Documento

SISTEMAS DE INTELIGENCIA DE NEGOCIOS
Estructura de contenidos
INTRODUCCIN...........................................................................3
1.
BODEGA DE DATOS (DATA WAREHOUSE)...................................3

1.1. Componentes............................................................3

1.1.1.
Orgenes de datos.........................................4
1.1.1.1.
Sistemas propios...........................................4
1.1.1.2.
Origen externos............................................4

1.1.2.
rea de almacenamiento de Datos.....................4

1.1.2.1.
Modelos de datos dimensionales......................4
1.1.2.2.
Cubos OLAP..................................................7

1.1.3.
Herramientas de Acceso a datos.....................10

1.1.3.1.
Reportes , Informes y herramientas Dashboard..10

1.1.3.2.
Minera de Datos..........................................10

1.1.3.3. Sistemas de Soporte a las Decisiones...........11
2.

CICLO DE VIDA DE UN SISTEMA DE INTELIGENCIA DE NEGOCIOS..12

2.1.
2.2.
2.3.
2.4.
2.5.
2.6.
2.7.
Requisitos de Negocio..................................................12
Modelado dimensional..................................................13
Diseo y desarrollo ETL..................................................14
Diseo y construccin de cubos.....................................16
Implementacin Interfaz de usuario..............................17
Plan de Mantenimiento..................................................18
Pruebas e Implementacin............................................18
GLOSARIO..................................................................................20
BIBLIOGRAFA............................................................................22
FAVA - Formacin en Ambientes Virtuales de Aprendizaje
SENA - Servicio Nacional de Aprendizaje
2
INTRODUCCIN
Cada da son ms las organizaciones alrededor del mundo, que establecen
estrategias y asumen posiciones privilegiadas en el sector debido a la
toma de decisiones de apoyados en Sistemas de Inteligencia de Negocios.
La generacin de conocimiento asegura una mejor gestin de los procesos
en las organizaciones, la cadena de valor que adquieren los datos durante
su recorrido por la organizacin slo es posible si se tienen adecuadamente
estructuradas las actividades que hacen posible contar con soluciones de
Inteligencia de Negocios (BI).
1. BODEGA DE DATOS (DATA WAREHOUSE)

1.1 Componentes
La estructura organizacional de la bodega permite identificar tres elementos
esenciales en la bodega de datos:
Modelos de Datos
Dimensionales
VENTAS
Reportes , Informes y
herramientas Dashboard
Esquema en Estrella
ERP
Esquema Copo de Nieve
Minera de Datos
SCM
Web Log
Procesos ETL
Esquema Constelacin
Sistemas de Soporte
a las Decisiones
Origenes de Datos
Externos
Cubos OLAP
Orgenes de datos
rea de almacenamiento
Herramientas de
Acceso a Datos
3
1.1.1. Orgenes de datos

Corresponde a las fuentes que suministran los datos que conformaran la
bodega y permitirn la generacin de informacin asociada a la filosofa
organizacional.
1.1.1.1. Sistemas propios
Al interior de las organizaciones existen sistemas de informacin los cuales
son la fuente primaria para proveer los datos a transferir a la bodega.
Los repositorios de estos datos pueden ser bases de datos relacionales,
archivos de datos, archivos planos, hojas de clculo, entre otros, esto
determina la necesidad de establecer procesos pertinentes para el anlisis
de los mismos y determinar cules de esos datos representan la naturaleza
del negocio y de los objetivos propuestos para la bodega de datos.
1.1.1.2.
Orgenes externos
Adems de los sistemas de la organizacin la interaccin con sistemas

externos tambin genera fuentes de datos, los cuales pueden tambin
corresponder a diferentes formatos, estos deben ser analizados para
determinar el proceso ETL que corresponda para su inclusin como fuente
de datos en la bodega. Entre estos se encuentran datos de tipo estadstico
y cualitativo, como los desarrollados a travs de estudios de mercado,
poblacional, tendencias de la industria, etc.
1.1.2. rea de almacenamiento de Datos
La informacin contenida en la bodega en su mayora debe estar
desnormalizada , para agilizar el tiempo de procesamiento de las consultas,
ya que se requiere manejar grandes volmenes de datos derivados y la
realizacin de clculos a diferentes niveles.
1.1.2.1. Modelos de datos dimensionales
Para la construccin del modelo lgico conceptual de la estructura de la
bodega de datos, se utiliza una representacin multidimensional de las
variables que conforman los diferentes indicadores de gestin y control.
Se utilizan los modelos estrella, copo de nieve y constelacin como forma
de representacin grfica; los componentes de estos modelos son tablas
de datos de dos tipos: tablas de dimensiones y tablas de hechos.
4
Las tablas de dimensiones son equivalentes a una entidad en un modelo

