“Año del Fortalecimiento de la Soberanía Nacional”

FACULTAD DE INGENIERIA
ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS

ASIGNATURA: Inteligencia de negocios

TEMA: Foro
PROFESOR: Mgtr. Andrés Epifanía Huerta
CICLO: IX
ESTUDIANTE:
1. Tafur Salazar Yordan
2. Alejos Tuya Johel Francisco
3. Avila Andrade Segundo Luis Angel
4. León Ramirez Thania Zarith
5. Olivares Galecio Milton Cesar
6. Pittman Castro Hebert Andree

Chimbote - Perú
2022
 BUSINESS INTELLIGENCE

Definición:

Según Conesa (1), “inteligencia de Negocios, consiste en agrupar los datos de una
empresa con el objetivo de transformarlos en información que se pueda utilizar para
mejorar los procesos BI, es un conjunto de acciones que transforman grandes
cantidades de datos en información relevante para una empresa, estas acciones
pueden ser procesos, técnicas, metodologías, herramientas y tecnologías que generan
información para que sirva de base para la toma de decisiones, business Intelligence
(BI) por otra parte también podemos decir que tiene como objetivo trabajar con la
información para una toma de decisiones más asertiva más que proporcionar
información, con el BI es posible recoger, organizar, gestionar, analizar, compartir y
transformar los datos para apoyar la gestión empresarial, el BI ayuda a una
organización a evaluar las opiniones de los clientes, el mercado y el comportamiento
del cliente, lo que les da una ventaja para ganar mayor cuota de mercado y obtener
mayores ingresos e incluso rentabilidad”

HERRAMIENTAS DE BI

Según López (2), “las herramientas que ofrece el Business Intelligence son
soluciones de software que recogen y procesan una gran cantidad de datos no
estructurados, estos datos pueden proceder tanto de fuentes internas como externas,
incluyendo documentos, libros, revistas, informes, registros médicos, imágenes,
correos electrónicos, videos u otras fuentes de información, de este modo, el
Business Intelligence nos ofrece una forma de obtener datos que facilita la búsqueda
de información a través de consultas, esta tecnología permite a las empresas obtener
una visión completa de las operaciones y predecir la evolución futura; actualmente,
pueden encontrarse en el mercado una amplia variedad de soluciones de BI, estos
programas proporcionan informes diseñados para ayudar a las empresas en la toma
de decisiones estratégicas, este análisis de datos reales puede servirnos desde para
optimizar la gestión stock hasta para potenciar las ventas”
VENTAJAS Y DESVENTAJAS DE BI
Ventajas Desventajas
 Sencillez en los análisis. “El  Mayor coste. “Los programas
software permite incluso a que requiere son costosos, del
aquellos que no son analistas mismo modo que requieren
que recopilen y procesen integraciones a medida”
información de forma rápida”  Complejidad en la
 Agilización de procesos. “Se implementación del
automatiza la analítica y se datawarehouse.
elimina la complejidad de los  Tiempo. “Se necesita un
procesos comerciales” promedio de un año y medio
 Visión general para que se implemente el
 Asigna responsabilidad sistema de almacenamiento”
 Mayor “visibilidad de los  Uso limitado. “Al haber tenido
procesos e identificación de como referencia las empresas
aquellos que necesitan más grandes, el sistema puede no ser
atención” asequible en algunas ocasiones
 Aumento de la productividad. para pequeñas y medianas
“ Puedes obtener informes con tan empresas”
solo un clic, esto da lugar a una
mayor eficiencia en recursos y
tiempo”

Ejemplos:

Las empresas que lo han aplicado internamente BI:

 Toyota Motor Corporation. “La compañía Toyota Motor no es la primera vez

que se pone a la cabeza de la innovación en el sector empresarial mundial. La
destacamos porque la automotriz incorporó software de gestión de la
información que le permitió reducir los costes de producción, consiguiendo
mayores números de clientes (3). ”
 Bridgestone Firestone. “Otro ejemplo de compañía del motor que se vale del
uso de BI es Bridgestone Firestone quien utiliza un software de gestión de la
información para la distribución de sus productos como para la logística de
recepción y compra de materias primas exportadas de diferentes lugares del
mundo (3).
”

