Diese Präsentation wurde erfolgreich gemeldet.
Wir verwenden Ihre LinkedIn Profilangaben und Informationen zu Ihren Aktivitäten, um Anzeigen zu personalisieren und Ihnen relevantere Inhalte anzuzeigen. Sie können Ihre Anzeigeneinstellungen jederzeit ändern.

Componentes de Business Intelligence

9.316 Aufrufe

Veröffentlicht am

Componentes de Business Intelligence. Inteligencia de negocios.

Veröffentlicht in: Technologie
  • Als Erste(r) kommentieren

Componentes de Business Intelligence

  1. 1. Isis Lay 12003204 Carlos Escobar 12003202
  2. 2. Índice  Introducción  Componentes de BI  Fuentes de Información  Calidad de datos  ETL  DWH  Data Marts  Herramientas de BI  OLAP  Datamining  Visualización  Preguntas  Conclusión  Recomendación  Bibliografía
  3. 3. Introducción Actualmente, gran número de compañías requieren una adecuada toma de decisiones, por lo que la información que se quiere investigar sobre los diferentes elementos de la organización se encuentran en bases de datos u otras fuentes que posee la empresa. Es por ello que nace la necesidad de un esquema de solución de BI. ¿Cuál es la información requerida para gestionar y tomar decisiones? ¿Cuál debe ser el formato y composición de los datos a utilizar? ¿De dónde proceden esos datos y cual es la disponibilidad y periodicidad requerida?
  4. 4. Componentes de BI
  5. 5. Componentes de BI • Alimentan de información el DWH Fuentes de información • Extracción, transformación y carga de los datos en el DWH. Los datos se transforman, limpian, filtran y redefinen ETL • Almacena los datos logrando su flexibilidad, facilidad de acceso y administración DWH • Herramientas de visualización, análisis y navegación Herramientas • Cálculos, consultas, planeamiento, pronostico y análisis de escenarios en big data OLAP
  6. 6. Fuentes de información Departa-mentales Externas Operacio-nales ETL
  7. 7. Fuentes de información Sistemas operacionales Sistemas departamentales Fuentes externas ERP CRM SCM Legacy Previsiones Presupuestos Hojas de cálculo Otros Estudios de mercado Índices de la industria Estadísticas y censos WWW
  8. 8. Calidad de los datos Integridad Coherencia Totalidad Precisión Calidad Validez Disponibili-dad Accesibili-dad
  9. 9. Extracción, transformación y carga (ETL) • Recuperar los datos físicamente de las fuentes de información. Datos en bruto Extracción • Corregir errores, eliminar duplicados, completar vacíos. Limpieza • Estructurar y sumariar los datos en modelos de análisis de las áreas. Transformación • Validar la consistencia e integrar en distintos modelos de datos Integración Actualización • Añadir nuevos datos al DWH
  10. 10. Proceso de limpieza de datos • Identifica y aísla elementos individuales: • Separa nombre completo en nombre, primer apellido, segundo apellido. • Corrige valores individuales usando algoritmos • Comprueba dirección y código postal correspondiente • Transforma valores en formatos definidos y consistentes. • Busca y relaciona los registros, corrigiéndolos y estandarizándolos. • Elimina duplicados. Depurar Corregir Estandarizar Relacionar Consolidar • Analiza e identifica relaciones entre registros relacionados y los consolida
  11. 11. Herramientas de ETL Gestión de Metadata Extracción Transforma -ción ETL Diseño gráfico Carga Servicios de transporte Administra-ción y operación
  12. 12. Datawarehouse (DWH) Hugh J. Watson • “Un Datawarehouse es una colección de información creada para soportar las aplicaciones de toma de decisiones” Bill Inmon • “Es un conjunto no volátil de información que soporta la toma de decisiones, Orientado sobre un área, integrado al tiempo.” Ralph Kimbal • “El Datawarehouse da acceso a la información de la corporación o área funcional. El alcance del Datawarehouse puede ser bien un departamento o bien corporativo.”
  13. 13. Datawarehouse (DWH) Hugh J. Watson • “Datawarehousing es el proceso completo de extraer información, transformarla y cargarla en un Datawarehouse y el acceso a esta información por los usuarios finales y las aplicaciones” Sharon Sibigthroth • “Descubres el valor real de un Datawarehouse cuando alguien puede encontrar los detalles importantes en la información, y te dice algo que puede generar la diferencia”.
  14. 14. Data Marts Dependientes Fuentes de datos Datawarehouse Data Marts
  15. 15. Data Marts Independientes Fuentes de datos Data Marts