de datos, tienen una llave primaria y datos que representan los filtros de
informacin a aplicar, contienen informacin que en ciertos modelos debe
estar desnormalizada; es importante no olvidar que siempre debe existir
una tabla de dimensin asociada al tiempo, esta debe construirse con
diferentes medidas de tiempo y preferiblemente debe utilizar como llave
primaria un dato de tipo entero, para optimizar los tiempos de bsqueda
y el espacio de almacenamiento.
Las tablas de hechos representan eventos del negocio que deben ser
cuantificables, poseen una llave primaria propia y llaves forneas que
identifican la relacin con las tablas de dimensiones. Posee adems otros
campos asociados a las mtricas con las que se establecen las respuestas
que forman parte del objetivo de informacin.
1.1.2.1.1. Esquema en Estrella
Este esquema es un modelo de datos compuesto por una tabla central
denominada Tabla de hechos Fact Table, que contiene los datos fuente
de informacin para el anlisis, y unas tablas denominadas dimensiones,
que se encuentran relacionadas con la tabla de hechos.
Dimensiones
Dimensiones
Dimensiones
TABLA DE HECHOS
Dimensiones
Dimensiones
5
Debido a la simplicidad del modelo, ofrece gran velocidad de procesamiento

al ser usado en el anlisis, permitiendo acceder tanto a los datos resumidos
a partir de funciones de agregado como al detalle de la informacin. Esta
velocidad es producto de la indexacin que sufren las tablas de dimensiones
en forma individual, sin afectar el rendimiento de la base de datos en su
conjunto.
1.1.2.1.2. Esquema Copo de Nieve
En este esquema el modelo de datos est compuesto por una tabla
central denominada Tabla de hechos, pero a diferencia del esquema
en estrella las tablas de dimensiones no estn relacionadas todas con
dicha tabla. Algunas de las tablas de dimensiones estn directamente
relacionadas con otras dimensiones, estableciendo una estructura similar
a la representacin grfica de un copo de nieve.
TABLA DE HECHOS
Al sufrir un proceso de normalizacin, se reduce el espacio requerido de

almacenamiento en las dimensiones minimizando la redundancia en los
datos, pero al tener que construir ms tablas de dimensiones la consulta
de datos disminuye el rendimiento al tener que crear ms tablas y
consecuentemente el nmero de combinaciones (Joins) para procesarlas.
6
1.1.2.1.3. Esquema Constelacin

En este esquema el modelo de datos consta de ms de una tabla de
hechos, lo cual aumenta la complejidad del modelo. Las tablas de
dimensiones son compartidas por las tablas de hechos. Aunque el modelo
ofrece flexibilidad, su estructura puede ser muy compleja para mantener.
Las tablas de hechos pueden llegar a representar diferentes niveles de
detalle, representados por su relacin con una misma dimensin. Algunas
tablas representarn detalles y otras representarn pronsticos. Siendo
entonces este modelo una combinacin de esquemas en Estrella o Copo
de Nieve.
Dimensiones
Dimensiones
HECHOS A
HECHOS B
Dimensiones
Dimensiones
Dimensiones
1.1.2.2. Cubos OLAP OnLine Analytical Processing

