Business Intelligence

Introduccin al Business Intelligence
Marta Zorrilla Universidad de Cantabria
2008/09
Tabla de contenido
Qu es Business Intelligence? Campos de aplicacin Evolucin de los sistemas de gestin de datos hacia los sistemas de soporte a la decisin Data warehouse: justificacin, definicin, componentes Herramientas de anlisis y consultas
Marta Zorrilla - Universidad de Cantabria
2008/09
Situacin actual en las organizaciones
Entorno competitivo y globalizado

Optimizar procesos Reducir costes, rentabilidad financiera Anticiparse a la competencia, anlisis del mercado Innovar, bsqueda de nuevos productos o estrategias Ganar y fidelizar al cliente : Personalizar simular que cada cliente es nico
Las empresas maneja cantidades ingentes de informacin:

Fuentes internas (Sistemas corporativos propios, aplicaciones departamentales, etc. ) Fuentes externas (INE, INEM, colegios profesionales, encuestas, hasta un 20%) Problemas
Saturacin de informacin Difcil de acceder No selectiva
Business Intelligence
2008/09
Qu es Business Intelligence?
Convertir datos en informacin
Es lograr que los gerentes y directivos de las organizaciones, y por extensin todos los usuarios de la informacin, tomen las mejores decisiones cada da accediendo de forma directa a la informacin clave de su negocio de manera gil y sencilla. BI suministra el marco para:
Definir y medir los indicadores relevantes del negocio, y entender su comportamiento Procesar, resumir, reportar y distribuir la informacin relevante a tiempo Gestionar y compartir el conocimiento del negocio con la organizacin Analizar y optimizar los procesos que actan sobre los indicadores
Incluye aplicaciones software, tecnologa y metodologas para realizar el anlisis de datos:

Bases de datos Aplicaciones analticas (OLAP) Reporting y querying Data mining, web mining, text mining, data streaming Tcnicas de visualizacin de datos Herramientas ETL
Decision Support System (DSS): sinnimo de BI

Marta Zorrilla - Universidad de Cantabria 2008/09 4
Business Intelligence Fact Gap

Business Intelligence Fact Gap V o l u m e n
Nmero de Decisiones Crticas
Gartner Group (2001) denomin Business Intelligence Fact Gap a la diferencia que existe entre la informacin disponible en la empresa y la capacidad de tomar decisiones basndose en dicha informacin.
Capacidad Business Intelligence
Tiempo
"In the absence of BI, a 'fact gap' exists: a condition where users make decisions and assess risk and opportunities based upon anecdotal, incomplete or outdated information. This isn't much better than guessing, leaving most businesses seriously exposed. (Gartner Group 07/01 ) A recent research study by the BusinessWeek Market Advisory Board (07/2004) surveyed 675 executives throughout North America and Europe and found that 43% indicated they did not trust their internal systems, and an amazing 77% indicated that they were aware of bad decisions that had been made within their organizations because of a lack of accurate information.
Campos de aplicacin
Science
astronomy, bioinformatics, drug discovery,
Business
CRM (Customer Relationship management), fraud detection, ecommerce, manufacturing, sports/entertainment, telecom, targeted marketing, health care,
Web:
search engines, advertising, web and text mining,
Government
surveillance, crime detection, profiling tax cheaters,
2008/09
Evolucin de las tecnologas de bases de datos

Hito histrico Data Collection (1960s) Pregunta de Negocio Cules fueron mis ingresos en los ltimos 5 aos? Cuntas unidades vend el mes pasado en Espaa? Cuntas unidades vend el mes pasado en Espaa en relacin con Europa? Cules sern las ventas del prximo mes en Europa? Tecnologa que lo posibilita Ordenadores, cintas, discos, DBMS jerrquicos (IMS) y en red Bases de datos relacionales (RDBMS, SQL, ODBC) On-line analytic processing (OLAP), gestores multidimensionales Suministrador IBM, CDC Caracterstica principal Datos histricos
Data Access (1980s)
Oracle, Sybase, Informix, IBM, Microsoft
Datos dinmicos a nivel de registro (histrico)
Data Warehousing & Decision Support (1990s)
Cognos, Business Objects, Microstrategy, NCR, SPSS, Comshare, etc. SPSS/Clementi ne, Lockheed, IBM, SGI, SAS, NCR, Oracle, etc.
Datos dinmicos en mltiples niveles o jerarquas (histrico) Datos de prospeccin (anlisis de mercado, de riesgos, )
7
Data Mining (2000s)
algoritmos avanzados (data stream, weblog, bio-data), RDBMS

2008/09
Por qu un Data Warehouse?

