Académique Documents
Professionnel Documents
Culture Documents
Intelligence y desarrollo
de un Cuadro de Mando
para el Anlisis de
Ventas
Director:
CARLES MARTN BADELL
Antonio Invernn
Hace diez aos les pude decir cuntos Doritos vendimos al Oeste del Mississippi. Hoy no slo
les puedo decir eso mismo, sino cuntos vendimos 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.
Wayne Calloway (CEO de Pepsico entre 1986 y 1990)
Resumen
El Business Intelligence ha pasado en los ltimos 20 aos de ser un capricho de unos
pocos CIO, que podan permitirse destinar partidas presupuestarias para tal efecto, a
convertirse en una realidad ya presente en muchas de las grandes empresas o una
necesidad urgente para las que todava no han implantado un sistema de esas
caractersticas.
La primera parte del presente documento, denominada Estudio del Business
Intelligence, presenta una introduccin a dicho concepto, desde la base. Explicando los
conceptos tericos clave necesarios para entender este tipo de soluciones, ms adelante se
comentan los componentes tecnolgicos que van desde los procesos de extraccin e
integracin de informacin a cmo debemos estructurar la informacin para facilitar el
anlisis. Por ltimo, se repasan los diferentes tipos de aplicaciones que existen en el
mercado as como las tendencias ms actuales en este campo.
La segunda parte del documento centra su foco en la implantacin de un Cuadro de
Mandos para el anlisis de las ventas de una empresa, se identifican las diferentes fases
del proyecto as como se entra en detalle de los requerimientos identificados. En ltimo
lugar, se presenta el desarrollo realizado del Cuadro de Mandos con tecnologa Xcelsius,
que permite exportar a flash el resultado y visualizarlo en cualquier navegador web.
ndice
1. Introduccin ................................................................................................................................ 9
1.1 Motivacin .............................................................................................................................. 9
1.2 Objetivos............................................................................................................................... 10
2. Estudio del Business Intelligence ............................................................................................. 11
2.1 Definicin ............................................................................................................................. 11
2.1.1 Qu es el Business Intelligence? .................................................................................. 11
2.1.2 Conceptos analticos bsicos ......................................................................................... 11
2.2 Arquitectura tcnica de una solucin BI ............................................................................... 12
2.2.1 Procesos ETL ................................................................................................................. 12
2.2.2 Datawarehouse y datamarts ........................................................................................... 13
2.2.3 Metadatos ...................................................................................................................... 14
2.2.4 Aplicaciones analticas .................................................................................................. 15
2.3 Mercado de soluciones y tecnologas de BI .......................................................................... 19
2.3.1 Gartner ........................................................................................................................... 19
2.3.2 Proveedores y Productos ................................................................................................ 22
2.3.3 Tendencias actuales y futuras ........................................................................................ 25
3. Business Intelligence Aplicado................................................................................................. 29
3.1 Descripcin empresa objetivo ............................................................................................... 29
3.2 Tecnologa utilizada ............................................................................................................. 30
3.2.1 Base de datos ................................................................................................................. 30
3.2.2 Aplicacin de Cuadros de Mando .................................................................................. 30
3.3 Metodologa y plan de trabajo .............................................................................................. 30
3.4 Anlisis Funcional ................................................................................................................ 31
3.4.1 Dimensiones .................................................................................................................. 31
3.4.2 Jerarquas ....................................................................................................................... 32
3.4.3 Indicadores..................................................................................................................... 35
3.5 Diseo del Modelo de datos ................................................................................................. 36
3.6 Diseo de la capa de presentacin ........................................................................................ 37
3.6.1 Anlisis Global de Boutiques ........................................................................................ 38
3.6.2 Anlisis Geogrfico ....................................................................................................... 39
3.6.3 Anlisis Boutiques ......................................................................................................... 40
3.6.4 Anlisis Comparativo .................................................................................................... 41
3.7 Formacin y roll-out ............................................................................................................. 42
3.8 Planificacin en tiempo y recursos ....................................................................................... 43
4. Conclusin ................................................................................................................................. 45
Anexo ............................................................................................................................................. 47
Requisitos de sistema .................................................................................................................. 47
Requisitos del sistema para el usuario final ............................................................................ 47
Requisitos del sistema para el desarrollador ........................................................................... 47
Configuracin de seguridad de flash player............................................................................ 47
Bibliografa.................................................................................................................................... 49
Referencias ................................................................................................................................. 49
Otras fuentes de informacin ...................................................................................................... 49
1. Introduccin
Desde que en la dcada de los 60 se establecieran los primeros sistemas de informacin,
stos han vivido una gran evolucin motivada en gran medida por la necesidad de
automatizar cada vez ms los procesos de negocio as como tener un mayor control, y
ms centralizado, de la informacin corporativa.
