BUSINESS INTELLIGENCE

Contenido

1. Logro esperado
2. Componentes Tecnológicos y Arquitectura
de datos
Logro esperado

Conocer los principales

Componentes Tecnológicos y
Arquitectura de datos
Componentes Tecnológicos y
Arquitectura de datos
Componentes Business Intelligence

▪ Arquitectura de Datos
▪ Data Warehouse y Data Marts
▪ Fuente de datos
▪ ETL
▪ Explotación de Información.
Inteligencia de Negocios
▪ ¿Donde se encuentran el Modelo de Datos de la Empresa?

Sistemas
Fuentes de
Sistemas Transaccionales
Datos

Arquitectura
Extracción de ETL
Datos

Arquitectura Data Warehouse Corporativo

de Datos
Empresarial Data Mart 1 Data Mart 2

Arquitectura Data Balanced

de Reporting Forecasting
Mining ScoreCards
Análisis Tools Tools
Tools Tools
Componentes y Arquitectura de Datos
Explotación de Información
Repositorio de Datos
Reporting

Fuentes de Datos Base de Datos y Modelo de Datos IBM Cognos

Aplicaciones Analytics
Empresariales

Extracción
de Datos ETL Exploración de Datos

Data Warehouse y Teradata Studio

Fuentes Selección
Datamarts Entrega de Información a Aplicativos

externas Transformación
Validación
Integración App Host App C/S
Actualización
Text Mining, Social Analytics
Repositorio de Datos
Repositorio de Datos

DOS TENDENCIAS
“ ... Un Data Mart es subconjunto lógico de un data
warehouse ... Un Data Warehouse esta hecho de la unión de
todos sus data marts,” Ralph Kimball, 1997.
Estrategia Bottom-Up
“Puedes capturar todos los pececillos del océano, ponerlos
juntos y, a pesar de ello, no hacen una ballena,” Bill Inmon,
1998
Estrategia Top-Down
Tendencias Más Usadas

Ambos métodos: “Top Down” (Bill Inmon) and

“Bottom Up” (Ralph Kimball) son propuestas
válidas.
Ambas llegan a la misma meta: El DW Corporativo
 Características Data Warehouse

Mayor Muchas Data Warehouse

información fuentes Corporativo

El diseño del Data Mart debe ser

orientado a ser PARTE del Data Warehouse
Corporativo.
El diseño debe consolidar un modelo de
negocio.
Data Mart Data Mart Data Mart
A B N

Mayor Mayor detalle

Mayor
performance simplicidad
Características Data Warehouse

Orientado a Temas:
◦ Involucra una alineación de funciones del negocio y enmarcar bajo ellos las
múltiples aplicaciones en una arquitectura Data Warehouse

TPS orientado a la aplicación BI orientado a los temas

- Facturación - Datos de Ventas

- Atención al Cliente - Datos de Marketing
- Tarjetas de crédito - Datos de Finanzas
Características Data Warehouse

Integración
Resuelve el problema de INCONSISTENCIA de:
Tipos de datos
Entidades
Atributos
Protección de las aplicaciones que alimentan el Data
Warehouse o Data Marts:
Cargas sólo en horas “no pico”
Sólo en demanda
Centralización de operaciones de transformación y
limpieza:
De las aplicaciones al Data Mart
Del Data Mart al Data Warehouse
Características Data Warehouse

Variante en el tiempo

➢ Datos con valores ➢ Snapshot de datos:

actuales: ✓ Un gran horizonte de
✓ Horizonte del tiempo de tiempo de 5 a 10 años
30 a 90 días ✓ La estructura clave
✓ La clave puede o no contiene un elemento
tener un elemento tiempo
tiempo ✓ Una vez tomado el
✓ Los datos pueden ser snapshot, el registro no
actualizados puede ser actualizado
Características Data Warehouse

No volátil
Se carga la información
Se accesa a la información
NO EXISTE actualización continua de la
información

Considera información final, resultado

de los procesos operacionales: filtrada,
integrada y consolidada.
Características Data Warehouse
¿Que puede o no puede hacer DW?
No puede crear mas datos
No corrige información
Ayuda a identificar los problemas de datos
Las correcciones se realizan sobre el sistema fuente o
sobre el sistema de captura de datos
No toma las decisiones
Beneficios Data WareHouse
Técnicos

