Caso de Estudio - Inteligencia de NegociosHola muchachos: Despues de algunos meses hoy empezamos el desarrollo de un caso de estudio, partiendo de la problematica que enfrentan las organizaciones. La problemática en una organización no solo significa que la organización tenga pérdidas, como en los escenarios siguientes: • Porque las ventas están cayendo?• Que productos no se están comprando en esta época del año?• Porque la recaudación ha disminuido?• Porque los clientes manifiestan un nivel de insatisfacción creciente? Sino que un problema puede significar como seguir avanzando, cumplidas sus metas impuestas, como en los escenarios siguientes • Como crecer el 20% en el siguiente año? • Cuál de las promociones son las más efectivas ? • Que clientes adquirirán un producto que se va a lanzar a ventas? • Como direccionar el marketing a los clientes ? A continuación proponemos la siguiente solución de inteligencia de negocios que brindará el caso de estudio ha desarrollar: Se puede apreciar 4 bloques: Fuentes de Datos A partir de las cuales se obtendrán los diferentes tipos de información. Debemos resaltar que la solución a proponer partirá de la BD Transaccional (recordar que es la BD donde se registra las transacciones y operaciones diarias). y agradeciéndoles como siempre sus comentarios y sugerencias Saludos rimenri Publicado por rimenri en 18:21 12 comentarios sábado 10 de enero de 2009 Empezando un Nuevo Año . etc). sectoristas. o Patrones de Comportamiento o Reportes de Producción.• La BD transaccional permite generar: o Indicadores de Gestión. • Analisis Dinamico (por ejemplo al tratar de responder al Indicador de Morosidad. • Cubos OLAP permite generar: o Indicadores de Gestión. • Reportes de Produccion (por ejemplo aplicando el principio de pareto. • El Data WareHouse/DataMart permite generar: o Patrones de comportamiento principalmente. • Patrones de comportamiento (por ejemplo: como predecir que clientes nos compraran tal producto. cuando queremos obtener el detalle de clientes morosos) Tipos de Sistemas de Informacion Click para Ver detalles Continuaremos en el siguiente articulo. .Su importancia mayor radica en servir de fuente como soporte para los cubos OLAP. si los poblemas son los clientes. a fin de mandarle un catalogo personalizado). tiempo. o Patrones de Comportamiento o Análisis Dinámico (es su fortaleza!) Tipos de Información De acuerdo a la problemática expuesta nuestra propuesta incluirá: • Indicadores de gestión (por ejemplo indicador de ventas.BI Inteligencia de Negocios Hola a todos! Despues de algunos meses retornando al placer de poder compartir algo que nos apasiona cada vez más como es BI Inteligencia de Negocios. indicador de recaudación. organización o un grupo o combinación de ellos). Esta metodologia la resumimos en el siguiente ROAD MAP BI/DW . Esta es la lista de lugares.Sirva este primer articulo del 2009 para extender mi agradecimiento personal a todos los lugares -Chimbote. Cajamarca. rimenri: ROADMAP BI/DW A continuación.donde tuvimos la posibilidad de intercambiar conocimiento y hacerles extensivos la Metodologia BI/DW->T tanto en universidades como empresas. cursos y capacitaciones donde estuve en el 2008: Estoy activando algunos links que estaban en mal funcionamiento y poniendo nuevos videos. Tarapoto. presento una metodología para desarrollar una solución de Inteligencia de Negocios y Data WareHouse . Piura. Cognos. el cual como comentabamos en articulos anteriores sintetiza el estudio del Experto en Construccion de Data WareHouse: Ralph Kimball. Huaraz. la propuesta de COGNOS uno de los lideres de soluciones en Inteligencia de Negocios y la experiencia personal de este servidor. Saludos a todos! Ricardo Publicado por rimenri en 17:49 5 comentarios domingo 15 de junio de 2008 Kimball. Cusco y por supuesto nuestro querido Trujillo . asi mismo empezaremos el desarrollo de la metodologia propuesta. Como se puede apreciar. se proponen 5 fases: --> Planeamiento --> Requerimientos y Análisis del Negocio --> Diseño --> Construcción --> Implementación . NET Publicado por rimenri en 23:56 13 comentarios . A continución tenemos los puntos que desarrollaremos por cada fase: Estos puntos los desarrollaremos con casos