CURSO: TOPICOS ESPECIALES DE INGENIERIA DE SISTEMAS PROFESOR: CARLOS ZORRILLA SECCION: B310 TURNO: NOCHE TEMA: INTELIGENCIA DE NEGOCIOS

DATAMART INTEGRANTES: CAYETANO RIVERA, FRANK RODRIGUEZ VASQUEZ, FABIOLA PALOMINO AGUILAR, CATHERINE # DE GRUPO: 2

INDICE
INTRODUCCION..3 LA EVOLUCION DE LA INTELIGENCIA DE NEGOCIOS.4 NECESIDADES DE LA INFORMACION...6 DATOS E INFORMACION7 DEFINICION DE LA INTELIGENCIA DE NEGOCIOS....8 DATAWAREHOUSE.8 DATAMARTS..10 ETAPAS..15 CASOS.20 CONCLUSIONES21 BIBLIOGRAFIA22

INTRODUCCION
Cuando se estudian las organizaciones, existe un elemento fundamental en el desarrollo de ellas y en especial en las posibilidades hacia el futuro que pueden tener desde el punto de vista de competitividad, productividad y toma de decisiones. Dentro de estos parmetros, la administracin y gestin de la informacin se convierten en aspectos fundamentales que les ayuden a ser competitivas, para lo cual tienen que generar una estrategia para el manejo de la informacin. Con los avances de la tecnologa informtica y de telecomunicaciones, los datos y la informacin de una organizacin se encuentran dispersos en muchas fuentes y es necesario realizar esquemas que permitan recoger todo aquello de importancia para el negocio y colocarlo de una manera sencilla y clara disponible para todos los usuarios quienes son los conocedores del negocio y quienes pueden aprovechar al mximo el anlisis detallado de este conocimiento para bien de la empresa, El manejo, la administracin, la gestin y el control de la informacin como un arma estratgica, forma parte de la Inteligencia del Negocio, con apoyo de herramientas informticas y analticas, que ayudan a las organizaciones a maximizar su rendimiento en los negocios, generando la eficiencia operativa. As mismo, la Gestin de Conocimiento ayuda a obtener mayor comprensin y entendimiento del entorno y de los procesos desde la propia experiencia en las personas y organizaciones.

LA EVOLUCION DE LA INTELIGENCIA DE NEGOCIOS

Por la ptica de la tecnologa, la era que podemos llamar pre -BI est en un pasado no muy distante aproximadamente entre treinta y cuarenta aos atrs cuando las computadoras dejaron de ocupar salas gigantescas, a medida que disminuyeron su tamao y, al mismo tiempo, las empresas comenzaron a ver los datos como una posible e importante fuente generadora de informaciones decisorias. Sin embargo, en aquella poca todava no existan recursos eficientes que posibilitasen un anlisis consistente de esos datos para la toma de decisiones. Era posible reunir informaciones de manera integrada, fruto de sistemas transaccionales establecidos con predominancia en datos jerrquicos, pero que, reunidos como bloques cerrados de informacin, permitan una visin de la empresa, pero no traan ganancias decisivas o negociables. Estamos hablando del final de los aos 60, perodo en el que tarjetas perforadas, transistores y lenguaje COBOL eran la realidad de la Informtica. poca en la que se vea a la computadora como una desconocida, una vislumbre de modernidad, pero que an pareca ser una realidad distante. El panorama comenz a cambiar en la dcada del 70, con el surgimiento de las tecnologas de almacenamiento y acceso a datos, DASD (Direct Access Storage Device dispositivo de almacenamiento de acceso directo) y SGBD (Sistema Administrador de Base de Datos), dos siglas cuyo principal significado era el de establecer una nica fuente de datos para todo el procesamiento. A partir de entonces, la computadora pas a verse como un coordinador central para actividades corporativas y la base de datos fue considerada un recurso bsico para asegurar la ventaja competitiva en el mercado. A comienzos de los aos 90, la mayora de las grandes empresas contaba solamente con Centros de Informacin (CI), que aunque mantenan stock de datos, ofrecan poqusima disponibilidad de informacin. Igualmente, los CIs suplan, de cierta forma, las necesidades de ejecutivos y responsables por la toma de decisiones, y suministraban informes e informaciones gerenciales. El mercado pas a comportarse de un modo ms complejo y la Tecnologa de la Informacin avanz rumbo al perfeccionamiento de herramientas de software, las cuales ofrecan informaciones precisas y en el momento oportuno para definir acciones, que tenan como objetivo la mejora del desempeo en el mundo de los negocios. Entre 1992 y 1993 surgi el Data Warehouse, que es una gran base de datos informativos, o sea, un repositorio nico de datos (los cuales fueron consolidados, limpiados y uniformizados) considerado por los especialistas en el asunto como pieza esencial para la ejecucin prctica de un proyecto de Business Intelligence. Sin embargo, cuando se trata de BI, las opiniones no siempre son unnimes. Segn la evaluacin de algunos consultores es importante que la empresa que desea implementar herramientas de anlisis disponga de un repositorio especfico para reunir los datos ya transformados en informaciones (abordaremos esta cuestin de forma ms detallada en lo que resta del curso). Ese repositorio no debe ser, necesariamente, un Data Warehouse, sino algo menos complejo como, por ejemplo,
4