Permite tener una única Repositorio de Datos

Permite separar lo transaccional (día a día) de lo
analítico
Permite controlar la inconsistencia de data
(Limpieza de Datos)
No crea dependencia con el área de sistemas para
el momento del análisis en sí
Beneficios Data WareHouse
Funcionales
Contiene escenarios de Permiten al usuario o
acuerdo al nivel de “trabajador del negocio”
importancia de los Poder ver el negocio bajo
indicadores para cada nivel diferentes perspectivas
Crear sus propios reportes y
de usuarios: gráficos, sin depender del
Usuario
Gerencial área de TI
Capacidad de manipular la
Usuario información: realizar
Analista cálculos, fórmulas, evaluar
indicadores
PIRAMIDE Usuario
DE Técnico
USUARIOS
Componentes y Arquitectura de Datos
Explotación de Información

Fuente de Datos
Reporting

Fuentes de Datos Base de Datos y Modelo de Datos IBM Cognos

Aplicaciones Analytics
Empresariales

Extracción
de Datos ETL Exploración de Datos

Data Warehouse y Teradata Studio

Fuentes Selección
Datamarts Entrega de Información a Aplicativos

externas Transformación
Validación
Integración App Host App C/S
Actualización
Text Mining, Social Analytics
Fuente de Datos
➢ Incluir información fundamental de las organizaciones,
tales como clientes, ventas, marketing, producción, etc.

➢Los datos pueden proceder de diferentes fuentes internas

recolectadas a través de sistemas de información
organizacionales: CRM, ERP, BPM, etc y fuentes externas:
centrales de riesgo, oficinas de impuestos, oficinas de
aduanas, entre otros.
Fuente de Datos

➢Generalmente los datos que se requieren para realizar la

inteligencia de negocios se encuentran almacenados por
separado.

➢En muchos casos información clave del negocio, la cual se

compone de “datos maestros”, por ejemplo información de
clientes y proveedores, clientes y sus productos, etc, se
encuentra almacenada en diferentes fuentes debido a que
diferentes sistemas de información organizacional pueden
utilizarlos.
Componentes y Arquitectura de Datos
Explotación de Información

ETL (extraction, transformation, load)

Reporting

Fuentes de Datos Base de Datos y Modelo de Datos IBM Cognos

Aplicaciones Analytics
Empresariales

Extracción
de Datos ETL Exploración de Datos

Data Warehouse y Teradata Studio

Fuentes Selección
Datamarts Entrega de Información a Aplicativos

externas Transformación
Validación
Integración App Host App C/S
Actualización
Text Mining, Social Analytics
ETL (extraction, transformation, load)

➢En el proceso de extracción de datos se incluyen procesos

de limpieza y formateo de la información.

➢Consiste en realizar procesos que impliquen la obtención

de datos, la transformación de dichos datos con el fin de
generar conocimiento mediante la información
almacenada en los sistemas de información que posee la
organización y la carga de dichos datos en sistemas de
almacenamiento dedicados para ser proveídos a los
sistemas de consulta de información basados en la
inteligencia de negocios (DWH).
ETL (extraction, transformation, load)

➢El proceso de extracción convierte los datos en un formato

preparado para dar inicio al proceso de transformación de la
información.
➢Los procesos de extracción pueden generar dificultades a
los sistemas de información organizacionales origen, debido
a que requieren consultar la información directamente en los
equipos computacionales en los que se encuentran
instalados los sistemas; esto causa mayor latencia en las
transacciones que ejecuta normalmente dicho sistema
origen.
ETL (extraction, transformation, load)

➢Por esta razón los procesos de extracción de información

deben programarse con suficiente anticipación con el fin
de generar el mínimo impacto sobre los sistemas de
información en la organización.

➢ En el proceso de transformación se aplica un conjunto de

reglas de negocio sobre los datos extraídos.

➢Estas reglas provocan una manipulación de los datos que

permiten estandarizar el formato de toda la información
extraída desde diferentes fuentes.
ETL (extraction, transformation, load)

➢ Las reglas aplicadas a los datos pueden consistir en:

✓ codificación de información,
✓ formateo de información,
✓ cálculo de valores,
✓ unión de datos de múltiples fuentes,
✓ división de información de un campo a varios campos,
✓ validación de datos, entre otras.

