desarrollo un poco ms

reciente ha sido la solucin OLAP hbrida (HOLAP), la cual combina las
arquitecturas ROLAP y MOLAP para brindar una solucin con las mejores
caractersticas de ambas: desempeo superior y gran escalabilidad. Un tipo de
HOLAP mantiene los registros de detalle (los volmenes ms grandes) en la base de
datos relacional, mientras que mantiene las agregaciones en un almacn MOLAP
separado.

187.MOLAP.- (Multidimensional Online Analytical Processing) La arquitectura

MOLAP usa unas bases de datos multidimensionales para proporcionar el anlisis, su
principal premisa es que el OLAP est mejor implantado almacenando los datos
multidimensionalmente.

44
 188.ROLAP.- (Relational Online Analytical Processing) La arquitectura ROLAP cree
que las capacidades OLAP estn perfectamente implantadas sobre bases de datos
relacionales. Es una alternativa a la tecnologa MOLAP que se construye sobre bases
de datos multidimensional. Ambos tipos de herramientas, tanto ROLAP como
MOLAP, estn diseadas para realizar anlisis de datos a travs del uso de modelos
de datos multidimensionales, aunque en el caso de ROLAP estos modelos no se
implementan sobre un sistema multidimensional, sino sobre un sistema relacional
clsico.

189.

190.

191.

192.

193.

194.

45
195.

196.

197.
198.

199.

200.

201.

202.

203.

204.

205.

206.
207. Anexo 1:

46
208. Encuesta realizada a Gerente de la empresa CORPORACION DECSUR S.R.L.
209. DATOS GENERALES:
210. Fecha de la Encuesta.
211. DATOS ESPECFICOS: Marque con X en el parntesis de su eleccin

212. Tabla 5.2: Gua de Entrevista a Gerente

213. 214. Preguntas 215. Respuest

N as
216. 217. Al no tener un reporte preciso de las 218. Si ( )
1 ventas que se realiza durante el ao, o semestre se 219. No ( )
puede tomar decisiones?

220. 221. Tiene constancia de los reportes de ventas 222. Si ( )

2 que se generan en el sistema actual? 223. No ( )
224. 225. Con los reportes que genera el actual 226. Si ( )
3 sistema puede analizar los vendedores que ms 227. No ( )
ventas realizaron?

228. 229. De acuerdo a los reportes arrojados en el 230. Si ( )

4 sistema puede analizar las temporadas bajas 231. No ( )
durante el ao?

232. 233. Los reportes obtenidos con el sistema 234. Si ( )

5 ayudan analizar los productos ms vendidos? 235. No ( )
236. 237. El sistema actual permite implementar 238. Si ( )
6 polticas de control de ventas al personal de 239. No ( )
atencin al cliente?

240. 241. Considera usted til contar con el uso de 242. Si ( )

7 una herramienta de inteligencia de negocios que 243. No ( )
permita la toma de decisiones oportunas para el
crecimiento de la empresa en el departamento de
ventas?

244. 245. La implementacin del Datamart 246. Si ( )

8 facilitara el anlisis de la informacin de las 247. No ( )
ventas en forma detallada y ordenada?

248.

47