Un cubo OLAP o de Procesamiento
Analtico en Lnea, representa una base
de datos multidimensional caracterizada
porque el almacenamiento se realiza a
travs de un arreglo multidimensional.
Las bases de datos relacionales tienen
limitaciones respecto al anlisis de
grandes volmenes de datos, por esta
C
L
I
E
N
T
E
S
25
32
93
Cliente 2
13
15
50
Cliente 3
56
45
11
Cliente 1
Libro 1 Libro 2 Libro 3
AOS
Ao 3
Ao 2
Ao 1
LIBROS
7
razn la propuesta del almacenamiento en cubos agilizara los procesos

de anlisis sobre los datos, sin embargo estara limitada al periodo de
tiempo para el cual se construyo el cubo, siendo necesario redisear el
cubo si el periodo de anlisis cambia.
Las dimensiones en el cubo representan los posibles filtros asociados a
las consultas, cuando se tienen ms de tres dimensiones, los cubos se
denominan hipercubos.
Las herramientas OLAP permiten:
rotar los cubos.
C
L
I
E
N
T
E
S
25
32
93
Cliente 2
13
15
50
Cliente 3
56
45
11
Cliente 1
Libro 1 Libro 2 Libro 3
AOS
Ao 3
Ao 2
Ao 1
L
I
B
R
O
S
Libro 1
25
13
56
Libro 2
32
15
45
Libro 3
93
50
11
Cliente 1 Cliente 2 Cliente 3
LIBROS
AOS
Ao 3
Ao 2
Ao 1
CLIENTES
Cambio de dimensin clientes por la de libros.
Seleccionar slo algunas de las celdas

C
L
I
E
N
T
E
S
AOS
Cliente 2
13
Libro 1
15
Ao 1
Libro 2
LIBROS
8
Totalizar por item

C
L
I
E
N
T
E
S
Cliente 1
150
Cliente 2
78
Cliente 3
112
AOS
Ao 3
Ao 2
Ao 1
LIBROS
O cambiar el nivel de agregacin para obtener totales en diferentes niveles.

Cubos con mas detalles
C
L
I
E
N
T
E
S
Cliente 1
57
93
Cliente 2
28
50
Cliente 3
101
11
Materia 1 Materia 2
AOS
Ao 3
Ao 2
Ao 1
MATERIAS
Se puede obtener diferentes jerarquas a partir de los atributos de las

dimensiones.
9
1.1.3. Herramientas de Acceso a datos

Una vez se tengan almacenados
los datos, es necesario procesarlos
para que se conviertan en
conocimiento y apoyen la toma
de decisiones. Estas herramientas
pueden categorizarse de acuerdo
con la complejidad de su uso o
la manera en que presenta la
informacin as:
Dashboard
Dashboard
Add Widgets...
Services
View Agents
Visual Console
GIS Maps
Inventory
Edit My User
Reporting
SNMP console
Menssages
Extensions
Manage Incidents
1.1.3.1. Reportes , Informes y Herramientas Dashboard

Aqu se presentan los datos para que el usuario visualice la informacin
en un alto nivel, establece Herramientas para la generacin de consultas
e informes con interfaz grfica, las cuales a travs de asistentes facilitan
la realizacin de peticiones complejas.
El trmino dashboard (tablero de control) hace alusin a una pgina
desarrollada con tecnologa Web, donde se muestre en tiempo real la
informacin de la empresa, producto de las operaciones de Inteligencia de
Negocios. Su utilidad se centra en la posibilidad de generar anlisis casi
instantneos.
Para la construccin de los tableros de control es importante identificar los
indicadores de rendimiento claves (KPI Key Performance Indicator), que
generalmente estn asociados a un objetivo de negocio y de esta forma
hacer seguimiento a travs de tasas o porcentajes que indican si se esta
cerca o por encima de una meta del negocio. A partir de esta filosofa se
puede descomponer una meta organizacional en metas operacionales.
1.1.3.2. Minera de Datos
La minera de datos busca que a partir de los datos almacenados se pueden
extraer patrones que permitan convertir estos datos en Inteligencia de
Negocios (BI), para lo cual existen en el mercado infinidad de soluciones
de software que proporcionan ventajas competitivas a las organizaciones.
10
Estas herramientas facilitan la