En la dcada de los 70 aparecieron las primeras bases de datos as como las primeras
aplicaciones empresariales, algunas de las cuales dominan hoy en da ese mercado como
SAP, Siebel o JD Edwards. Estas aplicaciones estaban focalizadas en la introduccin de
datos, buscando un mayor control y un registro minucioso de todos los procesos de
negocio.
La filosofa de los sistemas transaccionales no ha cambiado mucho desde entonces,
mejorando sus virtudes de estandarizacin de procesos y registro de transacciones, pero
manteniendo sus flaquezas a la hora de convertir esa gran cantidad de datos en
informacin.
Los sistemas transaccionales contienen datos "en bruto" que pueden llegar a ser extrados
como informes o consultas, pero siempre con un alto nivel de limitacin, ya que es por un
lado una informacin esttica y por tanto no permite interactuar con ella para generar
conocimiento.
Esta acumulacin de informacin "cruda" empez a cobrar inters en la dcada de los 80,
cuando aparece el concepto de Datawarehouse. Un entorno de almacenamiento de
informacin que buscaba permitir un manejo fluido y permanente de datos y que fuera al
mismo tiempo organizado de acuerdo a unas necesidades especficas. Estos datos podan
ser transversales a toda la organizacin, abarcando diferentes reas de la empresa.
En la dcada de los 90 empiezan a aparecen aplicaciones de Business Intelligence, pero
no fue hasta esta ltima dcada, con el abaratamiento del hardware y el desarrollo de
software de gestin ms eficientes, que el mercado de aplicaciones de BI inici su
expansin hasta convertirse en lo que es hoy da.
Con los sistemas de Business Intelligence se aaden mltiples ventajas y desde varias
perspectivas. La primera es la velocidad en el procesamiento de la informacin al trabajar
sobre bases de datos optimizadas para las consultas, la segunda es la capacidad grfica
que aportan con indicadores de tendencias o grficas dinmicas, pero sobretodo la
posibilidad de centralizar el conocimiento o consolidar la situacin de una compaa a
travs de los cuadros de mando, lo que permite concebir un nuevo concepto de anlisis
tanto operativo como estratgico.
1.1 Motivacin
Personalmente estoy convencido de que el xito de una empresa se ha debido siempre a
una serie de decisiones tomadas de forma correcta y en los momentos adecuados.
En el siglo XXI, los tiempos que se consideran adecuados para tomar las decisiones se
hacen cada vez ms cortos, la cantidad de informacin crece y las comunicaciones son
cada vez ms rpidas y globales, lo que exige a los mandos de una empresa estar a la
altura y ser capaces de tomar forma ms gil decisiones que pueden dictar el xito o
fracaso de una campaa de ventas o de una operacin de expansin internacional.
10
1.2 Objetivos
El presente proyecto viene a cubrir dos objetivos principales, diferenciados en los
captulos 2 y 3 de este documento.
La primera idea es realizar un estudio sobre el Business Intelligence, qu es, dnde se
aplica, qu tipos de entornos existen, qu se necesita para su implementacin y qu tipo
de aplicaciones, proveedores y tendencias hay en el mercado actual.
En segundo lugar, la aplicacin prctica de esos conceptos a travs de un proyecto de
implantacin de una pequea solucin BI en una empresa concreta, pasando por las
diferentes etapas de este tipo de proyectos; desde la toma de requerimientos, el diseo del
modelo de datos y el desarrollo de una capa de visualizacin y presentacin consolidada
de la informacin a travs de un Cuadro de Mandos.