Los datos se encuentran en diferentes sistemas de informacin (uds de
medida, convencin de nombres y formatos, etc.)
Estos no estn orientadas a la toma de decisiones (KPI), sino a registrar transacciones (BD 3FN). La estructura de BD 3FN no es la adecuada para responder de forma gil a consultas complejas, con clculo de agregados y para ser analizadas bajo diferentes perspectivas.
Sistema de informacin especfico dirigido por las necesidades de Sistema de informacin especfico dirigido por las necesidades de los usuarios de negocio, alimentado desde las fuentes de datos los usuarios de negocio, alimentado desde las fuentes de datos operacionales de la organizacin yyconstruido yypresentado desde operacionales de la organizacin construido presentado desde una perspectiva sencilla una perspectiva sencilla
2008/09
OLTP
Almacena datos actuales Almacena datos de detalle
vs
OLAP
Almacena datos histricos Almacena datos de detalle y datos agregados a distintos niveles Datos estticos Desnormalizacin, redundancia Dedicado al anlisis de datos (consultas complejas) N de transacciones bajo Orientado a la informacin relevante (negocio) Soporta decisiones estratgicas Sirve a tcnicos de direccin Tamao BD : 100 Gb-Tb
Datos dinmicos Integridad de datos Dedicado al procesamiento de datos (transaccin simple) N de transacciones elevado Orientado a los procesos de la organizacin (aplicacin) Soporta decisiones diarias Sirve a muchos usuarios Tamao BD : 100 Mb-Gb
2008/09
Cul es el proceso?
Fuentes de datos internas
Compras 2 Estos datos se procesan (agrupacin, clculos, etc.) y cargan en el data warehouse 3
Los datos se almacenan de forma que permita verlos fcilmente bajo diferentes perspectivas, as como cruzarlos entre ellos
ANALISTAS DE NEGOCIO (ayuda a la toma de decisiones) Medir Cmo es mi negocio? INFORMES Investigar Por qu es as? ANLISIS Simular Qu ocurre si hacemos esto? MODELIZACIN
Contabilidad
. . .
RR/HH DATA WAREHOUSE Web log,..
Actuar Qu debemos hacer? PLAN
Fuentes de datos externas

INE, INEM,
Como resultado del trabajo diario los empleados registran la actividad de lo que est pasando
2008/09
Los datos se explotan mediante aplicaciones especficas de anlisis de informacin
10
Anlisis del negocio

Informes A qu responden? Qu est pasando? Generan informes y alarmas por perfiles de usuario. Qu hacen?
Informes estticos predefinidos Informes dinmicos configurables por el usuario: simples/complejos Visualizacin de resultados (Grficos, herramientas GIS)
Data Mining Por qu est pasando? Identifican patrones (tendencias, regularidades, correlaciones) existentes en las BD
Modelo descriptivos (indirecto) a) Asociacin b) Segmentacin Modelos predictivos (directo) c) Clasificacin d) Estimacin
Simulacin / Optimizacin Qu pasara si....? Cul es la mejor opcin para ... ? Escenarios futuros y bsqueda de la mejor solucin. Diseo de la estrategia ptima
Simulacin: dinmica de Sistemas (Jay Forrester M.I.T.) Optimizacin: Investigacin operativa
Cul es el papel de los usuarios?
El usuario introduce una teora sobre una posible relacin en la base de datos, convirtindola en una consulta (query) Razonamiento deductivo Informes con alarmas en funcin de la evolucin de determinadas medidas
El usuario no necesita asumir nada, el modelo se encarga de identificar patrones. Los datos conducen
El usuario introduce hiptesis sobre valores futuros y el modelo detecta las mejores soluciones
Cmo se obtienen resultados?
Razonamiento inductivo Identificar qu factores (actividad, sector, regin, poca, etc.) influyen en la evolucin de esas medidas
Anlisis de escenarios + hiptesis Determinar cmo evolucionara una determinada medida (por ejemplo ventas) si se realizara una determinada accin (p. ejemplo una campaa publicitaria del tipo 2 por 1)
Ejemplo
2008/09
11
Informe OLAP
Los informes permiten mostrar la informacin con diferentes niveles de agrupacin.
Ventas por Sector
Vistas de la misma informacin segn caractersticas de la informacin (dimensiones) Navegacin multi-dimensional para investigar en los datos
VENTAS POR REGIN Regin Centro Norte Sur Total Total 33 10 17 60
Actividad Agricultura Comercio Construccin Resto Transporte Total
Total 1 34 10 5 10 60
VENTAS POR REGIN Y SECTOR Agricul- Comer- ConsTransRegin tura cio truccin Resto porte Total Centro 1 14 3 5 10 33 Norte 6 4 10 Sur 14 3 17 Total 1 34 10 5 10 60
VENTAS POR REGIN, SECTOR Y TAMAO AgriculConsTransAgricul- tura ComerComer- Construccin Transporte tura Total cio cio Total truccin Total porte Total Regin Mediana Grande Mediana Pequea Grande Mediana Pequea Grande Mediana Pequea Centro 1 1 4 4 6 14 1 1 1 3 4 4 2 10 Norte 2 2 2 6 2 1 1 4 Sur 4 4 6 14 1 1 1 3 Grand Total 1 1 10 10 14 34 4 3 3 10 4 4 2 10
2008/09
12
Cuadros de mando (dashboard, scorecard,..)
2008/09
13
Data mining: Caso segmentacin

