Implementación de Un Datamart

FACULTAD DE INGENIERA Y ARQUITECTURA
ESCUELA PROFESIONAL DE INGENIERA DE COMPUTACIN Y SISTEMAS
IMPLEMENTACIN DE UN DATA MART COMO SOLUCIN DE

INTELIGENCIA DE NEGOCIOS, BAJO LA METODOLOGA DE
RALPH KIMBALL PARA OPTIMIZAR LA TOMA DE DECISIONES
EN EL DEPARTAMENTO DE FINANZAS DE LA
CONTRALORA GENERAL DE LA REPBLICA
PRESENTADA POR
ALEJANDRO ROJAS ZALDVAR
TESIS PARA OPTAR EL TTULO PROFESIONAL DE

INGENIERO DE COMPUTACIN Y SISTEMAS
CHICLAYO PER
2014
Reconocimiento - No comercial - Sin obra derivada

CC BY-NC-ND
El autor slo permite que se pueda descargar esta obra y compartirla con otras personas, siempre que se
reconozca su autora, pero no se puede cambiar de ninguna manera ni se puede utilizar comercialmente.
http://creativecommons.org/licenses/by-nc-nd/4.0/
Escuela Profesional de Ingeniera de Computacin y Sistemas
IMPLEMENTACIN DE UN DATA MART COMO SOLUCIN DE

INTELIGENCIA DE NEGOCIOS, BAJO LA METODOLOGA DE
RALPH KIMBALL PARA OPTIMIZAR LA TOMA DE DECISIONES
EN EL DEPARTAMENTO DE FINANZAS DE LA CONTRALORA
GENERAL DE LA REPBLICA
TESIS
PARA OPTAR EL TTULO PROFESIONAL DE INGENIERO DE

COMPUTACIN Y SISTEMAS.
PRESENTADO POR
ALEJANDRO ROJAS ZALDVAR
CHICLAYO - PER
2014
Implementacin de un Data Mart como Solucin de Inteligencia de Negocios, bajo la metodologa de

Ralph Kimball para optimizar la toma de decisiones en el Departamento de Finanzas de la Contralora
General de la Repblica
Alejandro Rojas Zaldvar
Contenido
RESUMEN ......................................................................................................... 5
INTRODUCCIN ............................................................................................... 7
Captulo I: Marco terico ................................................................................. 9
1.1.
Situacin problemtica .............................................................................. 10
1.2.
Definicin del problema ............................................................................. 15
1.3.
Hiptesis ..................................................................................................... 15
1.4.
Objetivos ..................................................................................................... 16
1.5.
Justificacin................................................................................................ 16
1.5.1.
Econmico........................................................................................ 16
1.5.2.
Tecnolgico ...................................................................................... 16
1.5.3.
Operativo .......................................................................................... 17
1.5.4.
Acadmico ........................................................................................ 17
1.5.5.
Personal ............................................................................................ 17
1.6.
Limitaciones................................................................................................ 17
1.7.
Restricciones .............................................................................................. 17
1.9.
Base terica ................................................................................................ 22
1.9.1.
Contralora General de la Repblica ............................................... 22
1.9.2.
Inteligencia de Negocios(BI) ........................................................... 23
1.9.3.
Metodologa de Ralph Kimball ........................................................ 25
1.9.4.
Metodologa de Bill Inmon ............................................................... 32
1.9.5.
Justificacin de utilizacin de la metodologa Ralph Kimball ...... 34
1.9.6.
Proceso ETL ..................................................................................... 37
1.9.7.
Integration Services SQL Server (SSIS) ......................................... 38
1.9.8.
Analysis Services SQL Server (SSAS) ........................................... 39
1.10. Definicin de trminos ............................................................................... 39

1.10.1.
Sistemas transaccionales OLTP ..................................................... 39
1.10.2.
OLAP- OnLine Anlytical Processing ............................................... 40
1.10.4.
Sistema de soporte de decisiones(DSS) ........................................ 46
1.10.5.
Data Warehouse ............................................................................... 46
1.10.6.
Data Mart .......................................................................................... 47
Universidad de San Martin de Porres Filial Norte

Facultad de Ingeniera y Arquitectura Escuela de Ingeniera de Computacin y Sistemas |

1.10.7.
Dimensiones..................................................................................... 47
1.10.8.
Mtricas ............................................................................................ 48
1.10.9.
Indicadores ....................................................................................... 49
1.10.10.
Fact Table ......................................................................................... 49
1.10.12.
Esquema copo de nieve .................................................................. 51
1.10.13.
Enfoque Bottom-up ...................................................................... 52
1.10.14.
Enfoque Top-down ....................................................................... 52
Captulo II: Metodologa ................................................................................. 54

2.1.
Material ........................................................................................................ 54
2.1.1.
Entrevistas........................................................................................ 54
2.1.2.
Gua de observaciones .................................................................... 54
2.2.
Mtodos....................................................................................................... 54
2.2.1.
Entrevistas........................................................................................ 54
2.2.2.
Gua de observaciones .................................................................... 54
2.3.
Cronograma de actividades ....................................................................... 55
2.4.
Financiamiento ........................................................................................... 56
2.5.
Planificacin del proyecto ......................................................................... 56
2.5.1.
Objetivos .......................................................................................... 56
2.5.2.
Alcance ............................................................................................. 56
2.5.3.
Beneficios ......................................................................................... 56
2.5.4.
Recurso humano .............................................................................. 57
2.5.5.
Inversin ........................................................................................... 58
2.5.6.
Flujo de caja ..................................................................................... 59
2.5.7.
Beneficio costo VAN TIR ........................................................... 59
2.6.
Definicin de requerimientos del negocio ................................................ 60
2.6.1.
Requerimientos del negocio ........................................................... 60
2.6.2.
Entrevistas........................................................................................ 70
2.6.3.
Base de datos transaccional en SQL server .................................. 72
2.6.4.
Diccionario de datos a nivel general de la base de datos
transaccional ..................................................................................................... 78
2.6.5.
2.7.
Diccionario de datos de la base de datos transaccional ............... 79
Modelado dimensional ............................................................................... 90
2.7.1.
Eleccin de las dimensiones........................................................... 90
2.7.2.
Dimensiones encontradas ............................................................... 91
2.7.3.
Medidas encontradas....................................................................... 92


2.7.4.
Jerarqua de las dimensiones ......................................................... 92
2.7.5.
Tabla de hechos ............................................................................... 94
2.8.
Diseo de la arquitectura tcnica .............................................................. 96
2.8.1.
Datos ................................................................................................. 96
2.8.2.
Back room ........................................................................................ 99
2.8.3.
Front room ...................................................................................... 100
2.9.
Diseo fsico ............................................................................................. 101
2.9.1.
Dimensin Bienes: BIEN_SERVICIO_DIM .................................... 102
2.9.2.
Dimensin tiempo: TIEMPO_DIM .................................................. 103
2.9.3.
Dimensin unidad orgnica: UNIDAD_ORGANICA_DIM ............. 103
2.9.4.
Dimensin proveedor: PROVEEDOR_DIM ................................... 104
2.10. Diseo e implementacin del subsistema de ETL ................................. 105

2.10.1.
Flujo de datos PROVEEDOR_DIM ................................................. 106
2.10.2.
ETL de Dimensin BIENES_SERVICIOS_DIM .............................. 108
2.10.3.
ETL de Dimensin TIEMPO_DIM ................................................... 110
2.10.4.
ETL de Dimensin UNIDAD_ORGNICA_DIM.............................. 112
2.11. Seleccin del producto ............................................................................ 117

2.12. Desarrollo de aplicacin de BI ................................................................. 118
2.12.1.
Desarrollo de cubo......................................................................... 118
2.12.2.
Desarrollo en QlikView .................................................................. 123
2.12.3. Implementacin ..................................................................................... 129
Captulo III: Pruebas y resultados ............................................................... 139

3.1.
Contrastacin de hiptesis ...................................................................... 139
3.2.
Rapidez de respuesta de informacin..................................................... 139
3.3.
Interaccin con solucin de inteligencia de negocios........................... 140
3.4.
Mejora del proceso de toma de decisiones del rea de finanzas. ......... 140
Conclusiones y recomendaciones ............................................................. 142

Fuentes bibliogrficas ................................................................................. 145
Fuentes electrnicas .................................................................................... 146
ANEXOS ........................................................................................................ 147
Anexo N01: Gua de entrevista n01 ................................................................. 148
Anexo N02: Gua de entrevista n02 ................................................................. 150
Anexo N03: Funciones de la Gerencia de Finanzas de la Contralora de la
Repblica.......................................................................................................... 151
Anexo N04: Entrevista de evaluacin de resultados n1 ................................ 154

Anexo N05: Gua de observacin n1 ............................................................... 155
RESUMEN
El proyecto surge por la necesidad de los usuarios del Departamento de
Finanzas de la Contralora General de la Repblica para acceder a informacin
confiable de manera rpida. Al tener esta informacin disponible, los usuarios
se pueden centrar en realizar el anlisis desde diversos puntos de vista y
determinar las acciones que crean conveniente para mejorar su gestin.
El procedimiento a realizar por los usuarios para acceder a esta informacin, es
solicitar al Departamento de Tecnologas de la Informacin, la exportacin de
datos de la base de datos, luego, estos son proporcionados en un archivo
excel, y despus, son depurados, ordenados, organizados y clasificados. El
proceso desarrollado manualmente genera diversos problemas, tales como:
dependencia del Departamento de Tecnologas de la Informacin, generacin
de informacin con una alta posibilidad de error (proceso manual), inversin de
tiempo en procesos mecnicos e Informacin dispersa en archivos de excel,
dificultando la consulta de datos histricos.
El proyecto propone la implementacin de una solucin de inteligencia de
negocios para el Departamento de Finanzas de la Contralora General de la
Repblica, de modo que, esta herramienta automatice el procedimiento que ha
sido explicado en el prrafo anterior, y, que en un entorno amigable, permita a
los usuarios acceder a informacin de mejor calidad, ms confiable, en menor
tiempo y en un repositorio que facilite acceder a informacin histrica.


ABSTRACT
This project arises from the need for users of the Finance Department of the
Comptroller General of the Republic to access reliable information quickly. By
having this information available, users can focus on the analysis from various
points of view and determine the actions that they believe will improve their
management.
The procedure to be performed by users to access this information is to ask the
Department of Information Technology Data Export Database, pass this data in
an Excel file, debug, sort, organize and classify information obtain the
information that is requested. This procedure performed manually generates
various problems such as: Unit of the Department of Information Technology,
Information generated with a high possibility of error (manual process),
Reversal of Time scattered in mechanical processes and information in Excel
files, preventing query historical data.
This project proposes the implementation of a Business Intelligence Solution for
the Finance Department of the Comptroller General of the Republic, so that this
tool automates the procedure has been explained in the previous paragraph,
and in a friendly environment, enabling users to access, more reliable, in less
time and in a repository that allows access to historical information and better
information.

RESUMEN

INTRODUCCIN
Actualmente, en el Departamento de Finanzas de la Contralora General de la
Repblica, los usuarios realizan el procedimiento de obtencin de informacin
de reportes de forma manual. Estos solicitan al Departamento de Tecnologas
de la Informacin, semestral y anual, datos para generar reportes de
presupuestos, los cuales son extrados directamente de la base de datos y
entregados en hojas de clculo o archivos pdf. Ellos se encargan de depurar,
ordenar, organizar y clasificar estos datos con el fin de obtener los reportes que
quieres para realizar sus labores.
Al ejecutar este procedimiento, se incurre en varios problemas, a continuacin
se exponen algunos de ellos:
-
El
Departamento
de
Finanzas
depende
del
Departamento
de
Tecnologas de la Informacin para contar con los datos.

-
Cada usuario aplica su criterio para depurar, ordenar, organizar y

clasificar los datos que obtienen, el mismo que no se encuentra
estandarizado a nivel de toda la organizacin, por lo que la informacin
obtenida no es necesariamente confiable.
Al llevarse a cabo, de forma manual, se invierte mucho tiempo y los

resultados que obtienen no siempre son exactos. Esto debido a, que
manipular una gran cantidad de datos, el usuario est propenso a
cometer errores.
Cada uno de los usuarios obtiene hojas de clculo como resultado del
procedimiento que desarrollan para obtener sus reportes, de modo que
no es posible contar con informacin histrica de la Contralora General
de la Repblica.
Es por esto, que se ve la necesidad de realizar un proyecto que permita brindar

una herramienta que automatice el procedimiento que ha sido explicado
anteriormente, para tomar esta informacin estructurada como base para que
los usuarios puedan analizar y explotar esta informacin.

INTRODUCCIN

Por lo tanto, el objetivo principal del presente proyecto es implementar una

solucin de inteligencia de negocios para el Departamento de Finanzas, de
manera que, cuenten con informacin slida y confiable de alta disponibilidad,
que cumplan con las necesidades de informacin.
El contenido de este documento est estructurado en tres captulos. Cada uno
de estos captulos constituye un elemento imprescindible para obtener un
entendimiento global del proyecto.
En el primer captulo, se presenta detalladamente la situacin problemtica y el
entorno en el que se desarrolla. Asimismo, se realiza un proceso de
investigacin que permite conocer la solucin que se va a proponer en esta
tesis.
En el segundo captulo, se expone la metodologa de la solucin de inteligencia
de negocios; propuesta que resolver el problema de carencia de informacin
rpida y confiable que existe en el Departamento de Finanzas.
Y por ltimo, el tercer captulo, resume la aplicacin de las encuestas que nos
darn una visin de la aceptacin de los usuarios ante la solucin de
inteligencia de negocios.

INTRODUCCIN

Captulo I: Marco terico



1.1.
Situacin problemtica
La Contralora General de la Repblica, es una entidad pblica cuya
misin es: Trabajar para promover el desarrollo de una gestin eficaz y

moderna de los recursos pblicos en beneficio de todos los peruanos.
La Contralora para el cumplimiento de su misin se estructura de la
siguiente manera:
Figura N 01: Organigrama de la Contralora General de la
Repblica.

10

Fuente: Reglamento de organizacin y funciones de la Contralora

La Gerencia Central de Administracin y Finanzas es el rgano
dependiente del Contralor General de la Repblica, encargado de disear e
implementar la organizacin, estructura, polticas, controles y sistemas
referidos a la gestin de recursos humanos, gestin financiera y logstica; las
polticas y procesos para la asignacin presupuestal por unidad orgnica,
incluyendo las responsabilidades de gasto por partida presupuestal y destino
del gasto; el sistema de informacin de gestin administrativo y financiera y la
implementacin de la organizacin para soportar el desarrollo y mantenimiento
de los sistemas requeridos por el plan de transformacin. De igual forma,
conduce la Escuela Nacional de Control que est a cargo de un gerente
central.
La Gerencia Central de Administracin y Finanzas est conformada por
las unidades orgnicas siguientes:
Figura N02: Gerencia central de administracin y finanzas.
Gerencia
Central de
Administracin y
Finanzas
Departamento
de Gestion y
Desarrollo
Humano
Departamento
de Finanzas
Departamento
de Logistica
Departamento
de Seguridad
integral
Departamento
de Tecnologas
de la
informacin
Fuente: Reglamento de organizacin y funciones de la

Contralora General de la Repblica

11
Escuela
Nacional de
Control

Dentro de la Gerencia Central de Administracin y Finanzas, podemos

encontrar el Departamento de Logstica.
El Departamento de Finanzas es el rgano dependiente de la Gerencia
Central de Administracin y Finanzas, encargado de efectuar la programacin,
ejecucin y evaluacin de las actividades relacionadas con los procesos de
presupuesto, contabilidad y tesorera, as como elaborar e interpretar los
estados financieros y presupuestales de la Contralora General de la Repblica.
Dentro de las funciones del Departamento de Finanzas, las que estn
ms ligadas a la Alta Direccin son: Organizar, programar y ejecutar los
procesos que permitan presentar a la alta direccin la informacin econmica y
financiera oportuna para la toma de decisiones, formular el presupuesto
institucional en coordinacin con las unidades orgnicas, emitir los informes de
disponibilidad presupuestaria para la adquisicin o contratacin de bienes,
servicios u obras que requiera la entidad, formular la consolidacin mensual de
gastos y efectuar la consolidacin con los saldos de balance y presentar a la
alta direccin los estados financieros y presupuestales del pliego.
La Alta direccin y el Departamento de Finanzas, realizan reportes
mediante su sistema transaccional actual: Sistema de Gestin Administrativa
(SIGA), donde cada usuario del rea obtiene sus reportes de manera propia.
Cada gerente encuentra los reportes en un men en el sistema actual.
Est informacin econmica y financiera es solicitada por la Alta
Direccin mensualmente para la adecuada toma de decisiones.

12

Figura N03: Solicitud de reportes al SIGA de la Alta Direccin y

la Gerencia de Finanzas.
Fuente: Entrevista con el encargado del mdulo de finanzas en el

SIGA.
Por otro lado, existe otra forma de realizar reportes, que consiste en
presentar una solicitud al Departamento de Tecnologas de la Informacin.
Para la atencin de estas solicitudes, el personal accede al servidor de base de
datos de SIGA (Sistema de Gestin Administrativa) y realiza la exportacin de
los datos de las tablas involucradas en el requerimiento. Esta rea tiene dos
opciones de reporte: integrarlo al Sistema de Gestin Administrativo o enviarlo
a la Alta Direccin en el momento que lo pide, mediante un archivo de tipo
excel o pdf.

13

Figura N04: Solicitud de reportes del Departamento de Finanzas y Alta

Direccin al Departamento de Tecnologa de la Informacin.

