5.- Inteligencia de Negocios (Business Intelligence)

Estimado estudiante de Ing. en
Administración, haciendo uso de
libros o Internet, debe indagar y
contestar al menos TRES de los
siguientes reactivos o
cuestionamientos (si usted
realiza participación en equipo,
debe considerar contestar al
menos un reactivo o pregunta
por integrante):
- Escriba al menos dos conceptos
básicos o definiciones de
Inteligencia de Negocios
(Business Intelligence o BI)
- Listado de al menos diez
herramientas de software
existentes que permitan manejar
negocios inteligentes o aplicar la
Inteligencia de Negocios (BI) en
alguna empresa u organización
- Escriba una breve síntesis
acerca de la evolución de la
Inteligencia de Negocios
- Escriba al menos dos conceptos
básicos o definiciones de
Sistemas de Soporte a la
Decisión
- Listado de al menos diez
herramientas de software que
correspondan a la categoría de
los Sistemas de Soporte a la
Decisión (herramientas que
sirven para soportar el proceso
de toma de decisiones)
- Concepto o definición de
Almacenes de Datos o
DataWarehouse
- Listado de al menos tres
herramientas de software que
permitan manejar o aplicar
Almacenes de Datos o
DataWarehouse
- Concepto o definición de
Tableros de control (o Tablero de
Comando)
- Listado de al menos tres
herramientas de software que
permitan manejar o aplicar
Tableros de control o de
Comando
- Explique qué tipos de reportes
y consultas personalizados se
pueden generar haciendo uso de
herramientas para BI o
datawarehouse u OLAP.
- Describa al menos dos
aplicaciones que puede darle al
B.I. dentro de una empresa u
organización
- Listado de al menos tres
proveedores que ofrecen
productos de inteligencia de
negocios (incluya descripción
acerca del tipo de soluciones de
inteligencia de negocios que
provee, así como, los costos y
funcionalidades de sus
productos, para poder tener una
idea más clara de los costos
reales de cada uno de estos
productos)
- Debe encuestar alguna
empresa local (o desde Internet)
para investigar sobre la
utilización de la inteligencia de
negocios dentro de su
organización. Y comparta en este
Foro, una síntesis de aspectos
relevantes de la encuesta.
- Describa al menos tres partes
que componen un tablero de
control
- Explique cómo podría usted
implementar un tablero de
control para una empresa
- Explique cómo podría usted
hacer uso de algunos conceptos
principales de inteligencia de
negocios para una empresas
- Mencione al menos dos
empresas que usted conozca, y
que utilicen productos de
inteligencia de negocios, y
señale qué herramientas que
utilizan, y cuáles sirven para
soportar el proceso de toma de
decisiones, y cuáles sirven a los
niveles directivos, y que otras
sirven para proceso de análisis
de la información contenida en
bases de datos (OLAP)
- Listado de al menos diez
herramientas de software (OLAP)
que sirven para proceso de
análisis de la información
contenida en bases de datos
- Mencione un caso de algún
sitios web localizado, donde se
observe la aplicación acertada o
errónea de las nuevas técnicas
de marketing en la web
- Explique al menos dos
aplicaciones que tiene el
comercio electrónico en las
PyMEs
- Explique la diferencia entre los
negocios electrónicos y el
comercio electrónico y donde y
cuando aplicar cada uno de ellos
- Mencione el nombre o URL de
algún sitio web que lleve a cabo
el empleo y aplicación del e-
commerce, ebusiness, legislación
informática y manejo de
transacciones electrónicas y/o
transacciones atómicas
informáticas.
- Comparta un mapa conceptual
o diagrama o tabla comparativa
que permita representar
gráficamente el empleo y/o
aplicación de software de
Inteligencia de Negocios para: e-
Commerce & e-Business
- Comparta un mapa conceptual
o diagrama o tabla comparativa
que permita representar
gráficamente alguna parte de
aplicación de la legislación
informática, concerniente a la
comercialización de productos o
relativa al manejo de
transacciones electrónicas
- Explique cómo podría usted
registrar un dominio web y
verificar su disponibilidad, y
posteriormente incluir el enlace
con algún sitio web, que permita
el manejo de e-Business,
dataware house, datamarts,
tableros de control, consultas y
reportes del tipo OLAP (cubos),
entre otras aplicaciones. Y
posteriormente, implementar o
incluir en dicho sitio web,
tecnologías de e-Marketing
aplicado en las empresas y que
permita manejar algunos
conceptos de BI .
El estudiante (o equipo) debe
elaborar un resumen o síntesis o
tabla comparativa o preparar una
imagen o diagrama, muy breve o
concreto, acerca de los reactivos
o temas o cuestionamientos de
su participación, el cual debe
compartir en el Foro. Además,
debe hacer réplica a alguno de
sus compañeros. Y cada
estudiante debe realizar una
captura de pantalla para guardar
como evidencia, la cual debe
tener preparada para
posteriormente poder realizar
aportaciones o exposiciones
durante la clase, de acuerdo con
la participación realizada en este
Foro.
NOTA: Debe apresurarse a
contestar, ya que solamente
serán consideradas válidas las
TRES primeras participaciones
para cada reactivo o
cuestionamiento.
Atte: M.C. Edgar Rangel Lugo.

La participación que se realice antes del 10/Nov/2014 será ANULADA (ya que esta sala corresponde a la Unidad 5) Atte: M.C. Edgar Rangel Lugo.

Tema 1: Definición de Inteligencia de Negocios

Concepto 1:
Es una estrategia empresarial que persigue incrementar el rendimiento de la empresa o la competitividad del negocio. Business Intelligence (BI) son herramientas de soporte de decisiones que permiten en tiempo real, acceso interactivo, análisis y manipulación de información crítica para la empresa.

http://www.itmadrid.com/blog/que-es-inteligencia-de-negocios-business-intelligence/

Concepto 2:
Se denomina inteligencia empresarial, inteligencia de negocios o BI (del inglés business intelligence), al conjunto de estrategias y aspectos relevantes enfocadas a la administración y creación de conocimiento sobre el medio, a través del análisis de los datos existentes en una organización o empresa.

http://es.wikipedia.org/wiki/Inteligencia_empresarial

Tema 2: Breve historia y evolución de la inteligencia de negocios

Históricamente, la tecnología de Business Intelligence ha encontrado lugar en dos niveles primarios: entre los altos ejecutivos quienes necesitan obtener información estratégica y entre los administradores de la línea de negocios que son responsables del análisis táctico. Estas tradicionales actividades de soporte a la decisión son importantes, pero ellos solamente muestran superficialmente el potencial de la inteligencia de negocios dentro de la empresa., involucrando quizá el 5% de los usuarios y el 10% de los datos disponibles (Information Builders, 2005).

Desde principios de los 90’s, las aplicaciones de BI han evolucionado dramáticamente en muchas direcciones, debido al crecimiento exponencial de la información. Desde reportes operacionales generados por mainframes, modelación estadística de campañas publicitarias, ambientes OLAP multidimensionales para analistas así como dashboards y scorecards para ejecutivos. Las compañías empiezan a demandar mas formas de analizar y realizar reportes de datos.
Las inversiones en aplicaciones empresariales, tales como planeación de recursos (ERP) y administración de la relación con el cliente (CRM), han resultando en una enorme cantidad de datos dentro de las organizaciones. Estas organizaciones ahora quieren apalancar estas inversiones y usar la información para ayudarles a tomar mejores decisiones, se más ágiles con organización y tener una mayor comprensión de cómo correr sus negocios.

Por ellos mucha pequeña y mediana empresa esta adoptando BI para ayudarles a poner en marcha sus negocios.

El corazón de Business Intelligence es la habilidad de una organización para acceder y analizar la información, y entonces explotar su ventaja competitiva. En la era digital, las capacidades que ofrece Business Intelligence será la diferencia entre el éxito y el fracaso.