Ejemplo: evaluar qu segmentos de poblacin cambian de establecimiento de compra habitual
Cambio N: 75.70% n=1514 S: 24.30% n= 486
Estudios realizados
Cambio de establecimiento Variable ms discriminante
SIN ESTUDIOS N: 89.10% n=278 S: 10.90% n= 34

Estructura familiar
CON ESTUDIOS N: 73.22% n=1236 S: 26.78% n= 452

Estructura familiar
UNIFAMILIAR N: 93.10% n=54 S: 6.9% n= 4
PAREJA SIN HIJOS N: 75% n= 54 S: 25% n= 18
PAREJA CON HIJOS N: 93.41% n=170 S: 6.59% n= 12
UNIFAMILIAR N: 58.44% n=90 S: 41.56% n= 64

Estudios realizados
PAREJAS N: 74.71% n=1146 S: 25.29% n= 388

Edad
Seg.1
Seg.2
Seg.3 BACHILLER N: 73.33% n=66 S: 26.67% n= 24 Seg.4 UNIVERSITARIOS N: 37.50% n=24 S: 62.50% n= 40 Seg. 5 < 40 N: 73.40% n=936 S: 26.60% n= 340 Seg. 6 > 40 N: 81.25% n=208 S: 18.75% n= 48 Seg.7
25% cambia de los cuales,el 71% corresponden a los seg. 4, 5 y 6

Nodos Finales: Poblacin Segmentada
2008/09
14
Qu es un Data Warehouse?
Ralph Kimball:
Copia de los datos transaccionales estructurados especficamente para su consulta y anlisis. (2002) Def. extendida: es la plataforma para el business intelligence (DW/BI). (2006)
Bill Inmom:
Un Data Warehouse es una coleccin de datos orientada al negocio, integrada, variante en el tiempo y no voltil para el soporte del proceso de toma de decisiones de la gerencia.
Qu es un Data Warehouse?
Es un sistema de informacin que:
(y 2)
Contiene la informacin estratgica para la toma de decisiones Se utiliza para analizar datos, detectar tendencias y disear estrategias Recoge datos que provienen de diferentes sistemas operacionales (integracin), consolidados a una determinada fecha (variante en el tiempo) y centrados en una determinada materia de negocio (ventas, consumos, uso del sitio Web...). Su estructura se disea para dar respuesta gil a las consultas y facilitar la distribucin de sus datos, no para soportar procesos de gestin. No se actualizan sus datos, slo son incrementados (no voltil).
2008/09
16
Componentes DW/BI
Data Sources Operational source systems
Sales
Data Stage Area
Data Area
Data access tools
Relational Database Engine (OLTP) Star schemas ETL processes Staging Area ROLAP
Aggregated values
Ad-hoc solution
ERP
. . .
SCM
ETL processes
Querying and Reporting tool
Web log,..
ROLAP
MAP
HOLAP
MAP AGGREGATED VALUES
Data mining EIS
External data sources

Statistics files, etc.
MOLAP
MAP DETAILED VALUES AGGREGATED VALUES
OLAP Database engine
2008/09
17
Herramientas de anlisis y consulta

Cul es la diferencia entre EIS y OLAP?
Un EIS (Executive Information System) es un sistema de informacin empaquetado:
Proporciona a los directivos acceso a la informacin de estado y sus actividades de gestin. Est especializado en analizar el estado diario de la organizacin (mediante indicadores clave) para informar rpidamente sobre cambios a los directivos. La informacin solicitada suele ser, en gran medida, numrica (ventas semanales, nivel de stocks, balances parciales, etc.) y representada de forma grfica al estilo de las hojas de clculo. Surgieron en los 80, y son los progenitores del software BI de los 90
Las herramientas OLAP (On-Line Analyitical Processing) son ms genricas:

Funcionan sobre un sistema de informacin (relacional o dimensional) Estructura de almacenamiento que permite realizar diferentes agregaciones y combinaciones de datos segn distintas perspectivas de observacin.
2008/09
18
Cul es la diferencia entre informes avanzados y OLAP?

