Académique Documents
Professionnel Documents
Culture Documents
Pgina 7
Pgina 8
CAPITULO I
PLANTEAMIENTO DEL PROBLEMA
1.1.
Pgina 9
de las
compra y ventas de
toma de
Pgina 10
en la
DELIMITACIONES DE LA INVESTIGACIN
1.3.1. Limitaciones
A. Limitaciones espaciales
La aplicacin de este desarrollo de Inteligencia de Negocios en la
ventas de maquinaria y repuestos se realizara en la empresa Triton
Trading
17.5
de la
antigua
Pgina 11
C. Delimitaciones Temporales
El presente proyecto de investigacin ser elaborado y coordinado
durante los 6 meses
1.4.
1.5 OBJETIVO
Desarrollo de una solucin Inteligencia de Negocios que contribuya en toma
de decisiones en el rea de compra y ventas de la empresa Triton Trading
S.A.
Pgina 12
CAPITULO II
MARCO TORICO
2.1. ANTECEDENTES
La tesis del Sr. Manuel Javier Valdiviezo Basauri en sus tesis Anlisis y Diseo
de una herramienta de desarrollo de soluciones para inteligencia de negocios
menciona que hoy en da las empresas necesitan depositar mucha confianza en
la toma de decisiones sobre sus negocios, basndose en la informacin que
poseen sobre sus operaciones y lo que ocurre en el mercado. Estas decisiones,
que son tomadas en un contexto de alta y creciente competencia, se toman cada
vez ms utilizando la mayor cantidad de informacin que la empresa posee. Una
mala decisin puede afectar significativamente a la organizacin. (Lima 2011)
Tambin podemos entrar en la tesis de la seorita Keller Gladys Rodrguez
Cabanillas Anlisis Diseo E Implementacin De Una Solucin De Inteligencia De
Negocios Para El rea De Compras Y Ventas De Una Empresa Comercializadora
De Electrodomsticos
Pgina 13
Pgina 14
Pgina 15
Pgina 16
Prediccin de consecuencias.
Pgina 17
ENTORNO DE TRABAJO
Pea (2006) explica que las empresas pueden tener muchas razones
diferentes para abordar el entorno de trabajo, a travs de la planeacin y
control de sus procesos en apoyo de sus objetivos estratgicos,
modernizacin, innovacin y expansin, y adems pretendern hacerlo a la
vista de la ampliacin hacia nuevos mercados desatendidos o el desarrollo
de su gama de productos, para aumentar sus cuotas de mercado.
Pgina 18
Figura 3 desarrollo de BI
Fuente: Introduccin a la minera de datos. Madrid: Pearson
1
2
Pgina 19
Importancia de BI
Generalmente,
de
datos e
ms
gil
y compresible
para
la
toma
de
decisiones
la
informacin, correctamente
Beneficios de BI
Entre los beneficios ms importantes que brinda una aplicacin BI a las
organizaciones, se puede mencionar los siguientes:
Minimiza el tiempo de carga de datos, debido a que todos los datos
se encuentran en un mismo repositorio o fuente de informacin.
Los procesos de extraccin y carga de la informacin son automticos
debido
al uso de procesos definidos y metodologas.
y establecer
Pgina 20
2.2.8. DATAWAREHOUSING
William Inmon3 quien es considerado padre del datawarehouse, lo define como
una coleccin de datos diseada para apoyar la toma de decisiones. Los
datawarehouses integran datos que han sido seleccionados y organizados de
manera histrica, sobre los que se realizan anlisis que ayuden a justificar las
decisiones estratgicas tomadas en las empresas. (Inmon, 2005)
Las caractersticas principales de un datawarehouse segn (Inmon, 2005) son las
siguientes:
Pgina 21
operacionales
que contienen
informacin
recopilada
de
las
Pgina 22
mostrar
de
manera
grfica
los
aspectos
comunes
mencionados
http://es.wikipedia.org/wiki/Almac%C3%A9n_de_datos
Pgina 23
Extraer
Convierte los datos a un formato preparado para iniciar el proceso de
transformacin. Se analiza los datos extrados, de lo que resulta un
chequeo para verificar si los datos cumplen la estructura que se esperaba.