SIGA.
Al efectuar cualquiera de los dos procedimientos para la generacin de
informes de entrega a la Alta Direccin o Departamentos que lo soliciten, nos
encontramos con un factor muy importante: el tiempo. Estos reportes, debido a
la gran cantidad de procesamiento de datos, sus respuestas tienen un tiempo
de espera de 8 a 10 minutos. Motivo por el cual, la Alta Direccin o
Departamentos que lo soliciten, tienen que esperar hasta que el reporte
necesario est listo para su interpretacin y la posterior toma de decisiones.
La Alta Direccin no est dispuesta a esperar tanto tiempo para tener el
resultado de los reportes, y es una queja comn de cada mes; entonces,
necesitan informacin inmediata, precisa, rpida para tomar decisiones.
Los tiempos de espera, en cada mdulo son:

14

Tabla N01: Lista de tiempos de espera de los reportes por mdulo del SIGA.
Mdulo
Tiempo de espera por la Alta

Direccin (mensual)
Contabilidad
10 min
Presupuesto
9 min
Viticos
11 min
Ejecucin presupuestal
10 min
Tesorera
9 min
Caja chica
8 min

SIGA.
Es por eso, que se recurre a una solucin de inteligencia de negocios
para optimizar los tiempos de espera de reportes, obtenindolos de manera
inmediata y confiable para la toma de decisiones.
1.2.
Definicin del problema

La carencia de informacin real y oportuna en la toma de decisiones en
el Departamento de Finanzas de la CGR, trae consigo que el presupuesto de

los Departamentos no est acorde a las cantidades y gastos que utilizan.
Por lo que, se llega a observar el traslado de presupuestos entre

departamentos evidenciando una deficiente gestin por parte del Departamento
de Finanzas.
1.3.
Hiptesis
La Implementacin de un Data Mart como solucin de inteligencia de

negocios, bajo la metodologa de Ralph Kimball, optimizar el proceso de toma
de decisiones en el departamento de finanzas de la Contralora General de la
Repblica con una aceptacin promedio mayor igual a 3.
15

1.4.
Objetivos
Objetivo General
Implementacin de un Data Mart como solucin de inteligencia de
negocios, bajo la metodologa de Ralph Kimball para optimizar la toma de

decisiones en el Departamento de Finanzas de la Contralora General de la
Repblica.
Objetivos Especficos
a) Identificar los procesos de toma de decisiones y analizar los
requerimientos de informacin de acuerdo a las perspectivas y necesidades de
la empresa.
b) Analizar la informacin de la base de datos transaccional e identificar
las fuentes de datos requeridas.
c) Disear el modelamiento multidimensional del caso en estudio para
obtener los indicadores deseados.
d) Construir el Data Mart en base a la metodologa Ralph Kimball que
cumpla con los requerimientos necesarios del departamento de finanzas.
e) Disear la interfaz cliente para desplegar el cubo OLAP.
1.5.
Justificacin
1.5.1. Econmico
Reducir gastos que inciden en la actividad de bsqueda de
informacin para la toma de decisiones, debido a que se implementar una

Data Mart para la obtencin inmediata de la informacin.
1.5.2. Tecnolgico
Permite a la Contralora General de la Repblica trabajar con una
herramienta de solucin de inteligencia de negocios, para obtener informacin
confiable e inmediata.

16

1.5.3. Operativo
Es de gran beneficio para la alta direccin y departamento de
finanzas, permitindoles superar carencias de informacin real y oportuna para
la toma de decisiones.
1.5.4. Acadmico
Aplicar todos los conocimientos adquiridos en el transcurso de mi
formacin universitaria para enunciar una solucin frente al problema
encontrado.
1.5.5. Personal
Adquirir
nuevos
conocimientos
en
el
transcurso
de
mi
investigacin y con ello tener una base metodolgica para poder aplicar mis
conocimientos en un futuro.
1.6.
Limitaciones
El proyecto solo ser utilizado para el Departamento de Finanzas de
la CGR, por motivos que la informacin provista por esta entidad pblica es
solo de finanzas, sin intervencin de los dems Departamentos.
Ser implementado solo en la ciudad de Lima, limitando a las dems
oficinas descentralizadas de contar con la solucin de inteligencia de negocios.
Se utiliza la informacin brindada por la Contralora General de la
Repblica en la etapa de prueba.
1.7.
Restricciones
La entrevista con el representante del SIGA sern va telefnica y/o
Internet, debido a que se encuentra en la ciudad Lima. Adems, si la entrevista

tuviera que ser personal, solicitaramos una cita, la cual dependera de manera
directa de la disponibilidad de tiempo y lugar.
La cantidad de tiempo disponible para completar el proyecto ser
limitado, ya que solo una persona desarrolla el proyecto.

17

Por motivos de polticas internas de seguridad en informacin de la

Contralora General de la Repblica, los datos que utilizar han sido tomados
desde el servidor de desarrollo, siendo esto lo necesario para el proyecto.

18

1.8.
Antecedentes
1.8.1. Tesis: Anlisis, diseo e implementacin de un Data Mart

para la Direccin Financiera y Recursos Humanos de la
Escuela Politcnica del Ejrcito para una toma de decisiones
efectiva1.
Se orienta a brindar una herramienta de apoyo en la tecnologa
Business Intelligence de Oracle que sea capaz de solventar la informacin
solicitada en la Direccin Financiera y Recursos Humanos de la Escuela
Politcnica del Ejrcito, dando la posibilidad de formar cubos dimensionales de
decisin.
Para el trabajo de la tesis, se utiliz la metodologa Rapid
Warehousing, este mtodo es iterativo, y est basado en el desarrollo
incremental del proyecto de Data Warehouse, que se basa en la definicin de
un Data Mart como la combinacin de estructuras de datos especializados para
resolver requerimientos de anlisis de informacin en distintas reas de una
institucin.
La tesis se enfoca en el control de recursos financieros y
humanos y guarda relacin con el tema de investigacin, de ah que, ambos
se enfocan en la ejecucin de una Data Mart, para el Departamento de
Finanzas y as conseguir una efectiva toma de decisiones.
1Lpez,
Carlos. (2007). Anlisis, Diseo e Implementacin de un Data Mart para la direccin

financiera y recursos humanos de la Escuela Politcnica del Ejrcito para una toma de decisin
Efectiva. Tesis de Bachiller publicada. Departamento de ciencias de la computacin de la
Escuela Politcnica del Ejrcito, Sagolqui, Ecuador.
19

1.8.2. Anlisis, diseo e Implementacin de una solucin de

inteligencia de negocios para el rea de Finanzas de la
Municipalidad Metropolitana de Lima2.
Esta investigacin tiene como objetivo analizar, disear e
implementar una solucin de inteligencia de negocios para el rea de
Finanzas, de manera que, los usuarios cuenten con informacin slida,
confiable y de alta disponibilidad.
La realidad problemtica de esta tesis consiste en que cada uno de
los usuarios al realizar los procedimientos de reportes de forma manual,
nvierten mucho tiempo y los resultados obtenidos no siempre son exactos. Esto
debido a que, al manipular una gran cantidad de datos, estn propensos al
error.
La metodologa que us el proyecto fue una adaptacin de la gua
del PMBOK (Project Management Body of Knowledge gua de los
fundamentos de la Direccin de Proyectos), desarrollada por el PMI (Project
Management Institute- Instituto de Administracin de Proyectos). La gua del
PMBOK es un estndar reconocido internacionalmente que agrupa un conjunto
de buenas prcticas generalmente aceptadas en lo que se refiere a la gestin
de proyectos. Est estructurado en cinco grupos de procesos bsicos y nueve
reas de conocimiento comunes a casi todos los tipos de proyectos.
La relacin que guarda con esta tesis es el tema de investigacin,
porque ambos se enfocan en el desarrollo de un Data Mart para una entidad
pblica, especficamente para el rea de Finanzas. Otro aspecto relacional, se
encuentra en la realidad problemtica, por lo mismo, que la informacin
requerida no se proporciona en el momento oportuno para la toma de
decisiones.
2Nuez
Grace. (2010). Anlisis, Diseo e Implementacin de una Solucin de Inteligencia de

Negocio para el rea de Finanzas de la Municipalidad de Lima. Tesis de Bachiller publicada.
Pontificia Universidad Catlica del Per, Lima, Per.
20

1.8.3. Anlisis, diseo e implementacin de un Data Mart de

clientes
para
el
rea
de
marketing
de
una
entidad
aseguradora3.
La empresa en donde se implement la presente solucin maneja
en su sistema transaccional informacin de clientes, productos, siniestros,
plizas, certificados y planes. El rea de Marketing necesita explotar la misma
para poder analizar la informacin y tomar mejores decisiones.
La tesis consiste en atender las necesidades de explotacin de
informacin del rea de Marketing mediante reportes e indicadores de una
entidad aseguradora.
La metodologa de la elaboracin del producto es Business
Intelligence Roadmap, que consiste en una gua de buenas prcticas que sigue
16 pasos donde se recogen las actividades a realizar en un proyecto de
inteligencia de negocios.
1.8.4. Anlisis, diseo e implementacin de una Data Warehouse de

soporte de decisiones para un hospital del sistema de salud
pblico4.
La realidad problemtica de esta tesis precisa que al generar un
reporte en el sistema transaccional de salud pblica demora das e incluso
semanas, ya que se tiene que cumplir obligatoriamente una serie de pasos
administrativos para elaborarlo. En cambio, con herramientas tecnolgicas,
estos reportes son generados, en forma personalizada, en minutos o en
segundos.
Este proyecto de tesis, tiene como objetivo implementar una Data
Warehouse que ayude al proceso de la toma de decisiones para un hospital del
sistema de salud pblica.
3
Fernndez Eddy. (2010). Anlisis, Diseo e Implementacin de un DataMart de clientes para

el rea de Marketing de una Entidad Aseguradora. Tesis de Bachiller publicada. Pontificia
Universidad Catlica del Per, Lima, Per.
4 Villanueva
lvaro. (2008). Anlisis, Diseo e Implementacin de un DataWarehouse de

soporte de decisiones para un Hospital del Sistema de Salud Pblico. Tesis de Bachiller
publicada. Pontificia Universidad Catlica del Per, Lima, Per.

21

La relacin que existe con este proyecto es que ambos trabajos

se centran en el tema de la toma de decisiones, disminuyendo los tiempos en
la generacin de reportes.
1.9.
Base terica
1.9.1. Contralora General de la Repblica5
La Contralora General es el ente tcnico rector del Sistema
Nacional de Control, dotado de autonoma administrativa, funcional, econmica

y financiera, que tiene por misin dirigir y supervisar con eficiencia y eficacia el
control
gubernamental,
orientando
su
accionar
al
fortalecimiento
transparencia de la gestin de las entidades, la promocin de valores y la

responsabilidad de los funcionarios y servidores pblicos, as como, contribuir
con los poderes del Estado en la toma de decisiones y con la ciudadana para
su adecuada participacin en el control social. No se pueden ejercer
atribuciones o funciones distintas a las establecidas en la Constitucin Poltica,
en esta Ley, las disposiciones reglamentarias y las normas tcnicas
especializadas que emita en uso de sus atribuciones.
La Contralora General y el Sistema Nacional de Control ejercen
un rol fundamental frente a la lucha contra la corrupcin, desarrollando sus
atribuciones de supervisar la correcta y transparente utilizacin de los recursos
pblicos y del ejercicio de la funcin, encomendada para prevenir y detectar
actos
irregulares
y/o
ilcitos
penales.
Adems,
determinando
como
consecuencia de su accin fiscalizadora, las responsabilidades emergentes de

los funcionarios y servidores pblicos para ser puestas en conocimiento de las
autoridades competentes.
Contralora General de la Repblica, 2011 [Consultado el 7 de Octubre 2011]

<http://apps.contraloria.gob.pe/dv/index.htm>
22

1.9.2. Inteligencia de Negocios(BI)

En el Boletn de Asesora Gerencial proporcionado por Espiera,
Sheldon y asociados, indican que la definicin de inteligencia de negocios
incluyen una amplia categora de metodologas, aplicaciones y tecnologas que
permiten reunir, acceder, transformar y analizar los datos, transacciones e
informacin no estructurada (interna y externa), con el propsito de ayudar a
los usuarios de una compaa a tomar mejores decisiones de negocio 6.
Por otra parte, en el libro Business Intelligence: Josep Llus Cano,
menciona que el objetivo bsico de inteligencia de negocios es apoyar de
forma sostenible y continuada a las organizaciones para mejorar su
competitividad, facilitando la informacin necesaria para la toma de
decisiones7.
Asimismo, describe tres tipos de beneficios que se pueden
obtener a travs del uso de inteligencia de negocios, los cuales son:
Beneficios tangibles: por ejemplo, reduccin de costos,
generacin de ingresos, reduccin de tiempos para las distintas actividades del
negocio.
Beneficios intangibles: el hecho de que tengamos disponible la
informacin para la toma de decisiones har que ms usuarios la utilicen para
tomar decisiones y mejorar nuestra posicin competitiva.
Beneficios estratgicos: la formulacin de
estrategias,
especificarn a qu clientes, mercados o con qu productos dirigirnos8.

A su vez, el mismo autor, nos indica los componentes de
inteligencia de negocios:
6Espiera,
Sheldon y Asociados. La Inteligencia de Negocios (Business Intelligence). Boletn e

Asesora Gerencial. 2008. [Consultado el 30 de Setiembre 2011]
<http://www.pwc.com/ve/es/asesoria-gerencial/boletin/assets/boletin-advisory-edicion-102008.pdf>
7 Llus, Josep. (2008). Business Intelligence: Competir con Informacin. Barcelona-Espaa:
Editorial Dataprix.
8Llus, Josep. (2008). Bussines Intelligence: Competir con Informacin. Barcelona-Espaa:
Editorial Dataprix.
23

Figura N05: Los componentes de inteligencia de negocios.
Fuente: Business Intelligence: competir con informacin, Josep

Llus Cano
Fuentes de informacin, de las cuales partiremos para
alimentar de informacin el Data Warehouse.
Proceso ETL de extraccin, transformacin y carga de los
datos en lal Data Warehouse. Antes de almacenar los datos en una Data
Warehouse, stos deben ser transformados, limpiados, filtrados y redefinidos.
normalmente, la informacin que tenemos en los sistemas transaccionales no
est preparada para la toma de decisiones.
La propia Data Warehouse: se busca almacenar los datos de
una forma que maximice su flexibilidad, facilidad de acceso y administracin.
El motor OLAP, nos provee capacidad de clculo, consultas,
funciones de planeamiento, pronstico y anlisis de escenarios en grandes
volmenes de datos. En la actualidad, existen otras alternativas tecnolgicas al
OLAP.
24

Las herramientas de visualizacin, nos permiten el anlisis y la

navegacin a travs de los mismos9.
1.9.3. Metodologa de Ralph Kimball

La metodologa de Ralph Kimball nos indica que la Data
Warehouse es un conglomerado de todos los Data Marts dentro de una
empresa, siendo una copia de los datos transaccionales estructurados de una
forma especial para el anlisis, de acuerdo, al modelo dimensional (no
normalizado) que incluyen las dimensiones de anlisis y sus atributos, su
organizacin jerrquica, as como los diferentes hechos de negocio que se
quieren analizar. Por un lado, tenemos tablas para representar las dimensiones
y por otro lado, tablas para los hechos (las facts tables). Los diferentes Data
Marts estn conectados entre s, por la llamada bus structure, que contiene los
elementos anteriormente citados a travs de las dimensiones conformadas
(que permiten que los usuarios puedan realizar querys conjuntos sobre los
diferentes Data Marts, pues este bus contiene los elementos en comn que los
comunican). Una dimensin conformada puede ser, por ejemplo, la dimensin
cliente, que contienen todos los atributos o elementos de anlisis referentes a
los clientes y que puede ser compartida por diferentes Data Marts (ventas,
pedidos, gestin de cobros, etc.).
Este enfoque tambin se referencia como Bottom-up, pues al final
el Data Warehouse Corporativo no es ms que la unin de los diferentes Data
Marts, que estn estructurados de una forma comn, a travs de la bus
structure. Esta caracterstica permite que sea flexible y sencillo de implementar,
pues podemos construir una Data Mart como primer elemento del sistema de
anlisis, y luego ir aadiendo otros que comparten las dimensiones, ya
definidas u otras nuevas. En este sistema, los procesos ETL extraen la
informacin de los sistemas operacionales y los procesan igualmente en el
rea Stage, realizando posteriormente, el llenado de cada uno de los Data Mart
9Llus,
Josep. (2008). BusinessIntelligence: Competir con Informacin.Barcelona-Espaa:

Editorial Dataprix.
25

de una forma individual, respetando la estandarizacin de las dimensiones

(dimensiones conformadas).
Esta metodologa de desarrollo presenta las siguientes fases:
Figura N 06: Fases de la metodologa Ralph Kimball
Fuente: The Data Warehouse Lifecycle Toolkit, Ralph Kimball
- Planificacin del proyecto:

La planificacin busca identificar la definicin y el alcance del
proyecto de Data Warehouse, tambin justificaciones del negocio y
evaluaciones de factibilidad.
La planificacin del proyecto se focaliza sobre recursos, perfiles,
tareas, duraciones y secuencialidad. El plan de proyecto resultante identifica
todas las tareas y las partes involucradas.
Esta etapa se concentra sobre la definicin del proyecto
(identificacin del escenario del proyecto para saber de dnde surge la
necesidad del Data Warehouse). Segn sentencia Kimball, Antes de comenzar
un proyecto de Data Warehouse o Data Mart, hay que estar seguro si existe la
demanda y de dnde proviene. Si no se tiene un slido usuario sponsor y no
hay usuarios entusiasmados, posponga el proyecto. Factores asociados con
26

estas etapas aaden: identificacin de los usuarios sponsors, convincentes

motivaciones del negocio, cooperacin entre reas de sistemas y negocios,
cultura analtica de la organizacin y anlisis de factibilidad (tanto tecnolgica
como de disponibilidad de datos).
- Definicin de los requerimientos del negocio:
Un factor determinante en el xito de un proceso de Data
Warehousing es la interpretacin correcta de los diferentes niveles de
requerimientos expresados por los diferentes niveles de usuarios.
La tcnica utilizada para relevar los requerimientos de los
analistas del negocio difiere de los enfoques tradicionales guiados por los
datos. Los diseadores de los Data Warehouses deben entender los factores
claves que guan al negocio para determinar efectivamente los requerimientos
y traducirlos en consideraciones de diseo apropiadas.
Los usuarios finales y sus requerimientos impactan siempre en las
implementaciones realizadas de un Data Warehouse. Segn la perspectiva de
Kimball, los requerimientos del negocio se posicionan en el centro del universo
del Data Warehouse. Como destaca siempre Kimball, los requerimientos del
negocio deben determinar el alcance del Data Warehouse (qu datos debe
contener, cmo debe estar organizado, cada cunto debe actualizarse, quines
y desde dnde accedern, etc).
- Modelo dimensional:
La creacin de un modelo dimensional es un proceso dinmico e
altamente iterativo.
El proceso de diseo comienza con un modelo dimensional de
alto nivel obtenido a partir de los procesos priorizados de la matriz de
requerimientos.
El proceso iterativo consiste en cuatro pasos:
- Elegir el proceso del negocio: el primer paso es elegir el rea a
modelar. Esta es una decisin de la direccin, y depende fundamentalmente
del anlisis de requerimientos y de los temas analticos anotados en la etapa
anterior.
27

