alertas y predicciones transaccionales a travÉs de...

1 PROYECTO DE INVESTIGACION

ALERTAS Y PREDICCIONES TRANSACCIONALES A TRAVÉS DE UN

MODELO DE INTELIGENCIA DE NEGOCIO, PARA TOMA DE

DECISIONES EN ESTRATEGIAS DE NEGOCIO.

Autor: Rubén Darío Rodríguez Villanueva

Director: Alexandra Abuchar Porras

Revisor: Edilberto Fernández Santos

BOGOTA D.C. 2018


Resumen

El mundo de los negocios tiene su fundamento en la toma de decisiones estratégicas, lo que

marca la diferencia entre una empresa exitosa y otra que no lo logra, es la correcta y oportuna

toma de decisiones. Para poder llevar esto a cabo de la mejor manera es esencial contar con la

información adecuada y en tiempo que soporte toda la gestión de las operaciones de la empresa

de forma ágil y rápida.

La inteligencia de negocios o business intelligence (BI) es el conjunto de procesos, aplicaciones y

tecnologías que facilitan la obtención rápida y sencilla de datos provenientes de los sistemas de

gestión empresarial para su análisis e interpretación, de manera que puedan ser aprovechados

para la toma de decisiones y se conviertan en conocimiento para los responsables del negocio.

Esta tecnología actúa como un factor clave y estratégico para la organización ya que provee a los

tomadores de decisiones de información oportuna y confiable para responder a las situaciones

que puedan presentarse en la empresa como son la entrada a nuevos mercados, el análisis de

costos, la rentabilidad de una línea de productos, etc.

En este trabajo final, se mostrara todo lo correspondiente a la descripción de la

investigación, donde se encuentra el planteamiento del problema, la justificación, hipótesis,

objetivos, la metodología utilizada para la investigación y la organización del trabajo; también

se verán las fases de análisis, diseño y desarrollo del prototipo de software; la

metodología de desarrollo de software que se utilizó, la arquitectura empresarial donde se

define el entorno del proyecto, y todo el modelamiento de la misma arquitectura empresarial del

software que se está desarrollando.


Palabras Clave

Informe final, investigación de mercados, automatización de informes, parametrización de

información, inteligencia de negocios (BI), predicción de datos, estrategias de mercado, bodega

de datos, análisis de software, desarrollo de software.


Abstract

The business world is based on making strategic decisions, what makes the difference between a

successful company and another that does not, is the correct and timely decision making. To be

able to do this in the best way, it is essential to have the right information and in time to support

all the management of the company's operations in an agile and fast manner.

Business Intelligence (BI) is the set of processes, applications and technologies that facilitate the

fast and easy collection of data from business management systems for analysis and

interpretation, so that they can be used for the taking of decisions and become knowledge for

those responsible for the business.

This technology acts as a key and strategic factor for the organization as it provides decision

makers with timely and reliable information to respond to situations that may arise in the

company, such as entering new markets, cost analysis, profitability of a product line, etc.

In this final work, everything corresponding to the description of the research will be shown,

where the problem statement, the justification, hypothesis, objectives, the methodology used for

the investigation and the organization of the work will be found; the phases of analysis, design

and development of the software prototype will also be seen; the methodology of software

development that was used, the business architecture where the project environment is defined,

and all the modeling of the same business architecture of the software that is being developed.


Keywords

Final report, market research, report automation, information parameterization, business

intelligence (BI), data prediction, market strategies, data warehouse, software analysis, software

development.


Agradecimientos

Agradecido primeramente con Dios porque a pesar de las dificultades me dio la provisión para

poder estudiar y la sabiduría para poder lograr el objetivo de culminar la especialización. A mis

padres que siempre ha sido mi apoyo, quienes siempre se preocuparon porque yo saliera

adelante en la vida, y quienes ha sido las personas que me ha llevado a estar donde me

encuentro hoy en día. Y a mis hermanos que siempre me ha apoyado en cada paso que doy en la

vida.

Rubén Darío Rodríguez


INTRODUCCIÓN

La construcción de un modelo ayudará al diseño de estrategias para la toma de decisiones dentro

de las empresas, esto permitirá cobrar gran importancia en el mercado sin importar la actividad

económica, trayendo como consecuencia la expansión y sostenibilidad de la organización. Para

llevar esto a cabo es necesario realizar una investigación y una meta-análisis que permita plantear

un modelo de integración acorde a las necesidades y requerimientos de las mismas.