aplicativos. Asi mismo para los amantes de codigo. usando Visual Studio . me gustaria proponerles: como leer los proyectos OLAP de un Servidor OLAP de SQL Server y ponerlos en una interfaz.Parte de ella ha sido extraida de mi tesis de maestria próxima a sustentar. .martes 29 de abril de 2008 Data Mining. Luego de esto entraremos de lleno al desarrollo metodológico de nuestra solución de inteligencia de negocios.. el resultado de esta colección de datos es que las organizaciones tienen “datos ricos” pero “pobre conocimiento”. necesitamos levantarnos! . . Pero qué es el Data Mining? Como esta tecnología puede resolver los problemas diarios de las organizaciones? Cuál es el ciclo de vida de un DM ? Qué es Data Mining? Data Mining constituye un miembro clave del Business Intelligence (BI) y permite analizar datos. sobre la posibilidad de la creación de nuevo conocimiento. Imagine los datos de una tabla relacional. En lo que va del tiempo muchas empresas han acumulado una gran cantidad de datos en sus bases de datos.". 1 conteniendo información de clientes. "Nuestros competidores están usando DM para incrementar su cuota de mercado.". El propósito principal del DM es extraer de los datos patrones. he creido conveniente introducir el tema Data Mining (DM) como una posibilidad de creación de conocimiento en las organizaciones. "Data Mining incrementa la satisfacción de nuestros clientes. como se muestran en la fig. Minería de Datos Introducción En vista de los comentarios y sugerencias que nos hicieron. de manera automática o semi-automatica.. via mail y por chat. incrementar su valor intrínseco y transformar la data en conocimiento. Son algunos de los comentarios en las organizaciones que se pueden percibir. Panorama Actual "Segmentamos a nuestros clientes usando Data Mining. hallando patrones escondidos.". tipo de empleo. Todo lo que tiene que hacer es seleccionar el Algoritmo correcto de DM y especificar el uso las columnas a usar. el significado de las columnas de entrada y las columnas predictivas. En contraste el DM hace un acercamiento más simple ha esta pregunta. El algoritmo revisa la data y analiza el impacto de cada atributo ingresado (2) Volvamos a la pregunta original ¿A qué cliente o grupo de clientes le puedo dar un préstamo con un nivel de riesgo Bueno? . El impacto de la edad seria otra variable a tener en cuenta o tal vez en función a su nivel de ingresos o deuda que tenía y seguramente tendríamos que escribir miles de consultas cuando queramos combinarlas algunas o todas a la vez. En el caso anterior las columnas: edad. ingresos. La columna Riesgo Crédito seria la columna predictiva. imagine si existiera mas columnas a usar y algunas columnas sean valores numéricos como los ingresos mensuales de un cliente. Un modelo de decisión de árbol podría ayudarnos a responder esa preguntar.Una de las metas a encontrar podría ser: ¿A qué cliente o grupo de clientes le puedo dar un préstamo con un nivel de riesgo Bueno? Podríamos escribir una consulta para buscar cuantos con tipo de Empleo dependiente hay y cuantos no. nivel de deuda serian las de entrada. El DM proporciona un enorme valor a las organizaciones. Las API del DM están estandarizándose cada vez mas amplitud y esto permite a los desarrolladores construir aplicaciones Realidad! (3) Hace poco conversaba con un Gerente de una empresa comercializadora regional. así como la participación de corporaciones nacionales y extranjeras en el mercado. contabilidad. En este 2008 en nuestra ciudad Trujillo estamos siendo testigos de la aparición de 2 malls con una infraestructura bastante atractiva para los clientes. · Alto nivel de competencia: la competencia actualmente es alta como resultado de marketing moderno y canales de distribución como internet y comunicaciones. Los algoritmos y el equipamiento existente son más eficientes para trabajar con data complicada si fuera el caso. sino contara con un sistema de información. y me comentaba entre otras cosas que. de ahí la importancia de retenerlo · Conocer el perfil de los clientes que constantemente realizan reclamos en una empresa de servicios. ahora ya es una tecnología madura y está lista para ser aplicada en las organizaciones. no podría estar competido