  16. 16. Estrategias de construcción de un DWH W.H Inmon • Definir un DWH corporativo y a partir de él ir construyendo los modelos de análisis para los distintos niveles y departamentos de la organización; es decir, una estrategia de arriba abajo, desde la estrategia a lo más operativo. R. Kimball • Construir distintos Data Marts que cubran las distintas necesidades de la organización, sin la necesidad de construir un Datawarehouse.
  17. 17. Componentes y factores de DWH Metadata Información de la información. Contiene el significado de los componentes que residen en el Datawarehouse (o Data Mart) y sus atributos. Es útil para tecnología y los usuarios funcionales. Operational Data Store (ODS) Consolidan datos de distintas fuentes y sistemas no integrados y facilitan un acceso online integrado sobre esa información. Proporciona información integrada con el fin de facilitar la toma de decisiones en entornos operacionales. Sus datos son volátiles (dos o tres meses) y se actualizan en tiempo real. Es una fuente de datos para el DWS. Factores para implementar DHW 1. Tamaño y volumen de datos del Datawarehouse 2. Complejidad de los esquemas de datos. 3. Número de usuarios concurrente. 4. Complejidad de las consultas Gestión del Datawarehouse Los usuarios de negocio necesitan tomar decisiones por lo que debemos asegurar: 1. Alta disponibilidad. 2. Rendimiento. 3. Copias de seguridad y recuperación. 4. Recuperación física en caliente.
  18. 18. Herramientas de BI Herramienta Descripción Generadores de informes Utilizadas por desarrolladores profesionales para crear informes estándar para grupos, departamentos o la organización. Herramientas de usuario final de consultas e informes Empleadas por usuarios finales para crear informes para ellos mismos o para otros; no requieren programación. Herramientas OLAP Permiten tratar la información de forma multidimensional para explorarla desde distintas perspectivas y periodos de tiempo. Herramientas de Dashboard y Scorecard Muestran información crítica de rendimiento utilizando iconos gráficos pudiendo ver más detalle e informes.
  19. 19. Herramientas de BI Herramienta Descripción Herramientas de planificación, modelización y consolidación Permiten crear planes de negocio, simulaciones, planificación, presupuestos, previsiones, etc. Proveen a los dashboards y Scorecard de objetivos y umbrales de las métricas Herramientas Datamining Permiten crear modelos estadísticos de las actividades de los negocios. Descubren e interpretan patrones desconocidos en la información para resolver problemas de negocio.
  20. 20. Procesamiento analítico en línea (OLAP) FAST ANALYSIS SHARED MULTIDIMEN-SIONAL
  21. 21. Tipos de OLAP Tipo Descripción Relational OLAP (ROLAP) Acceden directamente a la base de datos relacional. No tiene limitaciones en cuanto al tamaño, pero es más lento que MOLAP. Multimensional OLAP (MOLAP) Accede directamente a una base de datos multidimensional. Es muy rápida en los tiempos de respuesta, pero si queremos cambiar las dimensiones, debemos cargar de nuevo el cubo Hybrid OLAP (HOLAP) Accede a los datos de alto nivel en una base de datos multidimensional y a los atómicos directamente sobre la base de datos relacional. Utiliza las ventajas del ROLAP y del MOLAP. Desktop OLAP (DOLAP) Crea un cubo en la memoria del ordenador y cuando finaliza lo elimina de memoria. El usuario sólo recibe y analiza las dimensiones en los que está interesado y en forma local.
  22. 22. Datamining
  23. 23. Visualización
  24. 24. Usuarios de herramientas de BI
  25. 25. Preguntas capítulo 04  ¿Que entendemos por proceso ETL?  ¿Cuál es la utilidad de los Datawarehouse o almacenes de datos?  ¿Qué son los Data Mart?  ¿En que consisten los cubos OLAP?
  26. 26. Conclusiones  BI se compone de diversos elementos, como lo son: • Fuentes de información • Herramientas de ETL • Data Warehouse y Data Mart • Herramientas de BI • Queries y reports • OLAP • Interfaz y visualización (Scorecards y Dashboards) • Data Mining  Gracias a BI, podemos identificar lo que está pasando, entender por qué pasa, ayudar a predecir que va a pasar y tomar las medidas necesarias.
  27. 27. Recomendaciones  Adecuada planificación  Contemplar elementos como la información que se necesita  Detallar el uso de la misma,  Determinar a quien va dirigido  Analizar minuciosamente los aspectos técnicos como lo son  tiempo de respuesta,  integración,  seguridad,  navegación,  entorno gráfico.
  28. 28. Bibliografía  Cano, Josep. 2007. Business Intelligence: Competir con Información. España, Barcelona. Banesto, Fundación Cultural.

×