En base a los hallazgos empíricos, las empresas carecen de conceptos que los ponen en una

posición de suministro de información adecuada. Por lo tanto, un concepto genérico de la

Inteligencia de Negocios, desarrollado a través de actividades de investigación, parece ser un

enfoque prometedor. Por lo tanto, es posible combinar la información de características del

producto y la fabricación de la información con las dimensiones tradicionales de análisis de

gestión, con el fin de identificar los impactos de las decisiones de ingeniería del ciclo de vida del

producto. [1] La inteligencia de negocios ayuda a las empresas a organizar su información de una

manera clara y eficiente, es una metodología importante y eficaz que le muestra la manera de

reorganizar, planificar y usar en forma adecuada cada uno de los datos de la empresa. En el caso

que la organización tenga muy pocos datos es importante darle un manejo acorde a la importancia

de la misma, ya que es ahí donde esta de una forma u otra toda la información sensible de la

compañía, por ese motivo no importa si es mucho o poco la cantidad de información, pero lo que

realmente interesa es el manejo adecuando que se le debe brindar, por este motivo es muy

importante contar con la inteligencia de negocios.

[1]. HEINER, Lasi. Industrial intelligence - a business intelligence-based approach to enhance.

http://redaccion.hypotheses.org/Users/Leonor/Documents/Mis%20documentos/A.PUBLICACIONES/DOCENCIA%20Y%20EDUCACION/articulo_zozaya.montes.doc#_ftn1



En esta investigación se quiere mostrar si la integración de la inteligencia de negocios con la

teoría de control ayudara a fortalecer la gestión del conocimiento que es el proceso por el cual

una organización, facilita la trasmisión de informaciones y habilidades a sus empleados, de una

manera sistemática y eficiente. Es importante aclarar que las informaciones y habilidades no

tienen por qué estar exclusivamente dentro de la empresa, sino que pueden estar generalmente

fuera de ella, es decir es necesario tener en cuenta el entorno interno y externo de la organización.


Índice general

INTRODUCCION............................................................................................................................7

1. DESCRIPCION DE LA INVESTIGACION…………………………….…….....…….…..12

1.1 TITULO Y DEFINICION DEL PROBLEMA DE INVESTIGACION………………....12

1.1.1 Título del Proyecto............................................................................................................... 12

1.1.2 Tema de Investigación...........................................................................................................12

1.1.3 Definición del Problema de Investigación.............................................................................12

1.2. ESTUDIO DEL PROBLEMA DE INVESTIGACION……………..…….….………….13

1.2.1 Planteamiento del Problema..................................................................................................12

1.2.2 Formulación del Problema.....................................................................................................13

1.2.3 Sistematización del Problema................................................................................................14

1.3 HIPOTESIS.............................................................................................................................15

1.4 OBJETIVOS DE LA INVESTIGACION…………..……………………..….……....…...16

1.4.1 Objetivo General....................................................................................................................16

1.4.2 Objetivos Especificos............................................................................................................16

1.5. MARCO REFERENCIAL...………………………..……………………..…………..…...17

1.5.1 Marco Conceptual................................................................................................................. 17

1.5.1.1 Inteligencia de Negocios....................................................................................................17


1.5.1.2 La necesidad de tomar mejores decisiones........................................................................ 17

1.5.1.3 Sistemas de Soporte a la Decisión………………………................................................. 18

1.5.1.4 Factores Críticos de Éxito ………………………………................................................. 18

1.5.2 Gestión de Datos ……………………….............................................................................. 19

1.5.3 Toma de Decisiones ………………………………………................................................. 22

1.6 MARCO TEORICO.............................................................................................................. 23