un Data Mart (base de datos diseada de forma personalizada para asuntos o reas especficas), o una base de datos relacional comn, pero separada del ambiente transaccional (operativo) y dedicada a almacenar las informaciones usadas como base para la realizacin de diferentes anlisis y proyecciones.

CMO EVOLUCION EL BI A PARTIR DE UN EIS

Como se ha dicho anteriormente, el concepto de Business Intelligence es muy antiguo. Pero el desarrollo tecnolgico se produjo a partir de la dcada del 70, y en los aos posteriores posibilit la creacin de herramientas que llegaron para facilitar todo el proceso de captacin, extraccin, almacenamiento, filtrado, disponibilidad y personalizacin de los datos. Con ello, el sector corporativo comenz a interesarse por las soluciones de BI de forma ms contundente, principalmente a fines de 1996, cuando el concepto comenz a ser difundido como un proceso de evolucin del EIS Executive Information Systems -, un sistema creado a fines de la dcada del 70, a partir de los trabajos desarrollados por los investigadores del MIT (Massachusets Institute of Tecnology EE.UU.). El EIS (Executive Information System) es, en realidad, un software que tiene la intencin de suministrar informaciones empresariales a partir de una base de datos. Es una herramienta de consulta a las bases de datos de las funciones empresariales para la presentacin de informaciones de forma sencilla y amigable, que cubre las necesidades, principalmente, de los ejecutivos de la alta administracin. Permite el seguimiento diario de resultados, tabulando datos de todas las reas funcionales de la empresa y despus los exhibe de forma grfica y simplificada, con el objetivo de que
5

sean de fcil comprensin para aquellos que no poseen profundos conocimientos sobre tecnologa. En sntesis, el EIS les permite a esos profesionales el acceso amigable a una serie de informaciones por medio electrnico, presentada de forma clara y visualmente atractiva. La navegacin se realiza por medio del uso del mouse o del sistema touchscreen (pantalla sensible al tacto), lo que no requiere habilidad, ni prctica, n i necesidad de asistencia. El principal objetivo del EIS es ofrecerle a su usuario, en poco tiempo, una visin gerencial de la organizacin, y mostrar cmo funcionan sus procesos de trabajo y cmo se relaciona la empresa con el mundo externo de los negocios, clientes y proveedores. Con el paso de los aos, el trmino Business Intelligence tuvo mayor alcance, dentro de un proceso natural de evolucin, abarcando una serie de herramientas, como el propio EIS (Executive Information System Sistema de Informaciones Ejecutivas), ms las soluciones DSS (Decision Support System Sistema de Soporte a la toma de decisiones), Planillas Electrnicas, Generadores de Consultas y de Informes, Data Marts, Data Mining, Herramientas OLAP, entre tantas otras (vea la definicin de cada una de estas herramientas en el mdulo III de este curso), que tienen como objetivo promover agilidad comercial, dinamizar la capacidad de toma de decisiones y refinar estrategias de relacin con clientes, para responder a las necesidades del sector corporativo. La historia del Business Intelligence tambin est profundamente relacionada al ERP (Enterprise Resource Planning), sigla que representa los sistemas integrados de gestin empresarial, cuya funcin es facilitar el aspecto operativo de las empresas. Estos sistemas registran, procesan y documentan cada hecho nuevo en el engranaje corporativo y distribuyen la informacin de manera clara y segura, en tiempo real. Pero las empresas que implementaron estos sistemas se dieron cuenta rpidamente que tan slo almacenar gran cantidad de datos de nada vala si esas informaciones estaban repetidas, incompletas y dispersadas en varios sistemas dentro de la corporacin. Se percibi que era necesario disponer de herramientas que permitiesen reunir esos datos en una base nica y trabajarlos de forma que posibilitasen la realizacin de diferentes anlisis bajo variados ngulos. Por esa razn, la mayora de los proveedores de ERP comenz a embutir en sus paquetes los mdulos de BI, que estn sofisticndose cada vez ms.

