DOCENTE

Reiner Andrés Rivera Solís

ASIGNATURA: ANALÍTICA DE DATOS
SESIÓN 9
SESIÓN 9
ANALÍTICA DE DATOS
DOCENTE
Reiner Andrés Rivera Solís
ASIGNATURA: ANALÍTICA DE DATOS
SESIÓN 9
INICIO GRABACIÓN
 Reiner Andrés Rivera Solís

Soy su docente en esta asignatura, el

objetivo principal es entender la importancia
de la Analítica de Datos en nuestra vida
cotidiana y como implementarla en cada
una de sus carreras.

Tener una visión positiva en cada tema

explicado nos va entregar claves
fundamentales para llevar a cabo un
proyecto a términos felices.

Éxitos y bendiciones en este nuevo camino,

una vez mas, bienvenidos a esta gran familia
San Joseista.

[Link]
1 Presentación General

2 Estructura del Curso

3 Contenido General

4 SOLUCIONES DE INTELIGENCIA
DE NEGOCIO
 SOLUCIONES DE
INTELIGENCIA DE
NEGOCIO

[Link]
La verdadera educación consiste en
obtener lo mejor de uno mismo.

[Link]
 ESTRUCTURA DE 12 SESIONES

CRONOGRAMA :

Inicio sesión 9: Enero 06 - 2025

ESTRUCTURA DEL ACTIVIDADES Y PORCENTAJES:

CURSO Actividad evaluativa 1: 35 %

Actividad evaluativa 2: 35%
Actividad evaluativa 3: 30%

CONTACTO:
Chat del aula
Reiner Andrés Rivera Solís
PARA TENER EN CUENTA
INICIO

5 minutos para dar inicio a la clase

OTRAS SOLICITUDES

Para cualquier solicitud ya sea para certificados,

solicitud de soporte técnico o solicitudes a
coordinadores en la parte superior de las aulas
encontrarán los canales respectivos.

[Link]
 CONTENIDO GENERAL DEL CURSO
SESIÓN CONTENIDO
INTRODUCCIÓN ANALÍTICA DE DATOS Y BIG DATA
SESIÓN 1
SISTEMAS DE ALMACENAMIENTO Y GESTIÓN BIG DATA
SESIÓN 2

SESIÓN 3 PROCESAMIENTO DE DATOS MASIVOS

RIESGO, SEGURIDAD Y LEGISLACIÓN EN SISTEMAS DE

SESIÓN 4 INFORMACIÓN.

SESIÓN 5 ESTADISTICA AVANZADA

SESIÓN 6 MINERIA DE DATOS

SESIÓN 7 MACHINE LEARNING

SESIÓN 8 VISUALIZACIÓN DE DATOS

SESIÓN 9 SOLUCIONES DE INTELIGENCIA DE NEGOCIO

CIENCIA DE DATOS Y TOMA DECISIONES ESTRATEGICAS

SESIÓN 10
METODOLOGÍAS DE GESTIÓN Y DISEÑO PROYECTOS BIG
SESIÓN 11 DATA

SESIÓN 12 CLOUD COMPUTING

[Link]
¿QUÉ ES SOLUCIONES DE INTELIGENCIA
DE NEGOCIO?

[Link]
CONCEPTOS
Las Soluciones de Inteligencia de Negocio, también
conocidas como Business Intelligence (BI) en inglés, son un
conjunto de tecnologías, herramientas y prácticas que
permiten a las organizaciones recopilar, almacenar, analizar
y visualizar datos relacionados con sus operaciones
comerciales. El objetivo principal de las soluciones de
inteligencia de negocio es convertir los datos en información
significativa y útil para respaldar la toma de decisiones
empresariales.

[Link]
CONCEPTOS
Estas soluciones suelen implicar la extracción de datos de
diversas fuentes, su limpieza y transformación para su
análisis, y la presentación de los resultados de manera
comprensible a través de informes, paneles de control y
visualizaciones interactivas.

Algunas de las áreas de aplicación comunes de la

inteligencia de negocio incluyen la gestión de clientes, la
optimización de procesos empresariales, la planificación
estratégica y la identificación de tendencias y oportunidades
de mercado.

[Link]
CONCEPTOS
Las soluciones de inteligencia de negocio pueden variar
en complejidad y alcance, desde herramientas simples de
generación de informes hasta plataformas completas de
análisis de datos que integran capacidades avanzadas de
minería de datos, inteligencia artificial y aprendizaje
automático.

En resumen, estas soluciones ayudan a las organizaciones

a entender mejor su desempeño y a tomar decisiones
más informadas y efectivas para impulsar el éxito
empresarial.

[Link]
 ¿COMO SE RELACIONA LAS
SOLUCIONES DE INTELIGENCIA DE
NEGOCIO CON LA ANALITICA DE
DATOS?

[Link]
CONCEPTOS

Las soluciones de inteligencia de negocio (BI) y la analítica

de datos están estrechamente relacionadas y, de hecho, se
superponen en muchos aspectos.

