Introducción Bussines Intelligence

Introducción Bussines Intelligence

Jorge Soro Doménech

Mistela And Tweets

INDICE 1. SISTEMA OPERACIONAL 2. DATAWAREHOUSE 3. OLTP vs OLAP 4. COMPONENTES DEL SISTEMA 5. MODELO LÓGICO 6. TERMINOLOGÍA 7. HERRAMIENTAS 8. DIFERENTES ENFOQUES

Mistela And Tweets

1. SISTEMA OPERACIONALOLTP

Mistela And Tweets

1. SISTEMA OPERACIONAL Generalmente, la información que se quiere

investigar sobre un cierto dominio de la organización se encuentra en bases de datos y otras fuentes muy diversas, tanto internas como externas.

Muchas de estas fuentes son las que se utilizan para el trabajo transaccional diario (conocido como OLTP, On-Line Transactional Processing).

Sobre estas mismas bases de datos de trabajo ya se puede extraer conocimiento (visión tradicional).

Mistela And Tweets

1. SISTEMA OPERACIONALProblemas para realizar el análisis en este sistema (OLTP):

La información se encuentra en varias y heterogéneas bases de datos y, en consecuencia, no se puede explotar en conjunto.

Solo es posible el análisis de los datos actuales, no mantiene valores históricos para tratar evolutivos.

Se obstaculiza el trabajo transaccional diario de los sistemas de información originales, no permite el análisis on-line.

La base de datos está diseñada para el trabajo transaccional, no para el análisis de los datos.

Mistela And Tweets

2. DATAWAREHOUSEOLAP

Mistela And Tweets

2. DATAWAREHOUSE Motivación: Disponer de una base de

datos que permita extraer conocimiento de la información histórica almacenada en la organización.

Objetivos: Análisis de la organización Previsiones de evolución Diseño de estrategias

Mistela And Tweets

2. DATAWAREHOUSE Almacén de datos para el análisis y toma de

decisiones. Permite realizar análisis on-line, por lo que

aumenta el poder de toma de decisiones por parte de los responsables en cuestión

Unifica información dispersa de diversos sistemas operacionales

Contiene la información relevante de la organización

Diseños orientados a conceptos de negocio manejados por el usuario

Sistema OLAP (On-Line Analitical Procesing)

Mistela And Tweets

3. OLTP vs OLAP

Mistela And Tweets

3. OLTP vs OLAPOperacional (OLTP) Datawarehouse (OLAP)

• Almacén de datos actuales

• Almacena datos al detalle

• Bases de datos medianas

• Los datos son actuales• Los procesos son

repetitivos• Tiempo de respuesta

pequeño• Soporta decisiones

diarias

• Almacén de datos históricos

• Almacena datos al detalle y datos agregados a distintos niveles

• Bases de datos grandes• Los datos son estáticos• Los procesos no son

previsibles• Tiempo de respuesta

variable• Soporta decisiones

estratégicas.

Mistela And Tweets

4. COMPONENTES DE SISTEMA

Arquitectura técnica Aplicación usuario final

Fuentes externas

Datos transaccionales

Históricos

Niveles adicionales transformación

Niveles adicionalessumarización

Procesos de extracción Almacén de datos (DW) Presentación dela Información

ETL OLAP

Fu

en

tes d

e

Info

rmació

nU

su

ario

Mistela And Tweets

4. COMPONENTES DEL SISTEMAProcesos de extracción (ETL) Proceso de extracción y carga de la

información desde las distintas fuentes origen al Datawarehouse. Incluye las siguientes fases:1. Extracción: elaboración de interfaces entre

sistemas operacionales orígenes de datos2. Transformación: validación de los datos

extraídos, transformándolos al formato deseado3. Carga: cargar físicamente los datos extraídos de

los sistemas operacionales y ya transformados en el modelo de datos del Datawarehouse

Mistela And Tweets

4. COMPONENTES DEL SISTEMAAlmacén de datos (Datawarehouse) Se soporta sobre el modelo físico dimensional diferente

de los sistemas de bases de datos que están basados en el modelo Entidad-Relación (E/R). Este modelo contiene la misma información que el modelo E/R pero agrupa los datos con el objetivo de ganar una mayor comprensión para el usuario y garantizar la ejecución rápida y eficiente de las consultas.