Breve historia del BI

En un tiempo, las organizaciones dependían de sus departamentos de sistemas de información para proporcionarles reportes estándar y personalizados. Esto ocurrió en los días de los mainframes y minicomputadoras, cuando la mayoría de los usuarios no tenía acceso directo a las computadoras. Sin embargo, esto comenzó a cambiar en los años 70’s cuando los sistemas basados en servidores se convirtieron en la moda.

Aún así estos sistemas eran usados principalmente para transacciones de negocios y sus capacidades de realizar reportes se limitaba a un número predefinido de ellos. Los sistemas de información se sobrecargaban y los usuarios tenían que esperar por días o semanas para obtener sus reportes en caso que requirieran reportes distintos a los estándares disponibles.

Con el paso del tiempo, fueron desarrollados los sistemas de información ejecutiva (EIS, por sus siglas en inglés), los cuales fueron adaptados para apoyar a las necesidades de ejecutivos y administradores. Con la entrada de la PC, y de computadoras en red, las herramientas de BI proveyeron a los usuarios de la tecnología para crear sus propias rutinas básicas y reportes personalizados.

Evolución de la Inteligencia de negocios.

A pesar de que el término inteligencia de negocios fue acuñado en 1989 por Howard Dresdner de Gartner Group, el problema de reunir y analizar información es probablemente tan antiguo como la humanidad. Por ejemplo, Sun Tzu en “El Arte de la Guerra”, mantenía - hace 2500 años- que para tener éxito en la guerra, un general debería tener total conocimiento de sus propias fortalezas y debilidades así como las de sus adversarios. La evolución de la inteligencia de negocios se puede suscribir a tres ciclos (ver gráfico 1): el primero, de 1975 a 1990, se apoya en los nacientes sistemas transaccionales de las empresas para emitir reportes estáticos de información; el segundo, de 1990 al 2005, en el que se desarrolla toda una serie de teorías y tecnologías destinadas al tratamiento de la información. Es la época de los “cubos de información” y tecnología “OLAP” sustentados en la construcción de grandes y, a veces, complejos repositorios de información o “Datawarehouse”. En esta fase se cuenta con sistemas más amigables de información, acceso remoto y via web, que permiten tener información en tablas y reportes dinámicos para el manejo de los datos generados por el negocio.
Los avances tradicionales han sido valiosos para ciertos usuarios: aquellos que están altamente preparados en estadística, métodos cuantitativos, finanzas especializadas. Sin embargo, la gran mayoría de usuarios, aquellos que toman decisiones del día a día, también necesitan acceder a la información. De hecho, muchos de los problemas de la inteligencia de negocios tradicionales, provienen de la falta de flexibilidad de los departamentos de sistemas para proveer y actualizar los análisis de la información requerida por quienes toman decisiones frecuentes en una organización. Estos usuarios no se sienten cómodos utilizando el desarrollo tradicional. Buscan una relación más amigable, más similar a Google, en la que no se necesita ninguna capacitación, ningún conocimiento sofisticado.
Adicionalmente, las implementaciones de estos sistemas tradicionales se han encontrado con importantes inconvenientes, tales como: el manejo de grandes volúmenes de información y la existencia de altos tiempo de respuesta, integración de diversas fuentes de datos, alta dependencia en los expertos de tecnología. En definitiva, estas limitaciones se han traducido en altos costos (software y hardware, tiempo de consultoría, mantenimiento) y extenso tiempo en su implementación.

Las nuevas tendencias.

Las herramientas del tercer ciclo buscan solucionar los inconvenientes señalados anteriormente. Los objetivos y las nuevas tendencias en la inteligencia de negocios presentan las siguientes características:

• Democratización de la información. Lograr que usuarios sin ninguna capacitación tecnológica puedan fácilmente personalizar sus informes y análisis de información. Se trata de llegar a todos los usuarios por diversas áreas o departamentos, dentro y fuera de la compañía (accionistas).
• Tiempos de respuesta ágiles, rápidos, con altos volúmenes de información en tiempo real y con acceso global a la información (por ejemplo: a nivel de cliente, y operación).
• Fácil integración y compatibilidad con diversas fuentes de datos y entre programas. Las organizaciones disponen de multitud de fuentes: bases de datos, hojas de cálculo, páginas web, etc. La nueva tendencia busca que toda esa información se encuentre integrada en un único lugar de consulta y que sean leídos directamente desde su misma fuente.
• Mejor visualización interactiva y gráfica. Facilitar la interacción con los datos -una imagen vale mil palabras-. Los usuarios piensan visualmente, antes que en _las y columnas. Herramientas integradas con métodos e ingreso de variables de simulación (what-if analysis)
• Implementaciones cortas -semanas-, y a costos razonables que universalicen las herramientas de inteligencia de negocios entre usuarios y empresas de todo tamaño.
Pese a que el tercer ciclo parecería una lista de tan sólo buenas intenciones o respuestas evidentes a los inconvenientes señalados, nos encontramos actualmente con soluciones informáticas que nos proveen de avances reales.
Por ejemplo, por medio de la tecnología “análisis en memoria”, la información es extraída de diversas fuentes de datos, cargada y comprimida en la memoria RAM de los computadores o servidores. Sin necesidad de construir complejos datawarehouse, y con el empleo de lógica asociativa entre la información -similar a la relación lógica de las redes neuronales- el usuario independiente sin ningún conocimiento tecnológico sofisticado, puede en muy corto tiempo y de manera ágil realizar consultas interactivas, análisis y exposición de información.
El cambio hacia el tercer ciclo se halla en pleno auge. Según Gartner, Inc, líder mundial de investigación en tecnología de la información, se estima que para el año 2012, el 70% de las 1,000 primeras compañías a nivel mundial, emplearán el análisis en memoria, como método principal para optimizar el rendimiento de las soluciones de inteligencia de negocios.

http://investiga.ide.edu.ec/index.php/revista-agosto-2007/703-las-nuevas-tendencias-de-la-inteligencia-de-negocios








Videos del Tema:

Tema 3: Definición de Sistema de Soporte de Decisión

Concepto 1:
Un Sistema de Soporte a la Decisión (DSS) es una herramienta de Business Intelligence enfocada al análisis de los datos de una organización.
En principio, puede parecer que el análisis de datos es un proceso sencillo, y fácil de conseguir mediante una aplicación hecha a medida o un ERP sofisticado. Sin embargo, no es así: estas aplicaciones suelen disponer de una serie de informes predefinidos en los que presentan la información de manera estática, pero no permiten profundizar en los datos, navegar entre ellos, manejarlos desde distintas perspectivas.

http://www.sinnexus.com/business_intelligence/sistemas_soporte_decisiones.aspx

Concepto 2:
El concepto de sistema de soporte a las decisiones (DSS por sus siglas en inglés Decision Support System) es muy amplio, debido a que hay muchos enfoques para la toma de decisiones y debido a la extensa gama de ámbitos en los cuales se toman. Estos sistemas de apoyo son del tipo OLAP o de minería de datos, que proporcionan información y soporte para tomar una decisión.
Un DSS puede adoptar muchas formas diferentes. En general, podemos decir que un DSS es un sistema informático utilizado para servir de apoyo, más que automatizar, el proceso de toma de decisiones. La decisión es una elección entre alternativas basadas en estimaciones de los valores de esas alternativas. El apoyo a una decisión significa ayudar a las personas que trabajan solas o en grupo a reunir inteligencia, generar alternativas y tomar decisiones. Apoyar el proceso de toma de decisión implica el apoyo a la estimación, la evaluación y/o la comparación de alternativas. En la práctica, las referencias a DSS suelen ser referencias a aplicaciones informáticas que realizan una función de apoyo.