con estas corporaciones – cuenta con gran cantidad de datos y competencia de primera. almacenes.y que justo había invertido en un servidor con una configuración de primera –Tecnología Lista .Se imagina llegar a la respuesta de: los clientes con tipo de empleado Dependiente que tengan un nivel de deuda bajo y que tengan más de 40 años son los que representan menos riesgo de deuda. de gran presencia en el mercado. . Piense la ventaja de conocer la información que descubriría un DM · Imagine un retail en donde identifique los grupos de clientes que adquieren ciertos grupos de productos. producción. personal. En estos tiempos el DM puede implementarse con más transparencia: · Gran cantidad de data disponible: las organizaciones llegaron a implementar sistemas transaccionales (ventas. En algunos países la inversión de un operador telefónica por cliente representa un promedio de 200 dólares. etc) y estos en el tiempo han ido almacenando información aunado a la baja de los costos de almacenamiento han acumulado grandes volúmenes de datos.. por mencionar un ejemplo de competencia. · En un casino de juegos las personas mayores de 55 de género femenino que permanecen 20 minutos “jugando” prefieren ciertos juegos rentables. · Tecnología Lista: el DM anteriormente era mayormente una solución de laboratorio. · Tener la posibilidad de plantear un conjunto de promociones a un determinado grupo de clientes. · Conocer que clientes son los que continuamente cambian de operador. donde la data ya se encuentra “limpia”. Paso 3: Construir un Modelo Una vez que la data está limpia y las variables a usar transformadas. En este sentido se recomienda tener una BD a parte con los datos necesarios y validados. por lo que solo considerar la data relevante. que es donde mayormente se aplica DM. En pequeñas organizaciones es posible que no exista un Data Warehouse por lo que se podría “minar” directamente en las tablas transaccionales. que como vimos en capítulos posteriores es una BD Multidimensional compuesta por Medidas y Dimensiones. Seguramente se estarán preguntando cuales son los pasos para constuir un proyecto de DM. existen cientos de Base de Datos y algo de 70 Data WareHouse (1) Paso 2: Limpieza de Datos y Transformación La data limpia y transformada es el insumo vital para el DM. Qué datos usa Data Mining? Si su organización cuenta con un Data WareHouse o Data Mart. En general el DM busca descubrir y evaluar patrones y tendencias con miras a presentar un nuevo conocimiento de la organización. podemos empezar a construir modelos comprendiendo la meta que percibe el proyecto de Data Mining para . Para tener una idea.· Disminuir el riesgo de proporcionar un préstamo a un solicitante en una entidad financiera. en Microsoft. aqui van! Paso 1: Colección de Datos Los datos del negocio podrían estar en muchos sistemas. Ciclo de un Proyecto en DM. También es posible aplicarlo directamente en un Cubo OLAP. Trujillo-Perú (3) Experiencia Personal .PDF en la seccion: Descargar Temas BLOG con el titulo: Data Mining (DM) .2005. Paso 4: Modelo Preparado Aplicados los algoritmos necesarios con sus respectivos parámetros. conociendo el tipo de análisis a realizar es relativamente sencillo elegir el algoritmo a aplicar. Hasta el próximo artículo en donde tocaremos la Planificación del Proyecto de BI/DW basado en 3 puntos: · Documento Visión del Producto · Equipo del Proyecto · Cronograma del Proyecto Bibliografia Utilizada: (1)Data Mining con SQL Server 2005 . En el caso de postulantes a la universidad por ejemplo: quienes serán los que tendrán más éxito en su vida universitaria.Abril 2008 . Paso 5: Reportear Entregar reportes de lo encontrado a los usuarios finales para su conformidad respectiva Paso 6: Predicción En algunos proyectos el entregar los patrones descubiertos es una media mitad del trabajo. Trujillo-Perú Nota: el documento completo lo puede descargar en formato . Esta etapa es clave.Nov 2007. ZhaoHui Tang . USA (2) Curso de Postgrado en IT-ESAN . La idea es entender a los analistas del negocio que conocimiento intentan descubrir. lo cual obligaría a crear nuevas versiones del DM. Por ejemplo en el caso del CRM la segmentación de mercado es un tema muy aplicable con DM o en el