➢El proceso de carga coloca los datos transformados en los

sistemas de almacenamiento del sistema de destino,
dependiendo de los requerimientos establecidos por la
organización.
ETL (extraction, transformation, load)

Integración

Appl 1
m,f
balance numeric(13,2)
1° Consolidación

Appl 2 2° Estandarización
0,1
balance pic9(9)v99

Appl 3 1° m,f
x,y
balance numeric(11,0) 2° balance numeric(13,2)

Appl 4
male, female
balance pic s9(7)v99 comp-3

https://www.youtube.com/watch?v=JlI-NMZbPQ8
Componentes y Arquitectura de Datos
Explotación de Información

Explotación de información
Reporting

Fuentes de Datos Base de Datos y Modelo de Datos IBM Cognos

Aplicaciones Analytics
Empresariales

Extracción
de Datos ETL Exploración de Datos

Data Warehouse y Teradata Studio

Fuentes Selección
Datamarts Entrega de Información a Aplicativos

externas Transformación
Validación
Integración App Host App C/S
Actualización
Text Mining, Social Analytics
Explotación de información

➢ Para comprender el negocio se debe realizar la revisión y

análisis sistemático de la información de la organización.

➢Para generar estos resultados, los sistemas de

información cuentan con consultas combinadas a las bases
de datos que poseen la información del negocio.

➢De acuerdo con los resultados de dichas consultas, un

sistema de reportes puede generar formatos o gráficas que
posibilitan la lectura dinámica de la información de
interés.
Explotación de información

➢Es una herramienta sencilla y poderosa que le permite al

gerente de una organización visualizar de forma rápida,
consistente y precisa los resultados de las operaciones del
negocio.

➢Además estas herramientas facilitan la obtención de

reportes propios con información totalmente actualizada,
sin tener que recurrir a otros departamentos para
obtenerla.
Cuadros de mando (dashboards)
➢Un cuadro de mando es una herramienta gráfica que permite
la visualización de datos que hacen referencia al estado actual
de diferentes métricas e indicadores clave de rendimiento (KPI,
key performance indicators) para una organización.

➢Los cuadros de mando permiten consolidar y organizar

métricas, indicadores, valores numéricos y cuadros de
resultados o scorecards en una sola imagen proyectada en una
pantalla.

➢Un cuadro de mando genera configuraciones de indicadores

que le permiten al usuario obtener información en tiempo real
con respecto a criterios diseñados específicamente para un
negocio.
Ejemplo Cuadro de mando
Estabilidad Operativa de TI
SLA Cumplimiento de Rutina 34.00 Espacio asignado vs ocupado
32.00
30.00
28.00
26.00
24.00
22.00
20.00
18.00
16.00
14.00

Nro rechazosen congelamiento Tiempo de Atención de Req Controles de Cambio (regulatorios o de

usuario)
Rápidos
76%
34

55% 52%
48% 23 24
Obj: 0 45%
19
16
5 24%
3
2
0 0 0 0 0 5
0% 0% 0%
2 1 0 0 0 0
Feb M0ar A0br May Jun Jul Ago 12-Set
De 0 y 2 días De 3 a 5 días Más de 6 días Jul-Set Oct - Dic Ene-Mar Abr-Jun Jul-10 Obj
Ped 30 26 36 27 39 46 25 09 Set
N°(27) (22)(05) (22) (24) (16) (0) (0) (0)
Total rechazos Rechaz xvalidación inicial R eq % Julio % Ago % 10-Set
Ejemplo Cuadro de mando
Presupuesto Ejecutado por Áreas de Negocio

Gcía Central Área de Negocio Monto USD % HH CtdÁgiles

RBM $116,016.81 16.55% 3,864.00 75
Riesgos ADR $24,519.61 3.50% 806 27
DIV. CRED. $4,044.65 0.58% 125.5 14
AUDIT. $22,753.15 3.25% 722 21
CUMPLIM. $26,262.87 3.75% 890.5 13
Otros
COMP. SELEC. Y APREND. $1,183.93 0.17% 35 2
Otros $122,776.80 17.51% 3964.4 32
CAN. ALTERN. $31,139.81 4.44% 976.5 69
BCA PYME $13,298.60 1.90% 425 25
Banca Minorista TC, CR.PERS Y SEG $21,344.63 3.04% 706 20
PROD. AHO. INV. $11,283.16 1.61% 351 20
Otros $81,799.96 11.67% 2676 82
OPERAC. $3,610.80 0.77% 110 17
GEST. PROV. $2,300.21 0.49% 68 7
GCOSA GEST. Y TRANSF PROC $2,494.52 0.53% 77 5
DIV. SIST $3,357.49 0.72% 106 12
Otros $7,011.56 1.00% 231 12
P Y CONTROL FINAN $107,699.39 15.36% 3638 84
Finanzas
CONTAB $2,407.20 0.34% 80 4
P.EST. DESAR. NEG. $35,438.94 5.06% 1116.5 58
Banca Mayorista SERV. EMPRE $22,150.17 3.16% 709 46
NNII $7,900.49 1.13% 256 15
Tania Marino Jiménez