De no ser as los datos son rechazados.
Transformacin
Se aplica reglas de negocio sobre los datos extrados para convertirlos en
datos que sern cargados. Por ejemplo, se selecciona solo ciertas
columnas para su carga y las con valores nulos se descartan.
Carga
los datos son cargados en el datawarehouse de destino. Consiste en
realizar un resumen de todas las transacciones comprendidas en el perodo
de tiempo seleccionado y transportar el resultado como una nica
transaccin hacia el datawarehouse.
A pesar de que se puede pensar que un datawarehouse es semejante a un
OLTP, la verdad es que existen diferencias muy significativas entre ellos
como podemos ver en la tabla 1.
Pgina 24
Aspectos
BD operacional
Data Warehouse
Objetivo
Proceso
y no conocido.
Actividad
Predomina la actualizacin
Predomina la consulta
Rendimiento
Importancia
del
tiempo
de Importancia de la respuesta
la
de
toda
la
informacin interna y
operativa
de
aplicacin
negocio
Volatilidad
Actualizable
Usuarios
Organizacin Estructura
relacional
Granularidad
Horizonte
Datos
desagregados, al detalle
detalle y agregacin
30 a 90 das
5 a 10 aos
histrico
Fuentes: Elaboracin propia
Una vez comprendida la definicin de un datawarehouse, se puede comenzar a
disearlo e implementarlo. Para construir un datawarehouse existen 2 tipos de
modelado de datos los cuales son:
Pgina 25
Pgina 26
MODELO MULTIDIMENSIONAL
Pgina 27
Una vez comprendidos estos conceptos, podemos definir los elementos de los que
se compone el modelo multidimensional para su implementacin: las tablas y los
esquemas (Kimball6, 2008).
Existen dos tipos de tablas, que se muestran grficamente en la figura 5. Tabla
Pgina 28
Los esquemas son colecciones de tablas y pueden ser de dos tipos (Kimball,
2008):
Pgina 29
Pgina 30
sobre l.
3. Identificar las dimensiones que caracterizarn el dominio.
4. Determinar y refinar las medidas y atributos a almacenar sobre el proceso.
Pgina 31
.
Figura 9 Diferencia entre los modelos relacional y multidimensional
Fuentes: Tesis, Desarrollo de una Aplicacin de Business Intelligence Para la Empresa
Empaqplast, Ecuador,2012
OLAP
Pgina 32
Pgina 33
11
Pgina 34
Pgina 35
Significado
Drill
Roll
Pivot
Drill-down/roll-up
Drill-across/roll-
across
Pgina 36
Una vez que hemos visto la definicin de OLAP y los operadores de manipulacin
de datos que existen, podemos pasar a la realizacin de consultas, las cuales se
definen en lenguaje SQL que se explicar en la siguiente seccin.
Pgina 37
c.companyname
as
[Cliente],
Pgina 38
DATA MINING
TAREAS
Una tarea es un tipo de problema de data mining. Por ejemplo: clasificar productos
en defectuosos, no defectuosos, defectuosos reparables y defectuosos no
reparables es una tarea.
Existen dos grandes grupos en los que se pueden dividir las tareas, como se
pueden ver en la tabla 3.
12
Pgina 39
Tipo de tarea
Descripcin
Ejemplo
Predictivas
clasificacin
Categorizacin
Preferencias o priorizacin
Regresin
Descriptivas
manera.