- Establecer el nivel de granularidad: es decir, significa especificar

el nivel de detalle. La eleccin de la granularidad depende de los
requerimientos del negocio y lo que es posible a partir de los datos actuales. La
sugerencia general es comenzar a disear el DW al mayor detalle posible, ya
que se podra luego realizar agrupamientos al nivel deseado.
- Elegir las dimensiones: surgen naturalmente de las discusiones
del equipo, y facilitadas por la eleccin del nivel de granularidad y de la matriz
de procesos/dimensin. Las tablas de dimensiones tienen un conjunto de
atributos (generalmente textuales) que brindan una perspectiva o forma de
anlisis sobre una medida en una tabla hechos.
- Identificar medidas y las tablas de hechos: el ltimo paso
consiste en identificar las medidas que surgen de los procesos de negocio. Una
medida es un atributo (campo) de una tabla que desea analizar, agrupando sus
datos usando los criterios de corte conocidos como dimensin. Las medidas
habitualmente se vinculan con el nivel de granularidad, y se encuentran en
tablas que denominamos tablas de hechos. Cada tabla de hechos tiene como
atributos una o ms medidas de un proceso organizacional de acuerdo a los
requerimientos.
- Diseo fsico:
Se focaliza sobre la seleccin de las estructuras necesarias para
soportar el diseo lgico. Algunos de los elementos principales de este proceso
son la definicin de convenciones estndares de nombres y seteos especficos
del ambiente de la base de datos.
- Diseo e implementacin del subsistema de ETL:

Esta etapa es tpicamente la ms subestimada de las tareas en un
proyecto de Data Warehouse.
Las principales subetapas de esta zona del ciclo de vida son: la
extraccin, la transformacin y la carga
Se define como proceso de extraccin a aquellos requeridos para
obtener los datos que permitirn efectuar la carga del modelo fsico acordado.
28

Tambin se definen como proceso de transformacin el convertir o recodificar

los datos fuente, a fin poder efectuar la carga efectiva del modelo fsico. Por
otra parte, los procesos de carga de datos son los requeridos para poblar la
Data Warehouse.
Todas estas tareas son altamente crticas, pues tienen que ver
con la materia prima de la Data Warehouse: los datos. La desconfianza y
prdida de credibilidad de la Data Warehouse sern resultados inmediatos e
inevitables, si el usuario choca con informacin inconsistente. Es por ello, que
la calidad de los datos es un factor determinante en el xito de un proyecto de
Data Warehousing. Es en esta etapa donde deben sanearse todos los
inconvenientes relacionados con la calidad de los datos fuente.
Como advierte Kimball, el proceso de Data Staging es el iceberg
de un proyecto de Data Warehousing. Son muchos los desafos que deben
enfrentarse para lograr datos de alta calidad de los sistemas fuentes. En
general, es una de las etapas ms subestimadas que siempre termina tomando
ms tiempo del previsto.
- Diseo de la arquitectura tcnica:

Los ambientes de Data Warehousing requieren la integracin de
numerosas tecnologas. Se debe tener en cuenta tres factores: los
requerimientos del negocio, los actuales ambientes tcnicos y las directrices
tcnicas estratgicas futuras planificadas para de esta forma poder establecer
el diseo de la arquitectura tcnica del ambiente de Data Warehousing.
Del mismo modo, que en una construccin, los planos sirven para
comunicar los deseos entre los clientes y el arquitecto, como as tambin para
medir esfuerzo y materiales necesarios para la obra (comunicacin,
planificacin, flexibilidad y mantenimiento, documentacin, productividad y
rehso). Finalmente, argumenta Kimball, Un buen conjunto de planos, como
cualquier buena documentacin, nos ayudara ms tarde cuando sea tiempo de
remodelar o hacer incorporaciones.

29

- Seleccin del producto e implementacin:

Utilizando como marco el diseo de arquitectura tcnica es
necesario evaluar y seleccionar componentes especficos de la arquitectura
como ser la plataforma de hardware, el motor de base de datos, la herramienta
de ETL o el desarrollo pertinente, herramientas de acceso, etc.
Una
vez
evaluados
seleccionados
los
componentes
determinados se procede con la instalacin y prueba de los mismos en un

ambiente integrado de Data Warehousing.
- Especificacin de aplicaciones de BI:
No todos los usuarios del Warehouse necesitan el mismo nivel de
anlisis. Es por ello, que en esta etapa se identifican los diferentes roles o
perfiles de usuarios para determinar los diferentes tipos de aplicaciones
necesarias sobre la base al alcance de los diferentes perfiles (gerencial,
analista del negocio, vendedor, etc.)
Kimball se
concentra
sobre el proceso
de
creacin de
aplicaciones templates. Comienza definiendo el concepto de la aplicacin

para usuario final y su rol en el acceso a la informacin del negocio. Brinda un
marco metodolgico bastante estndar en lo que ha desarrollo de aplicaciones
(como piezas de software) se refiere. Divide el proceso de creacin de las
aplicaciones para usuarios finales en dos grandes fases: especificacin y
desarrollo. Clasifica a los usuarios segn su perfil de consulta, as tenemos,
usuarios con un perfil ms estratgico y menos predecibles (power users) otra
de las clases son los usuarios netamente operacionales que consumen una
serie de reportes estndares (final users) pasando por los usuarios gerenciales
con uso de interfaces push-button.
- Desarrollo de aplicaciones de BI:
Siguiendo a la especificacin de las aplicaciones para usuarios
finales, el desarrollo de las aplicaciones de los usuarios finales involucra
configuraciones de la meta data y construccin de reportes especficos.

30

Una vez que se ha cumplido con todos los pasos de la

especificacin y se tiene la posibilidad de trabajar con algunos datos de prueba,
comienza el desarrollo de la aplicacin.
- Implementacin:
La implementacin representa la convergencia de la tecnologa,
los datos y las aplicaciones de usuarios finales accesible desde el escritorio del
usuario del negocio. Existen factores extras que aseguran el correcto
funcionamiento de todas estas piezas, entre ellos, se encuentran la
capacitacin, el soporte tcnico, la comunicacin, las estrategias de feedback.
Todas estas tareas deben ser tenidas en cuenta antes de que cualquier usuario
pueda tener acceso al Data Warehouse.
Mantenimiento y crecimiento:
El Data Warehousing es un proceso (etapas bien definidas, con
comienzo y fin, pero de naturaleza espiral), pues acompaa a la evolucin de la

organizacin durante toda su historia. Se necesita continuar con los
relevamientos de forma constante para poder seguir la evolucin de las metas
por conseguir. Segn, afirma Kimball, Si se ha utilizado el ciclo de vida
dimensional del negocio, la Data Warehouse est preparado para evolucionar y
crecer. Al contrario de los sistemas tradicionales, los cambios en el desarrollo
deben ser vistos como signos de xito y no de falla. Es importante establecer
las prioridades para poder manejar los nuevos requerimientos de los usuarios y
de esa forma poder evolucionar y crecer.
Administracin del proyecto
El gerenciamiento del proyecto asegura que las actividades del

ciclo de vida dimensional del negocio se lleven en sincronizadas y en la mejor
forma. Entre las actividades principales se encuentra el monitoreo del estado
del proyecto,
la comunicacin entre los requerimientos del negocio y las

31

restricciones
de
informacin
para
poder
manejar
correctamente
las
expectativas en ambos sentidos10.
1.9.4. Metodologa de Bill Inmon

Figura N07: Enfoque de la metodologa de Bill Inmon
Fuente: Building the Data Warehouse, William H. Inmon,

Bill Inmon ve la necesidad de transferir la informacin de los
diferentes OLTP (sistemas transaccionales) de las organizaciones a un lugar
centralizado donde los datos puedan ser utilizados para el anlisis (sera el CIF
o Corporate Information Factory). Insiste, adems, en que ha de tener las
siguientes caractersticas:
Orientado a temas: los datos sobre la base de datos estn
organizados de manera que todos los elementos de datos relativos al mismo
evento u objeto del mundo real queden unidos entre s.
Integrado: la base de datos contiene los datos de todos los
sistemas operacionales de la organizacin, y estos deben ser consistentes.
No voltil: la informacin no se modifica ni se elimina, una vez
almacenado un dato, ste se convierte en informacin de slo lectura, y se
mantiene para futuras consultas.
10Ralph
K. & Ross M.( 2002). The data WareHouse toolkit: the complete to dimensional
modeling. New York-EEUU: Editorial WILEY.
32

Variante en el tiempo: los cambios producidos en los datos a lo

largo del tiempo quedan registrados para que los informes que se puedan
generar reflejen esas variaciones.
La informacin ha de estar a los mximos niveles de detalle. Las
Data Warehouse departamentales o
Data Marts son tratados como
subconjuntos de este Data Warehouse corporativo, que son construidos para

cubrir las necesidades individuales de anlisis de cada departamento, y
siempre a partir de este Data Warehouse Central (del que tambin se pueden
construir los ODS ( Operational Data Stores ) o similares).
El enfoque Inmon tambin se referencia normalmente como Topdown. Los datos son extrados de los sistemas operacionales por los procesos
ETL y cargados en las reas de Stage, donde son validados y consolidados en
el DW corporativo, y adems existen los llamados metadatos que documentan
de una forma clara y precisa el contenido del DW. Una vez realizado estas
etapas, los procesos, de refresco de los Data Mart departamentales obtienen
la informacin de l, y con las consiguientes transformaciones, organizan los
datos en las estructuras particulares requeridas por cada uno de ellos,
refrescando su contenido.
Al tener este enfoque global es ms difcil de desarrollar en un
proyecto sencillo (pues estamos intentando abordar el todo, a partir del cual,
luego, iremos al detalle).

33

1.9.5. Justificacin de utilizacin de la metodologa Ralph Kimball

A continuacin, se presenta un cuadro comparativo entre la
metodologa de Kimball e Inmon.
Cuadro N01: Cuadro comparativo entre las metodologas de Ralph Kimball y

Bill Inmon
Kimball
Objetivo
Inmon
Todas las empresas necesitan almacenar, analizar e

interpretar
los
datos
que
van
generando
acumulando, para luego tomar decisiones crticas que

les permitan maximizar la prosperidad. Para ello, se
necesita un sistema que les ayude a entender los
datos y logren cumplir sus objetivos, de esta forma
nace la idea de implementar una Data Warehouse.
Diseo
Data
del Utiliza
enfoque Utiliza el enfoque Top
el
Bottom Up
Down
Warehouse
Enfoque
Tiene un enfoque por Tiene un enfoque global de

procesos
que
son toda la empresa. No est
manejados
por
las basado en requerimientos
diferentes
reas
del especficos.
proceso.
Trata
de
responder
necesidades
especficas segn el
tema.
Tiempo de
Debido
Implemen-
primer lugar debemos por completo el DWH se
Tacin
DWH
que
en Debido a que se implementa
del implementar los
demanda
mucho
ms
Data Marts, el tiempo tiempo.

de implementacin es

34

rpido. Sin embargo,

se
tiene
que
tener
cuidado ya que si se
trabaja
de
independiente
forma
cada
Data Mart el entorno

del
DWH
se
desintegrara
rpidamente.
Costos
Implementar
cada Los
costos
aumentan,
Data Mart permite que debido a que se replican

la solucin no presente grandes
un alto costo.
Modelo
Datos
cantidades
de
datos.
de Kimball plantea usar el Inmon propone tres niveles

modelamiento
en el
dimensional: esquema modelo de datos del data

estrella. Identificacin Warehouse:
de
dimensiones
hechos.
y -Alto
nivel,
ERD
(Entity
Relationship Diagram)
-Nivel Medio, DIS (Data Item
Set)
-Nivel Bajo, llamado Modelo
Fsico
(Physical Model)
Sin embargo, menciona que
para implementar las Data
Mart
debe
hacerse
con
modelamiento dimensional.
Fuente: Elaboracin Propia

35

Al establecer una comparacin entre las dos metodologas ms

importantes que son la metodologa de Ralph Kimball (y su enfoque
dimensional), y la metodologa de Bill Inmon (y su enfoque empresarial
Warehouse), en el caso particular de esta tesis, se analizar desde el punto de
vista de la construccin de una Data Mart que es una parte de un data
Warehouse.
La metodologa de Inmon es ms apropiada para sistemas
complejos, donde se quiere asegurar la perdurabilidad y consistencia de la
informacin aunque cambien los procesos de negocio de la organizacin. Para
proyectos pequeos donde se quiere asegurar la usabilidad de los usuarios
que permita un desarrollo rpido e incremental de la solucin donde no se tiene
claro el panorama global, el enfoque de Kimball es el ms apropiado.
Para la construccin del Data Mart del Departamento de Finanzas
de la Contralora General de la Repblica, usaremos la metodologa propuesta
por Ralph Kimball, dado que el mbito y los recursos destinados al proyecto
son de un rea en especfico, proporcionando un enfoque de menor a mayor,
muy verstil y dejando la puerta abierta a una ampliacin posterior dentro del
mbito de la Contralora General de la Repblica. Kimball asegura la usabilidad
de los usuarios con un sistema fcil de entender y con un rpido desarrollo.

36

1.9.6. Proceso ETL

Figura N08: Enfoque del proceso ETL
Fuente: Espiera, Sheldon y asociados. La inteligencia de

negocios
Los procesos ETL son procesos que leen los registros de las
fuentes de datos, aplican las transformaciones necesarias para prepararlos y
los cargan en el destino de datos.
El proceso ETL se divide en 5 subprocesos:
Extraccin: recupera los datos fsicamente de las distintas
fuentes de informacin. En este momento disponemos de los datos en bruto.
Limpieza: recupera los datos en bruto y comprueba su calidad,
elimina los duplicados y, cuando es posible, corrige los valores errneos y
completa los valores vacos, es decir se transforman los datos -siempre que
sea posible para reducir los errores de carga. En este momento disponemos de
datos limpios y de alta calidad.
Transformacin: recupera los datos limpios, de alta calidad, los
estructura y sumariza en los distintos modelos de anlisis. El resultado de este
proceso es la obtencin de datos limpios, consistentes, sumarizados y tiles.

37

Integracin: valida que los datos que cargamos en la Data

Warehouse sean consistentes con las definiciones y formatos del Data
Warehouse; los integra en los distintos modelos de las distintas reas de
negocio que hemos definido en el mismo. Estos procesos pueden ser
complejos.
Actualizacin: es el que nos permite aadir los nuevos datos a
la Data Warehouse11.
1.9.7. Integration Services SQL Server (SSIS)

Salvador Ramos, en el documento Integration Services, pieza
fundamental en los proyectos de BI define a Microsoft Integration Services
como una plataforma para la creacin de soluciones empresariales de
transformaciones de datos e integracin de datos. Integration Services sirve
para resolver complejos problemas empresariales mediante la copia o
descarga de archivos, el envo de mensajes de correo electrnico como
respuesta a eventos, la actualizacin de almacenamientos de datos, la limpieza
y minera de datos, y la administracin de objetos y datos de SQL Server. Los
paquetes pueden funcionar por separado o conjuntamente con otros paquetes
para hacer frente a las complejas necesidades de la empresa. Integration
Services puede extraer y transformar datos de muchos orgenes distintos,
como archivos de datos XML, archivos planos y orgenes de datos relacionales,
y, posteriormente, cargarlos en uno o varios destinos.
Integration Services contiene un variado conjunto de tareas y
transformaciones integradas, herramientas para la creacin de paquetes y el
servicio Integration Services para ejecutar y administrar los paquetes. Las
herramientas grficas de Integration Services se pueden usar para crear
soluciones sin escribir una sola lnea de cdigo. Tambin, se puede programar
el amplio modelo de objetos de Integration Services para crear paquetes
11
Llus, Josep. (2008). Business Intelligence: Competir con Informacin.Barcelona-Espaa:

Editorial Dataprix.
38

mediante programacin y codificar tareas personalizadas y otros objetos de

paquete.
Integration Services no es solo una herramienta para ETL, sino
que tiene una serie de tareas orientadas a la administracin que sern
utilizadas por los DBAs.
Integration Services es una herramienta muy completa y con
muchas funcionalidades, e incluso con ciertos riesgos si no hacemos un uso
apropiado de ella12.
1.9.8. Analysis Services SQL Server (SSAS)
La empresa consultec en el documento Microsoft SQL Server
2005 funcionalidades de business intelligence define que Microsoft SQL Server
Analysis Services es una herramienta que permite a las organizaciones mejorar
y optimizar la toma de decisiones empresariales dentro de la organizacin.
Incorpora funcionalidades OLAP (Online Analytical Processing) y
de data Mining para las aplicaciones de inteligencia empresarial. Analysis
Services soporta la creacin y administracin OLAP, que son unas bases de
datos
analticas,
permitindole
disear, crear
gestionar
estructuras
multidimensionales que contienen datos agregados a partir de orgenes

diversos, como bases de datos relacionales13.
1.10. Definicin de trminos

1.10.1. Sistemas transaccionales OLTP
Los OLTP
(Online Transaction
Processing)
son
sistemas
transaccionales que estn altamente afinados para realizar su trabajo

rpidamente, usualmente en tiempo real, y a menudo con el uso de mainframes
12
Salvador R. Integration Services: Pieza fundamental en los proyectos de BI (parte 1 de 2). Marzo 2011
[Consultado el 5 de octubre 2011].
<http://www.solidq.com/sqj/es/JournalDocuments/2011-March-Issue/Integration-Services-piezafundamental-en-los-proyectos-de-BI-(parte-1-de-2).pdf >
13
Empresa Consultec. Microsoft SQL Server 2005 Funcionalidades de Business Intelligence).2010
[Consultado el 5 de octubre 2011].
< http://www.consultec.es/DocInformes/SQL%20Business%20Intelligence.pdf >
39

y otros servidores grandes. Capturan las transacciones de un negocio y las

persisten en estructuras relacionales llamadas base de datos.
Las caractersticas principales de los sistemas OLTP son:
- Realizan transacciones en tiempo real del proceso de un
negocio, con lo cual los datos almacenados cambian continuamente. Los
sistemas OLTP en sus transacciones conducen procesos esenciales del
negocio.
- Los sistemas OLTP son los responsables del mantenimiento de
los datos, ya sea agregando datos, realizando actualizaciones o bien
eliminndolos.
- Las estructuras de datos deben estar optimizadas para validar
la entrada de los mismos, y rechazarlos si no cumplen con determinadas reglas
de negocio.
- Para la toma de decisiones, proporciona capacidades limitadas
ya que no es su objetivo, por lo tanto no es prioridad en su diseo. Si se
quisiera obtener determinada informacin histrica relativa al negocio
consultando un sistema OLTP, se producira un impacto negativo en el
funcionamiento del sistema.
1.10.2. OLAP- OnLine Anlytical Processing