 Cadenas de alimentación. “También grandes cadenas de supermercados como

Wal-Mart o de restauración como Wendy’s y Ruby Tuesday y Friday’s utilizan
Business Intelligence para la toma de decisiones basadas en los datos que
aportan los clientes pudiendo mantener la fidelidad y maximizar sus ventas (3).
”

DATAWAREHOUSE

Definición:

Según Méndez et. al (4), “un data warehouse es un almacén electrónico donde
generalmente una empresa u organización mantiene una gran cantidad de
información, los datos de un data warehouse deben almacenarse de forma segura,
fiable, fácil de recuperar y fácil de administrar, un data warehouse es un repositorio
unificado para todos los datos que recogen los diversos sistemas de una empresa, el
repositorio puede ser físico o lógico y hace hincapié en la captura de datos de
diversas fuentes sobre todo para fines analíticos y de acceso, data warehouse es una
arquitectura de almacenamiento de datos que permite a los ejecutivos de negocios
organizar, comprender y utilizar sus datos para tomar decisiones estratégicas, un data
warehouse es una arquitectura conocida ya en muchas empresas modernas”

CARACTERÍSTICAS DE UN DATA WAREHOUSE

Según Vaisman et. al (5), “la característica por la cual destaca la data warehouse es
por ser un repositorio de datos empresariales. Esa es su principal cualidad y ventaja
competitiva, pero, más allá de eso, existen otras características de la data warehouse
que vale la pena repasar a continuación te las” mencionamos:
  Se orienta a un tema específico: “Centra una gran colección de información
al respecto de un tópico central, todo girará en torno a ese tema”
 Conforma un sistema integrado: “Toda la información recopilada se trata
de forma íntegra y estable a pesar de que provenga de diferentes fuentes”
 No es volátil: “La información solo se presenta cuando se comprueba su
utilidad para los usuarios. Además, se muestra en modo de lectura, por lo que
es inalterable”
 Histórico: “Concibe que toda información será solicitada en algún momento
por lo que mantiene un fichero fiel de datos antiguos”

TIPOS DE DATA WAREHOUSE

1. En tiempo real: “Se actualiza en todo momento para siempre disponer de la

última versión de la información cada vez que ingresen nuevos datos habrá
una nueva recopilación”
2. Integrada: “Actúa de forma colaborativa con otros sistemas de información
de esa forma puede ampliar su abanico de fuentes de datos”
3. Offline: “Este tipo de almacenamiento se actualiza cada cierto periodo de
tiempo según su programación esta puede ser diaria o semanal y mensual”

IMPLEMENTACIÓN DE UN DATA WAREHOUSE

Según Curto (6), “la estructura adoptada para el almacén de datos se debe realizar de
tal modo que satisfaga las necesidades de la empresa, dicha elección es clave en la
efectividad del Data Warehouse, existen tres formas básicas de estructura del
almacén”

1. Data Warehouse central. “La implementación consta de un solo nivel con

un solo almacén que soporta los requerimientos de información de todas las
empresas”
2. Data Warehouse distribuido. “Es una estructura de un solo nivel que se
particiona para distribuirlo a nivel departamental”
 3. Data Warehouse de dos niveles. “Es una combinación de los anteriores que
soporta requerimientos de información tanto a nivel empresarial como
departamental”