Por
lo Arboles de decisin de MS
tanto, el objetivo, no es Deteccin de valores
Pgina 40
2.3
MARCO CONCEPTUAL
Ruc: 20101369898
Organigrama:
Pgina 41
Venta de equipo
Venta de repuestos
Venta de servicios
Alquiler de equipos
Pgina 42
Figura 17 sucursales
Fuente: rea Comercial de la empresa Triton Trading SA., Lima, Peru
13
Extrado de http://www.triton.com.pe/
Pgina 43
Considerar tanto los elementos objetivos como los subjetivos y utilizar una
estructura de pensamiento analtica e intuitiva.
Pgina 44
El rol que ocupa el personal de las empresas se agrupa en alguno de los tres
niveles jerrquicos de autoridad y responsabilidad, otorgndole atribuciones
especficas dentro del marco de competencias del proceso administrativo. Segn
Pea (2006)
14
14
http://www.joaquinpenasiles.com/blog/category/empresa-2-0/
Pgina 45
Pgina 46
Pgina 47
Pgina 48
Area
de Ejemplos
aplicacin
Aplicaciones
financieras
Anlisis
mercado,
Educacin
Procesos
industriales
Medicina,
biologa,
deteccin de fraude.
Pgina 49
Clasificacin
Definicin
Herramientas simples
Suites
las
tcnicas
de
inteligencia
empresarial:
HERRAMIENTAS SIMPLES
Las herramientas simples son aquellas que dan soporte a las tecnologas de la
inteligencia
empresarial
individualmente.
Estas
herramientas
han
sido
Pgina 50
Clover ETL
Es un ambiente de transformacin de datos de cdigo abierto basado en
Java, para datos estructurados, capaz de funcionar como aplicacin
independiente (standalone) o estar incluida en otra aplicacin.
Realiza
transformaciones
grficas
basadas
en
XML
para
la
Pgina 51
Kettle
Conocido actualmente como Pentaho Data Integration, es un proyecto
belga de cdigo abierto, ahora adoptado por Pentaho BI, (del cual
hablaremos con ms detalle en la seccin de suites), que incluye un
conjunto de herramientas para realizar ETL. Uno de sus objetivos es
que el proceso de ETL sea fcil de generar, mantener y desplegar .
Se compone de 4 herramientas:
conocidas
como
trabajos
(Jobs),
creando
Caractersticas principales:
Pgina 52
Tiene
una
interfaz
visual
con
indicadores
de
las
transformaciones.
Talend
Talend Data Integration, es una herramienta de ETL de cdigo
abierto, que efecta operaciones tales como alimentacin de un
datawarehouse, sincronizacin de bases de datos, transformacin y
verificacin de la integridad de datos. Su interfaz grfica de usuario
est basada completamente en Eclipse RCP (Rich Client Platform) e
incluye numerosos componentes para procesos de modelado de
negocios, as como implementaciones tcnicas para extraccin de
informacin, transformacin y mapeo del flujo de datos. Las
funciones generales de Talend incluyen modelador de negocios,
diseador del trabajo y administrador de metadatos.
Caractersticas principales:
Compatible con Microsoft SQL Server Integration Services (SSIS).
Pgina 53
Pgina 54
Mondrian
Es un motor de ROLAP desarrollado en Java, que permite analizar grandes
conjuntos de datos que se encuentran almacenados en el datawarehouse.
Mondrian se considera un motor, porque se encarga de recibir consultas
dimensionales en lenguaje MDX y devolver los datos del cubo que
correspondan a la consulta. El cubo se representa como un conjunto de
metadatos que definen cmo se han de mapear estas consultas
dimensionales a sentencias SQL para obtener de la base de datos la
informacin necesaria para satisfacer la consulta dimensional. Utiliza una
memoria cach para almacenar los resultados de las consultas que se
acceden mltiples veces
Mondrian es usado para:
Pgina 55
Palo
Es un servidor de base de datos multidimensional capaz de centralizar y
administrar casi un nmero infinito de hojas de clculo. El sistema opera en
tiempo real, soporta la consolidacin de jerarquas as como numerosas
funciones de inteligencia empresarial y es un servidor de cdigo abierto.