Los sistemas de informes o consultas avanzadas:
Estn basados, generalmente, en sistemas relacionales u objetorelacionales, Utilizan los operadores clsicos: concatenacin, proyeccin, seleccin, agrupamiento, (en SQL y extensiones). El resultado se presenta de una manera tabular.
Las herramientas OLAP

Estn basadas, generalmente, en sistemas o interfaces multidimensionales, Utilizando operadores especficos (adems de los clsicos): drill, roll, pivot, slice & dice, El resultado se presenta generalmente de manera matricial.
Cul es la diferencia entre OLAP y minera de datos?

Las herramientas OLAP
proporcionan facilidades para manejar y transformar los datos. producen otros datos (ms agregados, combinados). ayudan a analizar los datos porque producen diferentes vistas de los mismos.
Las herramientas de Minera de Datos:

son muy variadas: permiten extraer patrones, modelos, descubrir relaciones, regularidades, tendencias, etc. producen reglas o patrones (conocimiento).
2008/09
20
DW y OLAP
La tecnologa OLAP generalmente se asocia a los almacenes de datos, aunque se puede tener DW sin OLAP y viceversa
2008/09
21
Knowledge Discovery Process
Piatetsky-Shapiro
Data mining: definicin
Knowledge discovery: the non-trivial process of identifying valid, novel, potentially useful, and ultimately understandable patterns in data. (from Fayyad, U.M., PiatetskyShapiro, G., Smyth, P., & Uthurusamy, R. (Eds.) (1996). Advances in Knowledge Discovery and Data Mining. Boston, MA: AAAI/MIT Press.)
the process of exploration and analysis, by automatic or semi-automatic means, of large quantities of data in order to discover meaningful patterns and results. (Berry
&Linoff, 1997, 2000)
Data mining sometimes refers to the whole process of knowledge discovery and sometimes to the specific machine learning phase.
Qu es (y no) Data Mining?

Qu no es DM? buscar el producto ms vendido preguntar a un motor de bsqueda por estrellas de cine conocer el estado de las cuentas de un cliente Qu es DM? conocer los productos que se compran juntos Agrupar documentos similares retornados por un motor de bsqueda de acuerdo a su contexto conocer la probabilidad de que devuelva un crdito
2008/09
24
Data mining
COMERCIAL
Data mining es un proceso que trata de buscar relaciones y patrones existentes en grandes bases de datos Tareas principales:
Clasificacin: predecir a qu clase pertenece un tem Clustering: encontrar clusters en los datos Asociaciones: datos o eventos que ocurren frecuentemente Estimacin: predecir un valor continuo Link Analysis: encontrar relaciones Visualizacin
Marta Zorrilla - Universidad de Cantabria 2008/09
CIENTIFICO
25
Disciplinas relacionadas
Machine Learning
Visualization
Data Mining and Knowledge Discovery
Statistics
Databases
2008/09
26
Statistics, Machine Learning and Data Mining
Statistics:
more theory-based more focused on testing hypotheses
Machine learning
more heuristic focused on improving performance of a learning agent also looks at real-time learning and robotics areas not part of data mining
Data Mining and Knowledge Discovery

integrates theory and heuristics focus on the entire process of knowledge discovery, including data cleaning, learning, and integration and visualization of results
Distinctions are fuzzy
2008/09
27
Por qu ahora se habla tanto de DM?
Las tcnicas que se vern existan hace aos pero la convergencia de los siguientes factores:
Cantidad de datos producida Los datos estn integrados (data warehouse) La potencia de los ordenadores Fuerte presin de la competencia Software de data mining especfico e integracin de algoritmos de DM en gestores de BD
2008/09
28

Business Intelligence

Загружено:

Сведения о документе

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

Business Intelligence

Загружено:

Авторское право:

Доступные форматы

Introduccin al Business Intelligence

Marta Zorrilla Universidad de Cantabria

Marta Zorrilla - Universidad de Cantabria

Situacin actual en las organizaciones

Entorno competitivo y globalizado

Las empresas maneja cantidades ingentes de informacin:

Marta Zorrilla - Universidad de Cantabria

Incluye aplicaciones software, tecnologa y metodologas para realizar el anlisis de datos:

Decision Support System (DSS): sinnimo de BI