NECESIDADES DE LA INFORMACION

Business Intelligence se refiere al proceso de convertir datos en conocimiento y conocimiento en acciones para crear la ventaja competitiva del negocio

DATOS E INFORMACIN

EL PODER DE LA INFORMACIN "Hace diez aos les pude decir cuntos productos vendimos al Oeste del Mississipi. Hoy no slo les puedo decir eso mismo, sino cuntos vendimos y de qu tipo, en California, en el Condado de Orange, en la ciudad de Irvine, en el Supermercado local Vons, en una promocin especial, al final del pasillo 4, los Jueves".

DEFINICION DE LA INTELIGENCIA DE NEGOCIOS

Se le llama inteligencia de negocios o Business Intelligence a un conjunto de tcnicas que permiten facilitar la toma de decisiones en una empresa, a travs del uso de tecnologas de informacin. Se trata bsicamente de analizar informacin obtenida de distintas fuentes: sistemas de produccin, financieros, otros sistemas internos y externos.

QUE NO ES INTELIGENCIA DE NEGOCIOS NO ES una tecnologa, se apoya en ella. NO da una nica solucin, se enfoca en la visin y las necesidades de cada negocio. NO brinda un sistema de Tecnologa, brinda un medio para analizar la informacin para gente del negocio.

EL CENTRO DE LA BI: DATAWAREHOUSE

Es una coleccin de datos orientada a un determinado mbito (empresa, organizacin, etc.), integrado, no voltil y variable en el tiempo, que ayuda a la toma de decisiones en la entidad en la que se utiliza. Diseada para favorecer el anlisis y la divulgacin eficiente de datos. Corresponden a una BD de consulta OLTP: Procesamiento de Transacciones On Line: Sistemas orientados a la Produccin Prioridad: tiempo de respuesta a transacciones read-write. Se manejan datos actuales muy detallados.

Estables y de larga vida til. OLAP: Procesamiento Analtico On Line: Sistemas Orientados a la Toma de Decisiones Prioridad: expresividad y eficiencia en consultas complejas Datos actuales e histricos, resumidos En constante evolucin