Palo es un servidor de datos multidimensional (MOLAP) orientado a celdas,
especficamente desarrollado para almacenamiento y anlisis de datos en
hojas de clculo.
Olap4j
Es una interfaz de aplicacin para el ambiente Java 2 Platform, Enterprise
Edition, que soporta la creacin, almacenamiento y administracin de datos
para una aplicacin OLAP. Hyperion, IBM, y Oracle iniciaron el desarrollo
de OLAP4J con la intencin de que fuera un equivalente a la conexin
JDBC pero especfica para OLAP, que se liber en 2009 y es compatible
con Mondrian.
Pgina 56
Clementine
Pgina 57
Tcnicas
de
aprendizaje:
rboles
de
decisin,
redes
Rapid Miner
Es un entorno para la realizacin de experimentos de aprendizaje
automtico implementado en Java por la Universidad de Dortmund. Las
operaciones elementales se encapsulan en los llamados operadores, los
cuales son configurables mediante archivos XML. Estos archivos a su vez,
pueden ser especificados grficamente
El sistema incluye operadores para:
Pgina 58
Validacin de modelos.
Weka
Es una herramienta de cdigo abierto desarrollada por un equipo de
investigadores de la Universidad de Waikato en Nueva Zelanda,
implementada en Java (University of Waikato, 2011). Sus caractersticas
principales son:
Xelopes
Pgina 59
SUITES
15
Pgina 60
Pentaho BI
Pentaho BI es la nica suite que existe de cdigo abierto, ya que ha
adoptado las herramientas de Kettle, Mondrian y WEKA para conformar una
sola plataforma de Inteligencia de Negocios. Tiene las funcionalidades de
reportes, anlisis, data mining e integracin de datos (Pentaho, 2011). Los
proyectos involucrados en Pentaho BI son:
Pgina 61
JFreeReport: reporteador.
Oracle
Oracle BI es la plataforma ms completa para Inteligencia de Negocios ,
cubre un amplio rango de necesidades, incluidos los tableros interactivos, el
anlisis ad-hoc, alertas e inteligencia proactivas, publicacin e informes
avanzados, anlisis predictivo en tiempo real, y anlisis de tecnologa mvil
(Oracle, 2012).16
Existen varias versiones de las plataformas:
16
Pgina 62
SAS
SAS Inteligencia de Negocios integra los datos de la empresa y tiene un
servicio de anlisis y reportes, posee amplias capacidades de inteligencia
empresarial y la aplicacin de anlisis e integracin de datos para crear una
solucin completa y de fcil interaccin SAS BI ofrece:
Pgina 63
Pgina 64
necesario
para
construir
aplicaciones
de
clase
Pgina 65
Pgina 66
de
negocios
no
en
fechas
establecidas.
As
el
17
http://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/dwbi-lifecycle-method/ ,
Pgina 67
que informacin es la
apropiadas.
Entrevistas
Es de vital importancia dirigir las entrevistas a los directivos debido a que son
los que tienen un mejor conocimiento de las reglas de negocio, las entrevistas
tambin deben ser realizadas al departamento de tecnologa para conocer
con qu recursos se cuenta para el desarrollo del proyecto.
Pgina 68
Modelo dimensional
compuesta
en
la
tabla
La idea fundamental del modelado dimensional es que casi cada tipo de datos de
negocio puede ser representado como un tipo de cubo de datos, donde cada
celda del cubo contiene un valor medido y las aristas del cubo definen las
dimensiones naturales de los datos 19
18
19
Declaracin de la granularidad
Kimball98, p144.
Kimball98, p165
Pgina 69
Diseo Fsico
La
creacin
de
tablas
para
datos
metadatos,
donde
se
alojarn
2.3.10.