Son sistemas abiertos que permiten navegar por la informacin con total libertad
y realizar anlisis de la informacin desde diferentes dimensiones (perspectivas
del negocio)
Almacenan grandes volmenes de informacin para el anlisis de la misma
Se alimentan de los sistemas transaccionales y permiten correlacionar
informacin de diferentes sistemas o aplicaciones de negocio
Estn orientados a la consulta, buscando el equilibrio entre volmenes de
informacin ms o menos grandes y el tiempo de respuesta
Permiten analizar la informacin desde diferentes puntos de vista (perspectivas)
explorando los hechos y permitiendo crear mtricas para identificar los
indicadores claves de la empresa.
Hecho / Mtrica
o Un hecho o mtrica es un dato cuantitativo y numrico a analizar que
representa la actividad real del negocio, sobre el que se puede definir
cualquier operacin aritmtica. Contiene la informacin agregable segn
las distintas perspectivas del Negocio. Ejemplo: facturacin del mes,
nmero de empleados, volumen de litros vendidos.
Indicador
o Se denomina indicador al clculo analtico efectuado sobre uno o varios
hechos. Ejemplo de indicador: crecimiento de las ventas respecto al ao
anterior.
11
12
Perspectiva
o Se denomina perspectiva a cada una de las pticas de anlisis asociadas a
un conjunto de mtricas (hechos), normalmente acotado por un mbito
funcional Engloban las diferentes reas de negocio de forma natural;
p.ej.: informacin relativa a Clientes, Productos, etc.
Caracterstica
o Se denomina caracterstica a los conceptos de negocio que sirven para
calificar y sumarizar la informacin
o Permiten definir los diferentes niveles de agregacin de los datos
o Permiten presentar la informacin agrupada
o Representan los niveles dentro de una determinada jerarqua
Jerarqua
o Se denomina jerarqua a una asociacin lgica de caractersticas que
definen un camino de navegacin en la informacin.
o Las caractersticas dentro de las dimensiones pueden estar agrupadas por
una o ms Jerarquas,
o Se organizan por reas de negocio
o Pueden compartir caractersticas
o Se basan en las relaciones definidas entre caractersticas (asociaciones
lgicas entre los distintos conceptos del modelo de negocio)
13
Otra cosa importante es que, generalmente, los sistemas operacionales incluyen la ltima
informacin disponible y no mantienen un histrico (asignacin de clientes a vendedor,
cambio de estado de un pedido)
Por el contrario, los informes analticos por su propia naturaleza, aaden mayor valor
cuando presentan comparativas: es importante entonces mantener un lugar que contenga
el histrico de los datos que se necesitan
Por todas las razones mencionadas arriba, es importante limpiar, integrar, y reorganizar
los datos de una forma que sea mejor para el anlisis tanto a nivel de rendimiento en
tiempos de respuesta de las consultas como de consistencia de los datos y su integridad
histrica.
La forma ms comn de organizar la informacin corporativa destinada al anlisis es en
un Datawarehouse, concepto que analizaremos a continuacin.
2.2.2 Datawarehouse y datamarts
Para explicar lo que es un datawarehouse, veremos cmo lo definen los principales
referentes en el mundo del modelado de datos, Bill Inmon y Ralph Kimball.
De acuerdo a Bill Inmon: un datawarehouse es un conjunto de datos integrados,
histricos, no voltiles y orientados en una temtica, que dan soporte al proceso de toma
de decisiones de una compaa y se erige como el eje central del Business Intelligence.
[1]
En la definicin de Inmon, identificamos cuatro requisitos que debe cumplir todo
datawarehouse:
Integrado: Un datawarehouse integra de forma consistente informacin de mltiples
orgenes de datos.
El DWH debe ofrecer una visin nica de la informacin a pesar de que provenga de dos
fuentes de informacin totalmente diferentes.
Histrico: Un datawarehouse debe almacenar datos histricos.
En los sistemas operacionales, los datos siempre reflejan el estado de la actividad del
negocio en el momento presente, sin embargo, un datawarehouse debe permitir analizar
las variaciones a lo largo del tiempo para estudiar tendencias.