construccin de modelos de minera
de datos, utilizando orgenes distintos,
tanto de fuentes relacionales como
de cubos multidimensionales. En
estas herramientas se pueden aplicar
las diferentes tcnicas asociadas a la
minera como son: el modelado de
regresin lineal, rboles de decisin,
redes neuronales, agrupacin, etc.
Tambin permiten la visualizacin de
los modelos y generar las consultas
de prediccin.
1.1.3.3. Sistemas de Soporte a las Decisiones
Un Sistema de Soporte a la Decisin
(DSS) es una herramienta de Inteligencia
de Negocios que permite acceder a los
datos para su anlisis y proyeccin como
informacin importante para cualquier
organizacin.
Dentro de las caractersticas asociadas a
estas herramientas se encuentran:
Generacin de informes dinmicos y flexibles, ya que permiten ser
modificados.
Facilidad de utilizacin para los usuarios.
Segmentacin de informacin por perfil de usuario.
Tiempos de respuesta ptimos.
Integracin con los dems sistemas de la compaa.
Dentro de las herramientas DSS se encuentran:
Sistemas de informacin gerencial (MIS, Management Information
Systems): provee soporte a tareas organizacionales relacionadas con
aplicaciones CRM/ERP.
Sistemas de informacin ejecutiva (EIS, Executive Information
System): provee acceso sencillo a informacin interna y externa
relevante para alcanzar las metas, especializado en el presentar el
estado diario de la organizacin a travs de indicadores clave.
11
2. CICLO DE VIDA DE UN SISTEMA DE INTELIGENCIA DE NEGOCIOS
7
6
5
4
3
2
1
Pruebas e Implementacin
Plan de Mantenimiento
Implementacin Interfaz de Usuario
Diseo y Construccin de Cubos
Diseo y Desarrollo ETL
Modelado Dimensional
Requisitos de Negocio
El anterior diagrama representa las etapas necesarias para la

implementacin de un Sistema de Inteligencia de Negocios, estas etapas
son afrontadas por diferentes metodologas y representan un modelo de
procesos a realizar..
2.1. Requisitos de Negocio
Para crear diseos apropiados es necesario identificar
los requerimientos claves correspondientes a los
factores de xito del negocio, de tal manera que se
describa el alcance de cada nivel de los usuarios y
del Data Warehouse (Bodega de Datos).
Se deben especificar en forma clara y precisa las
funciones que se esperan de la Bodega de Datos,
para lo cual es importante considerar las expectativas
de los diferentes usuarios, tanto a nivel operativo,
como gerencial y del mismo administrador de base
de datos.
12
Es necesario adems identificar las temticas y objetivos de las reas

funcionales de la organizacin y el nivel de detalle de la informacin
requerida ya que la granularidad determina los niveles de agrupamiento
a implementar, las dimensiones de categorizacin (tiempo, ubicacin
geogrfica, sector de industria, clientes, productos, etc.).
En esta etapa se deben determinar cual es el problema que se desea
resolver y establecer los criterios de xito que pueden ser cualitativos
o cuantitativos. Es importante considerar con que informacin previa se
cuenta y si se tienen los datos necesarios para resolver los interrogantes.
2.2. Modelado Dimensional
En esta etapa se debe pasar de un modelo Relacional de datos a un
modelo dimensional, para lo cual se deben identificar las dimensiones,
los hechos y el modelo a utilizar. Para determinar los campos contenidos
en estas es recomendable considerar los siguientes tems:
Tabla de Dimensiones:
o Debe contener una clave simple no relacionada con la llave del
negocio, normalmente se refiere a llaves auto numricas.
o Sus campos deben ser descriptores que complementen la informacin
y representan los niveles de agregacin.
o Debe incluir las claves del negocio.
o Siempre debe existir una dimensin temporal.
o Deben ser claras y explicitas ya que representan la interfaz que
tendrn los usuarios para navegar por la informacin.
o No se debe escatimar en cuanto al nmero de atributos para la
tabla de dimensiones, ya que el numero de registros que contendr
es mnimo respecto al de la tabla de hechos.
o Las dimensiones de fechas pueden tener diversas formas de
representarse.
o El numero de dimensiones depende del modelo dimensional adoptado,
pero si se encuentra un numero muy elevado puede ser que algunas
no son independientes y deberan agruparse.
o En algunos casos se
requiere normalizar las dimensiones,
generndose un modelo copo de nieve.
o Deberan ayudar a responder las siguientes preguntas: qu?,
quin?, por qu?, dnde? y cundo?
13
Tabla de Hechos
o Debe contener una clave propia, independiente de las claves de
negocio.
o Los campos representan las mtricas, por lo tanto son numricos
y aditivos (no se almacenan valores individuales, solo totales y
subtotales)
o Contiene los campos de referencia hacia las tablas de dimensiones.
o Cada fila corresponde a una medida
o Si se requiere calcular porcentajes y proporciones deben almacenarse
el numerador y el denominador.
o No tienen valores nulos.
o Existen algunas tablas sin hechos (FactLess) que se utilizan para
relacionar las dimensiones y deben contener un campo de hecho
ficticio con valor por defecto igual a uno (1).
El nivel de detalle con el que se debe construir el modelo depende de
las preguntas que se quieran responder, aunque lo mejor es utilizar el
mximo nivel de detalle, teniendo en cuenta el espacio disponible en
la bodega de datos, tambin es necesario considerar que cada nivel de
agregacin hace que se pierda parte de la informacin.
2.3. Diseo y desarrollo de procesos ETL
E (Extraction)
T (Transformation)
L (Load)
Limpieza
Integracin
Transformacin
Actualizacin
Extraccin
Como se observa en la grfica el proceso ETL recoge informacin de