caso de un ERP o Sistemas Desarrollados el tema de los presupuestos cobran más exactitud al aplicarse DM Paso 8: Administración del Modelo En el caso de que exista variación con los modelos diseñados es necesario mantenerse vigilante. la otra corresponde a crear modelos predictivos incorporando nuevos escenarios Paso 7: Integración de Aplicación Es necesario crear una aplicación para integrarla al negocio. La idea es evaluar e identificar el significado de los patrones encontradas y elegir el modelo a seguir. Seguramente serán varios escenarios a desarrollar.luego ejecutar el tipo de tarea de DM. luego daremos la definición formal.000. vamos a citar un ejemplo para ir familiarizándonos. es poco probable que se presente de esta manera: Si es una empresa comercializadora interesará analizar esos montos vendidos (medidas) por algunas variables (dimensiones) como: . Imagine Ud que desea hacer un reporte de los Montos Vendidos y este monto asciende a 100.Publicado por rimenri en 01:15 10 comentarios jueves 10 de abril de 2008 Data WareHouse. Medidas y Dimensiones Introducción Constituyen los componentes principales y fundamentales de un DWH y más adelante nos ayudará en su desarrollo metodológico. Veamos el reporte de otra manera . o cuanto se ha vendido a los Clientes Principales.000) se puede apreciar en diferentes perspectivas (dimensiones) por ejemplo en el caso del producto: Montos Vendidos por Marca o Línea.Nuestro reporte podría quedar: Este reporte tiene más utilidad los Montos Vendidos (100. Nótese que se puede combinar los montos vendidos de los Clientes Regulares en la Marca Ace de la Sucursal Norte. medir o evaluar y Cómo necesito analizarlo? El Qué lo constituyen un sin número de cosas como. el costo de producción entre otras. Volviendo al Control de Calidad. Esto puede encajar con que muchas medidas pueden ser analizadas por varias dimensiones: Necesito conocer los costos de producción trimestralmente por cada línea de productos. Imagine el requerimiento: Necesito conocer las cantidades producidas mensualmente. las respuesta podrían corresponder a analizar la data: en un periodo de tiempo determinado. Un DWH responde a la solución de un problema. Una vez identificado lo que el usuario desea medir la siguiente pregunta corresponde a Como analizará esta medida. por ejemplo en el caso de un Control de Calidad: la cantidad de unidades producidas. Estas últimas mencionadas lo constituyen las medidas o hechos (facts en Inglés). la cantidad de unidades defectuosas.Analizando el Reporte: Note el posicionamiento de las medidas y Dimensiones En el caso de las Dimensiones se ubican normalmente: · Filas ( Producto ) · Columnas ( Clientes ) · Titulo – llamado filtro ( Sucursal . En un Data WareHouse son llamados hechos. algo que permite medir gestión: ¿Qué necesito ver. . para un producto especifico. Tiempo ) Las medidas se ubican como intersección de filas y columnas (montos vendidos) Definiendo Medidas y Dimensiones Bien ahora si definiremos lo que es una Medida y lo que es una Dimensión. de Que Forma. -que dicho sea de paso son 2 librazos! . Cuando. Quien.establece una metodología para encontrar dimensiones basados en preguntas. Como . Las medidas: constituyen el que analizar y son numéricas y sumarizables a diferente nivel de detalle Las Dimensiones: son perspectivas de análisis y determinan el como analizar a las dimensiones Vamos a finalizar incluyendo una lista de muestra de medidas y dimensiones según el proceso de negocios: Proceso de Negocios y Medidas Ventas ->Cantidad de Pedidos -> Comisiones ->Descuentos ->Montos Vendidos ->Cantidades Vendidas ->Devoluciones ->Valores Presupuestados Marketing ->Unidades Vendidas ->Valores Actuales ->Valores Presupuestados Logística ->Unidades Aceptadas ->Unidades Devueltas ->Peso ->Costo Inventario ->Montos Comprados Producción ->Tiempo de Producción ->Capacidad Usada ->Unidades Embarcadas ->Unidades Planificadas ->Unidades Producidas ->Costos de Producción ->Horas Hombre ->Peso Ingresado . Donde. etc respecto a un Proceso de Negocios o Hechos respectivos).Al respecto COGNOS en sus textos: The Multidimensional Organization y The Dimensional Administrator. que será temas de artículos posteriores (estas preguntas