Pgina 70
2.3.11.
perfile
necesita un role
carpetas, acceso a cierto tipo de reportes, entre otras por lo que en esta
etapa se definen los diferentes tipos de permisos para los usuarios.
2.3.12.
Implementacin
la comunicacin.
Mantenimiento y crecimiento
establecer
Pgina 71
2.3.15.
La gestin del proyecto asegura que las actividades del ciclo de vida
se lleven a cabo de manera sincronizada. La gestin del proyecto
acompaa
todo
el ciclo
Pgina 72
CAPITULO III
DESARROLLO DE LA METODOLOGIA
3.1 DESARROLLO DE BI PARA LA EMPRESA TRITON TRADING
Para el desarrollo del proyecto se utilizar la metodologa de Ralph Kimball
lo que permitir dar un seguimiento adecuado al desarrollo del proyecto.
3.1 PLANEACIN Y ADMINISTRACIN DEL PROYECTO
En este punto se determinara el propsito del proyecto de inteligencia de
negocios, sus objetivos y los alcances del mismo, los principales riesgos y
una aproximacin inicial a las necesidades de informacin
sea
Pgina 73
Alcance
El proyecto estar centrado en el
las siguientes
reas:
Para
Ventas.
Inventarios.
Compras.
cada
una
de
estas
reas
se
desarrollar,
los
cubos
de
Justificacin
La solucin que se plantea para el anlisis de la informacin est
basada en la elaboracin de una aplicacin de Inteligencia de Negocio (BI)
que estar conformado por los Data Mart del rea ya mencionada.
Se busca relacionar los datos con el negocio para obtener informacin
relevante sobre la situacin de la empresa. Tomando en cuenta que la
Pgina 74
para
conseguir
considerar
el uso
de
la
una completa
solucin
de
Inteligencia de
al tratamiento
de
de
la
informacin
se facilitar
la
Cargo
Gerente Comercial
Gerente de Compras
Neil Alarcon
Coordinadora de Venta
Coordinadora
de
Compras
Analista desarrollador
Luis Ticacala
Analista de TI
Luis de la Cruz
Analista BI
Pgina 75
Cargo
Luis Ticacala
Luis de la Cruz
Analista de TI
Analista BI
Gestin
Tabla 8 recurso de gestin
Stakeholders
Cargo
Renzo Gamboa
Gerente
Comercial
Gerente
compras
de
Coordinadora
de Venta
Coordinadora
de compra
Requerimiento Tecnolgicos
Hardware
Tabla 9 recurso de hardware
Equipo
Laptop
Uso
Anlisis y desarrollo del
proyecto
Cantidad
2
Pgina 76
Software
Tabla 10 recurso de hardware
Software
Suite de SQL server
2008
Uso
Analysis services
Integration services
Herramienta desarrollo
operacional
Herramienta
de
desarrollo dimensional
Cantidad
2
Pgina 77
Proveedor
compras
Clientes
Productos
Negocios
Control de cuota
Control de
clientes TOP
Ventas por
productos
Rotacin de
inventario
compras
Vendedor
Sucursal
producto
Gestin de Venta
Gestin de
Tipo
alance
n
x
x
x
x
Tiempo de
respuesta
proveedor
Cantidad
solicitada VS
cantidad
entregada
Compra por
categora de
proveedor
Respuestas de
proveedores
estratgicos
Valorizacin de
Stock
Movimiento de
Inventario
Pgina 78
remodelaciones
o hacer
Pgina 79
Pgina 80
Pgina 81
Pgina 82
Pgina 83