diferentes fuentes, transforma los datos convirtindolos en datos de
calidad y veracidad, por ltimo carga y actualiza la Bodega de Datos.
Los procesos ETL por lo general consumen mucho tiempo en un proyecto
de BI y es punto clave para el xito.
14
Como se observa en la grfica el proceso ETL recoge informacin de

diferentes fuentes, transforma los datos convirtiendo en datos de calidad
y veracidad por ultimo carga, actualiza en la DW.
El proceso extraccin, transformacin y carga est compuesto por las
siguientes etapas:
a. Extraccin: Este proceso obtiene los datos fsicamente de las distintas
fuentes de informacin utilizando tcnicas y herramientas ETL, para la
seleccin del mtodo es necesario tener en cuenta algunas problemticas
de la extraccin de datos como lo son el tipo de plataforma, protocolos,
juego de caracteres, tipos de datos, etc.
b. Limpieza: Al recuperar los datos en bruto, se requiere comprobar la
calidad de los mismos y corregir errores relacionados con campos nulos,
duplicados, inconsistencias en los datos, etc.
Etapas de la limpieza de datos:
Depurar los valores: Se pueden separar los datos de acuerdo con la
estructura de destino de los datos o la regla definida para esto.
Corregir: A partir de fuentes de datos externas se puede verificar
la informacin existente.
Estandarizar: A partir de formatos definidos por las reglas de
negocio, se sustituyen valores en los campos de datos
Relacionar: Verifica en otras fuentes la existencia de datos
relacionados, para evitar duplicados.
Consolidar: A partir de la identificacin de relaciones entre registros,
se llevan a una sola representacin.
c. Transformacin: Una vez que los datos se encuentran limpios, se
transforman de acuerdo con las reglas de negocio y las caractersticas de
las herramientas a utilizar.
En la transformacin se consideran cambios de formato, cambios de
cdigos, adicin de valores derivados y agregados. Es importante recordar
que los agregados cumplen un valor importante, ya que al almacenar el
resultado de estos clculos en la Bodega de Datos, se obtendr un mayor
rendimiento al realizar las consultas respectivas, sin olvidar que el nivel
de granularidad puede estar determinado por la dimensin del tiempo.
d. Integracin: En este proceso se realiza la carga de los datos y debe
validarse que los datos cargados en la bodega de datos son consistentes
15
con los que se encontraban en el medio transaccional.

e. Actualizacin: Este proceso es en el cual se determina la periodicidad
con la cual se van a aadir y sincronizar los nuevos datos a la Bodega de
Datos.
2.4. Diseo y construccin de cubos
Un cubo representa un subconjunto de datos de la bodega almacenado en
una estructura multidimensional. Para proceder a la implementacin de
los cubos es necesario determinar el tipo de cubo y la herramienta que
se utilizar para ello.
La construccin fsica de las tablas de dimensiones y las tablas de hechos
se realizan de acuerdo con el modelo dimensional definido y la herramienta
a utilizar, se ejecutan los procesos ETL para poblar las tablas y se genera
el cubo para obtener las respuestas a los requerimientos definidos.
Posteriormente se procede a visualizar la informacin del cubo.
Para definir el tipo de cubo a construir es necesario identificar las opciones
de almacenamiento que se tienen as:
Rendimiento: En este caso debe ser de tipo MOLAP (Multidimensional
On-Line Analytical Processing) almacenando en una base de datos
multidimensional tanto los datos como las agregaciones.
Capacidad:
ROLAP
Detalles
Agregaciones
Vistas
de
Usuario
(Relational On-Line Analytical Processing), los datos de los hipercubos