corresponden a Que. ->Peso Procesado Proceso de Negocios y Dimensiones Ventas ->Producto ->Organización ->Tiempo ->Cliente ->Formas de Pago Marketing ->Producto ->Organización ->Tiempo ->Segmento de Clientes ->Medios de Entrega ->Territorios Logística ->Estado de Inventario ->Proveedores ->Materiales ->Productos ->Ubicación ->Organización ->Tiempo Producción ->Organización ->Producto ->Procesos ->Estaciones de Trabajo Nota: el documento completo lo puede descargar en formato .PDF en la seccion: Descargar Temas BLOG con el titulo: Medidas y Dimensiones Publicado por rimenri en 23:51 1 comentarios martes 18 de marzo de 2008 Data WareHouse Introducción Introduccion . o Management Information Systems ( . Tipos de Sistemas de Información en la Empresa · Los Sistemas de Información para la Gestión (SIG). Si no la tienes puedes descargarlo en la seccion Descargas Favoritas. Para acceder al laboratorio de COMO CREAR UN CUBO haz Click Aqui Luego de completar el laboratorio anterior puedes desarrollar el siguiente laboratorio CREANDO UNA INTERFAZ DE SOPORTE DE DECISIONES CON EXCEL 2007 a partir de un cubo.Hola nuevamente. de hace ya varios dias. En la ultima sesión. que me lo han venido solicitando mas de uno. para ello Clic Aqui Próxima Tema Empezaremos desarrollando la Metodologia de Kimball. hablamos de la ubicacion de un Data WareHouse (DWH) dentro de una solucion de Inteligencia de Negocios. Conceptos Iniciales de un Data WareHouse View Upload your own SlideShare Link Laboratorio El requisito previo es tener la BD AdventureWorkDW en el SQL Server. el Data WareHouse forma parte de una solución de inteligencia de negocios. Asi mismo al finalizar el mismo tienen Uds la posiblidad de ver y desarrollar el Lab 01 de como poder construir un cubo en SQL Server 2005. mediante un Caso de Estudio Práctico. Como vimos en nuestro primer documento. pero constituye además su abanderado principal cuando se implementa con los cubos OLAP. Publicado por rimenri en 00:24 18 comentarios jueves 21 de febrero de 2008 Data WareHouse en Inteligencia de Negocios Introducción Continuamente nos preguntan sobre Data WareHouse y dentro de los sistemas de información en cual de los tipos se ubica. A continuación vamos a mostrar los concepto inciales de lo que es un DWH. o Executive Information Systems ( EIS ). · Sistemas Soporte a la Decisión (SSD). Cómo . Cuándo. o Decision Support Systems ( DSS ). .tal vez los de tipo de estan adquiriendo los montos pensados. mediante un Sistema de Información para Ejecutivos. Quiénes En los clientes (Quiénes). al analiza un Indicador de Gestión representado por el KPI de Recaudación y visualiza un 70% en rojo! y tenemos la necesidad de preguntarnos donde estamos fallando?? y surgen los: Qué. · y Sistemas de Información para Ejecutivos (SIE). por ejemplo. Veamos el siguiente diagrama de los tipos de sistemas Como se puede apreciar un Data WareHouse corresponde a la categoria de los sistemas de Soporte de Decisiones propiamente dichos. Es cuando.MIS ). de Qué Forma? . un ejecutivo. la competencia deja el producto en la puerta de la casa del cliente Tiempo (Cuándo?). En los productos (Qué). En los temas siguientes veremos la construcción de un DataWare House utilizando la metodología de Kimball. Los canales de distribucion (Cómo?). todo implementandolo con MS SQL Server. Cuando respondemos a estas preguntas nos remitimos a los Sistemas de Soporte de Decisiones. donde el DataWareHouse sobre OLAP cubre todas estas respuestas.hay mucho reclamos por algunos de ellos -. combinando la propuesta del Pensamiento Multidimensional de COGNOS mas nuestro aporte personal.no estamos comercializando algunos productos que tradicionalmente se venden en ciertas epocas del año. Hay una serie de metodólogos que ayudan a la construccion de un Data WareHouse entre ellos podemos mencionar a: Bill Inmon Ralph Kimball Podemos resaltar la propuesta de Kimball con su Modelamiento Dimensional como una gran fortaleza y de gran ayuda en la construcción de Data Ware House. Asi mismo iremos mencionando los casos de éxito donde se han aplicado este tipo de soluciones. De momento los dejo con el ciclo de vida que propone Kimball en su libro The Data Warehouse LifeCycle Toolkit de 1998 .