Aquí hay algunas formas en que se relacionan:

[Link]
CONCEPTOS

Recopilación y almacenamiento de datos: Tanto la

inteligencia de negocio como la analítica de datos requieren
la recopilación y el almacenamiento de grandes volúmenes
de datos. Ambas disciplinas pueden utilizar bases de datos,
almacenes de datos y otras tecnologías para este propósito.

[Link]
CONCEPTOS

Procesamiento y preparación de datos: Tanto la BI como la

analítica de datos implican procesar y preparar datos para su
análisis. Esto puede incluir limpieza de datos,
transformación, integración de datos de múltiples fuentes,
etc.

[Link]
CONCEPTOS
Análisis de datos: Tanto la BI como la analítica de datos
implican el análisis de datos para extraer información valiosa
y conocimientos significativos. Sin embargo, la analítica de
datos a menudo se enfoca en técnicas más avanzadas y
complejas, como el análisis predictivo, el análisis de texto, el
análisis de redes, entre otros, mientras que la BI puede
incluir análisis más tradicionales como la generación de
informes y análisis ad hoc.

[Link]
CONCEPTOS

Visualización de datos: Tanto la BI como la analítica de

datos utilizan la visualización de datos para presentar los
resultados del análisis de manera comprensible y
significativa. Esto puede incluir informes, paneles de control,
gráficos interactivos y otras formas de visualización de
datos.

[Link]
CONCEPTOS
En resumen, las soluciones de inteligencia de negocio y la
analítica de datos están estrechamente relacionadas en el
sentido de que ambas implican el uso de datos para generar
conocimientos empresariales. Sin embargo, la analítica de
datos tiende a ser más avanzada y sofisticada, utilizando
técnicas más complejas para analizar los datos y generar
predicciones o descubrimientos más profundos.

[Link]
 ¿QUE ES LA AUTOMATIZACIÓN?

La automatización de pruebas se resume en generar

eficiencia en los procesos relacionados a las pruebas de
software, utilizando herramientas, modelos y estrategias
que brinden mayor velocidad a la ejecución, teniendo en
cuenta la regla de negocio, los requisitos funcionales y no
funcionales y calidad en la construcción de los scripts
preservando netamente lo necesario para suplir la
necesidad.

[Link]
FACTORES A TENER EN CUENTA EN LA
SOLUCIONES DE INTELIGENCIA DE
NEGOCIO

[Link]
CONCEPTOS

Al implementar soluciones de inteligencia de negocio, hay varios factores

clave que deben tenerse en cuenta para garantizar el éxito y la efectividad
de la solución. Algunos de estos factores incluyen:

Objetivos empresariales: Es fundamental comprender los objetivos y las

necesidades específicas de la organización. La solución de inteligencia de
negocio debe estar alineada con estos objetivos y diseñada para abordar los
desafíos comerciales específicos que enfrenta la organización.

[Link]
CONCEPTOS

Datos de calidad: La calidad de los datos es fundamental para el éxito de cualquier

solución de inteligencia de negocio. Es importante asegurarse de que los datos
utilizados sean precisos, completos, actualizados y coherentes. Esto puede implicar la
implementación de procesos de limpieza de datos y garantizar la integridad de los datos
en todas las etapas del proceso.

Accesibilidad de datos: Es importante que la solución de inteligencia de negocio tenga

acceso a los datos relevantes de la organización. Esto puede implicar la integración de
datos de múltiples fuentes, incluidos sistemas internos, bases de datos externas,
aplicaciones en la nube, redes sociales, entre otros.

[Link]
CONCEPTOS

Seguridad de datos: La seguridad de los datos es crucial para proteger la información

confidencial de la organización. Se deben implementar medidas de seguridad
adecuadas para proteger los datos en todas las etapas, desde la recopilación y el
almacenamiento hasta el análisis y la presentación.

Facilidad de uso: La solución de inteligencia de negocio debe ser fácil de usar y

comprender para los usuarios finales. Esto puede implicar la creación de interfaces
intuitivas, la generación de informes y visualizaciones claras y la capacitación adecuada
para los usuarios.

[Link]
CONCEPTOS

Escalabilidad: La solución de inteligencia de negocio debe poder crecer y adaptarse a

medida que evolucionan las necesidades de la organización. Debe ser lo suficientemente
flexible y escalable como para manejar volúmenes crecientes de datos y nuevas
demandas comerciales.

Soporte técnico: Es importante contar con un sólido soporte técnico y servicio al cliente
para ayudar a resolver problemas técnicos, brindar asistencia y garantizar el
funcionamiento continuo de la solución de inteligencia de negocio.

[Link]
CONCEPTOS

Cultura organizacional: La adopción exitosa de una solución de inteligencia de negocio

también depende de la cultura organizacional. Es importante fomentar una cultura que
valore y utilice los datos para respaldar la toma de decisiones basada en evidencia. Esto
puede implicar la capacitación de los empleados, la promoción de una mentalidad
analítica y el fomento de la colaboración entre los diferentes equipos y departamentos.

[Link]
CONCEPTOS

Al considerar estos factores, las organizaciones pueden implementar soluciones de

inteligencia de negocio efectivas que impulsen el éxito empresarial y generen un mayor
valor a partir de sus datos.