as como las agregaciones se encuentran dentro de una base de datos
relacional
16
HOLAP
Vistas
de
Usuario
Detalles
Agregaciones
(Hibrid On-Line Analytical Processing), los datos se encuentran en una

estructura relacional y los agregados en una estructura multidimensional.
DOLAP
Detalles
Vistas
de
Usuario
(Desktop On-Line Analytical Processing), Los datos se encuentran en una

base de datos multidimensional almacenada en un equipo Cliente.
2.5. Implementacin de la Interfaz de usuario
Una vez que han sido construidos los cubos se deben establecer las
herramientas que permitirn la visualizacin de la informacin, para lo
cual se cuenta con diversidad de posibilidades tales como:
Herramientas para la realizacin de informes, en las cuales participan
desarrolladores, quienes construyen de acuerdo con requerimientos
cambiantes de los usuarios, los informes que van siendo solicitados.
Herramientas OLAP, que proporcionan a partir de los SMBD
aplicaciones que permiten visualizar los datos desde diferentes
contextos: informes, graficas, estadsticas etc.
Aplicaciones de DashBoard, permitiendo la visualizacin sincrnica
de indicadores, referidos a objetivos o metas procedimentales.
Sistemas DSS, donde se permite utilizar diferentes niveles de anlisis
a la informacin a partir de aplicaciones definidas para ello.
17
2.6. Plan de Mantenimiento

Debido a la naturaleza dinmica de algunos datos, es necesario establecer
un plan de accin para considerar los ajustes o reconstruccin de algunos
de los objetos de la Bodega de datos. La siguiente lista proporciona algunos
de los elementos a considerar en el plan de mantenimiento.
Modificacin de datos de origen de las dimensiones. En este
caso debe analizarse si el cambio se asume para toda la historia
del dato (p.e. cambia la fecha de nacimiento del cliente) o si debe
generarse un nuevo ciclo a partir de la modificacin del mismo (p.e.
una sucursal cambia de responsable).
Se hace necesario modelar la informacin de manera tal que no se
pierda el historial de los datos, para esto es posible utilizar claves
subrogadas. Una caracterstica importante de la Bodega de Datos, es
la de repositorio de informacin Histrica.
Rendimiento. Se debe considerar el espacio ocupado en la bodega
de datos, por esto es posible que se haga necesario modificar las
estructuras de las tablas para aliviar el tamao de los objetos en la
bodega.
Es importante tener en cuenta que no se debe construir un modelo
para generar un informe en particular, sino que debe dar respuesta a
diferentes reas a partir de la inclusin de los indicadores y conceptos
del negocio.
Subutilizacin de Tablas Agregadas. Aun cuando estas tablas
proporcionan una mejora en el rendimiento de las consultas es
necesario asegurarse que la herramienta BI que se esta utilizando sea
capaz de aprovecharlas, de lo contrario los costes de mantenimiento
y actualizacin permanente de estas tablas solo haran mas complejo
el sistema.
2.7. Pruebas e Implementacin
En esta etapa se evala el modelo, partiendo de los criterios de xito
que se establecieron en la primera etapa. El proceso debe ser revisado a
partir de los resultados obtenidos para determinar si es necesario repetir
alguna de las etapas anteriores.
18
ERP
CRM
SCM
Proceso
de
Integracin
de datos
Data
Warehouse
Proceso de auditora
y reconciliacin.
Legancy
Calidad de
datos
Control
Usuarios
BI
Puntos de control de Calidad de datos
Se evala el modelo respecto a los objetivos planteados y si no existen