No voltil: A diferencia de los sistemas transaccionales, un datawarehouse existe para ser
consultado y actualizado con los ltimos valores, no para ser modificado ni borrado.
Orientado en un rea temtica: este concepto cobra un doble significado, ya que por un
lado slo cargaremos en el datawarehouse los datos relevantes para el anlisis, y por otro
lado, la informacin se estructurar segn su mbito, as pues, todos los clientes de la
compaa estarn almacenados en una misma tabla, independientemente de su tipologa.
Ralph Kimball completa la definicin de su colega Inmon apuntando que un
datawarehouse es una copia de informacin transaccional, de forma especficamente
estructurada para las consultas y el posterior anlisis, adems resume la definicin de
datawarehouse como un conjunto de datamarts. [2]
Esta ltima frase puede parecer bastante simplista y abierta, ya que define un
datawarehouse a base de introducir un nuevo concepto, los datamarts; por lo que se hace
necesario comentarlos a continuacin.
14
Figura 1.
2.2.3 Metadatos
El concepto metadato (del griego meta, "despus de, ms all de" y del latn datum,
"dato"), hace referencia a lo que va ms all del datos o, ms comnmente, a los datos
que describen otros datos.
Tambin se pueden entender los metadatos como etiquetas que van asociadas a los datos,
o como datos que nos permiten encontrar otros datos.
En el mbito de las bases de datos, los metadatos de las tablas suelen indicar:
Nombre
Tipologa
Sistema gestor de bases de datos: Oracle, SQL Server,
Ubicacin
Descripcin
15
En el caso de los metadatos sobre columnas de una tabla, pueden facilitar informacin
como:
Nombre fsico
Nombre lgica
Tipo de datos
Longitud o precisin decimal
En el mbito analtico, los metadatos son, adems de una traduccin de la nomenclatura
tcnica a la lgica (o de negocio), una forma de abstraer de la estructura tcnica al usuario
final, poniendo a su alcance anlisis complejos a base de objetos simples, con
nomenclatura familiar y comprensible pero que contienen clculos y frmulas de
agregacin predefinidos.
Por ejemplo, el objeto que el usuario vera como Facturacin Neta de Accesorios, sera
en realidad el resultado de:
SELECT
(TABLA_VENTAS.Precio_Unitario
TABLA_VENTAS.Impuestos
TABLA_VENTAS.Cantidad)
FROM TABLA_VENTAS
WHERE TABLA_VENTAS.ID_Tipo_Producto = A
Sin embargo, pocas sern las ocasiones en las que un usuario final ser capaz de formular
la sentencia anterior para obtener simplemente la facturacin de un tipo de producto, as
pues, aplicando los metadatos al entorno de BI no necesitaremos ni que el usuario tenga
conocimientos tcnicos de bases de datos, ni que tan siquiera conozca la frmula de
clculo aplicada, tan slo los objetos que necesita para obtener la respuesta a su consulta.
2.2.4 Aplicaciones analticas
Aunque no de forma estricta pero s recomendada, los entornos que permiten explotar la
informacin corporativa requieren haber realizado los pasos anteriormente comentados,
es decir, haber realizado unos procesos de extraccin, transformacin y carga de datos de
cada una de las diferentes fuentes; haber estructurado la informacin en tablas siguiendo
un modelo que cumpla los requerimientos de anlisis y a la vez proporcione un
rendimiento ptimo; y por ltimo, haber implementado una capa de metadatos que
permita al usuario final acceder a la informacin que desea sin necesidad de tener
conocimiento de la estructura de tablas ni de la nomenclatura tcnica de cada concepto.
Una vez aseguradas las anteriores fases, disponemos de diferentes formas de analizar o
presentar la informacin, la aplicacin ideal depender del propsito que se requiera as
como del tipo de perfil analtico, abarcando desde un perfil ms explorador hasta un
puro consumidor de informacin ya presentada.
Reporting:
Las aplicaciones de reporting parten de la premisa de que es necesario facilitar el acceso
de los usuarios a la informacin que necesitan de manera peridica.
Funcin Principal:
Generar informes (reports) estticos departamentales o personales para los
usuarios de la empresa.