La tecnologa OLAP es una forma especfica para representar
datos financieros, operacionales, comerciales y estadsticos orientados a los
ejecutivos, especialistas y analistas. Est diseada para ayudar a la toma de
decisiones y una mejor comprensin de la informacin. La idea central es poder
contestar las preguntas de los usuarios, de una forma fcil, poderosa e intuitiva.
Un sistema OLAP permite a los usuarios entrar en detalles y generalizar, filtrar,
ordenar, rankear y reagrupar datos, calculndose totales intermediarios y
finales en forma instantnea.
La tecnologa OLAP permite un uso ms eficaz de los almacenes
de datos para el anlisis en lnea, lo que proporciona respuestas rpidas a
consultas
analticas
complejas
iterativas.
Los
modelos
de
datos
multidimensionales de OLAP y las tcnicas de agregados de datos organizan y

40

resumen grandes cantidades de datos para que puedan ser evaluados con
rapidez mediante el anlisis en lnea y las herramientas grficas. Los sistemas
OLAP proporcionan la velocidad y la flexibilidad necesarias para dar apoyo al
analista en tiempo real. Cabe indicar que la tecnologa OLAP tiene como base
el proceso de transacciones en lnea (OLTP).
Las siguientes son caractersticas que la tecnologa OLAP posee:
- Las bases de datos de OLAP tienen un esquema que est
optimizado para que las preguntas realizadas por los usuarios sean
respondidas rpidamente.
- Las preguntas que se le hacen a un OLAP, deben permitir un
uso interactivo con los usuarios.
- Los cubos de OLAP almacenan varios niveles de datos
conformados por estructuras altamente optimizadas que responden a las
expectativas de negocio de la empresa.
- Un sistema OLAP est preparado para realizar informes
complejos de una manera simple.
- OLAP proporciona una vista de datos multidimensional. Los
cubos proporcionan una vista de los datos multidimensional que se extiende
ms all del anlisis de dos dimensiones que puede proporcionar una simple
planilla de clculo utilizada como tal.
- Los usuarios pueden cambiar fcilmente las filas, las columnas,
y las pginas en informes de OLAP, pudiendo leer la informacin de la manera
que se crea ms conveniente para el anlisis.
1.10.3. OLTP vs OLAP

Cuadro N02: Diferencias entre las tecnologas OLTP Y OLAP
OLTP
OLAP
Objetivo
Asistir
Principal
especficas,
aplicaciones Asistir
y
en
mantener negocio,
integridad de los datos.
tendencias,
el
anlisis
del
identificando
comparando

41

perodos, gestiones, mercados,

ndices,
etc.
mediante
almacenamiento
de
el
datos
histricos
Alineacin
Estn
alineados
de Datos
aplicacin.
por Estn alineados por dimensin.
Diferentes Todos
los
tipos
de
datos
sistemas tienen distintos integrados en un solo sistema.

tipos de datos, los cuales Los datos son organizados
son
estructurados
por definiendo
dimensiones
del
aplicacin. Se focaliza en negocio (reas temticas o

el
cumplimiento
requerimientos
de sujetos). Se focaliza en el
de
una cumplimiento
de
aplicacin en especial o requerimientos del anlisis del

una tarea especfica.
negocio.
Integracin
Los datos se encuentran Los
datos
de datos
tpicamente no integrados, integrados.
deben
Son
estar
conocidos
son calificados como datos como datos derivados o datos

primitivos
datos DSS dado que provienen de
operacionales.
Los sistemas
transaccionales
mismos son estructurados sistemas de archivos maestros

independientemente
uno preexistentes en las mismas
de otros, pudiendo tener organizaciones o de sistemas

diferentes estructuras de externos de informacin. El
claves y convenciones de DW, con el objetivo de alinear
nombres. Son usualmente los datos por reas temticas,
almacenados en diferentes debe
formatos
de
integrar
datos
archivos, operacionales estandarizando
relacional, VSAM, archivos estructuras y convenciones de

planos,
etc.
Incluso,
si nombres
(concepto
de
todos los datos estn en diccionario de datos).

formato
relacional,
los
mismos pueden residir en

42

diferentes plataformas de
hardware y en distintas
RDBMSs.
Historia
Usualmente retienen datos Almacenan tanta historia como

para
60
90
das, sea necesario para el anlisis
despus
son del negocio, tpicamente dos a
resguardados
por
los cinco aos de datos histricos.
administradores de base Retienen valores para cada

de
datos
almacenamientos
en perodo
(el
atributo
atmico
de
la
ms
dimensin
secundarios fuera de lnea tiempo) en la base de datos.

(cintas o en disco a nivel Es decir, que almacenan una
de back up). Tambin es serie de fotos instantneas de
comn que contengan slo datos
valores
corrientes,
operacionales,
la
el frecuencia con la cual define el
actual balance de cuentas nivel de detalle es la que se

para clientes y no valores indica en la correspondiente
histricos. Puede no incluir hoja de la dimensin tiempo.
el
tiempo
como
un Toda esta cantidad y tipo de
componente de la clave. historia apunta a ayudar a la

Por
ejemplo,
balance
slo
corriente
el generacin
de
reportes
de
de comparacin de tendencias y
cuentas es almacenado, perodos de tiempo.

por
lo
tanto,
no
tiene Por otro lado, las bases de
sentido guardar el tiempo datos orientadas al anlisis

como parte de la clave de siempre contienen el tiempo
los datos.
como clave dado que una de

las principales razones para la
construccin
warehouse
del
data
es
el
almacenamiento de
datos histricos y el anlisis a
43

lo largo del tiempo

Acceso y
Realizan una manipulacin Tienen una carga y acceso
Manipula-
de
datos
cin de los registro

datos
registro
con
cantidades
Adems,
de
grandes realizan
de
updates
por masivo
datos,
inserts,
no
se
updates
inserts, deletes. La carga y refresco es
deletes. batch (lo que se conoce como
necesitan
de proceso
BULK
COPY).
La
rutinas de validacin y validacin de datos se realiza

transacciones
registro
(OLTP
nivel antes o despus de la carga

on-line (nunca
nivel
TRANSACTION
transaccin).
processing).
Principalmente,
Generalmente,
registro
se
realizan
poseen sentencias de SELECT sobre
pequeas cantidades de varios registros y tablas (OLAP

datos involucrados en un on-line
ANALYTICAL
solo proceso o transaccin processing), teniendo grandes

y la puesta a punto de la
volmenes
de
base de datos para el involucrados

procesamiento
en
datos
un
nico
de proceso o anlisis. Es por ello,
transacciones, se focaliza que
generalmente,
no
se
en mecanismos de locking respetan las formas normales

y asignacin de recursos tan necesarias en los sistemas
(tuning especfico)
operacionales
clsicos.
Las
anomalas
que
tienden
subsanar
estas
reglas
de
normalizacin no se presentan
en los sistemas OLAP donde la
carga de la informacin est
automatizada
permitirse
manejo
de
controlada
da
redundancia
el
puede
como punto para la mejora de

44

los tiempos de respuesta de

las consultas a la base de
datos.
Patrones de Mantienen un patrn de Tienen un patrn de uso liviano
uso
uso constante requiriendo con picos de usos eventuales

grandes
cantidades
de en el tiempo (afectados por la
recursos y consumiendo disponibilidad de los datos y el

slo el tiempo referido a la flujo de trabajo del negocio).
transaccin.
Los picos de uso suceden el

mismo da de cada semana y
el mismo da de cada mes
(cuando los datos
estn
por
disponibles
primera
o
vez
cuando
el
negocio necesita por primera

vez un reporte)
Granularidad Se encuentran los datos a La granularidad de los datos
de los datos
nivel
detallado
transaccional.
nivel viene dada por el uso de los

mismos.
Si
bien
un
data
Una transaccin incluye a warehouse
puede
tener
nivel atmico cada uno de informacin
nivel
los componentes de su transaccional, el objetivo de

estructura
(fecha,
hora, esta granularidad mnima est
cdigo de cliente, cdigo asociado con el deseo de

de movimiento, importe, realizar ciertos tipos de anlisis
etc.)
que
requieren
que
la
informacin est a ese nivel de

detalle, pero no significa que
veamos la informacin a nivel
transaccional.
Perfil
Usuario
de
El perfil de usuario que El perfil de usuario sobre este

interacta
con
dichos tipo de sistemas corresponde a

45

sistemas
se
encuadra la comunidad gerencial, la cual
dentro de los empleados est a cargo de la toma de

operacionales
de
una decisiones.
organizacin (comunidad
operativa)
Fuente: Elaboracin propia
1.10.4. Sistema de soporte de decisiones(DSS)

Es un sistema interactivo provisto de programas y herramientas,
para ayudar a los responsables de la toma de decisiones a utilizar tecnologas
de comunicaciones, datos, documentos, conocimiento y/o modelos para
identificar y resolver problemas, para completar tareas del proceso de decisin,
y para tomar decisiones.
Es una amplia rea de anlisis que sirve para que la gente
examine datos a fin de tomar decisiones, ya sean grandes o pequeos, sobre
los negocios de sus compaas.
1.10.5. Data Warehouse
Es un repositorio de informacin extrada de otros sistemas
corporativos,
sean
estos
sistemas
transaccionales,
bases
de
datos
departamentales, o Intranet de la compaa, a la que los hombres de negocios

de la empresa pueden acceder.
Los sistemas Data Warehouse estn orientados a procesos de
consultas en contraposicin con los procesos transaccionales, sus tablas
pueden no estar normalizadas y se admite redundancia en los datos.
Mejor dicho, la Data Warehouse es un sistema, no un producto,
en el que se almacenan datos. Es una tcnica para consolidar y administrar
datos de variadas fuentes con el propsito de responder preguntas de negocios
y tomar decisiones, de una forma rpida. Una Data Warehouse se vale de una
base de datos relacional diseada para el acceso rpido y anlisis y no al
proceso transaccional. La Data Warehouse separa la carga del anlisis y
normalmente contiene datos histricos derivados de datos transaccionales.
46

Sus principales caractersticas son:

- Orientado hacia informacin relevante de la organizacin
- Datos integrados
- Variable en el tiempo
- No Voltil
1.10.6. Data Mart
Es una Data WareHouse solo que ms pequea; en otras
palabras, es una Data Warehouse orientada a algn tema. Los Data Mart
suelen ser usados por un departamento o grupo de usuarios en una compaa,
para un conjunto definido de tareas.
Una Data Mart se considera independiente, ya que recibe datos
desde un Data Warehouse.
Los Data Mart aislados, es decir los que toman sus datos
directamente desde sistemas transaccionales y no dependen de otros Data
Warehouse, recin el nombre de Data Marts Independientes.
1.10.7. Dimensiones
Son los diferentes puntos de vista por los que queremos analizar
la informacin. Las dimensiones contienen los diversos atributos que queremos
analizar, adems se estructuran en forma jerrquica, conforme a diferentes
niveles de detalle.
Las tablas de dimensiones se construyen con todos los atributos
que incluyen de una forma desnormalizada y con una clave que identifica el
mnimo nivel de detalle. Podemos distinguir varios tipos de dimensiones:
Dimensiones normales: aquellas que agrupan diferentes
atributos que estn relacionados por el mbito al que se refieren (todas las
caractersticas de un cliente, los diferentes componentes de la dimensin
tiempo, etc).
Dimensiones causales: son atributos que pueden causar
cambios en los procesos de negocio (por ejemplo, la dimensin promocin en
el proceso de negocio de ventas).
47

Dimensiones
heterogneas:
que
agrupan
conjuntos
heterogneos de atributos, que no estn relacionados entre s.

Dimensiones roll-up: es un subconjunto de otra, necesarias
para el caso en que tenemos tablas de hechos con diferente granularidad (ver
la entrada anterior del blog).
Dimensiones Junk: agrupa indicadores de baja cardinalidad
como pueden ser flags o indicadores.
Dimensiones role-playing: cuando una misma dimensin
interviene en una tabla de hechos varias veces (por ejemplo, la fecha en una
tabla de hechos donde se registran varias fechas referidas a conceptos
diferentes), es necesario reutilizar la misma dimensin, pues no tiene sentido
crear tantas dimensiones como usos se hagan de ella. En consecuencia, se
definen las dimensiones role-playing. Podemos crear vistas sobre la tabla de la
dimensin completa que nos permiten usarla varias veces o jugar con los alias
de tabla. La misma dimensin juega un rol diferente segn el sitio donde se
utiliza.
Dimensiones degeneradas: no tienen ningn atributo y por
tanto, no tienen una tabla especfica de dimensin. Incluyen para ellas un
identificador en la tabla de hechos, que identifica completamente a la
dimensin (por ejemplo, un pedido de ventas). Nos interesa tener determinada
la transaccin (para realizar data mining, por ejemplo), pero los datos
interesantes de este elemento los tenemos repartidos en las diferentes
dimensiones (cliente, producto, etc).
Mini dimensiones o dimensiones Outrigger: conjunto de
atributos de una dimensin que se extraen de la tabla de dimensin principal,
pues se suelen analizar de forma diferente. El tpico ejemplo son los datos
socio demogrficos asociados a un cliente (que se utilizan, por ejemplo, para el
datamining).
1.10.8. Mtricas
Son valores que recogen el proceso de una actividad o los
resultados de la misma y son usados por los analistas en sus querys para
48

medir la performance del comportamiento de un proceso o un objeto del

negocio.
Las medidas candidatas son los datos numricos, pero no cada
atributo numrico en una medida candidata.
Estas medidas proceden del resultado de la actividad de negocio.
Mtricas de realizacin de actividad: miden la realizacin de
una actividad. Por ejemplo, la participacin de una persona en un evento.
Mtricas de resultado de una actividad: recogen los resultados
de una actividad. Por ejemplo, la cantidad de unidades vendidas.
1.10.9. Indicadores
Es una variable dimensional unitaria, expresada como un
cociente, que correlaciona dos variables cualesquiera. A travs de este
concepto es posible relacionar diversas variables presentes en los procesos de
una empresa. Ejemplo: N Ciclos/Hora, LtsComb, /Maquina.
La importancia de un indicador radica en la particularidad de
informar al usuario el estado actual del sistema. Revelar el estado del sistema,
nos permitir tomar decisiones preventivas o correctivas de acuerdo a los
resultados de las comparaciones entre el valor esperado y el valor obtenido del
sistema.
1.10.10. Fact Table

Los hechos son los indicadores de negocio que dan sentido al
anlisis de las dimensiones. Las tablas de hechos incluyen los indicadores
asociados a un proceso de negocio en concreto y las claves de las
dimensiones que intervienen en dicho proceso, en el mnimo nivel de
granularidad o detalle. Podemos tener varios tipos de tablas de hechos:
Transaction fact tables: representan eventos que suceden en
un determinado espacio-tiempo. Se caracterizan por analizar los datos con el
mximo detalle. Reflejan las transacciones relacionadas con nuestros procesos
de negocio (ventas, compras, inventario, contabilidad, etc).

49

Factless fact tables: no tienen medidas y representan la

ocurrencia de un evento determinado. Por ejemplo, la asistencia a un curso
puede ser una tabla de hechos sin mtricas asociadas.
Periodic snapshot fact tables: son tablas de hecho usadas para
recoger informacin de forma peridica a intervalos de tiempo regulares sobre
un hecho. Nos permiten tomar una foto de la situacin en un momento
establecido (por ejemplo, al final del da, de una semana o de un mes). Un
ejemplo puede ser la foto del stock de materiales, al final de cada da.
Accumulating snapshot fact table: representan el ciclo de vida
completo de una actividad o proceso, que tiene un principio y final. Suelen
representar valores acumulados.
Consolidated fact tables: tablas de hechos construidas como la
acumulacin, en un nivel de granularidad o detalle diferente, de las tablas de
hechos de transacciones.
1.10.11. Esquema estrella

Figura N09: Esquema estrella
Fuente: Curso MS Business Intelligence, Salvador Ramos
Un
modelo
estrella
es
un
modo
de
representar
datos
multidimensionales en una base de datos relacional. Las tablas dimensiones

50

guardan informacin descriptiva acerca de sus miembros y sus relaciones.

Mientras, que las tablas hechos almacenan datos de negocio.
Los querys multidimensionales son hechos haciendo joins entre
las tablas de hechos y de dimensiones
Los sistemas OLAP que utilizan este tipo de modelo de base de
datos son llamados sistemas ROLAP
1.10.12. Esquema copo de nieve

Figura N10: Esquema copo de nieve
Fuente: Curso MS Business Intelligence, Salvador Ramos
Las bases de datos relacionales, a menudo emplean esquemas

de copo de nieve para proporcionar los mejores tiempos de respuesta posibles,
a las consultas complejas. Los esquemas de copos de nieve contienen una
tabla de hechos centrales para el tema y numerosas tablas de dimensiones
para la informacin descriptiva sobre las dimensiones del tema. La tabla
hechos puede contener varios millones de filas. La informacin a la que se
tiene acceso con ms frecuencia se agrega previamente y se resume para
mejorar an ms, el rendimiento.
Si bien el esquema copo de nieve se considera fundamentalmente
una herramienta con la que el administrador de datos puede aumentar el
rendimiento y simplificar el diseo del almacn de datos, tambin se utiliza para
51

representar la informacin del almacn de datos, de modo tal, que tenga ms

sentido para los usuarios finales.
Suele aplicarse cuando diversos atributos caracterizan a los
niveles ms altos de jerarqua.
Se puede elegir el normalizar solo algunas dimensiones y otras
no, aumentado as, la complejidad del diseo y metadatos.
Ventajas:
- No se necesita el atributo de nivel.
- Fcil para definir jerarquas.
- Mejora considerablemente, el rendimiento cuando un gran
nmero de requisitos solicita datos agregados.
- Los requerimientos escanean un reducido nmero de filas
Desventajas:
- Aumenta la complejidad de mantener la meta informacin
debido al aumento del nmero de tablas.
1.10.13. Enfoque Bottom-up
El enfoque Bottom-up, establece que el desarrollo de una solucin
de inteligencia de negocios debe partir por el desarrollo de los Data Marts y que
el conjunto de estos se constituyen en la Data Warehouse
1.10.14. Enfoque Top-down

El enfoque Top-down, establece que el desarrollo de una solucin
de inteligencia de negocios debe partir por el desarrollo del Data Warehouse
que deriva en la Data Marts.