Pgina 84
Diagrama Dimensional
Pgina 85
Dimensin Producto
Tabla 12 tablas dimensionales Dim Producto
Tabla
Tipo de
tabla
Descripcin
Esquema
Columna
idProducto
nombre
marca
idgrupo
DIM_PRODUCTO
Dimensin productos
Detalle de productos
DW
Destino
Tipo
tamao clave
dato
Varchar 20
PK
varchar 100
100
Varchar
numeric
Origen
Null Tabla campo
Tipo
dato
N
OITM Itemcode
varcahar
Y
itemname
Varchar
Y
U_codmarca Varchar
Y
itemGrpcod
tamao
32
255
100
smallint
Dimensin Tiempo
Tablas 13 dimensionales Tiempo
Dimensin - Atributo
DIM_TIEMPO
Tipo de Dato
Fecha
Mes
Trimestre
dia
Ao
diaSemana
NTrimenstre
Nmes
Nsemana
Ndia
date
smallint
smallint
smallint
smallint
smallint
Char(7)
Char(15)
Char(10)
Char(6)
Pgina 86
Tabla
Tipo de tabla
Descripcin
Esquema
Destino
Columna
Dim_tio_compra
Dimensin tipo de compra
Tella de tipo de moneda
DW
Tipo
dato
idtipoCompra varchar
nombre
varchar
Origen
Tabla campo
Tipo
dato
OPOR U_TipoComp
varchar
U_TipoCompname
OPOR
varcha
tamao
32
100
Dimensin Moneda
Tablas 15 dimensionales Dim Moneda
Tabla
Tipo de
tabla
Descripcin
Esquema
Destino
Columna
idmoneda
moneda
siglas
Dim_moneda
Dimensin moneda
Destalle de moneda
DW
Tipo
dato
char
varchar
Varchar
tamao
clave
3
30
10
PK
Origen
Null Tabla
N
Y
Y
OPOR
campo
currency
Tipo
dato
varchar
tamao
15
Pgina 87
Tabla
Tipo de
tabla
Descripcin
Esquema
Destino
Columna
idvendedor
nombre
Localidad
Dimensin Vendedor
Tablas 16 dimensionales Vendedor
Dim_vendedor
Dimensin vendedores
Detalle de vendedores
DW
Tipo
dato
numeric
varchar
numeric
N
Y
Y
100
Origen
Tabla campo
OSLP
OSLP
OSLP
slpcode
slpname
U_sucursal
Tipo
tamao
dato
smallint
Nvarchar 32
Nvarchar max
Dimensin Proveedor
Dim_proveedor
Dimensin proveedores
Idproveedor
ruc
Razn_social
direccion
pais
ciudad
Tipo
extranjero
Fechar
creacin
Varchar
varchar (32)
varchar (255)
Varchar(255)
varchar(15)
Varchar(50)
Varchar(max)
Varchar
datetime
Detalle de proveedores
DW
Tipo dato
Origen
tamao clave Null Tabla campo
tamao
15
32
255
255
15
50
Max
15
32
32
255
255
50
50
max
15
PK
N
Y
Y
Y
Y
Y
Y
Y
Tipo
dato
OCRD cardcode
Varchar
OCRD lictracnum varchar
OCDR cardname
varchar
CDR1 Addrees1
varchar
CDR1 country
varchar
CDR1 county
varchar
CDR1 U_tipo
varchar
OCRD U_vs_snpro varchar
OCRD createdate datetime
Pgina 88
Dimensin Cliente
Tablas 18 dimensionales Cliente
Tabla
Tipo de tabla
Descripcin
Esquema
IdCliente
DIM_CLIENTE
Dimensin Clientes
TABLA QUE CONTINEN DETALLES DE CLIENTES
DW
Destino
Tipo de
tama clav Null Tabla
dato
o
e
Varchar
15
PK
N
OCRD
ruc
varchar
32
Razn_social
direccion
pais
ciudad
varchar
Varchar
varchar
Varchar
255
Y
OCDR
255
Y
CRD1
15
Y
CRD1
50
Y
CRD1
Fuente: Elaboracin Propia
Columna
Tabla
Tipo de tabla
Descripcin
Esquema
Columna
idsucursal
sucursal
ciudad
OCRD
Origen
campo
Tipo
dato
cardcode Varcha
r
lictracnu
varchar
m
cardname varchar
Addrees1 varchar