[Link]
CONCEPTOS BASICOS

Al tener en cuenta estos factores, puedes crear

visualizaciones de datos que sean efectivas para
comunicar información de manera clara, relevante y
persuasiva.

[Link]
 CONCEPTOS BASICOS

HERRAMIENTAS QUE SE UTILIZAN EN LA

SOLUCIÓN DE INTELIGENCIA DE NEGOCIO

[Link]
CONCEPTOS

Existen numerosas herramientas que se utilizan en la implementación de

soluciones de inteligencia de negocio (BI). Estas herramientas pueden
variar en función de las necesidades específicas de la organización, el
alcance del proyecto y el presupuesto disponible.

Algunas de las herramientas más comunes incluyen:

[Link]
Herramientas de Extracción, Transformación y Carga (ETL): Estas
herramientas se utilizan para extraer datos de diversas fuentes, como bases
de datos, archivos planos, aplicaciones en la nube, etc., transformarlos según
sea necesario y cargarlos en un almacén de datos o un repositorio para su
análisis posterior. Ejemplos incluyen Apache NiFi, Talend, Informatica
PowerCenter, entre otros.

[Link]
Almacenes de datos (Data Warehouses): Estas son bases de datos diseñadas
específicamente para almacenar grandes volúmenes de datos empresariales
de múltiples fuentes. Algunas herramientas populares incluyen Amazon
Redshift, Google BigQuery, Microsoft Azure SQL Data Warehouse, Snowflake,
entre otros.

[Link]
Herramientas de BI y visualización de datos: Estas herramientas permiten a
los usuarios analizar y visualizar datos de manera intuitiva y comprensible.
Pueden incluir capacidades de generación de informes, creación de paneles
de control interactivos y visualización de datos en forma de gráficos, tablas,
mapas, etc. Ejemplos incluyen Tableau, Microsoft Power BI, QlikView, Sisense,
entre otros.

[Link]
Herramientas de análisis y minería de datos: Estas herramientas permiten
realizar análisis avanzados de datos para descubrir patrones, tendencias y
relaciones ocultas. Pueden incluir técnicas como el análisis predictivo, el
análisis de series temporales, la segmentación de clientes, la detección de
anomalías, entre otros. Ejemplos incluyen IBM SPSS, RapidMiner, KNIME,
Python con bibliotecas como Pandas, Scikit-learn, etc.

[Link]
Herramientas de gestión de metadatos: Estas herramientas se utilizan para
gestionar y documentar metadatos relacionados con los datos empresariales,
incluidos los diccionarios de datos, la definición de metadatos técnicos y de
negocio, el seguimiento de la procedencia de los datos, etc. Ejemplos incluyen
Collibra, Informatica Metadata Manager, Alation, entre otros.

[Link]
Herramientas de gestión de rendimiento y planificación empresarial: Estas
herramientas se utilizan para la planificación estratégica, la presupuestación,
la previsión y el seguimiento del rendimiento empresarial. Pueden incluir
funciones de modelado financiero, gestión de riesgos, gestión de proyectos,
etc. Ejemplos incluyen Oracle Hyperion, SAP Business Planning and
Consolidation (BPC), Adaptive Insights, entre otros.

[Link]
 IMPORTANTE

Estas son solo algunas de las

herramientas más comunes utilizadas
en soluciones de inteligencia de
negocio. La elección de las herramientas
adecuadas dependerá de los requisitos
específicos del proyecto, el presupuesto
disponible y otros factores como la
infraestructura tecnológica existente y
las habilidades del equipo.

[Link]
CONCEPTOS
Introducción Estadística de Datos, Analítica de Datos y Machine Learning.

1INFORMACIÓN
2
SOLUCIÓN INTELIGENCIA
3
ANALÍTICA DATOS
4
AUTOMATIZACIÓN
Datos Negocio Automatización, Aprendizaje, Script
S.I.

[Link]
EJEMPLOS APLICADOS
Realizar el análisis de una prueba de rendimiento,
utilizando Postman y Jmeter como herramientas
definidas, luego implementaremos una matriz de riesgo,
simulando el escenario de un proyecto empresarial,
entendiendo su modelamiento, normas y pautas de
acuerdo a los temas aprendidos, donde permiten definir
la toma de decisiones por medio de la estadística de
datos avanzada, la minería de datos y Machine Learning
con el objetivo de visualización de datos utilizando y
entendiendo las soluciones de inteligencia de negocio
establecida en las organizaciones.

[Link]
CONCLUSIONES
En resumen, estas soluciones ayudan a las organizaciones a entender
mejor su desempeño y a tomar decisiones más informadas y efectivas
para impulsar el éxito empresarial.

las organizaciones pueden implementar soluciones de inteligencia de

negocio efectivas que impulsen el éxito empresarial y generen un mayor
valor a partir de sus datos.

JMeter es una herramienta robusta, la cual permite

automatizar procesos no funcionales precisos para analizar y
entregar resultados puntuales al negocio de una empresa o
cliente para la toma de decisiones.

[Link]
ESPACIO DE PREGUNTAS Y RESPUESTAS

[Link]
 FIN DE
GRABACIÓN