52

Captulo II: Metodologa

53

2.1.
Material
2.1.1. Entrevistas
Para la investigacin se pretende indagar sobre la optimizacin
del proceso de toma de decisiones en la CGR, para lo cual se usar la gua de

entrevista del anexo 03, donde se analiza el uso y los beneficios de los
procesos en la toma de decisiones.
2.1.2. Gua de observaciones
Como
material
de
investigacin
usaremos
las
guas
de
observacin, que estarn dirigidas a la Alta Direccin y Departamento de

Finanzas, quienes sern los usuarios del modelo de inteligencia de negocios.
Se aplicar la gua de observacin del anexo 4, con el fin de conocer como es
la interaccin entre el modelo de inteligencia de negocios y la Alta Direccin.
2.2.
Mtodos
2.2.1. Entrevistas
Las entrevistas a realizar, sern de tipo personalizada, acudiendo
a las oficinas de los responsables de la toma de decisiones.

2.2.2. Gua de observaciones
Para la aplicacin de este material, observaremos las reuniones
de la Alta Direccin y Departamento de Finanzas para evaluar cul es su
sistema de trabajo.
54
2.3.
Cronograma de actividades
Figura N11: Cronograma de actividades
55

2.4.
Financiamiento
La investigacin de tesis ser autofinanciada por el tesista.
2.5.
Planificacin del proyecto

2.5.1. Objetivos
- Mejorar la distribucin de informacin analtica dentro del
Departamento de Finanzas de la Contralora General de la Repblica.

- Generar informacin veraz y oportuna, dirigida al usuario final
en forma consolidada y representativa para el proceso de toma de decisiones.
- Integrar la informacin histrica de forma consistente.
- Facilitar el proceso de toma de decisiones a la gerencia del
departamento de finanzas.
2.5.2. Alcance
El proyecto
busca ayudar a la gestin del Departamento de
Finanzas de la Contralora General de la Repblica a travs de reportes

analticos con informacin histrica, veraz y consolidada en tiempo real,
permitiendo dar soporte a la toma de decisiones en la institucin.
2.5.3. Beneficios
Cuadro N03: Beneficios de la solucin de inteligencia de negocios

Beneficios
Humano
Equipo de trabajo efectivo

capaz de tomar las mejores
decisiones.
Enriquecer el proceso de
anlisis de informacin por
parte de la gerencia.
Optimizar la gestin dentro de

la institucin.

56

Tecnolgico
Herramientas de informacin
acorde con las necesidades
de la empresa.
Tecnologa informtica
amigable con los usuarios
Material
- Reduccin de tiempos en la
emisin de reportes
consolidados.
- Reduccin de costos en el
proceso de anlisis de
informacin.
Informacin
Informacin veraz y oportuna
Toma de decisiones
adecuadas basadas en
reportes dinmicos
Proceso analtico de la data

de la institucin.
2.5.4. Recurso humano

Cuadro N04: Recurso humano
Nombre y Apellido
Ocupacin
Data Specialist
Mimia Chang
Gerente de finanzas
Project Manager
Alejandro Rojas
Tesista
Zaldvar
Data Specialist
Ing. Javier Zaldvar
Analista de sistemas
Prettel
Encargado del
mdulo de finanzas
del SIGA

57

2.5.5. Inversin
Tabla N02: Costo de inversin de Hardware
Hardware
Costo
Servidor IBM System x3550 M3
S/.10,000.00
7944 Intel Xeon E5620 RAM

64GB, SAS, hot-swap 2.5", MGA
G200eV (7944D4U)
Tabla N 03: Costo de inversin de software
Software
Costo
QlikView licencias (01 licencia QV S/.5,000.00

SERVER + 05 licencia clientes)
Windows server 2008
Microsoft SQL server 2008

Tabla N 04: Costo de inversin de bienes
Descripcin
Costo mensual
Meses
Total
Libros, Separatas
S/.20.00
S/.80.00
Materiales de
S/.15.00
S/.60.00
Escritorio
Monto Total
S/.35.00
S/.140.00

58

Tabla N 05: Costo de inversin de servicios

Descripcin
Costo Mensual
Meses
Total
Llamas Telefnicas
S/.40.00
S/.160.00
Internet Speedy
S/.130.00
S/.520.00
Energa Elctrica
S/.50.00
S/.200.00
Viaje a Lima
S/.350.00
S/.1,400.00
Cartuchos de Impresin
S/.100.00
S/.400.00
Fotocopias-Empastados
S/.22.00
S/.88.00
TOTAL
S/.692.00
S/.2,768.00
2.5.6. Flujo de caja

Tabla N 06: Costo de inversin de servicios
MES
EGRESOS
INGRESOS
S/.-1,7908.00
S/.15727.00
S/.7,500.00
S/.727.00
S/.7,500.00
S/.727.00
S/.7,500.00
S/.727.00
S/.7,500.00
TOTAL
S/.1,7908.00
S/.30,000.00
2.5.7. Beneficio costo VAN TIR

Para encontrar el VAN Y TIR, usaremos las funciones del excel
VNA Y TIR respectivamente, con una tasa de descuento del 12%
Beneficio costo = (30000/17908) = 1.6752
VAN = S/. 4,350.11
TIR = 24%
59

2.6.
Definicin de requerimientos del negocio

2.6.1. Requerimientos del negocio
Los requerimientos que presentaremos a continuacin, estn
enfocados en el mdulo de presupuesto del Departamento de Finanzas de la

Contralora General de la Repblica.
Cuadro N05: Cuadro de requerimiento N1

Identificador R-01
Nombre
Monto Facturado por

Servicios
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
La solucin de inteligencia de negocios permitir
Necesidad Si
conocer el monto facturado por la contratacin de

servicios realizados.
Identificador R-02
Nombre
Monto facturado por bienes
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
La solucin de inteligencia de negocios, posibilitar
Necesidad Si
conocer el monto facturado de las rdenes de

compra de bienes realizadas.

Identificador R-03
Nombre
Cantidad de rdenes de
servicios realizadas.
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
La solucin de inteligencia de negocios, facilitar
Necesidad Si
conocer la cantidad de rdenes atendidos por

60

contratacin de servicios.
Identificador R-04
Nombre
Cantidad rdenes de
compra de bienes
adquiridos.
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
La solucin de inteligencia de negocios, propiciar
Necesidad Si
conocer la cantidad de rdenes atendidas por la

compra de bienes
Identificador R-05
Nombre
Servicio ms solicitado.
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
La solucin de inteligencia de negocios favorecer
Necesidad Si
conocer el servicio con mayor cantidad rdenes

realizadas.

Identificador R-06
Nombre
Bien ms solicitado.
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
Necesidad Si
conocer el bien con mayor cantidad de rdenes

realizadas.

61


Identificador R-07
Nombre
Servicios menos
solicitados
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
La solucin de inteligencia de negocios beneficiar
Necesidad Si
el conocer los servicios con menor cantidad de

rdenes realizadas.

Identificador R-08
Nombre
Bienes menos solicitados
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
La solucin de inteligencia de negocios ayudar a
Necesidad Si
conocer los bienes con menor cantidad de rdenes

realizadas.

Identificador R-09
Nombre
bienes atendidas por clase.
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
Necesidad Si
conocer la cantidad de rdenes de bienes atendidas

por clase.

62


Identificador R-10
Nombre
servicios atendidos por
clase.
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
La solucin de inteligencia de negocios ser
Necesidad Si
ventajosa para conocer la cantidad de rdenes de

servicios atendidos por clase.
Identificador R-11
Nombre
bienes atendidos por Grupo.
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
La solucin de inteligencia de negocios posibilitar la
Necesidad Si
atencin para conocer la cantidad de rdenes de

bienes atendidos por grupo.
Identificador R-12
Nombre
servicios atendidas por grupo.
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
La solucin de inteligencia de negocios facilitar
Necesidad Si
conocer la cantidad de rdenes de servicios atendidas

por grupo.

63


Identificador R-13
Nombre
bienes atendidas por un
proveedor Natural
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
Necesidad Si

por un proveedor natural.
Identificador R-14
Nombre
bienes atendidas por un
proveedor Jurdico.
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
Necesidad Si

por un proveedor jurdico.
Identificador R-15
Nombre
servicio atendidas por un
proveedor natural
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
La solucin de inteligencia de negocios mejorar
Necesidad Si
conocer la cantidad de rdenes de servicio

atendidas por un proveedor natural.

64


Identificador R-16
Nombre
servicio atendidas por un
proveedor jurdico
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
La solucin de inteligencia de negocios ayudar a
Necesidad Si
conocer la cantidad de rdenes de servicio

atendidas por un proveedor jurdico.
Cuadro N21: Cuadra de requerimiento N17
Identificador R-17
Nombre
Proveedor natural con

mayor cantidad de rdenes
de bienes atendidas.
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
La solucin de inteligencia de negocios mejorar el
Necesidad Si
conocer al proveedor natural con mayor cantidad de

rdenes de bienes atendidos.
Identificador R-18
Nombre
Proveedor jurdico con

de bienes atendidas.
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
Necesidad Si
conocer al proveedor jurdico con mayor cantidad de

rdenes de bienes atendidas.
65


Identificador R-19
Nombre
Proveedor natural con

de servicios atendidos.
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
La solucin de inteligencia de negocios contribuir
Necesidad Si
conocer al proveedor natural con mayor cantidad de

rdenes de servicios atendidos.
Identificador R-20
Nombre
Proveedor jurdico con

de servicios atendidos.
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
La solucin de inteligencia de negocios posibilitar
Necesidad Si
conocer al proveedor jurdico con mayor cantidad de

rdenes de servicios atendidos.
Identificador R-21
Nombre
Monto facturado del

servicio ms solicitado
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
Necesidad Si
conocer monto facturado del servicio ms solicitado.


66


Identificador R-22
Nombre
Monto facturado del bien

ms solicitado
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
Necesidad Si
conocer el monto facturado del bien ms solicitado.

Identificador R-23
Nombre
Monto facturado del

servicio menos solicitado
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
Necesidad Si
conocer monto facturado del servicio menos

solicitado.
Identificador R-24
Nombre
Monto facturado del bien

menos solicitado.
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
La solucin de inteligencia de negocios mejorar
Necesidad Si
conocer el monto facturado del bien menos

solicitado.

67


Identificador R-25
Nombre
Monto facturado de
rdenes de servicio
atendidas por clase
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
La solucin de inteligencia de negocios har posible
Necesidad Si
conocer el monto facturado de rdenes de servicio

atendidas por clase.
Identificador
R-26
Nombre
Monto facturado de rdenes

de bienes atendidas por
clase
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
Necesidad Si
conocer el monto facturado de rdenes de bienes

atendidas por clase.
Identificador R-27
Nombre
Monto facturado de
rdenes de servicio
atendidas por grupo
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
La solucin de inteligencia de negocios contribuir a
Necesidad Si
conocer el monto facturado de rdenes de servicio

atendidas por grupo.

68


Identificador R-28
Nombre
Monto facturado de
rdenes de bienes
atendidas por grupo
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
Necesidad Si

atendidas por grupo.
Identificador R-29
Nombre
Monto facturado de
rdenes de bienes
atendidas por proveedores
naturales
Tipo
Funcional Fecha
Prioridad
Alta
Descripcin
Necesidad Si

atendidas por proveedores naturales.
Identificador R-30
Nombre
Monto facturado de
rdenes de bienes
jurdicos.
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
Necesidad Si

69


atendidas por proveedores jurdicos.
Identificador R-31
Nombre
Monto facturado de
rdenes de servicios
Naturales
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
La solucin de inteligencia de negocios har posible
Necesidad Si
conocer el monto facturado de rdenes de servicios

atendidas por proveedores naturales.
Identificador R-32
Nombre
Monto facturado de
rdenes de servicios
jurdico
Tipo
Funcional Fecha
04/04/2012
Prioridad
Alta
Descripcin
Necesidad Si
conocer el monto facturado de rdenes de servicios

atendidas por proveedores jurdicos.
2.6.2. Entrevistas
Las entrevistas se realizaron a las siguientes personas:
Javier Zaldvar Prettel

70

Se orient principalmente en dos lineamientos:

- Entender la forma de extraer reportes de la base de datos
transaccional
- Entender el funcionamiento de la base de datos transaccional
Mimia Ching
Apunt principalmente a dos lineamientos:

- Entender los objetivos del departamento de finanzas de la
Contralora General de la Repblica.
- Comprender la forma de anlisis de datos

71
CCTA_CUENTA
CESP_PARTIDA
CCAT_ESTADO
CCAT_DENOMINACION
CCAT_TIPOBS
CCAT_CODIGO
SIGA_CATALOGO_BIEN_SERV
NORDD_CANTIDAD
CCAT_CODIGO
CORD_NRO
CCAT_TIPOBS
NPEJE_AO
LOG_ORDEN_DETA
CMET_NEMONICO
CCAT_CODIGO
CORD_NRO
CCAT_TIPOBS
NPEJE_AO
LOG_ORDEN_COSTO_UO
CCBS_ABREVIA
CCBS_ESTADO
CCBS_DENOMINACION
CCBS_CLASEBS
CGBS_GRUPOBS
CGBS_TIPOBS
SIGA_CLASE_BIEN_SERV
CORD_PROC_SELEC_TIPO
NCRO_PERIODO
NCNT_CODIGO
CREQ_CODIGO
CORD_ORIGEN
CORD_FLAG_CRONO
NMES_CODIGO
CORD_NRO
CCAT_TIPOBS
NPEJE_AO
LOG_ORDEN
CP_UNO_UNIDEP
CP_UNO_ESTADO
CP_UNO_CODRESP
CP_UNO_DESCRIPCION
CP_UNO_CODIGO
PRM_UNI_ORGANICA

CODI_GRUP_GBS
CGBS_ABREVIA
CGBS_ESTADO
CGBS_DENOMINACION
CGBS_GRUPOBS
CGBS_TIPOBS
SIGA_GRUPO_BIEN_SERV
CPRO_UBIGEO
CPRO_REGPUB
CPRO_LICMUN
CPRO_DIRECCION
CPRO_SIGLA
CPRO_NOMBRE
CPRO_RUC
SIGA_PROVEEDOR
CREQ_DESCRIPCION
DREQ_FECHA
NPPTO_AO
CREQ_UO_BENEFICIADA
CP_UNO_CODIGO
CREQ_CODIGO
LOG_REQUERIMIENTO

2.6.3. Base de datos transaccional en SQL server

Figura N12: Base de datos transaccional en SQL server
72

Figura N13: Tabla SIGA_CLASE_BIEN_SERV
Figura N14: Tabla SIGA_GRUPO_BIEN_SERV

73

Figura N15: Tabla PRM_UNI_ORGNICA
Figura N16: Tabla LOG_ORDEN_DETA

74

Figura N17: Tabla SIGA_CATLOGO_BIEN_SERV

Figura N18: Tabla LOG_ORDE_COSTO_UO

75

Figura N19: Tabla SIGA_PROVEEDOR
Figura N20: Tabla LOG_REQUERIMIENTO

76

Figura N21: Tabla LOG_ORDEN

77

2.6.4. Diccionario de datos a nivel general de la base de datos

transaccional
Cuadro N37: Descripcin de base de datos

Tabla
Descripcin
Se registran los grupos a los que

pertenecen los bienes y servicios.
Se registran las clases a los que

pertenecen los bienes y servicios.
Se registran los bienes y servicios

adquiridos por la institucin.
LOG_ORDEN_DETA
Se registran los detalles de las

rdenes
de
bienes
servicios
solicitados.
LOG_ORDEN_COSTO_UO
Se registran los costos por rdenes

de bienes y servicios solicitados
PRM_UNI_ORGANICA
Se registran las unidades orgnicas

de la Contralora General de la
Repblica
LOG_ORDEN
Se registran las rdenes de bienes y

servicios solicitadas por las unidades
orgnicas.
SIGA_PROVEEDOR
Se registran los proveedores de

bienes y servicios
LOG_REQUERIMIENTO
Se registran los requerimientos de

las rdenes de bienes y servicios.