http://es.wikipedia.org/wiki/Sistemas_de_soporte_a_decisiones

Imagen:











Tema 4: Definición de Tablero de Control:

El tablero de control (TdeC) es una herramienta del campo de la administración de empresas, aplicable a cualquier organización y nivel de la misma, cuyo objetivo y utilidad básica es diagnosticar adecuadamente una situación. Se lo define como el conjunto de indicadores cuyo seguimiento y evaluación periódica permitirá contar con un mayor conocimiento de la situación de su empresa o sector apoyándose en nuevas tecnologías informáticas.
El diagnóstico y monitoreo permanente de determinados indicadores e información ha sido y es la base para mantener un buen control de situación en muchas de las disciplinas de la vida. Como ejemplo de estos podemos señalar a la: medicina, basada en mediciones para el diagnóstico de la salud de los pacientes, a la aviación, cuyos indicadores de tablero de control sintetiza la información del avión y del entorno para evitar sorpresas y permite a los pilotos dirigir el avión a buen puerto; el tablero de un sistema eléctrico o de una represa son otros ejemplos. En todos estos casos el Tablero permite a través del color de las luces y alarmas ser el disparador para la toma de decisiones. En todos estos ejemplos es fundamental definir los indicadores a monitorear.

http://es.wikipedia.org/wiki/Tablero_de_control

El concepto de tablero de control parte de la idea de configurar un tablero de información cuyo objetivo y utilidad básica es diagnosticar adecuadamente una situación. Se lo define como el conjunto de indicadores cuyo seguimiento periódico permitirá contar con un mayor conocimiento sobre la situación de su empresa o sector.
La metodología comienza identificando como áreas clave a aquellos “temas relevantes a monitorear y cuyo fracaso permanente impediría la continuidad y el progreso de su empresa o sector dentro de un entorno competitivo, aun cuando el resultado de todas las demás áreas fuera bueno” (Alberto Ballvé, 2000).

http://www.eumed.net/libros-gratis/2011a/896/TABLEROS%20DE%20CONTROL.htm

imagen:

Ejemplos del mundo real de aplicación de Business Intelligence



Twentieth Century Fox utiliza BI para predecir qué actores, argumentos y filmes serán populares en cada vecindario. Evitando ciertos argumentos en cines específicos, la compañía tiene ahorros de aproximadamente $100 Millones de dólares alrededor del mundo cada año. Esa misma tecnología utilizan para seleccionar los "traliers" (cortos previos a la presentación de una película) alternativos para cada película en cada cine y así maximizar las ventas. Una película puede tener varios "trailers" diferentes, cada cual puede percibirse de diferente forma por cada tipo de audiencias.
Los sistemas BI de Jhon Deer no predicen el futuro, sino que lo planifican. Esta empresa manufacturera de equipo agrícola, mejora su negocio dando a los clientes una gran variedad de opciones en los productos que ellos pueden requerir, obteniendo millones de permutaciones para cada opción. Esto es grandioso para el área de marketing pero no tanto para el área de manufactura. John Deer solucionó este problema empleando inteligencia computarizada que aprende a "criar" agendas mejor de lo que lo harían los seres humanos. El equipo agrícola ahora fluye más suavemente a través de la línea de producción.
Así como estos casos, existen una gran cantidad de casos de aplicación exitosa de sistemas de BI, que han brindado una verdadera inteligencia al negocio, proporcionándole no solo una notoria eficiencia y ventaja competitiva, sino que a la larga puede ser la diferencia entre la supervivencia o desaparición de la empresa.

CONCEPTO DE NEGOCIOS INTELIGENTES

La capacidad para tomar decisiones de negocio precisas y de forma rápida se ha convertido en una de las claves para que una empresa llegue al éxito. Sin embargo, los sistemas de información tradicionales (como la mayoría de los programas de gestión, las aplicaciones a medida, e incluso los ERP más sofisticados), suelen presentar una estructura muy inflexible para este fin. Aunque su diseño se adapta con mayor o menor medida para manejar los datos de la empresa, no permite obtener la información de los mismos, y mucho menos extrapolar el conocimiento almacenado en el día a día de las bases de datos.




SEGUNDO CONCEPTO  DE NEGOCIOS INTELIGENTES

BI, por sus siglas en inglés, según el Data Warehouse Institute, lo define como la combinación de tecnología, herramientas y procesos que me permiten transformar mis datos almacenados en información, esta información en conocimiento y este conocimiento dirigido a un plan o una estrategia comercial. La inteligencia de negocios debe ser parte de la estrategia empresarial, esta le permite optimizar la utilización de recursos, monitorear el cumplimiento de los objetivos de la empresa y la capacidad de tomar buenas decisiones para así obtener mejores resultados.




Las fuentes electrónicas donde fueron consultados los conceptos mencionados son:
http://www.sinnexus.com/business_intelligence/sistemas_informacion.aspx
http://www.oracle.com/ocom/groups/public/@otn/documents/webcontent/317529_esa.pdf


Las principales características que limitan estos sistemas son:


Gran rigidez a la hora de extraer datos, de manera que el usuario tiene que ceñirse a los informes predefinidos que se configuraron en el momento de la implantación, y que no siempre responden a sus dudas reales.

Necesidad de conocimientos técnicos. Para la generación de nuevos informes o métricas suele resultar ineludible acudir al departamento técnico, solicitando una consulta adecuada para interrogar la base de datos.

Largos tiempos de respuesta, ya que las consultas complejas de datos suelen implicar la unión de tablas operacionales de gran tamaño, lo que se traduce en una incómoda espera que dificulta la fluidez del trabajo.

Deterioro en el rendimiento del SI. Cuando la base de datos consultada, para generar informes o ratios de negocio, es la misma que la que soporta el operativo de la empresa, el funcionamiento del sistema puede degradarse hasta afectar y paralizar a todos los usuarios conectados.

Falta de integración que implica islas de datos. Muchas organizaciones disponen de múltiples sistemas de información, incorporados en momentos distintos, para resolver problemáticas diferentes. Sus bases de datos no suelen estar integradas, lo que implica la existencia de islas de información.

Datos erróneos, obsoletos o incompletos. El tema de la calidad de los datos siempre es considerado como algo importante, pero esta labor nunca se lleva al extremo de garantizar la fiabilidad de la información aportada.

Problemas para adecuar la información al cargo del usuario. No se trata de que todo el mundo tenga acceso a toda la información, sino de que tenga acceso a la información que necesita para que su trabajo sea lo más eficiente posible.

Ausencia de información histórica. Los datos almacenados en los sistemas operacionales están diseñados para llevar la empresa al día, pero no permiten contrastar la situación actual con una situación retrospectiva de años atrás.

Para superar todas estas limitaciones, el Business Intelligence se apoya en un conjunto de herramientas que facilitan la extracción, la depuración, el análisis y el almacenamiento de los datos generados en una organización, con la velocidad adecuada para generar conocimiento y apoyar la toma de decisiones de los directivos y los usuarios oportunos.

Business Intelligence. (concepto1).

Business Intelligence es la habilidad para transformar los datos en información, y la información en conocimiento, de forma que se pueda optimizar el proceso de toma de decisiones en los negocios.

Datos, información y conocimiento

Desde un punto de vista más pragmático, y asociándolo directamente con las tecnologías de la información, podemos definir Business Intelligence como el conjunto de metodologías, aplicaciones y tecnologías que permiten reunir, depurar y transformar datos de los sistemas transaccionales e información desestructurada (interna y externa a la compañía) en información estructurada, para su explotación directa (reporting, análisis OLTP / OLAP, alertas...) o para su análisis y conversión en conocimiento, dando así soporte a la toma de decisiones sobre el negocio.

