BUSINESS INTELLIGENCE

1969: Creación del concepto de base de datos (Codd).

1970: Desarrollo de las primeras bases de datos y las primeras

aplicaciones empresariales (SAP, JD Edwards, Siebel, PeopleSoft).
1980: Creación del concepto Datawarehouse (Ralph Kimball, Bill Inmon),
y aparición de los primeros sistemas de reporting.

1989: Introducción del término Business Intelligence (Howard Dresner).

1990: Business Intelligence 1.0. Proliferación de múltiples aplicaciones BI.

2000: Business Intelligence 2.0. Consolidación de las aplicaciones BI en

unas pocas plataformas Business Intelligence (Oracle, SAP, IBM,
Microsoft).

2001: Inicios de data mining.

2009: BI como soporte a BIG DATA.

Metodología Habitual
Sistemas
Sistemas
Transaccionales
• Sistemas orientados a
resolver los problemas de la
operación diaria.
• Áreas de Sistemas
Saturadas por las
necesidades operacionales
del día a día y
requerimientos para Análisis.
Analistas de Gestión Ejecutivos/Gerentes
Diversos • Información:
Repositorios • Poco Oportuna
• Poco Amistosa
• Grandes esfuerzos de • Voluminosa
recopilación, transcripción y • Poco Relevante
formateo de información. • Sin Focalizar
• Largos plazos de • Poco Confiable
obtención. • Diferente entre Áreas
• Sin Cobertura
• Gran margen de error.
Completa de Factores
Críticos
Situación Habitual

• Sistema de Generación y Explotación de Información:

NO se parece a un sistema armónico - óptimo

• Indica la necesidad de una Solución Corporativa

• Se conoce la problemática desde el inicio del proyecto:

- Gestión comercial
- Gestión administrativa
- Gestión de producción
- Gestión contable

(es parte del ciclo de vida)

Interpretación de Objetivos

• Distinguir la explotación de información

- Nivel transaccional

- Nivel Gerencial – Mandos Medios - Directivo

• Objetivos particulares muy diferentes - Objetivo global

alineado

• No sobrecargar el transaccional con funcionalidad que

no puede tener un crecimiento potencial

• Diferentes Objetivos:
- Deben ser cubiertos por una solución especial
- Planificación desde el inicio
Sistemas de Análisis de Información
Solución Business Intelligence
 ET
ERP
L
ETL
Extracción GENERACIÓN
CRM DE ANALISIS
Transformación
Carga
GENERACIÓN
OPERATIO REPORTES
(KPIs)
NAL
SYSTEM MINERIA DE
ARCHI
Archivos
Datos DATOS
Información atómicos
VOS
planos resumida
PLANO Metadatos
S
DATA
WAREHOUSE
 Inteligencia de Negocios BI
Inteligencia de Negocios por procesos:
DATAWAREHOUSE
-Emplea el concepto de Metadatos (datos que describen otros
datos). Por ejemplo, en una biblioteca se usan fichas que
especifican autores, títulos, casas editoriales y lugares para
buscar libros. Así, los metadatos ayudan a ubicar datos.

-Cumple el principio de arquitectura fundamental que es separar

los sistemas transaccionales de los informacionales en dos
entornos de manera que el análisis de los datos existentes no
intefiera con el procesamiento y registro de nuevos datos.
 Inteligencia de Negocios BI
BD transaccional vs. DW

Transaccional Data Warehouse

Se enfoca en soportar actividades Se enfoca en la toma de decisiones

Se enfoca en los detalles Se enfoca en los agregados

Diseñada para una aplicación específica Cubre todo el negocio integrando

diversas fuentes de datos

Representa el “Ahora” Representa la “Historia”

Respuestas rápidas para información a Respuestas rápidas para información

nivel de detalle sumarizada
 Etapas en la construcción
de un DWH
1. Captura de los datos de las fuentes
seleccionadas (extraer de otras fuentes -
excel, documentos, etc- datos al DWH)

2. Tratamiento, conversión y transformación de

los datos (operaciones de limpieza,
homogeneización, etc) En esta etapa se
considera lo siguiente…
Etapas en la construcción
de un DWH
-Detectar y corregir errores (duplicados, eliminar valores sin sentido)

-Consistencia del uso de valores (codificación igual de los valores por

ejemplo DD/M/AAAA)

-Tratamiento de la ausencia de valores (por default)

-Codificar campos (ej. Pasar de fechas de nacimiento a intervalos de

edades)

-Reestructurar y añadir nuevos campos (enriquecer el sistema)

Herramientas para explotación del
Datawarehouse

Queries and reporting: generación de

consultas y reportes de las bases de
datos relacionales que generan
informes predefinidos a partir de
campos calculados
 Herramientas para explotación del
Datawarehouse
Análisis multidimensional
(OLAP online analytical
processing)

Facilitan el análisis de datos

a través de dimensiones y
jerarquías, utilizando
consultas rápidas
predefinidas
Herramientas para explotación del
Datawarehouse
Herramientas de data mining:
técnicas avanzadas que permiten
detectar y modelizar relaciones
entre los datos y obtener
información no evidente como
patrones de consumo, predicción
del comportamiento de los
clientes, asociaciones de
productos.
Herramientas de data
mining
Estadísticas: regresión, análisis multivariable, análisis cluster
(clasifica en grupos homogéneos)

Simbólicas: árboles de decisión, reglas

Técnicas de inteligencia artificial: redes neuronales, algoritmos

 Metodología de un proceso
de data mining
Muestreo: selección de muestra de datos para reducir
costos y tiempos.