Existen dos tecnologías para implementar dicho modelo: Multidimensional OLAP (MOLAP): se indexa los datos

directamente en un modelo multidimensional (cubos) en el cual todas las posibles combinaciones de los datos ya están calculadas en una celda

Relational OLAP (ROLAP): implementa las estructuras dimensionales mediante bases de datos con modelos relacionales.

Mistela And Tweets

4. COMPONENTES DEL SISTEMAPresentación de la información DSS (Decisión Support System):

Informes dinámicos, normalmente para representar un indicador o un grupo de indicadores relacionados funcionalmente en tablas de datos.

Además de estos informes predefinidos, los usuarios con capacidades de análisis podrán crear sus propios informes y obtener respuestas en demandas de información puntuales.

EIS (Executive Information System): Informes estáticos, predefinidos, fáciles de manejar y orientados a

los directores. Son informes muy visuales (normalmente se utilizan exclusivamente gráficos) y con un nivel alto de agregación de la información. Deben estar orientados a la gestión estratégica.

BSC (Balance Scored Card): Informes estáticos para la gestión estratégica de la empresa.

Permite medir el rendimiento de áreas o personas mediante el análisis de diversos de un conjunto de indicadores con valores objetivo y pesos.

Mistela And Tweets

4. COMPONENTES DEL SISTEMA

CRC

EISExecutive

InformationSystem

DSSDecision Support

System

Planificación operativa: Estructura, Actividad Asistencial,

RR.HH.,...

SIS

AL

SIP

SIA

/ D

MS

IA

CO

MP

AS

CIR

O

GA

IA

Otr

as A

plic

.

Cuadro de Mando Integral

Reporting de Excepción

Reporting Estándar

Nivel Aplicativo Transaccional

Alta Dirección

Analistas

Información de Gestión Operativa

Gestión Estratégica

Agr

egac

ión

de In

form

ació

n

Nav

egac

ión

en P

rofu

ndid

ad

Gestión Operacional

CRC

EISExecutive

InformationSystem

DSSDecision Support

System

Planificación operativa: Estructura, Actividad Asistencial,

RR.HH.,...

SIS

AL

SIP

SIA

/ D

MS

IA

CO

MP

AS

CIR

O

GA

IA

Otr

as A

plic

.

Cuadro de Mando Integral

Reporting de Excepción

Reporting Estándar

Nivel Aplicativo Transaccional

Alta Dirección

Analistas

Información de Gestión Operativa

Gestión Estratégica

Agr

egac

ión

de In

form

ació

n

Nav

egac

ión

en P

rofu

ndid

ad

Gestión Operacional

Mistela And Tweets

5. MODELO LÓGICOEJEMPLO

Mistela And Tweets

5. MODELO LÓGICOEjemplo

Organización: Cadena de supermercados.

Actividad objeto de análisis: ventas de productos.

Información registrada sobre una venta:“del producto “X” se han vendido en el almacén “nro.1” el día 17/2/2008, 5 unidades por un importe de 100 euros.”

Mistela And Tweets

Vent

as

importe

unidades

Alm

acén

Almacén

Ciudad

Región

Tipo

Pro

duct

o

Departamento

Nro_producto

Categoría

Marca

Tipo

Descripción

Tie

mpo

Día

Mes

Semana

Año

Trimestre

Mistela And Tweets

Vent

asimporte

unidades

Departamento

Nro_producto

Categoría

Marca

TipoDía

Mes

Semana

Almacén

Ciudad

Región

Tipo

Año

Descripción

Actividad que es objeto de análisis con los indicadores que interesa analizar

Dimensiones (puntos de vista) desde los que se puede analizar la actividad.

Pro

duct

o

Tie

mpo

Alm

acén

Trimestre

Mistela And Tweets

5. MODELO LÓGICOModelo multidimensional en un esquema multidimensional se

representa una actividad que es objeto de análisis (hecho) y las dimensiones que caracterizan la actividad (dimensiones).

la información relevante sobre el hecho (actividad) se representa por un conjunto de indicadores.

la información descriptiva de cada dimensión se representa por un conjunto de atributos (atributos de dimensión).