VENTAJAS Y DESVENTAJA DE UN DATA WAREHOUSE

Ventajas Desventajas
 Es “un sistema de fácil  Su “implementación representa
establecimiento siempre y un alto coste operativo”
cuando los datos sean precisos”  Puede “ser compleja de utilizar
 Guarda la información de por lo que suelen surgir ciertas
manera segura. inconsistencias en las bases de
 Convierte “la información en datos a manipular”
conocimiento”  Requiere “un mantenimiento
 Facilita la toma de decisiones. constante para evitar
 Permite “conocer el estatus irregularidades en los datos”
actual de la empresa en cuanto a  Tienen “un diseño complejo y
operaciones y riesgos” multidisciplinar”
 Es “de fácil comprensión para  Requieren “una reestructuración
los empleados” de los sistemas operacionales”
 Aumenta la productividad.  Tienen “un alto coste”
 DATAMARTS

Definición

Según el instituto ESAN (7), Un DataMart es un almacén de datos orientado a un

área específica como, por ejemplo, ventas, Recursos Humanos u otros sectores en
una organización. Por ello, también se le conoce como una base de información
departamental. Este almacén permite que una empresa pueda acceder a datos claves
de un área de forma sencilla, además de realizar diversas funciones.

egún Nettleton(8), un datamart se puede considerar como un data Warehouse

especifico para un departamento o área de negocio. Almacena datos agregados de
todos los departamentos (Comercial, Compras, Contable, etc).

Características de un DM

El DM se construye en el motor relacional SQL Server. Es una estructura OLAP

adaptada a la realización de consultas y, en particular, al reporting decisional. Si bien
el motor relacional se diseño originalmente para aplicaciones OLTP, las versiones
2008 y 2008 R2 están optimizadas para OLAP (9).

Para crear un DM hay que olvidar prácticamente todos los principios de

modelizacion OLTP. Un DM contiene pocas tablas. Las tablas de hechos son muy
voluminosas y estan fuertemente indexadas. Las dimensiones se asocian al DM bajo
el supuesto del esquema en estrella o en copo de nieve (9).

Dimensiones de un DM

Las dimensiones son los elementos fundamentales del sistema decisional, con razón
de más si están conformadas y compartidas por varios DM. Hay que prestar atención
a la creación de las dimensiones (9).

Para empezar, el análisis debe proporcionar respuesta a las siguientes preguntas:

  ¿Cuál es la clave del sistema de origen? ¿Existen varios sistemas de origen de
datos? ¿Existen varias claves de origen? ¿ Tiene un sentido funcional?
 ¿Qué atributos piden los usuarios finales?
 ¿Qué atributos forman las jerarquías?
 ¿Qué atributos no van a usarse como ejes de análisis sino como información?

Entre otras muchas preguntas.

Usos de un DM

La regla de oro de la creación de las dimensiones es la desnormalización, aunque

esto vaya a en contra del rendimiento a la hora de actualizar la dimensión. En efecto,
el hecho de normalizar suprime las redundancias, mientras que la desnormalización
crea numerosas redundancias: para modificar un valor es preciso actualizar cantidad
de líneas. Vamos a escoger entre una dimensión con esquema en estrella, es decir
una única tabla redundante, y una dimensión con esquema en copo de nieve, es decir
varias tablas en un modelo semi-normalizado, tomando como criterio la frecuencia
de actualización, es decir el tipo de actualización y el volumen de datos que se
actualizan en la dimensión cada vez (9).
 ESQUEMA EN ESTRELLA

Definición

Un esquema de estrella es un tipo de esquema de base de datos relacional que consta

de una sola tabla de hechos central rodeada de tablas de dimensiones.

En la siguiente figura se muestra un esquema de estrella con una sola tabla de hechos
y cuatro tablas de dimensiones. Un esquema de estrella puede tener cualquier número
de tablas de dimensiones. Las ramas situadas al final de los enlaces que conectan las
tablas indican una relación de muchos a uno entre la tabla de hechos y cada tabla de
dimensiones.

Creación de grupos de esquema en estrella

Utilice el asistente Grupos de esquema en estrella para crear rápidamente grupos

de atajos que proporcionen contexto a los usuarios en relación a qué objetos deben
permanecer juntos. De este modo, el modelo resulta más intuitivo para los usuarios.
Los grupos de esquema en estrella también facilitan la creación de informes de varios
hechos ya que permiten la repetición de dimensiones compartidas en grupos
diferentes. Esto ayuda a los usuarios a ver lo que tienen en común los distintos
grupos y cómo pueden crear informes de funciones cruzadas o de varios hechos.