Exploración: determinar tendencias principales, rango de

variables, frecuencia de valores

Modificación: transformación y filtrado de variables para

adecuarse a los requisitos del problema o cuestión que
se quiere analizar
Metodología de un proceso
de data mining

Modelización del comportamiento: empleando redes

neuronales, árboles, etc.

Evaluación: comprobación de la validez del modelo

obtenido.

Presentación gráfica de los resultados

Solución Business Intelligence
Objetivos
Sistemas Control de Gestión Gerentes/Ejecutivos

Concentración de esfuerzos: • Flujo de Información • Cobertura completa de

sin transcripciones ni factores clave
• Soportar las operaciones
manipulación
diarias • Focalización: Menor
• Sin papeles cantidad y mayor valor
• Garantizar calidad y
intermedios para la agregado
consistencia de datos
generación
• Amigabilidad: información
• Eliminación de esfuerzos
• Tiempo libre para con formato amistoso y
de desarrollo de informes.
analizar y dar valor esquemas de navegación
agregado a la intuitivos
información
• Oportunidad: información
(consolidada) según la
necesidad del momento
• Información accesible.
 Inteligencia de Negocios BI
¿Qué puedo hacer con BI?

Se puede:
• Generar reportes globales o por secciones
• Crear una base de datos de clientes
• Crear escenarios con respecto a una decisión
• Hacer pronósticos de ventas y devoluciones
• Compartir información entre departamentos
• Análisis multidimensionales
• Generar y procesar datos
• Cambiar la estructura de toma de decisiones
• Mejorar el servicio al cliente
OLAP

Características

- Flexibilidad simultánea sobre diferentes áreas del negocio.

- Optimización máxima del tiempo de generación de información.

- Respuestas Instantáneas a preguntas críticas.

- Sugerente.

- Identificación de éxitos, debilidades, y oportunidades.

- Sistema estratégico para la obtención de ventajas competitivas.

Solución Business Intelligence

Beneficios 1
- Reducción de plazos de obtención de información

- Explotación corporativa de la información

- Liberación de horas hombre y costos asociados

(Sistemas - áreas de Gestión - Usuarios)

- Mayor disponibilidad y facilidad de acceso a la información

- Posibilidad de obtener información y análisis antes irrealizables

- Reducción de costos operativos

- Excelente imagen externa de la organización

Solución Business Intelligence

Beneficios 2
- Exposición de los problemas de calidad de datos en los sistemas

- Altos niveles de seguridad y control

- La información es oportuna, íntegra, relevante y confiable

- Los procesos manuales son prácticamente inexistentes

- Mayor disponibilidad de tiempo para el análisis

- Mejora de la comunicación

- Tranquilidad en los ejecutivos

Evolución

• Comprensión del Análisis de

Información

• Metodología

• Nuevos Conceptos

• Tecnología
La realidad de hoy

• Antes: exclusivo de grandes corporaciones

• Hoy: Business Intelligence para Todos

- Grandes empresas

- Pymes
Herramientas
Herramientas
Herramientas
Herramientas Open Source

• Beneficios
- Capacidad de modificación del código
- Independencia del proveedor
- La comunidad del Software Libre
- Posibilidad de respuesta rápida
- Tendencia a calidad y a la utilización de estándares

• Desventajas
- No es conocido por muchos usuarios
- Falta de algunas aplicaciones
- Costos de implantación e interoperabilidad
 Open Source Propietario
Databases PostgreSQL Oracle
EnterpriseDB DB2
MySQL SQL Server
BI Platforms Pentaho Business Object
Jasper Intelligence Oracle
SpagoBI Microstrategy
ETL Kettle (aka Pentaho Data Informatica
Integration) DataStage
Octopus Oracle Warehouse
Clover Builder
Query and Reporting Jfree Report Business Objects
BIRT Cognos
Jasper Reports Oracle
Discoverer/Reports
Analytics R SAS
Weka S-Plus
OLAP Mondrian + Jpivot Oracle Analytics
PALO Workpaces
MSFT Análisis Services
Hyperion Essbase
 Open Source Propietario
Application Servers Jboss WebLogic
WebSphere
Oracle IAS
Languages Python Java / J2 EE
Ruby
Perl
PHP
Portals Jboss Portal WebLogic Portal
JetSpeed WebSphere Portal
Liferaty Oracle Portal
Content Management Alfresco Documentum
Gracias por su Atención