Caractersticas del Data Warehouse Al analizar un poco cada trmino utilizado en la definicin de Data Warehouse de Inmon, nos indican claramente que un Data Warehouse se caracteriza por ser: Integrado: los datos almacenados en el Data Warehouse deben integrarse en una estructura que elimine las inconsistencias existentes entre los diversos sistemas operacionales, que sirven de fuentes de datos. La informacin suele estructurarse tambin en distintos niveles de detalle para adecuarse a las distintas necesidades de los usuarios. Temtico: slo los datos necesarios para generar informacin del negocio se integran desde el entorno operacional. Los datos se organizan por temas, no por aplicacin, as se facilita el acceso y entendimiento por parte de los usuarios finales a los datos contenidos en el Data Warehouse. Esta caracterstica permite realizar anlisis y minera de datos (data mining). Histrico: el tiempo es parte implcita de la informacin contenida en un Data Warehouse. En los sistemas operacionales, los datos siempre reflejan el estado de la actividad del negocio en el momento presente. Por el contrario, el Data Warehouse se carga con los distintos valores que toma una variable en el tiempo para permitir comparaciones y anlisis de tendencias, entre otras cosas. No voltil: el Data Warehouse se construye para ser ledo, y no modificado. La informacin que existe en un Data Warehouse es permanente, su actualizacin consiste en la incorporacin de los ltimos valores que tomaron las distintas variables contenidas en l sin alteracin a los datos que ya existan. Adems se puede agregar que un Data Warehouse tiene otras caractersticas, quiz menos trascendentales, pero que lo diferencian de otras tecnologas: Contiene datos diversos: es un repositorio unificado de informacin. Los datos de toda la organizacin aunque pertenezcan a aplicaciones dismiles son integrados en el Data Warehouse Optimizado para la consulta masiva: el diseo fsico tiene un objetivo distinto al de las bases de datos transaccionales, mejorar los tiempos de respuesta de consultas masivas de informacin, sin perder de vista la orientacin temtica y la facilidad de entendimiento que se debe brindar al usuario final La interfaz de usuario est dirigida a los ejecutivos: las aplicaciones que se construyen sobre un Data Warehouse y que sirven para acceder a su informacin, en su mayora sern utilizadas por analistas de decisiones y altos ejecutivos que descubran las bondades del Data Warehouse, por lo que deben ser amigables e intuitivas. Gran volumen: Cuando se habla de Data Warehouse el espacio de almacenamiento se mide en Gigabytes y Terabytes, como consecuencia de la informacin sumarizada el Data Warehouse admite redundancia y del largo tiempo de vida de la informacin usualmente entre 5 y 10 aos Todo lo expuesto presenta las caractersticas sobresalientes del nuevo entorno analtico-informtico que nace producto de la incorporacin de la tecnologa de Data Warehousing en una organizacin y que lo distingue del entorno
10

operativo los sistemas transaccionales. Tambin se puede caracterizar un Data Warehouse haciendo un contraste de cmo los datos de un negocio almacenados en un Data Warehouse, difieren de los datos operacionales usados por las aplicaciones de produccin. [INEI97] La siguiente figura muestra las diferencias fundamentales entre el ambiente operacional y el Data Warehouse que se han discutido en esta seccin.

DATA MARTS
Son aplicaciones de anlisis de datos en reas precisas de negocios. Por ejemplo: Adquisiciones, Registro Curricular, Marketing, Produccin. Toman sus datos del Data Warehouse. Priorizan la funciones de anlisis de datos: Interfaces a usuario. Indicadores especficos al rea de negocio. Normalmente basados en OLAP.

} METODOLOGIA

11

MODELAMIENTO DIMENSIONAL Es una tcnica de diseo lgico comnmente utilizada para Data Warehouses, que busca presentar los datos en una arquitectura estndar y permita una alta perfomance de acceso a los usuarios finales. El modelamiento se basa en esquemas estrella, conformados por Tablas de Hechos y tablas dimensionales. RELACION MODELO ESTRELLA - REPORTE

MODELO DE DATOS MULTIDIMENSIONAL

12

Son bases de datos ideadas para desarrollar aplicaciones muy concretas, como creacin de Cubos OLAP. Bsicamente no se diferencian demasiado de las bases de datos relacionales (una tabla en una base de datos multidimensional podra serlo tambin en una base de datos multidimensional), la diferencia est ms bien a nivel conceptual; en las bases de datos multidimensionales los campo o atributos de una tabla pueden ser de dos tipos, o bien representan dimensiones de la tabla, o bien representan mtricas que se desean estudiar.
*

El modelamiento dimensional es una tcnica para modelar bases de datos simples y entendibles al usuario final- La idea fundamental es que el usuario visualice fcilmente la relacin que existe entre los distintos componentes del modelo. Cuando una base puede ser visualizada como un cubo de tres o ms dimensiones, es ms fcil para el usuario organizar la informacin e imaginarse en ella cortando y rebanando el cubo a travs de cada una de sus dimensiones, para buscar la informacin deseada. Este tipo de bases proveen una estructura que permite tener acceso flexible a los datos, para explorar y analizar sus relaciones, y resultados consiguientes. Estas se pueden visualizar como un cubo multidimensional, en donde las variables asociadas existen a lo largo de varios ejes o dimensiones, y la interseccin de las mismas representa la medida, indicador o el hecho que se est evaluando. OBJETIVOS DE LOS MMD: Representar los datos en forma cercana a la intuicin del usuario. Resolver problemas planteados en sistemas relacionales.