Los grupos de esquema en estrella también proporcionan contexto para consultas con
varias rutas de unión. Mediante la creación de grupos de esquema en estrella en la
vista empresarial del modelo, puede aclarar qué ruta de unión se debe seleccionar
cuando hay varias disponibles. Esto es especialmente útil para las consultas sin
hechos.

En un diseño de esquema en estrella, los datos numéricos transaccionales están

contenidos en una tabla de hechos central con tablas de dimensiones relacionales que
irradian de ella.

Los grupos de esquema en estrella pueden contener las dimensiones, los asuntos de
consulta o los atajos seleccionados. Los objetos de un grupo de esquema en estrella
no pueden hacer referencia a ningún objeto fuera del grupo, ni éste puede hacer
referencia a ellos. Por lo tanto, Framework Manager crea automáticamente un atajo
para cualquier objeto al que haga referencia otro objeto fuera del grupo.

Por ejemplo, en un proyecto para análisis de ventas, incluye estas dimensiones:

 Fechas de ventas (Tiempo)
 Ubicaciones de ventas (Región)
 Detalles del producto (Producto)
  Información del cliente (Cliente)

Se incluyen cantidades en la tabla de hechos.

Ejemplo

Considerar una base de datos de 'ventas' (de una cadena de grandes almacenes)
clasificados por fecha, almacén y producto.
TH_ventas es la tabla de hechos, y tiene tres dimensiones, representadas por la
tablas D_fecha, D_almacen, y D_producto.
Cada tabla de dimensión tiene una clave primaria denominada id. En la tabla de
hechos TH_ventas los campos clave de las tablas de dimensión aparecerán
como clave ajena (id_fecha, id_almacen e id_producto) y todos juntos formarán la
clave principal de dicha tabla.
Otras columnas de datos incluidas en las tablas descritas serían:

 TH_ventas.unidades_vendidas
 D_fecha.año
 D_almacen.país
 D_producto.categoría
 D_producto.marca
La siguiente instrucción SQL obtendría cómo han sido vendidos algunos conjuntos
de televisores, para cada marca y país, en el año 2006.

SELECT
[Link], [Link], SUM(TH.unidades_vendidas)
FROM
TH_ventas TH
INNER JOIN D_fecha F ON [Link] = TH.id_fecha
INNER JOIN D_almacen A ON [Link] = TH.id_almacen
INNER JOIN D_producto P ON [Link] = TH.id_producto
WHERE
F.año = 2006
AND
[Link] = 'tv'
GROUP BY
[Link], [Link]

Este ejemplo ilustra cómo se realizaría un análisis de datos a partir del esquema
diseñado.
ESQUEMA COPO DE NIEVE

METODOLOGIA PARA LA CONSTRUCCIÓN DE UNA SOLUCIÓN DE BI

PROCESO DE EXTRACCIÓN, TRANSFORMACIÓN Y CARGA.

Conocido como ETL, que es el proceso de extraer datos de diferentes fuentes de

orígenes, para luego transformarlos y cargarlos en una base de datos destino.

E:
Ex tracci
ón de
datos
de bases
de datos
de

diferentes fuentes, ejemplo: XML, bases de datos relacionales, ficheros, páginas web,
etc

T: Transformar los datos, realizar los procesos de eliminar duplicados, campos

innecesarios, validar datos, ordenar datos estructurados, o unir datos diferentes con
JOIN.

L: Carga de datos, a un almacén de datos (Data Warehouse), para ya luego sean

utilizados para su análisis.

En la actualidad la mayoría de las grandes empresas manejan cantidades de datos que

están almacenados en diferentes fuentes o lugares y en formatos distintos,
dificultándoles su explotación y extracción de los mismos. Ante esta dificultad las
empresas deberían optar por el proceso ETL para el beneficio y organización de los
datos en sólo lugar.