La inteligencia de negocio actúa como un factor estratégico para una empresa u organización, generando una potencial ventaja competitiva, que no es otra que proporcionar información privilegiada para responder a los problemas de negocio: entrada a nuevos mercados, promociones u ofertas de productos, eliminación de islas de información, control financiero, optimización de costes, planificación de la producción, análisis de perfiles de clientes, rentabilidad de un producto concreto, etc...

Los principales productos de Business Intelligence que existen hoy en día son:

* Cuadros de Mando Integrales (CMI)

* Sistemas de Soporte a la Decisión (DSS)

* Sistemas de Información Ejecutiva (EIS)

Por otro lado, los principales componentes de orígenes de datos en el Business Intelligence que existen en la actualidad son:

* Datamart

* Datawarehouse

Los sistemas y componentes del BI se diferencian de los sistemas operacionales en que están optimizados para preguntar y divulgar sobre datos. Esto significa típicamente que, en un datawarehouse, los datos están desnormalizados para apoyar consultas de alto rendimiento, mientras que en los sistemas operacionales suelen encontrarse normalizados para apoyar operaciones continuas de inserción, modificación y borrado de datos. En este sentido, los procesos ETL (extracción, transformación y carga), que nutren los sistemas BI, tienen que traducir de uno o varios sistemas operacionales normalizados e independientes a un único sistema desnormalizado, cuyos datos estén completamente integrados.

Qué es Inteligencia de Negocios (Business Intelligence), (concepto2).

Es una estrategia empresarial que persigue incrementar el rendimiento de la empresa o la competitividad del negocio, a través de la organización inteligente de sus datos históricos (transacciones u operaciones diarias), usualmente residiendo en Data Warehouse corporativos o Data Marts departamentales.
El concepto de BI no es nuevo, desde que la idea fue introducida a mediados de los años 60, no ha dejado de evolucionar a soluciones más efectivas y adaptadas al nuevo entorno tecnológico imperante. Con el precio del hardware en franco descenso, procesadores mas potentes, la hegemonía de Internet-Web y software de gestión más eficientes, el concepto de inteligencia de negocio (BI) se coloca al alcance de muchas organizaciones modernas quienes están interesadas en maximizar sus inversiones en el área informática.

Definición de Almacén de Datos

Un Almacén de Datos (o Data Warehouse) es una gran colección de datos que recoge información de múltiples sistemas fuentes u operacionales dispersos, y cuya actividad se centra en la Toma de Decisiones, es decir, en el análisis de la información, en lugar de en su captura. Una vez reunidos los datos de los sistemas fuentes se guardan durante mucho tiempo, lo que permite el acceso a datos históricos; así los almacenes de datos proporcionan al usuario una interfaz consolidada única para los datos, lo que hace más fácil escribir las consultas para la toma de decisiones.

SISTEMA DE SOPORTE DECISIÓN

CONCEPTO:

Un Sistema de Soporte a la Decisión (DSS) es una herramienta de Business Intelligence enfocada al análisis de los datos de una organización.
El DSS es una de las herramientas más emblemáticas del Business Intelligence ya que, entre otras propiedades, permiten resolver gran parte de las limitaciones de los programas de gestión.


Un sistema de soporte a las decisiones ( Decision Support System, DSS ) es un sistema informático de información el cual ayuda a un usuario a mejorar las decisiones que toma, a tener mas cura y a reducir los costes sin perdida de calidad.


Un DSS es un software que intenta ayudar a las persones que toman las decisiones compilando información útil sobre los datos sin procesar, los documentos, el conocimiento personal, y/o los modelos de negocio para poder identificar y solucionar los problemas y poder tomar mejores decisiones. El tipo de información puede ser por ejemplo cualquiera de las siguientes:

+Un inventario de todos los bienes de que se dispone ( incluido la información directa o de terceros, lo que hay en los almacenes, en los mercados,...)
+Comparativa de ventas entre semanas.
+Proyección de beneficios futuros de un nuevo producto teniendo en cuenta las ventas de productos similares.
+Evaluar las consecuencias de diferentes decisiones teniendo en cuenta las alternativas y la experiencia en un contexto similar.


Los beneficios de utilizar un sistema de soporte a les decisiones son:

°Mejora la eficiencia personal
°Proporciona soluciones a los problemas
°Facilita la comunicación entre personas
°Fomenta el aprendizaje o formación
°Mejora el control de la organización
°Obtiene nuevas evidencias que ayudan a las decisiones
°Crea ventajas competitivas sobra la competencia/li>
°Anima a explorar y descubrir de como se toman las decisiones
°Proporciona nuevos puntos de vista de como pensar sobre el espacio del problema


Estas son algunas de sus características principales:

*   Informes dinámicos, flexibles e interactivos, de manera que el usuario no tenga que ceñirse a los listados predefinidos que se configuraron en el momento de la implantación, y que no siempre responden a sus dudas reales.

*   No requiere conocimientos técnicos. Un usuario no técnico puede crear nuevos gráficos e informes y navegar entre ellos, haciendo drag&drop o drill through. Por tanto, para examinar la información disponible o crear nuevas métricas no es imprescindible buscar auxilio en el departamento de informática.

*   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 están optimizadas para el análisis de grandes volúmenes de información (vease ánalisis OLTP-OLAP).

*   Integración entre todos los sistemas/departamentos de la compañía. El proceso de ETL previo a la implantación de un Sistema de Soporte a la Decisión garantiza la calidad y la integración de los datos entre las diferentes unidades de la empresa. Existe lo que se llama: integridad referencial absoluta.

*   Cada usuario dispone de información adecuada a su perfil. No se trata de que todo el mundo tenga acceso a toda la información, sino de que tenga acceso a la información que necesita para que su trabajo sea lo más eficiente posible.

*   Disponibilidad de información histórica. En estos sistemas está a la orden del día comparar los datos actuales con información de otros períodos históricos de la compañía, con el fin de analizar tendencias, fijar la evolución de parámetros de negocio, etc.

algunas fuentes de información son las siguientes:
http://www.ral.ucar.edu/technology/dss.php
http://www.informationbuilders.com/decision-support-systems-dss.html

Data Warehousing.

Data Warehousing es el proceso que facilita la creación y explotación de un Almacén de Datos.

Los Sistemas de Data Warehousing incluyen funcionalidades como:

Integración de bases de datos heterogéneas (relacionales, documentales, geográficas, archivos, etc.)
Ejecución de consultas complejas no predefinidas visualizando el resultado en forma gráfica y en diferentes niveles de agrupamiento y totalización de datos.
Agrupamiento y desagrupamiento de datos en forma interactiva.
Análisis del problema en términos de dimensiones.
Control de calidad de datos.

Características del Almacén de Datos.

Organizado en torno a temas. La información se clasifica en base a los aspectos que son de interés para la empresa.
Integrado. Es el aspecto más importante. La integración de datos consiste en convenciones de nombres, codificaciones consistentes, medida uniforme de variables, etc.
Dependiente del tiempo. Esta dependencia aparece de tres formas:
La información representa los datos sobre un horizonte largo de tiempo.
Cada estructura clave contiene (implícita o explícitamente) un elemento de tiempo (día, semana, mes, etc.).
La información, una vez registrada correctamente, no puede ser actualizada.
No volátil. El Almacén de Datos sólo permite cargar nuevos datos y acceder a los ya almacenados, pero no permite ni borrar ni modificar los datos.

Arquitectura Data Warehouse.

La estructura básica de la arquitectura Data Warehouse incluye:
Datos operacionales. Origen de datos para el componente de almacenamiento físico del Almacén de Datos.
Extracción de datos. Selección sistemática de datos operacionales usados para formar parte del Almacén de Datos.
Transformación de datos. Procesos para sumarizar y realizar cambios en los datos operacionales.
Carga de datos. Inserción de datos en el Almacén.
Almacén. Almacenamiento físico de datos de al arquitectura Data Warehouse.
Herramienta de acceso. Herramientas que proveen acceso a los datos.