78

2.6.5. Diccionario de datos de la base de datos transaccional
Tabla N07: Tabla de descripcin de la tabla

SIGA_PROVEEDOR
Nombre Columna
Tipo de Dato
Null
Descripcin
PK
FK
Option
CPRO_RUC
CPRO_NOMBRE
CPRO_SIGLA
Varchar(11)
Varchar(150)
Varchar(10)
Not
RUC
Null
proveedor
Not
Nombre
null
proveedor
Null
Siglas
del PK
de -
de -
de -
de -
de -
de -
del -
de -
proveedor
CPRO_DIRECCION
Varchar(120)
Null
CPRO_LICMUN
Varchar(20)
Null
Numero
licencia
municipal
CPRO_REGPUB
Varchar(20)
Null
Nmero
registro
pblico
CPRO_UBIGEO
Char(6)
Null
Cdigo
Ubigeo
CPRO_TELEFONO1
Varchar(40)
Null
Nmero
telfono 1
CPRO_TELEFONO2
Varchar(60)
null
Nmero
telfono 2
CPRO_FAX
Varchar(40)
Null
Nmero
fax
CPRO_EMAIL
Varchar(30)
Null
Email
proveedor
CPRO_FEC_INS
Date
Null
Fecha
inscripcin

79

CPRO_TIPO
Varchar(1)
CPRO_NUMDOCIDE
Varchar(15)
Not
Tipo
Null
proveedor
Null
Numero
de -
documento
de identidad
del
proveedorCPRO_SEXO
Char(1)
Null

Nombre Columna
Tipo de Dato
Null
Descripcin
PK FK
Option
CGBS_TIPOBS
Varchar(1)
Not
Cdigo
de PK
null
Tipo
de
bien/servicio
CGBS _GRUPOBS
Varchar(2)
Not
Codigo
del PK
null
Grupo
de
bien/servicio
CGBS_DENOMINACI
Varchar(150)
Null
ON
Denominacin
Estado
del -
grupo
de
del Grupo de
bien/servicio
CGBS_ESTADO
Varchar(1)
Null
bien/servicio
CGBS_ABREVIA
Varchar(30)
Null
Abreviatura del grupo
de
bien/servicio
DAUDI_FEC_INS
Date
Not
Fecha
de -

80

null
inscripcin del
grupo
de
bien/servicio
CAUDI_USR_INS
Varchar(6)
Not
Usuario
que -
Null
inscribi
el
grupo
de
bien/servicio
DAUDI_FEC_UPD
Date
Not
Fecha
de -
Null
actualizacin
del grupo de
bien/servicio
CAUDI_USR_UPD
Varchar(6)
Not
Usuario
que -
Null
actualiz
el
grupo
de
bien/servicio

Nombre Columna
CGBS_TIPOBS
Tipo
de Null
Descripcin
PK
FK
FK
Dato
Option
Varchar(1)
Not
Cdigo de tipo PK
Null
de
bien/servicio
CGBS _GRUPOBS
Varchar(2)
Not
Cdigo
del PK
Null
grupo
de
FK
bien/servicio
CCBS_CLASEBS
Varchar(3)
Not
Cdigo de la PK
Null
clase
del
bien/servicio
CCBS_DENOMINACI Varchar(150 Null
Denominacin

81

ON
de la clase del
bien/servicio
CCBS_ESTADO
Varchar(1)
Null
Estado de la clase
del
bien/servicio
CCBS_ABREVIA
Varchar(30)
Null
Abreviatura de la
clase
del
bien/servicio
DAUDI_FEC_INS
Date
Null
Fecha
de -
inscripcin de
la
clase
del
bien/servicio
CAUDI_USR_INS
Varchar(6)
Null
Usuario
que -
inscribi
la
clase
del
bien/servicio
DAUDI_FEC_UPD
Date
Null
Fecha
de -
actualizacin
de la clase del
bien/servicio
CAUDI_USR_UPD
Varchar(6)
Null
Usuario
que -
inscribi de la
clase
de
bien/servicio

82


Nombre Columna
Tipo de Dato
Null
Descripcin
PK
FK
Option
CCAT_CODIGO
CCAT_TIPOBS
Varchar (10)
Varchar (1)
Not
Cdigo
del PK
Null
bien/servicio
Not
Cdigo
de -
Null
tipo
de
bien/servicio
CCAT_
Varchar (150)
Null
DENOMINACION
Descripcin
del -
del
bien/servicio
CCAT_ESTADO
Varchar(1)
Null
Estado
bien/servicio
CESP_PARTIDA
Varchar (10)
Not
Partida
Null
presupuestal
FK
Stock mnimo -
gasto
CCTA_CUENTA
Varchar (20)
Null
Partida
contable
CUMED_IDUMED
Varchar(3)
NACT_PRECIOREF Decimal(18,4)
Not
Unidad
Null
medida
Null
Precio
referencial
del
bien/servicio
NACT_STOCKMIN
Decimal(10,4)
Null
del
bien/servicio
NACT_STOCKMAX
Decimal(16,4)
Null
Stock
mximo
FK
del
bien/servicio
CGBS_TIPOBS
VARCHAR(1)
Not
Tipo

83

CGBS_GRUPOBS
CCBS_CLASEBS
DAUDI_FEC_INS
VARCHAR(2)
VARCHAR(3)
Date
Null
bien/servicio
Not
Grupo
Null
bien/servicio
Not
Clase
Null
bien/servicio
Null
Fecha
FK
FK
auditora
insert
del
Bien/Servicio
CAUDI_USR_INS
Varcahr(6)
Null
Usuario
auditora
insert
del
bien/servicio
DAUDI_FEC_UPD
Date
Null
Fecha
auditora
update
del
bien/servicio
CAUDI_USR_UPD
Varcahr(6)
Null
Usuario
auditora
update
del
Bien/Servicio
Tabla N11: Tabla de Descripcin de la tabla LOG_ORDEN_DETA

Nombre columna
Tipo de dato
Null
Descripcin
PK
FK
Not
Ao
PK
FK
Null
ejecucin de
de PK
FK
Option
NPEJE_AO
Numeric(4,0)
la orden.
CCAT_TIPOBS
CORD_NRO
Varchar(1)
Varchar(8)
Not
Tipo
Null
bien/servicio
Not
Nmero de la PK

84
FK

Null
orden
del
bien/servicio
CCAT_CODIGO
NORDD_CANTIDAD
Varchar(10)
Numeric
Not
Cdigo
Null
bien/servicio
Null
Cantidad del -
(18,4)
NORDD_PRECIO
Numeric
del PK
FK
bien/servicio
Null
(18,4)
Precio
unitario
por -
del
bien/servicio
NORDD_MONTO
Numeric
Null
(18,4)
Monto
bienes/servici
os
NORDD_MONTO_N
Numeric
AC
(18,4)
Null
Monto
en -
moneda
nacional
por
bienes/servici
os adquiridos
CORDD_OBS
DAUDI_FEC_INS
Varchar
Observacin
(2000)
detalle
Date
Null
Fecha
auditora
insert
del
detalle de la
orden
del
bien/servicio
CAUDI_USR_INS
Varchar(6)
Null
Usuario
auditora
insert
del
detalle de la
orden
del
bien/servicio
DAUDI_FEC_UPD
Date
Null
Fecha

85

auditora
update
del
detalle de la
orden
del
bien/servicio
CAUDI_USR_UPD
Varchar(6)
Null
Usuario
auditora
update
del
detalle de la
orden
del
bien/servicio
Tabla N12: Tabla de Descripcin de la tabla LOG_ORDEN

Nombre columna
NPEJE_AO
CCAT_TIPOBS
Tipo
de Null
dato
Option
Numeric
Not
(4,0)
Null
Varchar(1)
Not
Descripcin
PK
FK
Ao de ejecucin
PK
Tipo bien/servicio
PK
la PK
Null
CORD_NRO
Varchar(8)
Not
Nmero
Null
orden
de
del
Bien/Servicio
NMES_CODIGO
Numeric
Not
(2,0)
Null
CORD_FLAG_CR
Numeric
Not
ONO
(1,0)
Null
CORD_ORIGEN
Varchar(2)
Not
Mes calendario
Flag cronograma
Origen
Numero
Null
CREQ_CODIGO
Varchar(10)
Null
requerimiento
86

origen
Tabla N13: Tabla de Descripcin de la tabla
LOG_REQUERIMIENTO
Nombre Columna
Tipo de Dato
Null
Descripcin
PK
FK
Option
CREQ_CODIGO
CP_UNO_CODIGO
Varchar(10)
Varchar(4)
Not
Cdigo
Null
requerimiento
Not
Cdigo de la -
Null
unidad
orgnica
de PK
que
solicita
el
requerimiento
CREQ_UO_BENEFI Varchar(4)
Not
Unidad
CIADA
Null
orgnica
Not
Ao en que se -
Null
solicita
se
que
beneficia
con
el
requerimiento
NPPTO_AO
Numeric(4,0)
el
requerimiento
CREQ_DESCRIPCI
Varchar(150)
ON
Not
Descripcin del -
Null
requerimiento
solicitado
CREQ_TIPO
CCAT_TIPOBS
Varchar(2)
Varchar(1)
Not
Tipo
de -
Null
requerimiento
Not
Tipo
Null
bien/servicio
de -
del
requerimiento
CREQ_ESTADO
Varchar(2)
Not
Estado
del -
Null
requerimiento

87

Tabla N14: Tabla de Descripcin de la tabla

PRM_UNI_ORGANICA
Nombre Columna
CP_UNO_CODIGO
Tipo de Null
Dato
Option
Char(4)
Not Null
Descripcin
Cdigo
PK
de
la PK
FK
unidad orgnica
CP_UNO_DESCRIP
Varchar
CION
(80)
Null
Descripcin
cdigo
del -
de
la
unidad orgnica
CP_UNO_CODRESP
Char(5)
Null
CP_UNO_ESTADO
Char(1)
Null
Estado
de
la -
unidad orgnica
CP_UNO_UNIDEP
Char(4)
Null
CP_UNO_SIG_DOC
Char(8)
Null
DAUDI_FEC_INS
Date
Null
CAUDI_USR_INS
Varchar
Null
(6)
DAUDI_FEC_UPP
Date
Null
CAUDI_FEC_UPC
Varchar
Null
(6)

88


LOG_ORDEN_COSTO_UO
Nombre Columna
NPEJE_AO
Tipo
de Null
Descripcin
Dato
Option
Numeric(4,0
Not Null
Ao
PK
de
inscripcin de
la orden.
CCAT_TIPOBS
Varchar(1)
Not Null
Cdigo
de
tipo
de
bien/servicio
CORD_NRO
Varchar(8)
Not Null
Nmero de la
orden
del
bien/servicio
CCAT_CODIGO
Varchar(10)
Not Null
CP_UNO_CODIGO
Varchar(4)
Not Null
Cdigo de la
unidad
orgnica
NORDD_CANTIDA
Numeric(18,
4)
NORDD_PRECIO
Numeric(18,
Null
bien / servicio
Null
4)
NORDD_MONTO
Precio
por
bien / servicio
Numeric(18,
4)
Cantidad por
Null
Monto por los

bienes/servici
os

89
FK

2.7.
Modelado dimensional
Habiendo realizado el anlisis de las entrevistas y los requerimientos,
pasaremos a identificar las medidas y dimensiones orientadas a analizar la

informacin en sus diferentes niveles.
2.7.1. Eleccin de las dimensiones
Para determinar las dimensiones con el que iba a contar la Data
Mart, se empez identificando las variables de anlisis por las cuales el usuario
suele elaborar sus reportes. Entre las ms destacadas se encontraron:
Bienes-servicios comprados
Tipo bien-servicio
Precio referencial de bienes-servicios
Grupo del bien - servicio
Clase del bien - servicio
Fecha de compra de bienes-Servicio
Semestre de compra del bien - servicio
Mes de compra del bien - servicio
Proveedores de bienes servicios
Ruc de proveedores
Tipo de proveedores
Estado de proveedores
Ubicacin de los proveedores
Unidad orgnica solicitante
Estado unidad orgnica
Tipo de proveedores
Se agrupan las variables de anlisis por la afinidad entre ellas,

generalmente cada una viene a ser caracterstica o atributos de alguna entidad
importante que podra ser una dimensin.

90

Cuadro N38: Cuadro de eleccin de dimensiones

Dimensiones
Bienes-servicios comprados
Precio referencial de bienes-servicios
Bien_servicio
Grupo del bien servicio

Clase del bien servicio
Tipo bien-servicio
Proveedores de bienes servicios
Proveedor
Ruc de proveedores
Tipo de proveedores
Estado de proveedores
Ubicacin de los Proveedores
Unidad orgnica
Unidad Orgnica Solicitante

Estado Unidad orgnica
Tiempo
Fecha de compra de bienes-servicio

Semestre de compra del bien
servicio
Mes de compra del bien - servicio
2.7.2. Dimensiones encontradas

Luego del anlisis anterior de concluye que las dimensiones que
conforman la Data Mart Son:
-
TIEMPO_DIM
BIEN_SERVICIO_DIM
UNIDAD_ORGANICA_DIM
PROVEEDOR_DIM

91

2.7.3. Medidas encontradas

De acuerdo al anlisis realizado, se encontraron las siguientes
medidas:
- Cantidad de bienes y servicios adquiridos
- Monto facturado de bienes y servicios adquiridos
2.7.4. Jerarqua de las dimensiones
Figura N22: Diagramas de anlisis dimensional de la cantidad de

bienes y servicios adquiridos

92

Figura N23: Diagramas de anlisis dimensional del monto

facturado de bienes y servicios adquiridos
Dimensin BIEN_SERVICIO_DIM
Esta dimensin abarca a los bienes y servicios, su precio

referencial, la clase y el grupo al que perteneces.
Figura N24: Jerarqua de dimensin BIEN_SERVICIO_DIM
TIPO
GRUPO
CLASE
BIEN_SERVICIO
Dimensin TIEMPO_DIM
Esta dimensin abarca las fechas de las rdenes de compra de

los bienes o servicios.

93

Figura N25: Jerarqua de dimensin TIEMPO_DIM

AO
SEMESTRE
MES
Dimensin Unidad_Orgnica_DIM
Contiene a las unidades orgnicas que van a realizar los

requerimientos para las rdenes de compra.
Dimensin proveedor_DIM
Abarca a los proveedores que nos proveen de los bienes y

servicios.
Figura N26: Jerarqua de dimensin proveedor_DIM
TIPO
NOMBRE PROVEEDOR
2.7.5. Tabla de hechos

La tabla de hechos, representa la cantidad de rdenes de bienes
o servicios y el monto facturado de dicha orden.
Las medidas de la tabla de hechos son:
Cantidad
Monto facturado

94

Figura N27: Modelo de datos dimensional
BIEN_SERVICIO_DI
M
Bien_KEY
Codigo_Bien
Denominacion
Precio_Referencial
Tipo_BS
Grupo
Clase
Proveedor_DIM
Proveedor_KEY
RUC
Nombre
Direccion
Tipo
Estado
DNI
Fecha_Nacimiento
Sexo
Fact_Bienes_Servcios
Tiempo_KEY
Unidad_Organica_KEY
Proveedor_KEY
Bien_KEY
Cantidad
Monto_Facturado
TIEMPO_DIM
Tiempo_KEY
Ao
Sementre
Mes
Fecha
Unidad Orgnica
Unidad_orgnica_KEY
Codigo_Unidad
Descripcion
Estado

95

2.8.
Diseo de la arquitectura tcnica

La arquitectura de la solucin de Inteligencia de Negocios, est
conformada por tres grandes capas: datos, back roomy front room.
2.8.1. Datos
Los datos que contribuyen la informacin del data Mart, se
refieren los componentes principales de los procesos que llevan a la
construccin de la aplicacin.
Para el anlisis de los datos, se comienza por analizar los datos
fuentes que maneja la Contralora General de la Repblica, el tipo de base de
datos y la estructura de las tablas. Actualmente la base de datos se encuentra
implementada en Oracle 11g.
Para el data Mart desarrollado, se requiere la informacin
relacionada
a las compras de bienes-servicios, requerimientos de bienes-
servicios, fechas de requerimientos, fechas de rdenes de compras, unidades

orgnicas solicitantes, proveedores, catlogo de bien-servicio, clase de bienservicio, grupo de bien-servicio.
Para este caso las tablas utilizadas de la base de datos de la
Contralora fueron:
LOG_ORDEN: tiene informacin referente a las rdenes de
compra de los bienes y ordenes de adquisicin de servicios.
LOG_ORDEN_DETA: tiene informacin de los detalles de la
compra de bienes y adquisicin de servicios.
LOG_REQUERIMIENTO:
tiene
informacin
de
los
requerimientos de las unidades orgnicas.

PRM_UNI_ORGNICA:
contiene
la
informacin
de
las
unidades orgnicas
SIGA_CATLOGO_BIEN_SERV: Contiene informacin de los
bienes y servicios
SIGA_CLASE_BIEN_SERV: Contiene la informacin referente
a las clases que perteneces los bienes y servicios
96

SIGA_GRUPO_BIEN_SERV: contiene informacin referentes a

los grupos que pertenecen los bienes y servicios
SIGA_PORVEEDOR: contiene informacin referente a los
proveedores que brindan los bienes o servicios.
Mapeo de los datos en el modelo dimensional

Para cargar los datos en el modelo dimensional se requiere la
informacin de las tablas mencionadas anteriormente:
Tabla N35: Tabla de mapeo de datos para el modelo dimensional

Dimensin
Fuente de datos
Bien_Servicio_Dim
Proveedor_Dim
SIGA_PROVEEDOR
Tiempo_Dim
LOG_ORDEN
Unidad_Orgnica_Dim
PRM_UNI_ORGANICA

BIEN_SERVICIO_DIM
Cdigo_bien_servicio con el campo CCAT_CODIGO de la
tabla SIGA_CATALOGO_BIEN_SERV.
Denominacin con el campo CCTA_DENOMINACION de la
Precio_referencial con el campo NCAT_PRECIOREF de la
Tipo_BS
con
el
campo
CCAT_TIPOBS
de
la
tabla
SIGA_CATALOGO_BIEN_SERV.
Grupo con el campo CGBS_DENOMINACION de la tabla
SIGA_GRUPO_BIEN_SERV.
97

Clase
con el campo CCBS_DENOMINACION de la tabla
SIGA_CLAE_BIEN_SERV.
PROVEEDOR_DIM
RUC
con
el
campo
CPRO_RUC
de
la
tabla
SIGA_PROVEEDOR.
Nombre
con
el
campo
CPRO_NOMBRE
de
la
tabla
SIGA_PROVEEDOR.
Direccin
con el campo CPRO_DIRECCIN de la tabla
SIGA_PROVEEDOR.
Tipo
con
el
campo
CPRO_TIPO
de
la
tabla
SIGA_PROVEEDOR.
Estado
con
el
campo
CPRO_ESTADO
de
la
tabla
CPRO_NUMDOCIDE
de
la
tabla
SIGA_PROVEEDOR.
DNI
con
el
campo
SIGA_PROVEEDOR.
Fecha_nacimiento con el campo DPRO_FECNAC de la tabla
SIGA_PROVEEDOR.
Sexo
con
el
campo
CPRO_SEXO
de
la
tabla
SIGA_PROVEEDOR.
TIEMPO_DIM
Ao con el campo DORD_FECHA de la tabla LOG_ORDEN.
Semestre
con
el
campo
DORD_FECHA
de
la
tabla
LOG_ORDEN.
Mes con el campo DORD_FECHA de la tabla LOG_ORDEN.
Fecha con el campo DORD_FECHA de la tabla LOG_ORDEN.
UNIDAD_ORGANICA_DIM
Cdigo_Unidad con el campo CP_UNO_CODIGO de la tabla
PRM_UNI_ORGANICA

98

Descripcin con el campo CP_UNO_DESCRIPCION de la

tabla PRM_UNI_ORGANICA
Estado
con el campo CP_UNO_ESTADO de la tabla
PRM_UNI_ORGANICA
2.8.2. Back room

Es el rea del data mart responsable de extraer y preparar los
datos. Aqu se explica cmo se realiz el proceso ETL en la bodega de datos.
Se parte de los datos fuentes en los sistemas de informacin de la
Contralora General de la Repblica. Una de las polticas del data mart es no
modificar los sistemas de la CGR, pues se estara alterando sus procesos y de
esta forma los procesos OLTP.
Extraccin
La Contralora General de la Repblica, maneja base de datos
ORACLE en sus sistemas de informacin. En el proyecto, se hizo una
extraccin de las tablas que interesan para el desarrollo en el modelo
dimensional
como
son:
LOG_ORDEN,
LOG_REQUERIMIENTO,
SIGA_CATALOGO_BIEN_SER,
LOG_ORDEN_DETA,
PRM_UNI_ORGNICA,
SIGA_CLASE_BIEN_SERV,
SIGA_GRUPO_BIEN_SERV, SIGA_PORVEEDOR
Transformacin
Para la transformacin de los datos se realiz el mapeo. Para
entender mejor a la transformacin se puede ver que las con consultas que van
a llenar las tablas dimensionales no contiene toda estructura de las tablas
fuentes, pues solo se hizo la extraccin de los datos que interesaban.