16
Caractersticas:
Los informes estn predefinidos, los usuarios no pueden modificarlos o
navegarlos, sencillamente visualizarlos.
Los informes pueden ser programados para que se ejecuten de forma peridica,
incluyendo tambin opciones de distribucin por email (exportando a Excel o
PDF).
Figura 2.
Tipologa de Usuarios:
La creacin o modificacin de un informe no puede ser realizada normalmente
por los propios usuarios sino por expertos en esta tecnologa o usuarios
avanzados
Los destinatarios estos reports sern usuarios con necesidades analticas bsicas y
poco cambiantes y podrn acceder a los informes desde un portal web o va
fichero (Excel, pdf) exportado desde la aplicacin.
Query and Analysis (Q&A):
Este tipo de aplicaciones tienen como objetivo eliminar la dependencia de los usuarios
con respecto al departamento de TI cuando necesitan analizar informacin,
permitindoles navegar de una manera directa por la informacin de la compaa.
Funcin Principal:
Ofrecer a los usuarios la posibilidad de crear sus propios informes y de analizar la
informacin de forma dinmica.
Caractersticas:
Los informes son dinmicos y se puede navegar por la informacin a diferentes
niveles de detalle, seleccionar la informacin a mostrar, aadir filtros y grficos,
etc.
La aplicacin debe contar con una interfaz intuitiva y que permita agilidad para
crear anlisis desde cero. El usuario debe poder obtener una respuesta rpida a la
consulta que se le ha planteado (ya sea propia o transmitida por un superior).
Navegacin a travs del modelo del datamart o datawarehouse creado.
17
Figura 3.
Tipologa de Usuarios:
Usuarios donde el anlisis del negocio de la empresa es un componente bsico de
su trabajo (analistas)
Dashboarding
Los Dashboards (Cuadros de Mando) estn enfocados a roles directivos, pensando en que
este tipo de perfiles no tienen tiempo para bucear en los datos ni analizar los informes que
reciben. Necesitan conocer de un vistazo, y de forma centralizada, la situacin general de
la compaa.
Funcin Principal:
Ofrecer un entorno visual atractivo y fcilmente comprensible para que los
directivos puedan analizar fcilmente la situacin global de su rea de
responsabilidad
Caractersticas:
Estas tecnologas presentan la informacin a nivel muy agregado (slo los
indicadores clave) a los directivos, en un entorno visual y fcil de interpretar.
Permiten hacer simulaciones sobre escenarios de negocio en funcin a los valores
de los parmetros del cuadro de mando
Se complementan con las herramientas de creacin de informes (reports) para
visualizar informacin detallada (en caso de detectar anomalas)
Figura 4.
18
Tipologa de Usuarios:
Directivos y usuarios clave a nivel de rea, departamento o direccin general. A
nivel externo, accionistas y socios de la empresa.
Data Mining:
Las aplicaciones de Data Mining (minera de datos) ayudan a detectar patrones de
comportamiento (actual y futuro) ya que permiten la inmersin en los datos encontrando
relaciones entre cada una de las entidades a travs de varios hechos que aparentemente
podran no estar relacionados.
Funcin Principal:
Ofrecer la posibilidad de detectar patrones de comportamiento sobre los clientes
de la empresa y predecir evoluciones futuras sobre el negocio
Caractersticas:
Combinan motores de bsqueda y, mtodos estadsticos y tecnologas de
inteligencia artificial para poder detectar patrones de comportamiento (patrones
de compra, evolucin de las preferencias, segmentacin de clientes, etc.) de
forma automtica a partir de la informacin de grandes cantidades de informacin
(DWH)
Tipologa de Usuarios:
Usuarios analistas avanzados, generalmente del departamento de marketing y
gestin de clientes.
19
Figura 5.
Tipologa de Usuarios:
Usuarios analistas avanzados, para el anlisis de ventas, deteccin de nuevas
reas donde dispersin de clientes o incluso, fuera del mbito analtico
tradicional, para empresas de transporte y telecomunicaciones
20
21
La siguiente imagen ilustra en una visin conjunta la evolucin del mercado del BI
(segn Gartner) durante los ltimos cuatro aos:
Figura 6.