Estructura lógica del Almacén de Datos.

La estructura lógica de un Almacén de Datos está compuesta por los siguientes niveles:
Metadatos. Describen la estructura de los datos contenidos en el almacén.
Están en una dimensión distinta al resto de niveles.
Datos detallados actuales. Obtenidos directamente del procesado de los datos.
Forman el nivel más bajo de detalle.
Ocupan mucho espacio.
Se almacenan en disco, para facilitar el acceso.
Datos detallados históricos. Igual que los anteriores, pero con datos correspondientes al pasado.
Se suelen almacenar en un medio externo, ya que su acceso es poco frecuente.
Datos ligeramente resumidos. Primer nivel de agregación de los datos detallados actuales.
Corresponden a consultas habituales.
Se almacenan en disco.
Datos muy resumidos. Son el nivel más alto de agregación.
Corresponden a consultas que se realizan muy a menudo y que se deben obtener muy rápidamente.
Suelen estar separados del Almacén de datos, formando Supermercados de Datos (Data Marts).

Estructura física del Almacén de Datos.

La estructura física puede presentar cualquiera de las siguientes configuraciones:
Arquitectura centralizada. Todo el Almacén de datos se encuentra en un único servidor.
Arquitectura distribuida. Los datos del Almacén se reparten entre varios servidores. Asignando cada servidor a uno o varios temas lógicos.
Arquitectura distribuida por niveles. Refleja la estructura lógica del Almacén, asignando los servidores en función del nivel de agregación de los datos que contienen. Un servidor está dedicado para los datos de detalle, otro para los resumidos y otro para los muy resumidos.
Cuando los datos muy resumidos se duplican en varios servidores para agilizar el acceso se habla de Supermercados de datos (Data Marts).

Software Data Warehouse

-Red Brick Warehouse
-Essbase
-Pilot Decission Support Suite
-Microsoft SQL Server

ESCRIBA UNA BREVE SÍNTESIS ACERCA DE LA EVOLUCIÓN DE LA INTELIGENCIA DE NEGOCIOS
La inteligencia de negocios gira alrededor de un principio muy elemental: los negocios se sustentan en la información y, por tanto, dependen de ella. Comprende las mejores prácticas, aplicaciones informáticas, información y herramientas que ayudan a una compañía a entender su negocio, mejorar su toma de decisiones y optimizar su eficiencia. Ya sea en las áreas de marketing, ventas, finanzas, operaciones, recursos humanos; tiene como objetivo principal la entrega ágil de información; y adicionalmente, el soporte de las decisiones gerenciales mediante tablas de información, cuadros o métricas de análisis, modelación y segmentación de datos.
Estas herramientas posibilitan a la alta gerencia construir y adaptar modelos de negocios en mercados competitivos para lograr una mayor eficiencia y costos operativos más bajos.

Algunos ejemplos de modelos de negocios desarrollados gracias a la inteligencia de negocios son:
• Modelos de control y desempeño, con cuadros de medición de gestión y control de las actividades y áreas de la organización. Aquí entran herramientas conocidas como el cuadro de mando integral - mapas estratégicos, Dashboards, KPIs, etc.
• Modelos enfocados hacia el cliente, que permitan el crecimiento rentable y sostenible de la organización mediante estrategias de lealtad y fidelización. Respuestas indispensables a: ¿Quiénes son mis socio - clientes?, ¿cómo los segmento?, ¿qué productos y servicios les ofrezco? Ello es posible mediante una evaluación permanente de la información generada en el proceso comercial de la organización. Aquí tenemos soluciones de modelos de segmentación, CRM operativos, datamarketing, etc.
• Modelos de nuevas estructuras de negocios mediante fabricación de productos y servicios, y definición de las líneas de negocios rentables, para la eficiencia de líneas actuales o creación de nuevas. Aquí se aplican modelos de rentabilidad y costeo, Dupont, EVA, árboles de rentabilidad, ABC, etc.

Evolución de la Inteligencia de negocios.
A pesar de que el término inteligencia de negocios fue acuñado en 1989 por Howard Dresdner de Gartner Group, el problema de reunir y analizar información es probablemente tan antiguo como la humanidad. Por ejemplo, Sun Tzu en “El Arte de la Guerra”, mantenía - hace 2500 años- que para tener éxito en la guerra, un general debería tener total conocimiento de sus propias fortalezas y debilidades así como las de sus adversarios. La evolución de la inteligencia de negocios se puede suscribir a tres ciclos (ver gráfico 1): el primero, de 1975 a 1990, se apoya en los nacientes sistemas transaccionales de las empresas para emitir reportes estáticos de información; el segundo, de 1990 al 2005, en el que se desarrolla toda una serie de teorías y tecnologías destinadas al tratamiento de la información. Es la época de los “cubos de información” y tecnología “OLAP” sustentados en la construcción de grandes y, a veces, complejos repositorios de información o “Datawarehouse”. En esta fase se cuenta con sistemas más amigables de información, acceso remoto y vía web, que permiten tener información en tablas y reportes dinámicos para el manejo de los datos generados por el negocio.

ESCRIBA AL MENOS DOS CONCEPTOS BÁSICOS O DEFINICIONES DE SISTEMAS DE SOPORTE A LA DECISIÓN

• DEFINICIÓN 1: Los Sistemas de Soporte a la Decisión (Decision Support Systems, DSS) pueden considerarse como una tercera generación de Sistemas de Información, cuyo objetivo es intentar descubrir qué pasaría si se toman una serie de decisiones, o ir más allá proporcionando automáticamente las decisiones o sugerencias que asistan al administrador.

• DEFINICIÓN 2: Es una herramienta de Business Intelligence enfocada al análisis de los datos de una organización.
En principio, puede parecer que el análisis de datos es un proceso sencillo, y fácil de conseguir mediante una aplicación hecha a medida o un ERP sofisticado. Sin embargo, no es así: estas aplicaciones suelen disponer de una serie de informes predefinidos en los que presentan la información de manera estática, pero no permiten profundizar en los datos, navegar entre ellos, manejarlos desde distintas perspectivas.

CONCEPTO O DEFINICIÓN DE TABLERO DE CONTROL (O TABLERO DE COMANDO)

• DEFINICIÓN 1: El tablero de control (TdeC) es una herramienta del campo de la administración de empresas, aplicable a cualquier organización y nivel de la misma, cuyo objetivo y utilidad básica es diagnosticar adecuadamente una situación. Se lo define como el conjunto de indicadores cuyo seguimiento y evaluación periódica permitirá contar con un mayor conocimiento de la situación de su empresa o sector apoyándose en nuevas tecnologías informáticas.

•      DEFINICIÓN 2: Se define Tablero de Control o Tablero de Comando como el conjunto de indicadores cuyo seguimiento periódico permitirá contar con un mayor conocimiento de la situación de su empresa o sector.

hola compañeros! aquí paso a dejar mi participación en el foro

PARTICIPACIÓN N° 1

Escriba una breve síntesis acerca de la evolución de la Inteligencia de Negocios:


La Inteligencia de Negocios es el término y procura caracterizar una amplia variedad de tecnologías, plataformas de software, especificaciones de aplicaciones y procesos. El objetivo primario de la a Inteligencia de Negocios es contribuir a tomar decisiones que mejoren el desempeño de la empresa y promover su ventaja competitiva en el mercado. En resumen, la Inteligencia de Negocios faculta a la organización a tomar mejores decisiones más rápidas. Este concepto se requiere analizar desde tres perspectivas: Hacer mejores decisiones más rápido, convertir datos en información, y usar una aplicación relacional para la administración. Su evolucion se ha ido dando a traves del tiempo.