CARACTERSTICAS Se representan los datos como una matriz. En los ejes estn los criterios de anlisis. En los cruces estn los valores a analizar. A esta estructura se le llama Cubo o Hipercubo

13

El Proceso de la Informacin de la Organizacin

14

En el esquema, se visualizan 4 etapas as: 1. Extraccin 2. Consolidacin 3. Explotacin y 4. Visualizacin En este captulo se explican cada una de ellas, mostrando en forma prctica, como se puede llegar a la cuarta etapa con las herramientas generales con que cuenta una organizacin a nivel de los usuarios finales. Antes de explicar la etapa de extraccin, definamos los elementos de la primera etapa: FUENTES DE DATOS Podemos dividir las fuentes de informacin en las siguientes: 1. Informacin generada por los sistemas transaccionales. 2. Informacin externa 3. Informacin generada por los departamentos de la empresa que no corresponden a un sistema transaccional oficial. Estas fuentes pueden ser de varios tipos, dependiendo del tamao de la organizacin y de los niveles de tecnologa y sistemas de informacin que se utilicen en la empresa. Se puede afirmar que cualquier organizacin, por pequea que sea, tiene de una forma u otra informacin que se produce de diferentes maneras. Lo importante es realizar un estudio a fondo de la informacin a la que se tiene acceso, buscando las formas de mejorar cada da en las estrategias para capturarla, procesarla y dejarla lista para ser utilizada.
15

SISTEMAS TRANSACCIONALES Son las aplicaciones comerciales y administrativas, encargadas de registrar da a da, los eventos y transacciones que suceden en la organizacin, tales como la Contabilidad, la facturacin, la nmina, sistemas de registro acadmico, sistemas de manejo de personal, aplicaciones administrativas etc. Algunas de sus caractersticas son: Aplicaciones complejas. Basadas en procesos y procedimientos. Cambian con el tiempo peridicamente. Buscan responder a las necesidades operativas de las personas de la organizacin. BASES DE DATOS De una manera sencilla se puede definir que son estructuras de datos que almacenan los registros y movimientos de los sistemas transaccionales. Las BD pueden estar en Excel, Oracle, SQL, DB2, Informix, Sybase, Access, 4D, etc. En muchos casos es necesario generarlas de archivos planos producidos por los sistemas transaccionales. Y en muchos casos se deben crear a partir de cuadros y tablas resumen.

ETAPAS
ETAPA DE EXTRACCIN Corresponde a la etapa en la cual los sistemas transaccionales se encargan de la captura, proceso y generacin de la informacin oficial de la empresa, en donde se cumple con los requisitos legales de contabilidad, control y dems elementos que se utilizan para la operacin diaria de las organizaciones. En esta etapa, las aplicaciones comerciales y administrativas tales como contabilidad, nmina, personal, inventarios, facturacin y todas aquellas que solucionan un problema especfico de la empresa, estn produciendo informacin general y especfica de acuerdo a las necesidades de los usuarios pero que en general estn diseadas para producir los informes y documentos que se requieren en el control y estado diario, semanal y mensual de las operaciones regulares de la empresa. En este punto el nivel de toma de decisiones estratgicas es muy incipiente, ya que los objetivos son otros diferentes. Esto no obvia que existan muchos sistemas para la toma de decisiones, por lo cual se debe realizar un proceso de anlisis de la informacin requerida por los usuarios. En esta etapa tambin se obtiene los datos externos que afectan la operacin de la organizacin. Estas fuentes externas pueden ser de muchos estilos y caractersticas y tienen la dificultad que la empresa no tiene control sobre esa informacin, por lo cual su exactitud y la forma como se obtenga dependen de terceros. En la misma forma los formatos en que estn contenidos son muy diferentes y en muchos casos carecen de un diseo y una estructura adecuada, por lo cual es necesario realizar procesos que mejoren esta informacin y la dejen factible de ser utilizada y aprovechada. Aqu se inicia la IN y corresponde al proceso que se debe aplicar sobre las fuentes de datos existentes en la organizacin.
16