22
Una de las empresas que supo aprovechar el boom del BI para pasar de ser una
aplicacin ms, muy especfica (de nicho) es QlikTech, que con su producto QlikView ha
sabido posicionarse en el grupo de los lderes y resistir la batalla contra las grandes
multinacionales con soluciones ms completas y que tenan inicialmente una mayor
cartera de clientes gracias a sus soluciones transaccionales.
En el prximo apartado conoceremos un poco ms acerca de estas empresas y las
soluciones que ofrecen.
2.3.2 Proveedores y Productos
Si antes decamos que el abanico de fabricantes de software de BI era grande, la
competencia entre ellos es an mayor. Entre stos, destacan especialmente SAP y Oracle,
compaas que no solo se disputan el liderazgo en el mercado de las soluciones analticas
sino tambin en los aplicativos transaccionales y operacionales.
A continuacin comentaremos ambas compaas, adems de un tercer rival en disputa,
QlikView, de mucho menor tamao que los anteriores y focalizado nicamente en
soluciones BI de Cuadros de Mando, pero que sin embargo ha sabido jugar sus cartas,
admitiendo sus limitaciones pero apostando por la innovacin para ganar presencia en el
mercado.
SAP
De origen alemn, SAP AG ha sido histricamente reconocido por ser el mayor
fabricante de ERP y en los ltimos aos se ha consolidado como el fabricante con ms
base instalada en el mercado de BI, adems posee el mayor canal de distribucin y el
mayor nmero de empresas de servicios disponibles. Con ello consigue reforzar su
posicin de lder en el mercado y garantiza la continuidad y la variedad de los servicios
disponibles
La plataforma BI de SAP est formada, principalmente, por dos productos, NetWeaver
BW y Business Objects (BO), que tienen una evaluacin muy distinta por parte de los
usuarios:
BO es reconocido por sus caractersticas de reporting y consulta sobre el
datawarehouse corporativo
Por su parte, BW es reconocido por sus capacidades de anlisis multidimensional
y su nativa integracin con los datos transaccionales SAP, pero tambin por su
pobre rendimiento y dificultad de implantacin.
23
Antes de la adquisicin por parte de SAP, Business Objects (de origen francs) era
reconocida por sus soluciones en integracin de datos y gestin de la informacin
(procesos ETL), siendo la referencia de los grandes proyectos de datawarehouse
corporativo.
24
En el rea de BI, el ecosistema de Oracle est formado bsicamente por dos plataformas:
OBIEE y EPM, la primera nace de la compra de Siebel y Siebel Analytics y la segunda
tras la adquisicin de Hyperion Solutions.
Respecto al EPM, Oracle cuenta con Essbase (de la familia Hyperion), sin duda el lder
de la industria OLAP, destinada a la gestin de cubos multidimensionales para entornos
analticos, capaz de tratar grandes volmenes de datos y con buenos tiempos de respuesta.
Por todo ello, el roadmap de BI de Oracle ha pasado durante varios aos por expandir el
uso de Essbase como pieza clave de la fusin de todos los componentes de la plataforma
Oracle, pero la irrupcin en 2012 de la plataforma Exalytics ha supuesto un golpe de aire
fresco al roadmap de una compaa que ha conseguido volver a situarse en la primera
lnea del mercado del Business Intelligence.
Figura 8.
Figura 9.
Logo de QlikView
25
26
27
Los mayores proveedores han sabido entender esta oportunidad y a da de hoy no hay
ninguno que no cuente con una aplicacin especfica para mviles que permita acceder a
los contenidos de la plataforma analtica de la compaa.
28
29
30
Anlisis Funcional
Diseo del
modelo de
datos
Desarrollo de
la capa de
presentacin
Formacin y
roll-out
31
Anlisis funcional
En cualquier proyecto de Business Intelligence en general y de construccin de entornos
analticos en particular es imprescindible comenzar por la definicin y diseo funcional
del modelo objetivo, antes de poder definir el contenido del mismo en detalle.