1958
Hans Peter Luhn el investigador de IBM fue quien utiliza el termino de Inteligencia de Negocios en un articulo de 1958
"la capacidad de aprender las relaciones mutuas de los hechos presentados de una manera tal que orientar la acción hacia una meta deseada."
DSS se originó en los modelos por computadora, creado para ayudar en la toma de decisiones y la planificación

1960-1970
Desarrollo de las primeras bases de datos y las primeras aplicaciones empresariales (SAP, JD Edwards, Siebel, PeopleSoft). Estas aplicaciones permitieron realizar “data entry” en los sistemas, aumentando la información disponible, pero no fueron capaces de ofrecer un acceso rápido y fácil a dicha información.

1980
Desde DSS, data warehouses, sistemas de información ejecutiva, OLAP e inteligencia de negocios

1989
Howard Dresner (más tarde, un analista de Gartner Group) propuso la "inteligencia de negocios" como un término general para describir "los conceptos y métodos para mejorar la toma de decisiones empresariales mediante el uso de sistemas basados en hechos de apoyo"

2000
Consolidación de las aplicaciones BI en unas pocas plataformas Business Intelligence (Oracle, SAP, IBM, Microsoft). A parte de la información estructurada, se empieza a considerar otro tipo de información y documentos no estructurados.

Conclusion
"La inteligencia de negocios es un conjunto de metodologías, procesos, arquitecturas y tecnologías que transforman los datos en bruto en información significativa y útil que se usa para activar conocimientos más eficaz estratégicos, tácticos y operativos y en la toma de decisiones."



--------------------------------------------------------------------------------------------------------------
PARTICIPACIÓN N° 2
Escriba al menos dos conceptos básicos o definiciones de Sistemas de Soporte a la Decisión:

Concepto:
Un sistema de soporte de decisiones suele ser interactivo y basado en un software. Ayuda a las organizaciones como a las empresas para analizar los datos sobre las situaciones actuales, comparar las opciones disponibles y evaluar los resultados probables.

*Características
La capacidad de tomar decisiones de calidad en cualquier organización a menudo se basa no sólo en tener una buena información, sino también en ser capaces de utilizar esa información de manera eficaz. Un sistema de apoyo a las decisiones humanas mejora las habilidades de resolución de problemas con los programas informáticos. Además de las decisiones más importantes, las organizaciones a menudo tienen que integrar los sistemas de apoyo a las decisiones en su funcionamiento del día a día.

*Función
Algunos ejemplos de información en que una aplicación de apoyo a las decisiones podría ser utilizada incluyen los beneficios proyectados sobre la base de datos de ventas, las cantidades de materias primas a comprar según lo que indica la demanda proyectada y datos similares.

*Tipos
Las aplicaciones del sistema de apoyo a las decisiones pasivas modelan y presentan los datos, sin intervenir en el actual proceso de toma de decisiones. Los modelos de sistemas de soporte de decisiones activas toman el proceso un paso más allá y sugieren o recomiendan decisiones basadas en la información que se les suministra.



Concepto:
Un Sistema de Soporte a la Decisión (DSS) es una herramienta de Business Intelligence enfocada al análisis de los datos de una organización.
En principio, puede parecer que el análisis de datos es un proceso sencillo, y fácil de conseguir mediante una aplicación hecha a medida o un ERP sofisticado. Sin embargo, no es así: estas aplicaciones suelen disponer de una serie de informes predefinidos en los que presentan la información de manera estática, pero no permiten profundizar en los datos, navegar entre ellos, manejarlos desde distintas perspectivas... etc.
El DSS es una de las herramientas más emblemáticas del Business Intelligence ya que, entre otras propiedades, permiten resolver gran parte de las limitaciones de los programas de gestión. Estas son algunas de sus características principales:

*Informes dinámicos, flexibles e interactivos, de manera que el usuario no tenga que ceñirse a los listados predefinidos que se configuraron en el momento de la implantación, y que no siempre responden a sus dudas reales.

*No requiere conocimientos técnicos. Un usuario no técnico puede crear nuevos gráficos e informes y navegar entre ellos, haciendo drag&drop o drill through. Por tanto, para examinar la información disponible o crear nuevas métricas no es imprescindible buscar auxilio en el departamento de informática.

*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 están optimizadas para el análisis de grandes volúmenes de información (vease ánalisis OLTP-OLAP).

*Integración entre todos los sistemas/departamentos de la compañía. El proceso de ETL previo a la implantación de un Sistema de Soporte a la Decisión garantiza la calidad y la integración de los datos entre las diferentes unidades de la empresa. Existe lo que se llama: integridad referencial absoluta.

*Cada usuario dispone de información adecuada a su perfil. No se trata de que todo el mundo tenga acceso a toda la información, sino de que tenga acceso a la información que necesita para que su trabajo sea lo más eficiente posible.

*Disponibilidad de información histórica. En estos sistemas está a la orden del día comparar los datos actuales con información de otros períodos históricos de la compañía, con el fin de analizar tendencias, fijar la evolución de parámetros de negocio... etc.



-------------------------------------------------------------------------------------------------------------------------------------------------------------
PARTICIPACIÓN N° 3
Listado de al menos diez herramientas de software que correspondan a la categoría de los Sistemas de Soporte a la Decisión (herramientas que sirven para soportar el proceso de toma de decisiones):
1. Desarrollo de aplicaciones.
2. Administración de datos.
3. Un cuadro simple en forma de T.
4. Sistemas de workflow.
5. Árboles de decisión.
6. Tele conferencia.
7. Análisis estadístico.
8. Planeación.
9. Consulta.
10. Gráficas.
11. Consolidaciones.
12. Capacidades especificas de la aplicación de DSS.
13. Informe de decisiones cara a cara.


Atte: Ameyalli Quezada Gutiérrez.

muy buenas noches compañeros:    

Tablero de Control o Tablero de Comando
Se define Tablero de Control o Tablero de Comando como el conjunto de indicadores cuyo seguimiento periódico permitirá contar con un mayor conocimiento de la situación de su empresa o sector.
METODOLOGÍA: comienza identificando como áreas clave aquellos "temas relevantes a monitorio y cuyo fracaso permanente impediría la continuidad y el progreso de su empresa o sector dentro de un entorno competitivo, aun cuando el resultado de todas las demás áreas fuera bueno.
Los indicadores clave son los datos, índices o radios que dan información de la situación de cada área clave. A partir de definir áreas e indicadores y apoyando con nuevas tecnologías informáticas se puede conformar una potente herramienta de diagnóstico de situación, por lo cual podría ser llevado en papel pero su uso se potencia más utilizando un EIS (executive information system).

TIPOS DE TABLEROS de CONTROL: dadas las distintas necesidades de las empresas se pueden aplicar cuatro tipos genéricos de Tableros:
• Tablero de Control Operativo
• Tablero de Control Directivo
• Tablero de Control Estratégico
• Tablero de Control Integral


En todos los casos, después de determinar las áreas y los indicadores deberé definir:
• Período del indicador: día, mes acumulado del ejercicio, etc.
• Apertura: forma en la cual se podrá abrir y clasificar la información
• Frecuencia de actualización: on line, diaria, semanal, mensual
• Referencia: base sobre la que se calcularán las desviaciones. Puede ser un estándar, la historia.
• Parámetro de alarma: niveles por encima y por debajo de los cuales el indicador es preocupante
• Gráfico: torta, barras, líneas etc.
• Responsable de monitoreo: quien debe informar al nivel superior de la situación.

