TALLER DE BUSINESS INTELLIGENCE CUBOS DE GESTION

1. TALLER DE BUSINESS INTELLIGENCE CUBOS DE GESTION Microsiga Chile –Business Intelligence 2006 Manuel Sotomayor Alvarez

2. TEMARIO DIA 1 .Definiciones conceptuales y marco teórico (mañana) 1:30' . Revisión de DataWarehouse Microsiga (tarde) 1:30' DIA 2 .Construcción de Cubo de Ventas (mañana) 2:30' • Objetivos a cumplir • Entender el concepto de Cubos de Gestión • Entender como Microsiga Datawarehouse apoya el proceso de toma de decisiones • Construir un Cubo de Gestión y entender la metodología

3. NECESIDAD DE CUBOS DE GESTION • En la actualidad, las tecnologías de la información han automatizado los procesos de carácter típicamente repetitivo o administrativo, haciendo uso de lo que llamaremos sistemas de información operacionales. • En este tipo de sistemas, los conceptos más importantes son la actualización y el tiempo de respuesta.

4. NECESIDAD DE CUBOS DE GESTION • La proliferación y alta disponibilidad de datos operacionales, dificultan el utilizarlos para la toma de decisiones a nivel táctico y estratégico. • En general los sistemas operacionales no traen definidos informes de gestión para los niveles ejecutivos • Nace el concepto de “Datawarehouse”

5. DATAWAREHOUSE - Definiciones • El Data Warehouse (o almacén de datos) es una colección de datos orientados al tema, integrados, no volátiles e historiados, organizados para el apoyo de un proceso de ayuda a la toma de decisiones. • Es un concepto, no un producto. Es un proceso para organizar datos. • Pertenece a un contexto más amplio: Business Intelligence o Inteligencia de negocios.

6. DATAWAREHOUSE - Características • Integrado:Recopila toda la información necesaria para resolver consultas. • Temático: Se organiza por áreas de conocimiento dentro de la empresa • Histórico: La dimensión tiempo es esencial en un Datawarehouse, pues sirve para hacer análisis de tendencias. • No volátil: Los datos sólo se leen. No se modifican

7. DATAWAREHOUSE - Representación Conceptual • La información a integrar en una Base de Gestion, se representa tipicamente como un cubo y también se denomina Análisis Multidimensional. • Analizaremos un ejemplo clásico : Modelo de análisis de Ventas

8. DATAWAREHOUSE - Representación Conceptual Esta es una tabla donde está el concepto producto (dimension 1), paises (dimensión 2) y la intersección de ambos puede representar artículos vendidos de ese producto en determinado pais

9. DATAWAREHOUSE - Representación Conceptual Sin embargo, la mayoría de los usuarios también desearía ver como se desarrollan las ventas en el tiempo. Para hacer esto, se necesitarían varias hojas de la planilla de cálculo como se muestra en la figura

10. DATAWAREHOUSE - Representación Conceptual Las mismas celdas de datos se visualizan mediante un cubo

11. DATAWAREHOUSE - Representación Conceptual • Las coordenadas x,y,z o aristas del cubo se denominan “Dimensiones” (Tiempo,Producto, Zona Geográfica) • Las intersecciones o “cubitos” representan los “hechos o indicadores” de los cubos

12. DATAWAREHOUSE - Representación Conceptual • ¿Cómo se venden los productos en cada región en un mes dado? Esto es equivalente a ver Producto por Región en un mes dado. • ¿Qué regiones han mejorado las ventas de un producto dado a través del tiempo? Esto es equivalente a Región por Tiempo de un producto dado. • ¿Cómo se venden los productos a través del tiempo en una región dada ? Esto es equivalente a Producto por Tiempo en una región dada.

