Professional Documents
Culture Documents
INDICE
Introducción
Inteligencia de negocios
Datawarehouse
Sistemas de Información.
Conclusiones
Introducción
Algo peor que no tener información disponible es tener mucha información y no
saber qué hacer con ella. La inteligencia de negocios o Business Intelligence
(BI) es la solución a ese problema, pues por medio de dicha información puede
generar escenarios, pronósticos y reportes que apoyen a la toma de
decisiones, lo que se traduce en una ventaja competitiva. La clave para BI es la
información y uno de sus mayores beneficios es la posibilidad de utilizarla en la
toma de decisiones. En la actualidad hay una gran variedad de software de BI
con aplicaciones similares que pueden ser utilizados en las diferentes áreas de
la empresa, tales como, ventas, marketing, finanzas, etc. Son muchas las
empresas que se han beneficiado por la implementación de un sistema de BI,
además se pronostica que con el tiempo se convertirá en una necesidad de
toda empresa.
Inteligencia de Negocios
La Inteligencia de Negocios es una alternativa tecnológica y de
administración de negocios, que cubre los aspectos del manejo de información
para la toma de decisiones, desde su extracción en los sistemas, depuración,
transformación, el diseño de estructuras de datos o modelos especiales para el
almacenamiento de datos hasta la explotación de la información mediante
herramientas comerciales de fácil uso para los usuarios. Este concepto es
llamado también Data Warehouse (DWH).
Sistemas Permite acceder datos desde todos los sistemas operativos, tales
Transaccionales o como OS/400 , Unix, Linux , Windows, etc..
fuentes de datos
ETL Este proceso de Extracción, Transformación y Cargue se hace
utilizando servicios de transformación de datos..
Data Warehouse o El repositorio de datos es diseñado, poblado, validado y puesto en
Repositorio producción sobre las más comunes bases de datos, tales como:
corporativo Microsoft SQL Server, Oracle, Informix, DB2, etc.. para Windows o
Unix..
Motor OLAP La construcción de los cubos multidimensionales se hace usando
servicios de transformación, el cual con su tecnología MOLAP, permite
manejar grandes volúmenes de datos y entrega cubos altamente
comprimidos, transportables y muy eficientes.
.
Visualización de la Para realizar despliegue, análisis de información y efectuar la
Información elaboración de los diferentes informes e indicadores de gestión.
.
MICROSTRATEGY:
Provee soluciones a clientes de cualquier industria y/o área funcional
con el fin de ayudarlos en la obtención de un mayor conocimiento sobre la
información manejada en su empresa.
BUSINESS OBJECTS:
Suministra a los usuarios el poder acceder de forma sencilla a los datos,
analizar la información almacenada y creación de informes.
COGNOS:
Millones de dólares alrededor del mundo cada año. Esa misma tecnología
utilizan para seleccionar los "traliers" (cortos previos a la presentación de una
película) alternativos para cada película en cada cine y así maximizar las
ventas. Una película puede tener varios "trailers" diferentes, cada cual puede
percibirse de diferente forma por cada tipo de audiencias.
.
DATA WAREHOUSING
Un Data Warehouse o Depósito de Datos es una colección de datos orientado
a temas, integrado, no volátil, de tiempo variante, que se usa para el soporte
del proceso de toma de decisiones gerenciales.
Sistemas de información
• Orientado al tema
• Integrado
• De tiempo variante
• No volátil
Orientado a Temas
Integración
De Tiempo Variante
No Volátil
Los data warehouses tienen una estructura distinta. Hay niveles diferentes de
esquematización y detalle que delimitan el data warehouse. La estructura de un
data warehouse se muestra en la Figura N° 5.
Una de las razones por las que el desarrollo de un data warehouse crece
rápidamente, es que realmente es una tecnología muy entendible. De hecho,
data warehousing puede representar mejor la estructura amplia de una
empresa para administrar los datos informacionales dentro de la organización.
A fin de comprender cómo se relacionan todos los componentes involucrados
en una estrategia data warehousing, es esencial tener una Arquitectura Data
Warehouse.
a) Sistemas Operacionales
c) Metadata
Otro paso necesario es crear la metadata. La metadata (es decir, datos acerca
de datos) describe los contenidos del data warehouse. La metadata consiste de
definiciones de los elementos de datos en el depósito, sistema(s) del (os)
El sistema de depósito ejecuta las consultas que se pasa a los datos por el
software de acceso a los datos del usuario. Aunque un usuario visualiza las
consultas desde el punto de vista de un GUI, las consultas típicamente se
formulan como pedidos SQL, porque SQL es un lenguaje universal y el
estándar de hecho para el acceso a datos.
f) Datos Externos
dentro de una base de datos única y que casi siempre existen cuando múltiples
bases de datos contribuyen al data warehouse.
Una vez que se han creado las pantallas SQL, puede necesitar desarrollar un
conjunto de consultas y reportes estándares, aunque algunos productos
ofrecen librerías de plantillas prediseñadas y reportes predefinidos que se
pueden modificar rápidamente.
Los generadores de reporte tienen sus limitaciones cuando los usuarios finales
necesitan más que una sola, una vista estática de los datos, que no sean sujeto
de otras manipulaciones. Para estos usuarios, las herramientas del
procesamiento analítico en línea (OLAP - On Line Analytical Processing),
proveen capacidades "Slide y Dice" que contestaría "¿qué sucedió?" al analizar
por qué los resultados están como están.
Los proveedores como Arbor, vieron ésto como una oportunidad para crear de
facto normas para editar MDDB APIs, propiciando herramientas terceristas y
estableciendo asociaciones estratégicas.
Los usuarios de estos productos deben decidir sobre si los datos del
procesamiento analítico en línea, deberían almacenarse en bases de datos
multidimensionales especialmente diseñadas o en bases de datos relacionales.
Esto depende de las necesidades de la organización.
CONCLUSION