Este anlisis previo permitir, entre otros aspectos:
32
Producto
Este eje de anlisis permite analizar los datos de ventas en funcin del producto que
queramos considerar:
El nivel de detalle de este tipo de anlisis puede se inicia desde la referencia concreta
vendida en cada transaccin comercial y desde ah se puede agregar a tipo de producto,
actualmente existen cuatro tipologas de productos:
Cpsulas
Mquinas
Foods
Accesorios
Punto de Venta
El anlisis por punto de venta permite desglosar los resultados de comerciales en funcin
de la fuente de la que provienen los datos. Por tanto, se podr desglosar la informacin
para cada una de las vas de venta existentes; en lo que se refiere a este proyecto, sern
los puntos de venta de tipo Boutiques.
Dimensin Temporal
La periodicidad de las ventas es continua, por lo que el nivel mximo de detalle al que se
podra llegar a analizar la informacin es a nivel horario.
No obstante, modelo se estructurar para el anlisis temporal desde el nivel diario y la
hora se convertir en un atributo de un pedido, pero no en un eje de anlisis como tal.
Como resultado, se podrn analizar las ventas agrupando la informacin por da, mes y
ao.
Cliente
Este eje de anlisis permite analizar las ventas por cliente, pudiendo navegar tanto por
datos de segmentacin como el tipo de cliente, como por datos geogrficos asociados a
cada consumidor.
Los clientes estn divididos en dos canales independientes: B2C (clientes particulares) y
B2B (empresas). Estos canales se dividen, por su parte, del siguiente modo:
B2C, subdividido en:
o Household
o Empleados
B2B, subdividido en:
o Horeca (Hoteles, Restaurantes y Cafeteras)
o Office
En el caso que un cliente no tenga categora asignada, se asignar una categora ficticia
para agrupar todos estos clientes en un mismo grupo.
3.4.2 Jerarquas
Como comentbamos al inicio del captulo 2, las jerarquas son una representacin de las
relaciones lgicas entre los diferentes atributos de una entidad de un modelo de datos.
Para el modelo analtico en que estamos trabajando, y en base a las dimensiones
anteriormente definidas, se han detectado las siguientes jerarquas que estarn disponibles
para un anlisis a diferentes niveles de detalle de la informacin:
33
Producto
La jerarqua de producto tiene como nivel ms bsico la referencia del producto en s, y
permite realizar anlisis de datos en dos niveles ms agregados:
34
35
Se trata de una agrupacin que a pesar de tener un carcter geogrfico, no tiene por qu
encajar con una agrupacin de otras entidades geogrficas tradicionales como provincias
o comunidades autnomas dado que un rea comercial puede contener dos comunidades
autnomas pero tambin es posible que una comunidad muy extensa est repartida entre
dos reas comerciales.
Facturacin de Cpsulas
Facturacin de Mquinas
Facturacin de Accesorios
Facturacin de Foods
36
Volumen
El indicador de volumen permitir conocer cuntas unidades son vendidas. Se trata de un
ratio interesante para estudios de consumo por cliente, independientemente de la
facturacin asociada, ya que est puede estar condicionada por los precios y descuentos
en cada momento del tiempo.
De igual forma que para la facturacin, se crearn indicadores por tipo de producto,
obteniendo:
o Volumen de Cpsulas
o Volumen de Mquinas
o Volumen de Accesorios
o Volumen de Foods
Nmero de Pedidos
El indicador de nmero de pedidos representar de una forma directa el trfico que tiene
cada uno de los puntos de ventas y adems de medir la carga de trabajo de cada uno de
ellos, permitir establecer ratios de consumo y de volmenes de compra.
Altas
El nmero de altas permitir conocer en qu medida crece la base de clientes para un
periodo de tiempo determinado, una boutique o una categora de clientes concreta.
Como ratios, fruto del clculo entre dos o ms mtricas, encontraremos lo siguientes:
Ticket medio
Permite obtener un promedio de gasto en euros por pedido realizado, este dato puede
utilizarse para definir una estrategia de aumento de la facturacin, ya sea usndolo como
estimacin de beneficios a la hora de abrir un nuevo punto de venta o de realizar una
campaa promocional.
Este ratio no siempre es til para realizar estudios de mercado ya que una misma empresa
puede vender productos con precios muy dispares por lo que no ofrece una foto clara en
ese sentido.