country
varchar
county
varchar
tamao
32
32
255
255
50
50
Dimensin Sucursal
Tablas 19 dimensionales Sucursal
Dim_sucursal
Dimensin sucursal
Detalle de sucursal
DW
Destino
Tipo dato tamao clave
numeric
pk
varchar
50
numeric
50
Null
N
Y
Y
Tabla
OLCT
OLCT
OLCT
campo
code
name
U_abreviat
Origen
Tipo dato tamao
smallint
Nvarchar 32
Nvarchar max
Pgina 89
Tabla
Tipo de tabla
Descripcin
Esquema
Columna
idsucursal
sucursal
ciudad
Direccin
Dimensin Almacen
Tablas 20 dimensionales Dim Almacn
Dim_almacen
Dimensin almacn
Detalle de almacn
DW
Destino
Tipo dato tamao clave Null Tabla
OWHS
numeric
PK
N
OWHS
varchar
50
Y
OWHS
Varchar
50
Y
OWHS
Varchar
50
Y
Fuente: Elaboracin Propia
Origen
campo
Tipo dato
whscode
Nvarchar
whsname
Varchar
city
nvarchar
street
nvarchar
tamao
15
50
100
100
Dimensin Grupo
Tablas 21 dimensionales Dim Grupo
Tabla
Tipo de
tabla
Descripcin
Esquema
Columna
Idgrupo
Nombre
tipo
Dim_grupo
Dimensin grupos
Detalle de grupo
DW
Destino
Tipo
tamao
dato
numeric
Varchar 100
varchar
50
clave
Null Tabla
PK
N
Y
Y
OITB
OITB
OITB
Origen
campo
Tipo
dato
itmsGrpCod Smallint
ItmsGrpNam Varchar
U_tipo
nvarchar
tamao
100
Max
Pgina 90
Tipo de Dato
Idproducto
Idalmacen
Idcliente
Idsucursal
Fecha
Idvendedor
Costo_und
cantidad
importe
moneda
FK
FK
FK
FK
FK
FK
Numeric
Numeric
Numeric
Vachar(3)
Tipo de Dato
Idproducto
Idalmacen
Idproveedor
IdtipoCompra
idmoneda
idtiempo
Fecha_recep
Costo_und
cantidad
importe
Can_recep
Fuente: Elaboracin Propia
FK
FK
FK
FK
FK
FK
FK
Numeric
Numeric
Numeric
numeric
Tipo de Dato
Idproducto
Idalmacen
Idsucursal
Idtiempo
Tiempo_creado
cantidad
valorizado
Fuente: Elaboracin Propia
FK
FK
FK
FK
FK
Numeric
Numeric
Pgina 91
nuestra tabla DIM, la segunda tarea es convertir la data origen a los datos
convenientes de
una vez
Pgina 92
Pgina 93
Pgina 94
Pgina 95
Figura 42 Tareas
Figura 43 Tareas
Pgina 96
DESARROLLO DE CUBOS
CUBO DE VENTAS
Este seccin observaremos la nuestra creacin de cubos de ventas este
cubo nos presentara la informacin de ventas necesarios para la gestin de
ventas y el anlisis de la misma con ello ayudara a la toma de decisin del
rea correspondiente, para la construccin de nuestro cubo se utiliz las
siguientes tablas de dimensin
dim_producto
dim_grupo
Dim_cliente
Dim_sucursal
Dim_almacen
Dim_tiempo
Pgina 97
CUBO DE COMPRAS
dim_producto
dim_grupo
Dim_proveedor
Dim_tipo_compra
Dim_almacen
Dim_tiempo
Dim_moneda
Pgina 98
Resultado de cubos
Pgina 99
CUBO DE STOCK
Siguiendo con la presentacin de cubos no toca presentar el ultimo cubo
que es un complemento a las dos ares ya mencionadas para ayuda y anlisis
de la informacin referente al stock necesario y ptimos. Este cubo esta
confirmado por los siguientes tablas de dimensin.
dim_producto
dim_grupo
Dim_sucursal
Dim_almacen
Dim_tiempo
Pgina 100
Resultados de cubo
4. RESULTADOS DE REPOSTES
4.1.