13. DATAWAREHOUSE - Representación Conceptual

14. DATAWAREHOUSE - Recorriendo el Cubo Un Gerente de Productos, sin embargo querría examinar la distribución geográfica de sus productos, para toda la información histórica almacenada en el Data Warehouse

15. DATAWAREHOUSE - Recorriendo el Cubo O se podría recorrer un subconjunto particular de algunas dimensiones

16. DATAWAREHOUSE - Cubos Multidimensionales Esta es una representación gráfica de un cubo de 3 dimensiones .Sin embargo, si por ejemplo, agregamos a lo anterior la dimension Vendedor, entonces el cubo es de cuatro dimensiones y no se puede representar gráficamente, pero el concepto es el mismo

17. DATAWAREHOUSE - Proceso de construcción • Para construir un Datawarehouse de Gestión es preciso seguir varios pasos: • Definir lo que se quiere visualizar (definición ejecutiva) • cEncontrar las fuentes de información • Modelar el cubo con alguna herramienta • Extraer los datos de la base operacional • Definir y construir las consultas asociadas a los cubos • Poner a disposición de un usuario con algún visualizador

18. DATAWAREHOUSE - Esquema Gráfico

19. DATAWAREHOUSE - Proceso de Construcción 1.- DEFINIR LO QUE SE QUIERE VISUALIZAR Esta es la definición más relevante y generalmente corresponde al nivel ejecutivo la empresa 2.- ENCONTRAR LAS FUENTES DE INFORMACION Esto normalmente se obtiene de uno o más sistemas operacionales de la empresa 3.- MODELAR LA ARQUITECTURA DE DATOS Se elige una herramienta con la cual modelar. Normalmente las bases de datos proveen herramientas de este tipo. 4.- DEFINIR Y CONSTRUIR LOS PROCESOS DE EXTRACCION DE DATOS Este el proceso más técnico e implica construir programas/software que permita extraer información de las bases operacionales y consolidarla según el modelo construido en el punto anterior. 5.- GENERAR LOS VISUALIZADORES DE LOS DATOS Implica diseñar la interfaz gráfica para que los datos estén disponibles y sean visualizados fácilmente por el usuario final.

20. DATAWAREHOUSE - Visualizador Microsiga El producto SigaDw, apoya todas las etapas anteriores en un único software,es decir sirve para: . Modelar la base de Gestión . Definir la arquitectura de datos . Generar los procesos de extracción de datos . Visualizar los datos en una interfaz gráfica amistosa

21. DATAWAREHOUSE - Visualizador Microsiga Los cubos se visualizan indistintamente como tablas o graficos

22. DATAWAREHOUSE - RESUMEN • TRANSACCIONAL • Predomina la actualización • La actividad más importante es de tipo operativo, día a día • Predomina el proceso puntual • Mayor importancia a la estabilidad • Datos en general desagregados • Importancia del dato actual • DATAWAREHOUSE • Predomina la consulta • La actividad más importante es el análisis y la decisión estratégica • Predomina el proceso masivo • Mayor importancia al dinamismo • Datos en distintos niveles de detalle y agregación • Importancia del dato histórico

23. DATAWAREHOUSE - Beneficios • Proporciona una herramienta para la toma de decisiones en cualquier área funcional, basándose en información integrada y global del negocio. • Facilita la aplicación de técnicas estadísticas de análisis y modelización para encontrar relaciones ocultas entre los datos del almacén; obteniendo un valor añadido para el negocio de dicha información. • Proporciona la capacidad de aprender de los datos del pasado y de predecir situaciones futuras en diversos escenarios. • Simplifica dentro de la empresa la implantación de sistemas de gestión integral de la relación con el cliente. • Supone una optimización tecnológica y económica en entornos de Centro de Información, estadística o de generación de informes con retornos de la inversión espectaculares

24. DATAWAREHOUSE - Tendencias Futuras • Este tema ha tenido un avance impresionante en los útlimos años • Las tecnologías internet han ayudado a que la información se fácil de visualizar para un ejecutivo • Se exploran nuevos conceptos como “Data Mining” o “minería de datos”, para extraer información no obvia de los datos • El avance del hardware permite manipular mayores cantidades de información en menores tiempos

25. DATAWAREHOUSE FIN