Mistela And Tweets

5. MODELO LÓGICO

departamento

almacén

ciudad región

tipo

día mes año

Producto

Almacén

Tiempo

nro. producto categoría

trimestre

semana

Entre los atributos de una dimensión se definen jerarquías

Mistela And Tweets

6. TERMINOLOGÍA

Mistela And Tweets

6. TERMINOLOGÍA Hecho

Un hecho es un elemento de información del negocio. Es decir, es un elemento que se puede medir

Indicador Fórmula matemática aplicada a un conjunto de

hechos Dimensión/Eje de análisis

Una dimensión es el aspecto o perspectiva mediante las cuales se pueden acceder a los hechos

Atributo Característica de una dimensión

Jerarquía Una jerarquía es la relación padre/hijo en la cual se

agrupan los atributos de una dimensión

Mistela And Tweets

6. TERMINOLOGÍA Agregación

Método por el cual los datos, son agrupados para realizar una tabla de hechos específica

Sumarización Método por el cual los datos se cambian de nivel de

granularidad Desnormalización

Introducir redundancias de la información en las tablas de la base de datos para mejorar el rendimiento de la aplicación

Datamart Un Datamart, al igual que un Datawarehouse, es un

almacén de datos para el análisis y toma de decisiones. La diferencia esta en el contenido, ya que un Datamart es un subconjunto departamental de un Datawarehouse corporativo o un Datawarehose de un solo sistema funcional.

Mistela And Tweets

6. TERMINOLOGÍA Drill down / up

Navegar dentro de la información, desde niveles mas altos a niveles mas bajos o viceversa

DataMining Búsqueda de patrones de comportamiento, dentro de datos,

ya sea de un Datawarehouse, o cualquier otra fuente de información

EIS (Executive Information System) Sistema estático orientado a los ejecutivos, con informes

predefinidos y fácil de manejar DSS (Decision Support System)

Sistema de ayuda a la decisión con la libertad de poder realizar consultas e informes libres sobre la información

BSC (Balance Scored Card): Sistema estático para la gestión estratégica de la empresa

Mistela And Tweets

7. BUSSINES INTELLIGENT

Mistela And Tweets

7. BUSSINES INTELLIGENCE Business Intelligence suele definirse como la

transformación de los datos de la compañía en conocimiento para obtener una ventaja competitiva.

Desde un punto de vista más pragmático, y asociándolo directamente a 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 OLAP...) o para su análisis y conversión en conocimiento soporte a la toma de decisiones sobre el negocio.

Mistela And Tweets

Mistela And Tweets

8. HERRAMIENTAS

8. HERRAMIENTAS IBM InfoSphere DataStage SW ETL de IBM para plataformas distribuidas y

mainframes IBM Cognos DecisionStream

Software ETL de IBM para la construcción de Data Warehouses y Data Marts para reporting y análisis

IBM InfoSphere Change Data Capture (CDC)Software de IBM para la integración de información en tiempo real a través de almacenes de datos heterogeneos. 

Informatica PowercenterSoftware de Integracion de datos empresariales de Informatica 

Oracle Data Integrator (ODI)Plataforma de integración de datos de Oracle Fusion Middleware

Oracle GoldenGate (CDC)Sofware de integración de datos de Oracle Fusion Middleware, que permite la replicación de datos en tiempo real en entornos de datos heterogéneos 

8. HERRAMIENTAS SAP BusinessObjects Data Integrator

Software ETL de SAP BO, plataforma de Business Intelligence de SAP SAS Enterprise Data Integration Server

Software de ETL y ELT de SAS, que permite transformar datos directamente en las bases de datos origen 

Microsoft SQL Server Integration Services (SSIS)Software ETL de Microsoft, incluído en la base de datos SQL Server, y que reemplaza a Data Transformation Services (DTS) 

iWay DataMigratorHerramienta ETL de iWay Software para Data Warehousing.

iWay Enterprise Information (EII)Herramienta ETL de iWay Software para integración en tiempo real entre almacenes de datos heterogéneos.

Open Source: Google Refine Pentaho Data Integration (PDI)

Software ETL Open Source de la suite de BI de Pentaho. La versión Community (PDI CE) es tembién conocida como Kettle, que es el nombre del proyecto open source original. 

Talend Open Studio for Data IntegrationSoftware ETL Open Source para integración de datos de Talend. 

9. ENFOQUES

9. ENFOQUES La solución Business Intelligence abarca tanto la

modelización y almacenamiento de los datos, como la explotación de los mismos, para extraer la máxima información y conocimiento. 

Sistemas sanitarios Sistemas bancarios Sistemas gestión de productos (almacenes) A nivel pequeño, puede servir para predecir:

Costes, recursos necesarios para una tarea/s, tiempo medio de implementación, según tipo de proyecto tiempo estimado de desarrollo, diseño…millones de aspectos se pueden predecir.

¡GRACIAS!

[email protected]