Ticket medio = Facturacin / Nmero de pedidos
37
38
39
40
41
42
43
44
4. Conclusin
Al inicio de este documento apuntbamos que la definicin de Business Intelligence haca
referencia al conjunto de tcnicas y tecnologas que permitan la generacin de
conocimiento a partir de la informacin corporativa y durante los posteriores apartados
hemos ido repasando esas palabras, empezando por las tcnicas, concretamente de
extraccin y estructuracin de datos para formar un modelo analtico. A continuacin
hemos repasado las tecnologas actuales del mercado as como las tendencias que van a
copar el protagonismo de los proyectos de Business Intelligence en los prximos aos.
Por otro lado, sealbamos que el objetivo del BI es ayudar a los mandos a tomar mejores
decisiones, y sobretodo ms informadas, para guiar a la empresa. Esta afirmacin puede
resultar un tanto presuntuosa pero la realidad es que las aplicaciones de Business
Intelligence logran estos resultados al hacer que sea ms fcil agregar, ver y desmenuzar
los datos (slice-and-dice). A su vez, esto hace que sea ms fcil identificar tendencias y
problemas, as como descubrir nuevas ideas y refinar las operaciones que permitan
alcanzar los objetivos de negocio.
En la segunda parte de este proyecto, hemos consolidado los conceptos tericos
aplicndolos sobre un escenario real.
Tengo el convencimiento de que el Cuadro de Mando implementado ayudar a la mejora
del anlisis y toma de decisiones de la empresa ya que a travs unas pocas pantallas
pueden llegar a obtener una imagen completa, global y a la vez detallada de la situacin y
rendimiento de su rea de ventas.
No obstante, es justo aclarar que una aplicacin no va a sugerir nuevas ideas por s misma
tales como abre una franquicia en esta zona pero s va a permitir al analista poder
cruzar la informacin de ventas por rea geogrfica y producto e identificar patrones de
comportamiento del resto de zonas de xito que puedan ser aplicadas a la nueva rea
donde se podra abrir una nueva franquicia.
El objetivo de las soluciones BI, entre las que incluyo el Cuadro de Mando desarrollado
en este proyecto, es el de abstraer a los analistas del proceso de obtencin y
estructuracin de la informacin para centrar su tiempo y esfuerzo en lo que realmente
pueden hacer mejor que una mquina o una aplicacin, en analizar informacin y tomar
decisiones.
Por tanto podemos concluir que las soluciones de Business Intelligence son herramientas
imprescindibles para poder analizar con eficacia la informacin corporativa pero que
requieren de perfiles analistas capaces de aprovechar todas las facilidades que la
tecnologa pone a su disposicin.
A ttulo personal, estoy satisfecho con la realizacin de este proyecto ya que me ha
permitido indagar ms en un tema por el cual ya tena inters y algunos conocimientos
previos, permitindome dedicar tiempo a la lectura e investigacin de ciertas teoras y
putos de vista de diferentes expertos.
45
46
Anexo
Requisitos de sistema
A continuacin se citan los requisitos de software necesarios para poder visualizar el
Cuadro de Mandos o desarrollar sobre el mismo.
Requisitos del sistema para el usuario final
48
Bibliografa
Referencias
[1] Datawarehouse Inmon: William H. Inmon, Building the Data Warehouse, Ed. Wiley
[2] Datawarehouse Kimball: Ralph Kimball, The Data Warehouse ETL Toolkit, Ed.Wiley
[3] Social Analytics: http://www.gartner.com/newsroom/id/1454221
[4] In-memory: https://www.facebook.com/business/power-of-advertising
[5] Xcelsius: http://www.bi-spain.com
50
51
Tabla de ilustraciones
Figura 1.
Figura 2.
Figura 3.
Figura 4.
Figura 5.
Figura 6.
Figura 7.
Figura 8.
Figura 9.
Figura 10.
Figura 11.
Figura 12.
Figura 13.
Figura 14.
Figura 15.
Figura 16.
Figura 17.
Figura 18.
Figura 19.
Figura 20.
Figura 21.
Figura 22.
Figura 23.
Figura 24.
Figura 25.
Figura 26.