ETAPA DE CONSOLIDACIN Despus del proceso de anlisis empresarial y gerencial a profundidad, se realiza la seleccin de la informacin generada por los sistemas transaccionales y las fuentes externas, para crear la bodega de datos con todos los datos necesarios para poder realizar los diferentes anlisis requeridos por la direccin para la toma de decisiones que permitan la competitividad de la organizacin. En este punto, es necesaria la aplicacin de metodologas que permitan obtener una informacin depurada que sirva en forma simple para los anlisis a realizar. Una metodologa muy usada es la creacin de Data Marts, los cuales corresponden a tablas de hecho generadas segn las necesidades de un departamento en especial y que posteriormente unidas a los otro Data Marts generados en la organizacin, conforman la Bodega de Datos Las bodegas de datos son, estructuras de datos que seleccionan e integran los datos recolectados por los diferentes sistemas transaccionales y otras fuentes de datos. Son el instrumento para desarrollar la inteligencia del negocio, soportando la conversin de los datos en informacin. En muchos casos, es importante la asesora de personas que tengan experiencias en la creacin de estas bodegas, ya que es muy importante un trabajo exhaustivo y muy ordenado con los usuarios claves, para realmente obtener una bodega eficiente y eficaz que sea la base para la aplicacin de las herramientas que facilitan el anlisis de los datos ya depurados, filtrados y almacenados. Una vez tenemos una bodega de datos consolidada y con la informacin relevante definida por los usuarios, entramos en la etapa de explotacin. A partir del tercer captulo de este libro, usted encontrar como podemos realizar esta etapa en nuestra organizacin, utilizando las herramientas con que contamos en la oficina, tales como Excel y en general Office. ETAPA DE EXPLOTACIN En sta etapa es donde se comienzan a aplicar las herramientas existentes para dejar listos los datos de la bodega en manos de los usuarios, quienes deben estar en capacidad de empezar a aprovechar y explotar la informacin ya depurada y filtrada que hay en la bodega de datos. En esta etapa tenemos dos tecnologas que nos permiten realizar un proceso de explotacin de los datos, con el fin de poder tomar mejores decisiones soportadas con informacin real de nuestra organizacin. La primera son los cubos OLAP, los cuales los podemos definir como una tecnologa de bases de datos que maneja ms de dos dimensiones y que permite ver desde diferentes visuales los datos almacenados en la bodega de datos. En los cubos OLAP, los datos se organizan jerrquicamente, creando informacin ordenada y consistente que permite realizar un anlisis dinmico de ella, no a nivel de transaccin sino de consultas e informes. En el captulo cuarto del libro, profundizaremos sobre las tablas dinmicas, las cuales son un cubo OLAP, de un poder muy grande que facilita la visin de la informacin desde muchos ngulos, permitiendo resumir y analizar datos de una
17

manera muy gil y poderosa. Tambin veremos cmo se genera un Cubo OLAP y cuando es mejor usar los cubos y cuando las tablas dinmicas. Un ejemplo de un cubo es el siguiente:

En el cual se tienen tres dimensiones GENERO, JORNADA Y PROGRAMA y se estn contando cuantos estudiantes existen segn estas tres dimensiones y que porcentaje hay. El trmino OLAP, corresponde a las iniciales en ingls de On Line Analitical Processing, que significa realizar el proceso de anlisis en lnea y tiempo real. La otra tecnologa de explotacin es la minera de datos, la cual podemos definir como el conjunto de algoritmos que permiten realizar un anlisis matemtico y estadstico de los datos para obtener informacin prospectiva, que muestra sucesos que el usuario no se ha imaginado y que le permite tener una mayor cantidad de elementos y argumentos para la toma de decisiones. ETAPA DE VISUALIZACIN Una vez realizados los procesos de explotacin y se han aplicado las herramientas adecuadas para este proceso, viene una etapa donde lo realizado en la etapa anterior se puede mejorar al aplicar herramientas que permiten una mejor visualizacin de los resultados, y ayudan a conocer lo que est sucediendo de una manera grfica y capaz de aprovechar los conceptos de colores y grficas que facilitan la visualizacin de los resultados. En este punto es fundamental, la identificacin de indicadores que faciliten el anlisis de los datos y permitan crear los famosos tableros de control, Balance Scored Card. En general en esta etapa contamos con modelos y herramientas para extraer informacin estructurada e inteligente de las bodegas de datos, creando un conjunto de reglas, indicadores, preguntas, analizadores que permiten convertir los datos en informacin y realizar su visualizacin. Revisemos un caso de la vida real. En una
18