Almacén de datos (Data Warehouse)
Definición de Almacén de Datos
Un Almacén de Datos (o Data Warehouse) es una gran colección de datos que recoge información de múltiples sistemas fuentes u operacionales dispersos, y cuya actividad se centra en la Toma de Decisiones -es decir, en el análisis de la información- en vez de en su captura. Una vez reunidos los datos de los sistemas fuentes se guardan durante mucho tiempo, lo que permite el acceso a datos históricos; así los almacenes de datos proporcionan al usuario una interfaz consolidada única para los datos, lo que hace más fácil escribir las consultas para la toma de decisiones.
Diferencias entre Base de Datos y Almacén de Datos
Base de Datos Operacional Almacén de Datos

Datos operacionales Datos del negocio para Información
Orientado a aplicación Orientado al sujeto
Actual Actual + Histórico
Detallada Detallada + Resumida
Cambia continuamente Estable
Data Warehousing
Data Warehousing es el proceso que facilita la creación y explotación de un Almacén de Datos.
Los Sistemas de Data Warehousing incluyen funcionalidades como:
Integración de bases de datos heterogéneas (relacionales, documentales, geográficas, archivos, etc.)
Ejecución de consultas complejas no predefinidas visualizando el resultado en forma gráfica y en diferentes niveles de agrupamiento y totalización de datos.
Agrupamiento y desagrupamiento de datos en forma interactiva.
Análisis del problema en términos de dimensiones.
Control de calidad de datos.
Características del Almacén de Datos
Organizado en torno a temas. La información se clasifica en base a los aspectos que son de interés para la empresa.
Integrado. Es el aspecto más importante. La integración de datos consiste en convenciones de nombres, codificaciones consistentes, medida uniforme de variables, etc.
Dependiente del tiempo. Esta dependencia aparece de tres formas:
La información representa los datos sobre un horizonte largo de tiempo.
Cada estructura clave contiene (implícita o explícitamente) un elemento de tiempo (día, semana, mes, etc.).
La información, una vez registrada correctamente, no puede ser actualizada.
No volátil. El Almacén de Datos sólo permite cargar nuevos datos y acceder a los ya almacenados, pero no permite ni borrar ni modificar los datos.

Buenas tarde compañeros aqui esta una imagen de Datawarehouse que fue acuñado por primera vez por Bill Inmon, y se traduce literalmente como almacén de datos. No obstante, y como cabe suponer, es mucho más que eso.

Hoy en dia muchas empresa comparten datos claves con sus proveedores para que ellos puedan anticipar los nivekles presentes y futuros del inventario y hacer los ajustes inevitables que ayudaran al negocio. compartir la informacion es la clave es donde la inteligencia de negocios es importante.
uno de los proveedores de productos de inteligencias es bitam es un proveedor de soluciones de gestion del rendimiento corporativo que incluye soluciones de inteligencias de negocios.
los productos de bitam son:
· artus
· papiros
· advisor
· ektos
· stratego
Los proveedores de businnes inteligente cuyos productos analizan una gran cantidad de datos de ventas, clientes, personal, están añadiendo la capacidad wireless (transmisión innalambrico). existen varios proveedores de este tipo de tecnologias entre las mas destacadas podemos mencionar a information builders quien lanzo tell meby e- mail el cual da acceso a los clientes a la información por medio de celulares.

Almacenes de datos (Datawarehouse)

Roberto Hernando Velasco
(http://www.rhernando.net)

1 Almacén de datos (Data Warehouse)

1.1 Definición de Almacén de Datos
Un Almacén de Datos (o Data Warehouse) es una gran colección de datos que recoge información de múltiples sistemas fuentes u operacionales dispersos, y cuya actividad se centra en la Toma de Decisiones -es decir, en el análisis de la información- en vez de en su captura. Una vez reunidos los datos de los sistemas fuentes se guardan durante mucho tiempo, lo que permite el acceso a datos históricos; así los almacenes de datos proporcionan al usuario una interfaz consolidada única para los datos, lo que hace más fácil escribir las consultas para la toma de decisiones.

1.2 Diferencias entre Base de Datos y Almacén de Datos
Base de Datos Operacional Almacén de Datos
Datos operacionales Datos del negocio para Información
Orientado a aplicación Orientado al sujeto
Actual Actual + Histórico
Detallada Detallada + Resumida
Cambia continuamente Estable

1.3 Data Warehousing

Data Warehousing es el proceso que facilita la creación y explotación de un Almacén de Datos.

Los Sistemas de Data Warehousing incluyen funcionalidades como:

Integración de bases de datos heterogéneas (relacionales, documentales, geográficas, archivos, etc.)
Ejecución de consultas complejas no predefinidas visualizando el resultado en forma gráfica y en diferentes niveles de agrupamiento y totalización de datos.
Agrupamiento y desagrupamiento de datos en forma interactiva.
Análisis del problema en términos de dimensiones.
Control de calidad de datos.

1.4 Características del Almacén de Datos

Organizado en torno a temas. La información se clasifica en base a los aspectos que son de interés para la empresa.
Integrado. Es el aspecto más importante. La integración de datos consiste en convenciones de nombres, codificaciones consistentes, medida uniforme de variables, etc.
Dependiente del tiempo. Esta dependencia aparece de tres formas:
La información representa los datos sobre un horizonte largo de tiempo.
Cada estructura clave contiene (implícita o explícitamente) un elemento de tiempo (día, semana, mes, etc.).
La información, una vez registrada correctamente, no puede ser actualizada.

No volátil. El Almacén de Datos sólo permite cargar nuevos datos y acceder a los ya almacenados, pero no permite ni borrar ni modificar los datos.

1.5 Arquitectura Data Warehouse
La estructura básica de la arquitectura Data Warehouse incluye:

Datos operacionales. Origen de datos para el componente de almacenamiento físico del Almacén de Datos.
Extracción de datos. Selección sistemática de datos operacionales usados para formar parte del Almacén de Datos.
Transformación de datos. Procesos para sumarizar y realizar cambios en los datos operacionales.
Carga de datos. Inserción de datos en el Almacén.
Almacén. Almacenamiento físico de datos de al arquitectura Data Warehouse.
Herramienta de acceso. Herramientas que proveen acceso a los datos.

1.6 Estructura lógica del Almacén de Datos
La estructura lógica de un Almacén de Datos está compuesta por los siguientes niveles:

Metadatos. Describen la estructura de los datos contenidos en el almacén.
Están en una dimensión distinta al resto de niveles.

Datos detallados actuales. Obtenidos directamente del procesado de los datos.
Forman el nivel más bajo de detalle.
Ocupan mucho espacio.
Se almacenan en disco, para facilitar el acceso.

Datos detallados históricos. Igual que los anteriores, pero con datos correspondientes al pasado.
Se suelen almacenar en un medio externo, ya que su acceso es poco frecuente.

Datos ligeramente resumidos. Primer nivel de agregación de los datos detallados actuales.
Corresponden a consultas habituales.
Se almacenan en disco.

Datos muy resumidos. Son el nivel más alto de agregación.
Corresponden a consultas que se realizan muy a menudo y que se deben obtener muy rápidamente.
Suelen estar separados del Almacén de datos, formando Supermercados de Datos (Data Marts).

1.7 Estructura física del Almacén de Datos
La estructura física puede presentar cualquiera de las siguientes configuraciones:

Arquitectura centralizada. Todo el Almacén de datos se encuentra en un único servidor.
Arquitectura distribuida. Los datos del Almacén se reparten entre varios servidores. Asignando cada servidor a uno o varios temas lógicos.
Arquitectura distribuida por niveles. Refleja la estructura lógica del Almacén, asignando los servidores en función del nivel de agregación de los datos que contienen. Un servidor está dedicado para los datos de detalle, otro para los resumidos y otro para los muy resumidos.
Cuando los datos muy resumidos se duplican en varios servidores para agilizar el acceso se habla de Supermercados de datos (Data Marts).