99

Carga
Luego de tener los datos transformados, se hace el proceso de
carga en el modelo dimensional, de tal forma que queden listos para que se
puedan utilizar herramientas OLAP o de anlisis multidimensional. Finalmente,
los datos extrados y transformados son cargados en la base de datos del
modelo dimensional.
2.8.3. Front room
El data mart est estructurado de forma que se pueda ver la
informacin multidimensional en el modelo dimensional de bienes comprados y
servicios adquiridos, con respecto a los requerimientos realizados por unidades
orgnicas, proveedores de bienes y servicios, y en medidas de tiempo.
Respecto a los reportes tambin se pueden decir que sern
actualizados semestralmente, cuando el usuario ejecute la aplicacin de carga
para actualizar la informacin contenida en las base de datos OLTP.

100

2.9.
Diseo fsico
Figura N28: Diseo fsico de la data mart

BIEN_SERVICIO_DIM
BIEN_KEY
Codigo_Bien
Denominacion
Precio_Referencial
Tipo_BS
Grupo
Clase
PROVEEDOR_DIM
Proveedor_KEY
FACT_BIENES_SERVICIO
RUC
Tiempo_kEY
Nombre
Unidad_Organica_KEY
Tiempo_kEY
Direccion
Proveedor_KEY
Ao
Tipo
Bien_KEY
Semestre
Estado
fecha
Mes
DNI
cantidad
Fecha
Fecha_Nacimiento
monto_facturado
TIEMPO_DIM
Sexo
UNIDAD_ORGANICA_DIM
Unidad_Organica_KEY
Codigo_Unidad
Descripcion
Estado

101

2.9.1. Dimensin Bienes: BIEN_SERVICIO_DIM

La dimensin BIEN_SERVICIO_DIM est conformada por:
Tabla N36: Tabla de diseo fsico de dimensin

BIEN_SERVICIO_DIM
CAMPO
TIPO
LONGITUD
DESCRIPCIN
Bien_Key
Int
Clave
Codigo_Bien
Int
Cdigo
del
bien
del
bien
servicio
Denominacion
Varchar
150
Nombre
servicio
Precio_Referencial Numeric
18,4
Precio de referencia del

bien o servicio
Tipo_BS
Varchar
10
Tipo del producto ( bien

o servicio)
Grupo
Varchar
150
Nombre del grupo que

pertenece
el
bien
servicio
Clase
Varchar
150
Nombre de la clase que

pertenece
el
bien
servicio

102

2.9.2. Dimensin tiempo: TIEMPO_DIM

La dimensin TIEMPO_DIM est conformada por:
Tabla N37: Tabla de diseo fsico de dimensin TIEMPO_DIM

CAMPO
TIPO
LONGITUD
DESCRIPCIN
Timepo_Key Int
Clave
Ao
4,0
Ao
Numeric
de
la
orden
de
Compra
Semestre
NVarchar
20
Semestre de la orden de
Compra
Mes
Int
Mes
de
la
orden
de
Compra.
Fecha
Date
Fecha de la orden de
Compra.
2.9.3. Dimensin unidad orgnica: UNIDAD_ORGANICA_DIM

La dimensin un est conformada por:
Tabla N38: Tabla de diseo fsico de dimensin

UNIDAD_ORGANICA_DIM
CAMPO
TIPO
LONGITUD DESCRIPCIN
Unidad_Orgnica_KEY Int
Clave
Cdigo_Unidad
Cdigo
Char
de
la
unidad orgnica
Descripcin
Varchar
80
Nombre del bien

o servicio
Estado
Varchar
20
Estado
de
la
unidad orgnica.

103

2.9.4. Dimensin proveedor: PROVEEDOR_DIM

La dimensin PROVEEDOR_DIM est conformada por:
Tabla N39: Tabla de diseo fsico de dimensin PROVEEDOR_DIM

CAMPO
TIPO
LONGITUD
DESCRIPCIN
Proveedor_key Int
Clave
RUC
Varchar
11
RUC del proveedor
Nombre
Varchar
150
Nombre del proveedor
Direccin
Varchar
150
Direccin del proveedor
Tipo
Varchar
10
Tipo de proveedor
Estado
Varchar
51
Estado del proveedor
DNI
Varchar
15
DNI del proveedor
Fecha
Date
Fecha de nacimiento del
Nacimiento
Sexo
proveedor
Varchar
10
Sexo del proveedor

104

2.10. Diseo e implementacin del subsistema de ETL

Figura N29: Diseo ETL de solucin de inteligencia de negocios

Para la realizacin del proceso ETL de las dimensiones y fact table, se utiliz la
herramienta INTEGATION SERVICES que nos brinda SQL SERVER
BUSINNES INTELIGENCE DEVELOPMENT STUDIO en su versin 2008 R2

105

2.10.1. Flujo de datos PROVEEDOR_DIM

Figura N30: Flujo de datos de poblando dimensin proveedor

Consulta
SELECT CPRO_RUC, CPRO_NOMBRE, CPRO_DIRECCION,
TIPO=CASE WHEN CPRO_TIPO='N' THEN 'NATURAL' ELSE
'JURIDICO' END, CPRO_ESTADO, CPRO_NUMDOCIDE,
DPRO_FECNAC, CPRO_SEXO FROM SIGA_PROVEEDOR
Figura N31: OLEDB Source de poblando dimensin proveedor

106

Destino TransaccionalMart [dbo] PROVEEDOR_DIM

Figura N32: OLEDB destination de poblando dimensin
proveedor

Transformacin
Figura N33: Mapping de poblando dimensin proveedor

107

2.10.2. ETL de Dimensin BIENES_SERVICIOS_DIM

Figura N34: Flujo de datos de poblando dimensin
BIENES_SERVICIOS
Consulta
SELECT
CCAT_CODIGO,
CCAT_DENOMINACION,
isnull
(NCAT_PRECIOREF, 0) precio, tipo_bs = case when CCAT_TIPOBS='B'

then 'BIEN' else 'SERVICIO' end, gru.CGBS_DENOMINACION grupo,
cla.CCBS_DENOMINACION clase
FROM
dbo.SIGA_CATALOGO_BIEN_SERVcatainnerjoindbo.SIGA_CLA
SE_BIEN_SERV CLA oncata.CGBS_TIPOBS = cla.CGBS_TIPOBS and
cata.CGBS_GRUPOBS=cla.CGBS_GRUPOBSandcata.CCBS_CLASEB
S =cla.CCBS_CLASEBSINNER JOIN dbo.SIGA_GRUPO_BIEN_SERV
GRU
ON
CLA.CGBS_TIPOBS=GRU.CGBS_TIPOBS
and
cla.CGBS_GRUPOBS=gru.CGBS_GRUPOBS

108

Figura N35: OLEDB Source de poblando dimensin

BIENES_SERVICIOS

Destino transaccionalMart [dbo] BIENES_SERVICIOS_DIM
Figura N36: OLEDB destination de poblando dimensin
BIENES_SERVICIOS

109

Transformacin
Figura N37: Mapping de poblando dimensin BIENES_SERVICIOS

2.10.3. ETL de Dimensin TIEMPO_DIM
Figura N38: Flujo de datos de poblando dimensin tiempo

Consulta
SELECT DISTINCT DATEPART(YY,DORD_FECHA)
AO,SEMESTRE=CASE WHEN DATEPART(QQ,DORD_FECHA)=1
OR DATEPART(QQ,DORD_FECHA)=2 THEN 1WHEN
DATEPART(QQ,DORD_FECHA)=3 OR

110

DATEPART(QQ,DORD_FECHA)=4 THEN 2 END,

DATEPART(MM,DORD_FECHA) MES, DORD_FECHA FECHA
FROM LOG_ORDENORDER BY FECHA
Destino TransaccionalMart [dbo] TIEMPO_DIM
Figura N39: OLEDB Destination de poblando dimensin tiempo

111

Transformacin
Figura N40: Mappping de poblando dimensin proveedor
2.10.4. ETL de Dimensin UNIDAD_ORGNICA_DIM

Figura N41: Flujo de datos de poblando dimensin
UNIDAD_ORGNICA_DIM

Consulta
SELECT *, ESTADO=CASE WHEN CP_UNO_ESTADO='A' THEN
'HABILITADO'WHEN
CP_UNO_ESTADO='I' THEN 'INHABILITADO'
ELSE 'INHABILITADO' END

FROM DBO.PRM_UNI_ORGANICA
WHERE CP_UNO_CODIGO<>''
112

Figura N42: OLEDB Source de poblando dimensin

BIENES_SERVICIOS

Destino transaccional Mart [dbo] UNIDAD_ORGNICA_DIM
Figura N43: OLEDB destination de poblando dimensin UNIDAD_
ORGNICA_DIM

113

Transformacin
Figura N44: Mapping de poblando dimensin
UNIDAD_ORGNICA

2.10.5.
ETL de Poblando fact table

Figura N45: Flujo de datos de poblando fact table

114

Consulta
Select TIEMPO_D.Tiempo_kEY, PROV_D.Proveedor_KEY,
BIEN_D.BIEN_KEY, UO_D.Unidad_Organica_KEY,
O.DORD_FECHA FECHA, sum(d.NORDD_CANTIDAD) cantidad,
sum(o2.NORDD_MONTO) MONTO
from LOG_ORDEN o inner join LOG_ORDEN_DETA d on
o.NPEJE_AO=d.NPEJE_AO AND
o.CCAT_TIPOBS=D.CCAT_TIPOBS AND
O.CORD_NRO=D.CORD_NRO
INNER JOIN LOG_ORDEN_COSTO_UO O2 ON
D.NPEJE_AO=O2.NPEJE_AO AND
D.CCAT_TIPOBS=O2.CCAT_TIPOBS AND
D.CORD_NRO=O2.CORD_NRO AND
D.CCAT_CODIGO=O2.CCAT_CODIGO
INNER JOIN Transaccional_Mart.dbo.TIEMPO_DIM TIEMPO_D ON
O.DORD_FECHA=TIEMPO_D.Fecha
INNER JOIN Transaccional_Mart.dbo.PROVEEDOR_DIM PROV_D ON
O.CPRO_RUC=PROV_D.RUC
INNER JOIN Transaccional_Mart.dbo.BIEN_SERVICIO_DIM BIEN_D
ON D.CCAT_CODIGO=BIEN_D.Codigo_Bien
INNER JOIN Transaccional_Mart.dbo.UNIDAD_ORGANICA_DIM UO_D
ON O2.CP_UNO_CODIGO=UO_D.Codigo_Unidad
group by TIEMPO_D.Tiempo_kEY,
PROV_D.Proveedor_KEY,
BIEN_D.BIEN_KEY,
UO_D.Unidad_Organica_KEY,
O.DORD_FECHA
order by 1,2,3,4

115

Figura N46: OLEDB Source de poblando fact table
Destino transaccional Mart [dbo] FACT_BIEN_SERVICIO

Figura N47: OLEDB destination de poblando fact table

116

Transformacin
Figura N48: Mapping de poblando fact table
2.11. Seleccin del producto

Debido a la familiaridad con que cuentan con analistas de sistemas de la
Contralora General de la Repblica al usar las herramientas de inteligencia de
negocios de microsoft (Integration Services, Analysis Services, SQL server), se
usarn dichas herramientas para el desarrollo e implementacin del proyecto.

117

2.12. Desarrollo de aplicacin de BI

2.12.1. Desarrollo de cubo
-
TIEMPO_DIM
Atributos
Figura N49: Atributos de dimensin TIEMPO_DIM

Jerarquas
Figura N50: Jerarqua de dimensin TIEMPO_DIM

Vista de origen de datos
Figura N51: Vista de orgenes de datos de dimensin TIEMPO_DIM

118

BIEN_SERVICIO_DIM
Atributos
Figura N52: Atributos de dimensin BIEN_SERVICIO_DIM
Jerarquas
Figura N53: Jerarqua de dimensin BIEN_SERVICIO_DIM

Figura N54: Vista de origen de datos de dimensin
BIEN_SERVICIO_DIM

119

PROVEEDOR_DIM
Atributos
Figura N55: Atributos de dimensin PROVEEDOR_DIM

Jerarquas
Figura N56: Jerarquas de dimensin PROVEEDOR_DIM

PROVEEDOR_DIM

120

UNIDAD_ORGANICA_DIM
Atributos
Figura N58: Atributos de dimensin UNIDAD_ORGANICA_DIM

Jerarquas
Figura N59: Jerarquas de dimensin UNIDAD_ORGANICA_DIM
Vista de Origen de Datos

UNIDAD_ORGANICA_DIM

121

Figura N61: Vista de orgenes de datos de la solucin de inteligencia

de negocios

122

2.12.2. Desarrollo en QlikView
Figura N62: Implantacin del R-01: monto facturado por servicios

Descripcin: el Reporte mostrado responde al requerimiento R-01: monto
facturado por servicios, permitiendo al usuario saber la cantidad facturada
por ao, mes y semestre de los servicios solicitados y una descripcin de
los mismos.
123

Figura N63: Implantacin del R-02: monto facturado por bienes

Descripcin: el reporte mostrado responde al requerimiento R-02: monto
facturado por bienes, permitiendo saber la cantidad facturada por ao, mes
y semestre de los bienes adquiridos y adems una descripcin de los
mismos.
124

Figura N64: Implantacin del R-03: cantidad de rdenes de servicios

realizadas.

Descripcin: el reporte mostrado responde al requerimiento R-03: cantidad de
rdenes de servicios realizadas, permitiendo saber la cantidad de rdenes de
servicio realizados por ao, mes y semestre, as como tambin,
una
descripcin de los mismos

125

Figura N65: Implantacin del R-04: cantidad de rdenes de bienes

adquiridos

Descripcin: el reporte mostrado responde al requerimiento R-04: cantidad
de rdenes de bienes adquiridos, permitiendo saber la cantidad adquirida
por ao, mes y semestre de los bienes y adems una descripcin de los
mismos.
126

Figura N66: Implantacin del R-05: servicio ms solicitado

Descripcin: el reporte mostrado responde al requerimiento R-05: Servicio
ms solicitado, permitiendo saber el servicio ms solicitado por ao, mes y
semestre.

127

Figura N67: Implantacin del R-06: Bien ms solicitado.

Descripcin: el reporte mostrado responde al requerimiento R-06: Bien ms
solicitado, permitiendo saber el bien ms solicitado por ao, mes y
semestre.
128

2.12.3. Implementacin
Para la implementacin debemos instalar el QlikView server en
el servidor destinado para la aplicacin de BI y aplicar la solucin de BI
realizada para que se pueda recargar diariamente.
Pasos para instalacin de QlikView Server
Debemos dar Clic Izquierdo en next (Siguiente) y luego
seleccionar el idioma a instalar.
Figura N68: Ventana de bienvenida de instalacin de QlikVIew
Fuente: Propia
Figura N69: Eleccin de regin de instalacin de QlikVIew
Fuente: Propia
129

A continuacin, debemos aceptar la licencia y despus colocar el

nombre y organizacin de usuario.
Figura N70: Licencia de instalacin de QlikVIew
Fuente: Propia
Figura N71: Costumer Information para QlikVIew
Fuente: Propia

130

Seleccionar la ruta de Instalacin (se recomienda dejar la que

viene por Default) y hacer clic en next.
Figura N72: Destination Folder de QlikVIew
Fuente: Propia
Seleccionar full installation, single machine with Qlikview server y

dar clic izquierdo en next.
Figura N73: Profiles de QlikVIew
Fuente: Propia
131

Colocar el usuario de la forma (DomainName\ UserName)

previamente creado para administrar los servicios de Qlikview.
Figura N74: Login Information de QlikView
Fuente: propia
Seleccionar use Qlikview Administrators Group y hacer clic en
next:
Figura N75: Service Authentication de QlikView
Fuente: Propia

132

Hacer clic en install y esperar a que se copien los datos y se

realice la instalacin. Despus hacer clic en finish y reiniciar el servidor.
Figura N76: Installing QlikVIew Server x64
Fuente: propia
Figura N77: Installing QlikVIew Server x64
Fuente: propia
Una vez reiniciado el server ir a la consola de servicios de

Windows y revisar que todos los servicios de Qlikview estn iniciados (Started)
133

y en Automtico (Automatic).
Figura N78: Servicios QlikVIew Server x64
Fuente: Propia
Configuracin para la publicacin de la solucin de
inteligencia de negocios en QlikView.
La publicacin de la aplicaciones en el servidor de QlikView, va a
permitir que sta aplicacin pueda ser vista por los usuarios que forman parte
de nuestra red o dominio dentro de la Contralora General de la Repblica.
Para ejecutar esta configuracin, ingresamos al servidor de
QlikView y accedemos a la consola de administracin desde Inicio - Todos los
programas - QlikView - QlikView management console.
Figura N79: Ruta managment Ccnsole QlikVIew server x64
Fuente: Propia

134

Figura N80: Managment console QlikVIew server x64
Fuente: Propia
Primero, debemos configurar el root folder, para esto nos

dirigimos a la pestaa System, luego seleccionaremos el QVS@qlikview del
men de la izquierda y elegimos la pestaa folders de los parmetros visibles
a la derecha.

135

Figura N81: System-managment console QlikVIew server x64
Fuente: Propia
El root folder, es el directorio donde se almacenar nuestro

aplicativo para que pueda ser visto por los usuarios. Es aqu, donde
ubicaremos la ruta del archivo creador y en mounted folders instalaremos la
ruta del archivo reporte; para este caso, crearemos una carpeta llamada DATA
QVD en la unidad D en donde colocaremos el archivo reporte.
Figura N82: System-folders-managment console QlikVIew server
x64
Fuente: Propia
136

Podemos acceder a nuestra solucin de inteligencia de negocios

desde cualquier equipo que forme parte del dominio.
Figura N83: Visualizacin QlikView en la web
Fuente: Propia

137

Captulo III: Pruebas y resultados

138


Sobre la base de la entrevista de evaluacin de resultados N1 aplicada al
Personal de Finanzas de la Contralora General de la Repblica, se obtuvo lo
siguiente:
3.1.
Contrastacin de hiptesis
Figura N84: Grfico de cumplimiento con requerimientos solicitados

Encontrando el valor promedio respecto al cumplimiento de los requerimientos
solicitados, nos da como resultado, el valor promedio de 5. De modo que,
podemos decir que se cumple con la hiptesis propuesta de la tesis.
3.2.
Rapidez de respuesta de informacin

Figura N85: Grfico de rapidez de repuesta de informacin

139

Encontrando el valor promedio respecto a la velocidad de la solucin de

inteligencia de negocios, se logra el valor promedio de 4.8, podemos decir, que
se cumple con la hiptesis propuesta de la tesis.
3.3.
Interaccin con solucin de inteligencia de negocios

Figura N86: Grfico de interaccin con solucin de inteligencia de
negocios

Encontrando el valor promedio respecto a la interaccin con la solucin de
inteligencia de negocios, se obtiene el valor promedio de 4.8, por consiguiente,
se cumple con la hiptesis propuesta de la tesis.
3.4.
Mejora del proceso de toma de decisiones del rea de finanzas.