Este proceso de ETL permite alojar datos de muchos años que se encuentran en
diferentes áreas de una empresa, así mismo la actualización de estos datos debe ser
continua para que los análisis sean precisos.

Los beneficios que se logran con este proceso es la facilidad de extraer y consolidar
datos de múltiples fuentes, analizar y generar reportes de una manera sencilla y
representación visual, aumenta la producción y facilita el trabajo, permite la toma de
decisiones, la empresa también se adapta a las nuevas tecnologías. Todo esto para
brindar una solución a los diferentes problemas de la empresa.

FASE DE INTELIGENCIA DE NEGOCIO.

FASE DE DISEÑO, MODELIZACIÓN Y CONCEPCIÓN

ANEXOS

 Evidencia del Turnitin.

REFERENCIAS BIBLIOGRÁFICAS

1. Conesa C.J. y Curto Díaz J. Introducción al Business Intelligence [En Línea].

Barcelona: Editorial UOC, 2013 [consultado 22 Apr 2022]. Disponible en:
[Link]
2. López B.Y. Business Intelligence. ADGG102PO [En Línea]. Antequera
(Málaga): IC Editorial, 2018 [consultado 22 Apr 2022]. Disponible en:
[Link]
3. Rodríguez P.J. Cómo hacer inteligente su negocio: business intelligence a su
alcance [En Línea]. México D.F: Grupo Editorial Patria, 2015 [consultado 22
Apr 2022]. Disponible en: [Link]
4. Méndez A, -Martínez G. Fundamentos de Data Warehouse [Internet]. [Link].
[citado el 22 de abril de 2022]. Disponible en:
[Link]
[Link]
5. Vaisman A, Zimányi E. Data warehouse systems: Design and implementation
[Internet]. 2014.a ed. Berlin, Germany: Springer; 2014. Disponible en:
[Link]
6. Curto Díaz J. y Conesa Caralt J. ¿Cómo crear un data warehouse? [En Línea].
Barcelona: Editorial UOC, 2015 [consultado 22 Apr 2022]. Disponible en:
[Link]
7. Moarri R. ¿Qué es Data Mart y por que es importante implementarlo en tu
empresa? [Internet]. Perú, 2019 [07 de Marzo del 2019; 26 de Abr. de 22].
Disponible en: [Link]
por-que-es-importante-implementarlo-en-tu-empresa
8. Nettleton D. Análisis de datos comerciales [Internet]. Madrid: Ediciones Diaz
de Santos. España, 2003 [24 de Noviembre del 2003; 26 de Abr. de 22].
Disponible en: [Link]
 id=G5doCJOaYNUC&pg=PA106&dq=que+es+un+datamart&hl=es&sa=X&
ved=2ahUKEwj8mtOouLP3AhW_HbkGHSlgAOIQ6AF6BAgGEAI#v=onep
age&q=que%20es%20un%20datamart&f=false
9. Gauchet T. SQL Server 2008 R2: Implementación y despliegue de una
solución de Business Intelligence. Madrid: Ediciones ENI. España, 2011 [26
de Abr. de 22]. Disponible en: [Link]
N6Wm7aIC&pg=PA73&dq=caracteristicas+de+un+datamart&hl=es&sa=X
&ved=2ahUKEwii1un6vLP3AhWFIrkGHez7ApMQ6AF6BAgIEAI#v=onep
age&q=caracteristicas%20de%20un%20datamart&f=true
10. IBM. Esquemas de estrella. [Internet] [26 de Abr. de 22]. Disponible en:
[Link]
11. Wikipedia. Esquema en estrella. [Internet] [26 de Abr. de 22]. Disponible en:
[Link]
12. IBM. Creación de grupos de esquema en estrella. [Internet] [26 de Abr. de
22]. Disponible en: [Link]
topic=SSEP7J_11.0.0/[Link].ug_fm.doc/
c_create_star_schema_group.html