1.8 Software Data Warehouse

Red Brick Warehouse
Essbase
Pilot Decission Support Suite
Microsoft SQL Server

Almacenes de datos (Datawarehouse)

Roberto Hernando Velasco
(http://www.rhernando.net)

1 Almacén de datos (Data Warehouse)

1.1 Definición de Almacén de Datos
Un Almacén de Datos (o Data Warehouse) es una gran colección de datos que recoge información de múltiples sistemas fuentes u operacionales dispersos, y cuya actividad se centra en la Toma de Decisiones -es decir, en el análisis de la información- en vez de en su captura. Una vez reunidos los datos de los sistemas fuentes se guardan durante mucho tiempo, lo que permite el acceso a datos históricos; así los almacenes de datos proporcionan al usuario una interfaz consolidada única para los datos, lo que hace más fácil escribir las consultas para la toma de decisiones.

1.2 Diferencias entre Base de Datos y Almacén de Datos
Base de Datos Operacional Almacén de Datos
Datos operacionales Datos del negocio para Información
Orientado a aplicación Orientado al sujeto
Actual Actual + Histórico
Detallada Detallada + Resumida
Cambia continuamente Estable

1.3 Data Warehousing

Data Warehousing es el proceso que facilita la creación y explotación de un Almacén de Datos.

Los Sistemas de Data Warehousing incluyen funcionalidades como:

Integración de bases de datos heterogéneas (relacionales, documentales, geográficas, archivos, etc.)
Ejecución de consultas complejas no predefinidas visualizando el resultado en forma gráfica y en diferentes niveles de agrupamiento y totalización de datos.
Agrupamiento y desagrupamiento de datos en forma interactiva.
Análisis del problema en términos de dimensiones.
Control de calidad de datos.

1.4 Características del Almacén de Datos

Organizado en torno a temas. La información se clasifica en base a los aspectos que son de interés para la empresa.
Integrado. Es el aspecto más importante. La integración de datos consiste en convenciones de nombres, codificaciones consistentes, medida uniforme de variables, etc.
Dependiente del tiempo. Esta dependencia aparece de tres formas:
La información representa los datos sobre un horizonte largo de tiempo.
Cada estructura clave contiene (implícita o explícitamente) un elemento de tiempo (día, semana, mes, etc.).
La información, una vez registrada correctamente, no puede ser actualizada.

No volátil. El Almacén de Datos sólo permite cargar nuevos datos y acceder a los ya almacenados, pero no permite ni borrar ni modificar los datos.

1.5 Arquitectura Data Warehouse
La estructura básica de la arquitectura Data Warehouse incluye:

Datos operacionales. Origen de datos para el componente de almacenamiento físico del Almacén de Datos.
Extracción de datos. Selección sistemática de datos operacionales usados para formar parte del Almacén de Datos.
Transformación de datos. Procesos para sumarizar y realizar cambios en los datos operacionales.
Carga de datos. Inserción de datos en el Almacén.
Almacén. Almacenamiento físico de datos de al arquitectura Data Warehouse.
Herramienta de acceso. Herramientas que proveen acceso a los datos.

1.6 Estructura lógica del Almacén de Datos
La estructura lógica de un Almacén de Datos está compuesta por los siguientes niveles:

Metadatos. Describen la estructura de los datos contenidos en el almacén.
Están en una dimensión distinta al resto de niveles.

Datos detallados actuales. Obtenidos directamente del procesado de los datos.
Forman el nivel más bajo de detalle.
Ocupan mucho espacio.
Se almacenan en disco, para facilitar el acceso.

Datos detallados históricos. Igual que los anteriores, pero con datos correspondientes al pasado.
Se suelen almacenar en un medio externo, ya que su acceso es poco frecuente.

Datos ligeramente resumidos. Primer nivel de agregación de los datos detallados actuales.
Corresponden a consultas habituales.
Se almacenan en disco.

Datos muy resumidos. Son el nivel más alto de agregación.
Corresponden a consultas que se realizan muy a menudo y que se deben obtener muy rápidamente.
Suelen estar separados del Almacén de datos, formando Supermercados de Datos (Data Marts).

1.7 Estructura física del Almacén de Datos
La estructura física puede presentar cualquiera de las siguientes configuraciones:

Arquitectura centralizada. Todo el Almacén de datos se encuentra en un único servidor.
Arquitectura distribuida. Los datos del Almacén se reparten entre varios servidores. Asignando cada servidor a uno o varios temas lógicos.
Arquitectura distribuida por niveles. Refleja la estructura lógica del Almacén, asignando los servidores en función del nivel de agregación de los datos que contienen. Un servidor está dedicado para los datos de detalle, otro para los resumidos y otro para los muy resumidos.
Cuando los datos muy resumidos se duplican en varios servidores para agilizar el acceso se habla de Supermercados de datos (Data Marts).

1.8 Software Data Warehouse

Red Brick Warehouse
Essbase
Pilot Decission Support Suite
Microsoft SQL Server

En el año 1998 el esfuerzo era realmente muy grande para poder plasmar en un reporte lo que el usuario requería para realizar su monitoreo y análisis de información, en aquel momento las herramientas eran algo “rusticas” en cuanto a la presentación de los datos y tenían muchas limitantes en los formatos en que se podía mostrar la información, debido a esto tenían que hacerse desarrollos adicionales para complementar a las herramientas de Inteligencia de Negocios, lo típico era el desarrollo en Visual Basic, con este lenguaje se desarrollaba un ambiente más ejecutivo y amigable y se ligaba a la herramienta de Inteligencia de Negocios para hacer la parte de análisis con el ya famoso término “Drill Down” que en aquellos tiempos era lo último en tecnología. (Pueden encontrar una descripción más amplia de lo que se manejaba hace 10 años como Front en el capítulo 15 del libro “The Datawarehouse Toolkit de Ralph Kimball”)
Una gran limitante que había en aquellos tiempos era la accesibilidad, las herramientas Front End no podían accesarse vía Web así que tenían que manejarse en un ambiente cliente-servidor lo cual obviamente limitaba enormemente la movilidad y además nos obligaba a tener que instalar la herramienta Front End en cada una de las máquinas de los usuarios que en ocasiones pasaban de 100, parece increíble que algo que ahora vemos tan normal como instalar la herramienta Front End en un servidor Web antes era algo completamente imposible.

La principal ganancia que se ha obtenido en Inteligencia de Negocios en los últimos años es para el usuario final, hoy en día el usuario puede accesar a su Front End desde Internet, Palm, Pocket PC, Blackberry, etc., puede diseñar sus propias pantallas ó reportes de una manera muy sencilla y con una gran cantidad de opciones para plasmar su información en el formato que prefiera incluyendo todo tipo de gráficas, velocímetros, banners, Mapas geográficos, etc, también puede hacer proyecciones, análisis de What if y otros muchos tipos de análisis que le facilitan la detección el monitoreo y análisis de sus datos.
El usuario hoy en día depende cada vez menos del departamento de sistemas, las tecnologías están evolucionando para que el usuario llegue a ser completamente autosuficiente en la generación, edición y análisis de información, inclusive ya existen hoy en día tecnologías que permiten a usuarios poder agregar y modificar indicadores y dimensiones a sus Datamarts con sólo presionar un botón y sin necesidad de teclear una sola línea de programación, además pueden hacerlo vía Web, anteriormente esto hubiera requerido del apoyo del departamento de sistemas ó bien de algún proveedor de Consultoría lo cual significaba pérdida de tiempo e inversión de recursos

La cultura de la Tecnología de información está siendo adoptada cada vez por mas personas de todas las edades y niveles sociales, estamos viviendo un cambio cultural sin precedentes y esto presenta un gran reto ya que tendrá que cubrir necesidades nunca antes vistas para segmentos de personas que nunca antes habían sido usuarios potenciales de estas tecnologías.
En resumen podemos asegurar que la Inteligencia de Negocios ha estado y estará siempre en constante evolución adaptándose siempre a las necesidades de los usuarios, en la medida en que la tecnología facilite la creación de datos y su accesibilidad la Inteligencia de Negocios tendrá que hacerlo en la misma forma.