Figura N87: Grfico de interaccin con solucin de inteligencia de
negocios

140

Encontrando el valor promedio respecto a la Interaccin con la solucin de

inteligencia de negocios, se logra precisar el valor promedio de 5, en
consecuencia, podemos decir que se cumple con la hiptesis propuesta de la
tesis.
Por lo tanto, la hiptesis planteada en la tesis que consiste en la
implementacin de una Data Mart como solucin de inteligencia de negocios,
bajo la metodologa de Ralph Kimball, optimizar el proceso de toma de
decisiones del Departamento de Finanzas de la Contralora General de la
Repblica.

141

Conclusiones y recomendaciones

142

Conclusiones
a) Se logr identificar los procesos que permiten llevar a cabo la toma de
decisiones, admitiendo se realice un anlisis de los requerimientos de la
empresa.
b) Se estudi el Departamento de Finanzas de la CGR, estableciendo de

manera correcta, las medidas que se utilizan en la realizacin de
reportes para la toma de decisiones.
c) Se analiz y seleccion los datos indispensables para el desarrollo la

solucin de inteligencia de negocios, lo que garantiz la validez y calidad
de los mismos
d) Se construy un modelo de datos OLAP, que permiti ejecutar las

consultas, a partir de informacin previamente procesada, obteniendo
como resultado la flexibilidad al usuario al realizar las diferentes
consultas
preelaboradas. Adems, se efectuaron las pruebas, para
corregir los errores siguiendo la solucin de inteligencia de negocios
e) Se dise las interfaces, mediante la herramienta QlikView para

desplegar el cubo OLAP

143

Recomendaciones
Continuar
la
construccin
de
los
indicadores
postergados
por
limitaciones y falta de tiempo. En el presente proyecto las bases estn

construidas para seguir extendiendo el nmero de indicadores en la Data
Mart.
Construir
una
herramienta
propia
de
la
organizacin,
para
la
visualizacin de la Data Mart.

Se recomienda documentarse bien en el uso de las herramientas y
realizar pruebas antes de iniciar el uso de produccin de estas. Se
puede conocer muy bien el proceso a desarrollar, pero si las
herramientas no son utilizadas de la manera correcta entonces llevar al
fracaso del producto final.

144

Fuentes bibliogrficas
1. Llus, Josep. BussinesIntelligence: Competir con Informacin. BarcelonaEspaa: Editorial Dataprix. (2008).
2. Ralph K. & Ross M. The data WareHouse toolkit: the complete to

dimensional modeling. New York-EEUU: Editorial WILEY. (2002).
3. Lpez, Carlos. Anlisis, Diseo e Implementacin de un Data Mart para
la direccin financiera y recursos humanos de la Escuela Politcnica del
Ejrcito para una toma de decisin Efectiva. Tesis de Bachiller
publicada. Departamento de ciencias de la computacin de la Escuela
Politcnica del Ejrcito, Sagolqui, Ecuador.(2007)
4. Nez Grace. Anlisis, Diseo e Implementacin de una Solucin de
Inteligencia de Negocio para el rea de Finanzas de la Municipalidad de
Lima. Tesis de Bachiller publicada. Pontificia Universidad Catlica del
Per, Lima, Per. (2010).
5. Fernndez Eddy. Anlisis, Diseo e Implementacin de un Data Mart de
clientes para el rea de Marketing de una Entidad Aseguradora. Tesis de
Bachiller publicada. Pontificia Universidad Catlica del Per, Lima, Per.
(2010).
6. Villanueva lvaro. Anlisis, Diseo e Implementacin de un Data
Warehouse de soporte de decisiones para un Hospital del Sistema de
Salud Pblico. Tesis de Bachiller publicada. Pontificia Universidad
Catlica del Per, Lima, Per. . (2008)
7. Kimball Ralph. Data WareHouse Lifecycle Tolkit. London: Editorial LEA
(2008).
8. Kimball Ralph. The Data WareHousestagin toolkit. London: Editorial IDG
BOOKS (2004).
9. Inmon William H. Building the Data Warehouseagin toolkit. London:
Editorial Wiley (2005)
Fuentes bibliogrficas
145

Fuentes electrnicas
1. Contralora General de la Repblica, 2011 [Consultado el 7 de Octubre
2012]http://apps.contraloria.gob.pe/dv/index.htm
2. Espiera, Sheldon y Asociados. La Inteligencia de Negocios (Business
Intelligence). Boletin e Asesora Genrecial. 2008. [Consultado el 30 de
Octubre
2012].
Disponible
en:http://www.pwc.com/ve/es/asesoria-
gerencial/boletin/assets/boletin-advisory-edicion-10-2008.pdf
3. Salvador R. Integration Services: Pieza fundamental en los proyectos de
BI (parte 1 de 2). Marzo 2011 [Consultado el 5 de octubre 2012].
Disponible
en:http://www.solidq.com/sqj/es/JournalDocuments/2011-
March-Issue/Integration-Services-pieza-fundamental-en-los-proyectosde-BI-(parte-1-de-2).pdf
4. Empresa Consultec. Microsoft SQL Server 2005 Funcionalidades de
Business Intelligence).2010 [Consultado el 5 de octubre 2012].
Disponible
en:http://www.consultec.es/DocInformes/SQL%20Business%20Intelligen
ce.pdf

Fuentes electrnicas
146

ANEXOS

147

Anexo N01: Gua de entrevista n01
Entrevistado: Mimia Ching

Entrevistador:
Alejandro
Fecha:
Rojas
Zaldvar
rea: Gerencia de finanzas
Objetivo:
Conocer la situacin actual del rea de Finanzas de la Contralora General de
la Repblica
Dirigido a:
Gerente del rea de Finanzas
Preguntas:
5.
Cul es la funcin del departamento de finanzas dentro de la

Contralora General de la Repblica?
6.
Cul de sus funciones, estn directamente relacionadas con la Alta

Direccin y el Departamento de Finanzas?
7.
Cmo califica usted al sistema de gestin administrativa?
8.
Cmo realiza los reportes en el SIGA?
Resumen:
El Departamento de Finanzas es el rgano dependiente de la Gerencia Central
de Administracin y Finanzas, encargado de efectuar la programacin,
ejecucin y evaluacin de las actividades relacionadas con los procesos de
presupuesto, contabilidad y tesorera, as como elaborar e interpretar los
estados financieros y presupuestales de la Contralora General de la
Repblica. Est a cargo de un gerente.
Dentro de nuestras funciones de la Gerencia de Finanzas, las que estn ms
ligadas a la Alta Direccin son: Organizar, programar y ejecutar los procesos
que permitan presentar a la Alta Direccin la informacin econmica y
financiera oportuna para la toma de decisiones, formular el presupuesto
institucional en coordinacin con las unidades orgnicas, emitir los informes de
disponibilidad presupuestaria para la adquisicin o contratacin de bienes,
servicios u obras que requiera la entidad, formular la consolidacin mensual de
ANEXOS
148

gastos y efectuar la consolidacin con los saldos de balance y presentar a la

alta direccin los estados financieros y presupuestales del pliego.
El SIGA, actualmente es un sistema que si cumple con nuestras necesidades
diarias, pero existe un dficit en cuanto a la generacin de reportes, debido a
la espera que existe para poder obtenerlos.
Para solicitar los reportes existe un men dentro del sistema, en el cual yo
como gerente, puedo seleccionar los reportes que necesito, y este sistema me
los proporciona en excel o un archivo pdf.
Lo mismo sucede cuando la Alta Direccin est en reunin y desean obtener
reportes en ese momento. Ellos interactan con el sistema para realizar estos
reportes y tienen que esperar un tiempo para poder obtener la informacin.
Esto se constituye en una queja constante, por parte de la alta direccin, pues
tienen que esperar demasiado tiempo para obtener la informacin.

ANEXOS
149

Anexo N02: Gua de entrevista n02
Entrevistado: Javier Zaldvar Prettel

Entrevistador:
Zaldvar
Alejandro
Fecha:
Rojas
rea: Gerencia de Tecnologas de la
Informacin
Objetivo:
Conocer la situacin actual del mdulo de finanzas dentro de SIGA.
Dirigido a:
Encargado del mdulo de finanzas del SIGA.
Preguntas:
1. Cules son los pasos si solicitan un reporte del departamento de
finanzas?
2. Cules son las quejas constantes en cuanto a la solicitud de reportes?
Resumen:
Para la elaboracin de reportes existen dos situaciones: la primera,
donde el reporte se puede encontrar dentro del mdulo de finanzas del
SIGA, y la persona solicitante obtiene su reporte. La segunda, es
cuando el reporte no se encuentra dentro de este mdulo, realizndose
un requerimiento al encargado del mdulo de finanzas, para que pueda
proporcionar el reporte y enviarlo en excel o pdf al solicitante.
Las quejas constantes de la solicitud de reportes son por el tiempo,
debido a que la Alta Direccin, cuando se encuentra en reunin y desea
pedir un reporte en el SIGA, espera demasiado para obtenerlo. Hasta el
momento en la Contralora no existe un proyecto para solucionar este
problema.

ANEXOS
150

Anexo N03: Funciones de la Gerencia de Finanzas de la Contralora de la

Repblica
Sus funciones de la Gerencia de Finanzas son las siguientes:
1. Formular, ejecutar y evaluar los planes de gerencia.
2. Organizar, programar y ejecutar los procesos que permitan presentar a
la alta direccin la informacin econmica y financiera oportuna para la
toma de decisiones.
3. Formular el presupuesto institucional en coordinacin con las unidades
orgnicas.
4. Elaborar los requerimientos de informacin para la ejecucin
presupuestaria, consistentes en la programacin mensual de ingresos y
gastos y programacin de asignacin trimestral, para la aprobacin de
los calendarios de compromisos.
5. Elaborar la formalizacin mensual del presupuesto institucional y
gestionar los pedidos de mayores recursos que requiera la entidad.
6. Emitir los informes de disponibilidad presupuestaria para la adquisicin
o contratacin de bienes, servicios u obras que requiera la entidad.
7. Emitir opinin tcnica en materia presupuestal y absolver las consultar
que incidan en el aspecto presupuestal, que formulen las unidades
orgnicas de la Contralora General de la Repblica.
8. Ejecutar las operaciones del sistema de contabilidad del pliego
presupuestal de la institucin, controlando las operaciones contables y
financieras en los libros correspondientes y en l sistema integrado de
administracin financiera (SIAF), verificando su sustentacin.
9. Formular
la
consolidacin
mensual
de
gastos
efectuar
la
consolidacin con los saldos de balance.

10. Presentar a la Alta Direccin los estados financieros y presupuestales
del pliego, as como los anexos respectivos en el marco de la
normativa legal vigente.

ANEXOS
151

11. Actualizar el registro financiero de los activos fijos as como su

validacin, depreciacin y conciliacin con la Gerencia de Logstica.
12. Disponer la realizacin de arqueros de los fondos y valores de la
Institucin.
13. Verificar
la
realizacin
del
registro
contable
de
los
gastos
comprometidos en la ejecucin presupuestal, de acuerdo a las normas

vigentes.
14. Ejecutar el pago de las obligaciones y efectuar las conciliaciones
bancarias respectivas.
15. Administrar los recursos financieros de la institucin, en el marco de la
normativa legal vigente.
16. Verificar la documentacin que sustenta las operaciones financieras de
ingresos y egresos de fondos.
17. Controlar y custodiar los recursos financieros y valores a cargo de la
institucin.
18. Manejar cuentas y sub cuentas bancarias, por toda fuente de
financiamiento y ejecutar las conciliaciones correspondientes.
19. Administrar el proceso de cobranza de multas impuestas por la
institucin y la ejecucin coactiva de las mismas; as como evaluar las
solicitudes de fraccionamiento de multas, emitiendo los actos
resolutivos pertinentes.
20. Evaluar y resolver los expedientes y/o documentos correspondientes a
su competencia funcional y efectuar su seguimiento, con observancia
de las polticas, normal y procedimiento establecidos.
21. Proponer las normas y procedimientos orientados a mejorar las
actividades de la Gerencia.
22. Mantener actualizada la informacin en los sistemas informticos
implementados, en el mbito de su competencia.
23. Cumplir con las disposiciones contenidas en los procedimientos
internos, as como los encargados legales asignados.
24. Realizar las dems funciones que le asigne el gerente general.

ANEXOS
152

25. Efectuar acciones de seguimiento y verificacin del cumplimiento de las

disposiciones legales y normativas, en relacin con los aspectos
contables, tributarios y de contribuciones de la institucin.

ANEXOS
153

Anexo N04: Entrevista de evaluacin de resultados n1
Encuestado:
Fecha:
Encuestador :
rea:
Objetivo:
Dirigido a:
Alta Direccin.
Preguntas:
El proyecto implementado, est cumpliendo los requisitos solicitados?
Escoger la alternativa correcta, siendo el valor de 1 la peor calificacin y 5 la
mejor calificacin
a) 1 b) 2 c)3 d)4 e)5
En la toma de decisiones, como califica usted la rapidez de respuesta a la
hora de solicitar informacin?
mejor calificacin
a) 1 b) 2 c)3 d)4 e)5
Cmo es la interaccin con la solucin de inteligencia de negocios?
mejor calificacin
a) 1 b) 2 c)3 d)4 e)5
La solucin de inteligencia de negocios Mejora el proceso de toma de
decisiones?
mejor calificacin
a) 1 b) 2 c)3 d)4 e)5

ANEXOS
154

Anexo N05: Gua de observacin n1
Personal:
Lugar y fecha:
Evaluador:
N
Acciones a evaluar
Registro de
OBSERVACIONES
cumplimiento
SI
1
Utiliza
la
solucin
NO
NA
de
inteligencia de negocios
en la toma de decisiones.
2
La solucin de inteligencia
de
negocios
proceso
de
agiliza
el
toma
de
decisiones.
3
de
negocios
realizar
permite
bsquedas
mltiples de informacin.
4
de negocios responde de
manera adecuada ante las
necesidades.
de negocios presenta una
interfaz de fcil uso.
Son
entendibles
los
resultados mostrados en la
solucin de Inteligencia de
negocios.
ANEXOS
155

La solucin de negocios
cumple con sus beneficios
principales de rapidez e
informacin confiable.
Existen
fallas
en
la
solucin de inteligencia de
negocios,
buscar
al
la
momento
informacin
requerida.
9
Cuando
se
presentan
fallas, el encargado del

mdulo de finanzas logra
solucionar el problema.

ANEXOS
156

Implementación de Un Datamart

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Implementación de Un Datamart

Uploaded by

Copyright:

Available Formats

FACULTAD DE INGENIERA Y ARQUITECTURA

ESCUELA PROFESIONAL DE INGENIERA DE COMPUTACIN Y SISTEMAS

IMPLEMENTACIN DE UN DATA MART COMO SOLUCIN DE

ALEJANDRO ROJAS ZALDVAR

TESIS PARA OPTAR EL TTULO PROFESIONAL DE

Reconocimiento - No comercial - Sin obra derivada

Escuela Profesional de Ingeniera de Computacin y Sistemas

IMPLEMENTACIN DE UN DATA MART COMO SOLUCIN DE

PARA OPTAR EL TTULO PROFESIONAL DE INGENIERO DE

Implementacin de un Data Mart como Solucin de Inteligencia de Negocios, bajo la metodologa de

Alejandro Rojas Zaldvar

Situacin problemtica .............................................................................. 10

Definicin del problema ............................................................................. 15

Base terica ................................................................................................ 22

Contralora General de la Repblica ............................................... 22

Inteligencia de Negocios(BI) ........................................................... 23

Metodologa de Ralph Kimball ........................................................ 25

Metodologa de Bill Inmon ............................................................... 32

Justificacin de utilizacin de la metodologa Ralph Kimball ...... 34

Proceso ETL ..................................................................................... 37

Integration Services SQL Server (SSIS) ......................................... 38

Analysis Services SQL Server (SSAS) ........................................... 39

1.10. Definicin de trminos ............................................................................... 39

Sistemas transaccionales OLTP ..................................................... 39

OLAP- OnLine Anlytical Processing ............................................... 40

Sistema de soporte de decisiones(DSS) ........................................ 46

Data Warehouse ............................................................................... 46

Data Mart .......................................................................................... 47

Universidad de San Martin de Porres Filial Norte

Implementacin de un Data Mart como Solucin de Inteligencia de Negocios, bajo la metodologa de

Alejandro Rojas Zaldvar

Fact Table ......................................................................................... 49

Esquema copo de nieve .................................................................. 51

Enfoque Bottom-up ...................................................................... 52

Enfoque Top-down ....................................................................... 52

Captulo II: Metodologa ................................................................................. 54

Gua de observaciones .................................................................... 54

Gua de observaciones .................................................................... 54

Cronograma de actividades ....................................................................... 55

Planificacin del proyecto ......................................................................... 56

Recurso humano .............................................................................. 57

Flujo de caja ..................................................................................... 59

Beneficio costo VAN TIR ........................................................... 59

Definicin de requerimientos del negocio ................................................ 60

Requerimientos del negocio ........................................................... 60

Base de datos transaccional en SQL server .................................. 72

Diccionario de datos de la base de datos transaccional ............... 79

Modelado dimensional ............................................................................... 90

Eleccin de las dimensiones........................................................... 90

Dimensiones encontradas ............................................................... 91

Universidad de San Martin de Porres Filial Norte

Implementacin de un Data Mart como Solucin de Inteligencia de Negocios, bajo la metodologa de

Alejandro Rojas Zaldvar

Jerarqua de las dimensiones ......................................................... 92

Tabla de hechos ............................................................................... 94

Diseo de la arquitectura tcnica .............................................................. 96

Back room ........................................................................................ 99

Front room ...................................................................................... 100

Diseo fsico ............................................................................................. 101

Dimensin Bienes: BIEN_SERVICIO_DIM .................................... 102

Dimensin tiempo: TIEMPO_DIM .................................................. 103

Dimensin unidad orgnica: UNIDAD_ORGANICA_DIM ............. 103

Dimensin proveedor: PROVEEDOR_DIM ................................... 104