restricciones de tiempo se prueba con un problema real, tambin debe
evaluarse respecto a objetivos diferentes a los inicialmente planteados.
Si los resultados no son satisfactorios se hace necesario realizar otra
iteracin desde la fase de modelado o del proceso de ETL; en caso contrario
se hace necesario proceder a la implementacin del Sistema de BI.
La implementacin se ejecuta a partir del diseo de una estrategia, que
debe incluir la monitorizacin y mantenimiento de los modelos adoptados
por la bodega de datos, as como la presentacin de los resultados de
forma clara y precisa a los usuarios, para cumplir con los objetivos de
conocimiento.
19
GLOSARIO
DWH: (Data WareHouse). Bodega de Datos. Es un conjunto de datos
integrados sobre los cuales se soportan procesos de toma de decisiones
para grandes volmenes de datos.
ETL: (Extraction, Transformation and Load). Corresponde
procesos de:
a los
Extraccin: Aqu se identifican las fuentes y la informacin requerida

por el almacn de datos (BD, archivos planos, aplicaciones no
relacionales, etc.).
Transformacin: Una vez se selecciona la informacin a ser cargada
al almacn, sta se debe tratar para evitar que la migracin no
interrumpan su carga; por ejemplo: tipos de datos, formatos de fecha,
caracteres especiales no visibles (cambios de lnea, chr(10),chr(13)),
caracteres de comillas sencillas y otros.
Carga: Despus de determinar las fuentes de informacin, las
transformaciones y limpieza de la informacin extrada, se procede a
determinar la fuente destino y el mapeo entre la estructura origen y
la destino para realizar la carga de los datos extrados
KDD: (Knowledge Discovery from Databases). Descubrimiento de
Conocimiento en Bases de Datos cuyo objetivo es encontrar conocimiento
til, vlido, relevante y nuevo sobre una determinada actividad mediante
algoritmos, para grandes volmenes de datos.
ODS (OPERATIONAL DATA STORE) o Almacn Operacional De Datos
BI: (Business Intelligence) Inteligencia de Negocios es la habilidad para
transformar los datos en informacin, y la informacin en conocimiento,
de forma que se pueda optimizar el proceso de toma de decisiones en los
negocios.
20
GLOSARIO
OLAP: es el acrnimo en ingls de procesamiento analtico en lnea (OnLine Analytical Processing). Es una solucin utilizada en el campo de la
llamada Inteligencia empresarial (o Business Intelligence) cuyo objetivo
es agilizar la consulta de grandes cantidades de datos. Para ello utiliza
estructuras multidimensionales (o Cubos OLAP) que contienen datos
resumidos de grandes Bases de datos o Sistemas Transaccionales (OLTP).
Se usa en informes de negocios de ventas, marketing, informes de
direccin, minera de datos y reas similares.
La principal caracterstica que potencia a OLAP, es que es lo ms rpido a
la hora de ejecutar sentencias SQL de tipoSELECT, en contraposicin con
OLTP que es la mejor opcin para operaciones de tipo INSERT, UPDATE Y
DELETE
21
BIBLIOGRAFA
Cano, J. L. (2007). BUSINESS INTELLIGENCE: Competir con Informacin.
Recuperado el 15 de Mayo de 2012, de http://www.iwith.org/pdf/Libro_
BI_Competir_con_Informacion.pdf
Gallardo Arancibia, J. A. (2009). Metodologa para el desarrollo de

proyectos en Minera de Datos CRISP-DM. Recuperado el 20 de Mayo de
2012, de http://www.oldemarrodriguez.com/yahoo_site_admin/assets/
docs/Documento_CRISP-DM.2385037.pdf
Zorrilla, M. (2010). Data WareHouse y OLAP. Recuperado el 15 de Mayo de

2012, de Universidad de Cantabria: http://personales.unican.es/zorrillm/
BDAvanzadas/Teoria/bta-t4b-%20Business%20Intelligence.pdf
22
OBJETO DE
APRENDIZAJE
SISTEMAS DE INTELIGENCIA
DE NEGOCIOS
Desarrollador de contenido
Experto temtico
Ana Yaqueline Chavarro Parra

Edna Mireya Rivera L.
Asesor Pedaggico
Rafael Neftal Lizcano Reyes
Productor Multimedia
Manuel Francisco Silva Barrera

Victor Hugo Tabares Carreo
Programadores
Daniel Eduardo Martnez Daz

Grateful Dead Montao Sierra
Lder expertos temticos
Ana Yaqueline Chavarro Parra
Lder lnea de produccin
Santiago Lozada Garcs
R
PANDORAFMS, es una marca registrada propiedad de PANDORAFMS
Enterprise. Copyright
Registered trademark
Atribucin, no comercial,compartir igual