Pgina 101
4.2.
Pgina 102
4.3.
Pgina 103
4.4.
Este informe muestra la venta que se tiene por cada vendedor por cada mes,
esto permite tomarles el pulso a cada momento a los vendedores y exigirle
que cumplan con su cuota de ventas mnsula y tambin ayuda a la gerencia
de ventas saber la cantidad de ventas por sector y por temporada haciendo
que se tome un adecuada decisin en el estoqueo del almacn en el tiempo
adecuado
Pgina 104
Pgina 105
Pgina 106
Pgina 107
4.5.
presenta la empresa.
Pgina 108
4.6.
Pgina 109
Pgina 110
4.7.
En este reporte podemos ver las ventas anuales de empresa que compraron
maquinaria, esto se puede traducir en nuevoas ventas de repuesto para la
maquina compradas y tambien servicio de mano de obra la decisio si es
necesario la ompra o el estokeo de repuesto para las maquina mas vendidas.
Pgina 111
COCLUSIONES
Pgina 112
RECOMENDACIONES
Pgina 113
BIBLIOGRAFIA
Clover ETL. (1 de Julio 14 de 2010). CloverETL. Recuperado el 30 de Mayo de
2012, de CloverETL: http://www.cloveretl.com/products/desktop-edition
Hernandez, J. (2004). Introduccin a la minera de datos. Madrid: Pearson.
Hyde, J. (19 de Agosto de 2006). Olap4j. Recuperado el 7 de Junio de 2012, de
Olap4j: http://www.olap4j.org/olap4j_fs.html
Ponniah, P. (2007). Data modeling fundamentals. Usa: Wiley.
Inmon, W. (2005). Building the Datawarehouse. Usa: Wiley.
Kimball, R. (2008). The datawarehouse lifecycle . Usa: Wiley.
http://www.cse.hcmut.edu.vn/~chauvtn/data_mining/Texts/%5B6%5D%202006%2
0Data%20Mining%20Methods%20and%20Models.pdf
Harjinder, G. (1996). La integracin de informacin para la mejor toma de
desiciones. Mexico: Prentice Hall.
University of California. (17 de noviembre de 2010). UCLA. Recuperado el 19 de
abril de 2012, de UCLA:
http://www.anderson.ucla.edu/faculty/jason.frand/teacher/technologies/palace/data
mining.htm
Prudsys. (8 de Marzo de 2011). Prudsys. Recuperado el 14 de Junio de 2012, de
Prudsys: http://www.prudsys.de/en/technology/xelopes/
Oracle. (13 de Enero de 2012). Oracle. Recuperado el 20 de enero de 2014, de
Oracle: http://www.oracle.com/us/solutions/business-analytics/businessintelligence/index.html?origref=http://www.oracle.com/us/solutions/entperformance-bi/enterprise-edition-066546.html
Pgina 114
ANEXOS
Pgina 115
not null,
not null,
Pgina 116
key
key
key
key
key
key
USE [ETL_datamar]
INSERT INTO fac_ventas
select cast (x2.itemcode as varchar (20))'IDPRODUCTO', x2.whscode
'ALMACEN'
, x1.cardcode 'cliente',
CAST
when
WHEN
WHEN
WHEN
((case x1.U_siteidot
'TTLIM' THEN 3
'TTARQ' THEN 1
'TTCAJ' THEN 2
'TTPAI' THEN 4 END) as numeric)'SUCURSAL'
Pgina 117
ORDER BY x1.docdate
not null,
not null,
key
key
key
key
key
key
key
key
Pgina 118
Pgina 119