institucin de educacin, es indispensable conocer el perfil de las personas que ingresan a estudiar, entonces miremos como se puede aplicar la teora planteada anteriormente. Primero definamos el problema: Definir el perfil de los estudiantes admitidos y matriculados en primer semestre, con base en la informacin general y particular de cada uno de los colegios de donde son graduados. Fuentes de Datos Bases de Datos en SQL Server creadas por el sistema de informacin acadmica del Politcnico Gran colombiano. Base de Admitidos y Base de Matriculados. Fuente externa, correspondiente a la base de datos del Icfes, sobre los colegios de Colombia. Esta base de datos est en Excel. La solucin: Extraer y consolidar la informacin de los estudiantes admitidos y matriculados con la informacin generada por el Icfes con respecto a los planteles educativos de Colombia. Utilizar Office para presentar y analizar los resultados de la consolidacin, para la toma de decisiones. Que beneficios tiene: Conocer las caractersticas ms importantes de los estudiantes de primer semestre, como herramienta de anlisis para los departamentos de la universidad. Desarrollar estrategias acadmicas que respondan a las debilidades y caractersticas de los estudiantes, encontradas en el anlisis de sus perfiles. Generar estadsticas para mercadeo, que les permita analizar los resultados de sus estrategias comerciales Miremos grficamente la solucin:

19

CASOS DE APLICACIN
Caso Twentieth Century Fox

Twentieth Century Fox utiliza BI para predecir qu actores, argumentos y filmes sern populares en cada vecindario. Evitando ciertos argumentos en cines especficos, la compaa tiene ahorros de aproximadamente $100 Millones de dlares alrededor del mundo cada ao. Esa misma tecnologa utilizan para seleccionar los "traliers" (cortos previos a la presentacin de una pelcula) alternativos para cada pelcula en cada cine y as maximizar las ventas. Una pelcula puede tener varios "trailers" diferentes, cada cual puede percibirse de diferente forma por cada tipo de audiencias. Los sistemas BI de Jhon Deer no predicen el futuro, sino que lo planifican. Esta empresa manufacturera de equipo agrcola, mejora su negocio dando a los clientes una gran variedad de opciones en los productos que ellos pueden requerir, obteniendo millones de permutaciones para cada opcin. Esto es grandioso para el rea de marketing pero no tanto para el rea de manufactura. John Deer solucion este problema empleando inteligencia computarizada que aprende a "criar" agendas mejor de lo que lo haran los seres humanos. El equipo agrcola ahora fluye ms suavemente a travs de la lnea de produccin. As como estos casos, existen una gran cantidad de casos de aplicacin exitosa de sistemas de BI, que han brindado una verdadera inteligencia al negocio, proporcionndole no solo una notoria eficiencia y ventaja competitiva, sino que a la larga puede ser la diferencia entre la supervivencia o desaparicin de la empresa.

20

CONCLUSIONES
1. Si no hay un sistema base, como por ejemplo ERP, no se puede hacer un BI. 2. Los Data Mart son respecto a una rea especfica del negocio, la unin de todas estas forman el Data Warehouse. 3. Podemos comenzar construyendo Data Marts con resultados inmediatos, para no postergar las decisiones de negocios y el anlisis de informacin, pero hacerlos siempre teniendo una visin integral del negocio. 4. La informacin en las organizaciones est aumentando rpidamente, as como, las decisiones crticas del negocio; el problema es la actitud de las empresas para utilizar estos datos.

21

BIBLIOGRAFIA
coneisc.org/downloads/ponencias/marcela-varas-xxconeisc.pdf www.usmp.edu.pe/publicaciones/boletin/fia/info46/.../articulo6.htm www.monografias.com Administracion y Finanzas www.udec.cl/dti/node/108 www.itmadrid.com/.../que-es-inteligencia-de-negocios-business-intellige... www.idensa.com/

22