Este
material
puede
ser
distribuido, copiado y exhibido por
terceros si se muestra en los
crditos. No se puede obtener
ningn beneficio comercial y las
obras derivadas tienen que estar
bajo los mismos trminos de
licencia que el trabajo original.
23

Documento

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Documento

Enviado por

Direitos autorais:

Formatos disponíveis

SISTEMAS DE INTELIGENCIA DE NEGOCIOS

CICLO DE VIDA DE UN SISTEMA DE INTELIGENCIA DE NEGOCIOS..12

FAVA - Formacin en Ambientes Virtuales de Aprendizaje

SENA - Servicio Nacional de Aprendizaje

SISTEMAS DE INTELIGENCIA DE NEGOCIOS

SENA - Servicio Nacional de Aprendizaje

SISTEMAS DE INTELIGENCIA DE NEGOCIOS

1. BODEGA DE DATOS (DATA WAREHOUSE)

SENA - Servicio Nacional de Aprendizaje

SISTEMAS DE INTELIGENCIA DE NEGOCIOS

1.1.1. Orgenes de datos

Adems de los sistemas de la organizacin la interaccin con sistemas

SENA - Servicio Nacional de Aprendizaje

SISTEMAS DE INTELIGENCIA DE NEGOCIOS

Las tablas de dimensiones son equivalentes a una entidad en un modelo

SENA - Servicio Nacional de Aprendizaje

SISTEMAS DE INTELIGENCIA DE NEGOCIOS

Debido a la simplicidad del modelo, ofrece gran velocidad de procesamiento

Al sufrir un proceso de normalizacin, se reduce el espacio requerido de

SENA - Servicio Nacional de Aprendizaje

SISTEMAS DE INTELIGENCIA DE NEGOCIOS

1.1.2.1.3. Esquema Constelacin

1.1.2.2. Cubos OLAP OnLine Analytical Processing

Libro 1 Libro 2 Libro 3

SENA - Servicio Nacional de Aprendizaje

SISTEMAS DE INTELIGENCIA DE NEGOCIOS

razn la propuesta del almacenamiento en cubos agilizara los procesos

Libro 1 Libro 2 Libro 3

Cliente 1 Cliente 2 Cliente 3

Cambio de dimensin clientes por la de libros.

Seleccionar slo algunas de las celdas

SENA - Servicio Nacional de Aprendizaje

SISTEMAS DE INTELIGENCIA DE NEGOCIOS

Totalizar por item

O cambiar el nivel de agregacin para obtener totales en diferentes niveles.

Se puede obtener diferentes jerarquas a partir de los atributos de las

SENA - Servicio Nacional de Aprendizaje

SISTEMAS DE INTELIGENCIA DE NEGOCIOS

1.1.3. Herramientas de Acceso a datos

1.1.3.1. Reportes , Informes y Herramientas Dashboard

SENA - Servicio Nacional de Aprendizaje

SISTEMAS DE INTELIGENCIA DE NEGOCIOS

Estas herramientas facilitan la

SENA - Servicio Nacional de Aprendizaje

SISTEMAS DE INTELIGENCIA DE NEGOCIOS

2. CICLO DE VIDA DE UN SISTEMA DE INTELIGENCIA DE NEGOCIOS

Implementacin Interfaz de Usuario

Diseo y Construccin de Cubos

Diseo y Desarrollo ETL

El anterior diagrama representa las etapas necesarias para la

SENA - Servicio Nacional de Aprendizaje

SISTEMAS DE INTELIGENCIA DE NEGOCIOS

Es necesario adems identificar las temticas y objetivos de las reas

SENA - Servicio Nacional de Aprendizaje

SISTEMAS DE INTELIGENCIA DE NEGOCIOS

Como se observa en la grfica el proceso ETL recoge informacin de

SENA - Servicio Nacional de Aprendizaje

SISTEMAS DE INTELIGENCIA DE NEGOCIOS

Como se observa en la grfica el proceso ETL recoge informacin de

SENA - Servicio Nacional de Aprendizaje

SISTEMAS DE INTELIGENCIA DE NEGOCIOS

con los que se encontraban en el medio transaccional.

(Relational On-Line Analytical Processing), los datos de los hipercubos