1.6.1 Soluciones de Inteligencia de Negocios para las empresas…………............................... 23

1.6.2 Evaluación de la Política Empresarial y de Análisis de Decisión para las empresas…....... 24

1.6.3 Definición de BI …………………….................................................................................. 25

1.6.4 Arquitectura de BI Según Fernández (2013)...……………................................................. 28

1.7. ASPECTOS METODOLOGICOS……............................................................................. 32

1.7.1 Metodología seguida durante la investigación...…………….............................................. 32

1.7.2 Perfiles………………….……………................................................................................. 32

1.7.3 Funcionamiento………...……………................................................................................. 33

1.7.4 Holotipo de Investigación……………................................................................................. 34

2. PUNTOS DE VISTA DE LA CAPA DE NEGOCIO........................................................... 41

2.1 Introducción ……………………………………......………….............................................. 41

2.2 Punto de Vista de organización ……………………………………......…………............... 42


2.2.1 Metamodelo………………..……………………………………......………….................. 42

2.2.2 Caso de Estudio …………………………………………………......…………................ 42

2.3 Punto de Vista de Cooperación del Actor ……...…………………………..……................ 44

2.3.1 Metamodelo………………..……………………………………......………….................. 44

2.3.2 Caso de Estudio …………………………………………………......…………................ 45

2.4 Punto de Vista de Función de Negocio…...……………...………………….……................ 46

2.4.1 Metamodelo………………..……………………………………......………….................. 46

2.5 Punto de Vista de Proceso de Negocio…...…….……… ………………….……................ 47

2.5.1 Metamodelo………………..……………………………………......………….................. 47

2.6 Punto de Vista de Cooperación de Proceso …...…….……..………….…………................. 48

2.6.1 Metamodelo………………..……………………………………......………….................. 48

2.7 Punto de Vista de Producto …...........................…....……………………………................. 49

2.7.1 Metamodelo………………..……………………………………......………….................. 49

3. PUNTOS DE VISTA DE LA CAPA DE APLICACIÓN.................................................... 50

3.1 Introducción ……………………………………......………….............................................. 50

3.2 Punto de Vista de Uso de Aplicación ……..……………………………......……................ 51

3.2.1 Metamodelo………………..……………………………………......………….................. 51

3.3 Punto de Vista de Comportamiento de Aplicación ……………..………………................ 52


3.3.1 Metamodelo………………..……………………………………......………….................. 52

3.4 Punto de Vista de Cooperación de Aplicación …………..……………………................... 53

3.4.1 Metamodelo………………..……………………………………......………….................. 53

3.5 Punto de Vista de Estructura de Aplicación …………..……………..….....……................ 54

3.5.1 Metamodelo………………..……………………………………......………….................. 54

4. PUNTOS DE VISTA DE LA CAPA DE INFRAESTRUCTURA….................................. 55

4.1 Introducción ……………………………………......………….............................................. 55

4.2 Punto de Vista de Infraestructura …………...…………………..……….....……................ 56

4.2.1 Metamodelo………………..……………………………………......………….................. 56

4.3 Punto de Vista Uso de Infraestructura ……………..….………..……….....……................ 57

4.3.1 Metamodelo………………..……………………………………......………….................. 57

4.4 Punto de Vista de Implementación y despliegue …………..………………………............ 58

4.4.1 Metamodelo………………..……………………………………......………….................. 58

4.5 Punto de Vista Estructura de la Información ……………..………….….....……................ 59

4.5.1 Metamodelo………………..……………………………………......………….................. 59

4.6 Punto de Vista Realización del Servicio………...………………..……….....……................ 60

4.6.1 Metamodelo………………..……………………………………......………….................. 60

4.7 Punto de Vista de Capas………………………...………………..……….....……................ 61


4.7.1 Metamodelo………………..……………………………………......…………..................61

5. PUNTOS DE VISTA DE EXTENSION Y MOTIVACION…………................................ 62

5.1 Introducción ……………………………………......………….............................................. 62

5.2 Punto de Vista Stakeholder …………..……...…………………..……….....……................ 64

5.2.1 Metamodelo………………..……………………………………......………….................. 64

5.3 Punto de Vista Realización de Objetivos …………..……...…………………..…............... 65

5.3.1 Metamodelo………………..……………………………………......………….................. 65

5.4 Punto de Vista Contribución de Objetivos …………..……...……………...……................ 65

5.4.1 Metamodelo………………..……………………………………......………….................. 65

5.5 Punto de Vista Principios …………..……...…………………..……….....…….................. 67

5.5.1 Metamodelo………………..……………………………………......………….................. 67

5.6 Punto de Vista Realización de Requerimientos …………..……...………………................ 68

5.6.1 Metamodelo………………..……………………………………......………….................. 68

5.7 Punto de Vista de Motivación …………..………..……………..……….....……................ 69

5.7.1 Metamodelo………………..……………………………………......………….................. 69

6. PUNTOS DE VISTA DE EXTENSION DE IMPLEMENTACION Y MIGRACION

…………....................................................................................................................................... 70

6.1 Introducción ……………………………………......………….............................................. 70

6.2 Punto de Vista de Proyecto …………..……...…………………..……….....……................ 71


6.2.1 Metamodelo………………..……………………………………......………….................. 72

6.3 Punto de Vista de Migración.………………...…………………..……….....……................ 73

6.3.1 Metamodelo………………..……………………………………......………….................. 73

6.4 Punto de Vista de Migración e Implementación …………..……...…………..…................ 74

6.4.1 Metamodelo………………..……………………………………......………….................. 75

7. ARQUITECTURA DE SOFTWARE…………………………………................................ 76

7.1 Modelo de Datos ……………….………………......………….............................................. 76

7.2 Arquitectura de la Aplicación…..………….....…………………..……….....……................ 78

7.3 Puerta de Enlace de Power BI……….……………………………......………….................. 79

7.4 Tipos de Puerta de Enlace …………..……………………………......………….................. 80

7.5 Como Funcionan las Puertas de Enlace ……………………..……......………….................. 81

7.6 COMPONENTES DEL BI…….…….……………………………......………….................. 82

7.6.1 Bodega de Datos………………..….……………………………......………….................. 82

7.6.2 Datamart………………………..….……………………………......………….................. 83

7.6.3 Proceso de Analítica en Línea………………..…………………......………….................. 83

7.6.4 Big Data………………………...….……………………………......………….................. 83

7.6.5 ETL………………..……………….……………………………......………….................. 84

8. PROTOTIPO FUNCIONAL………………..…………………………................................ 86


8.1 Pantallas Funcionales ………….………………......………….............................................. 87

9. ALCANCES LIMITACIONES Y RESULTADOS ESPERADOS…................................. 95

9.1 Alcance………………………....………….....…………………..……….....……................ 95

10. CONCLUSIONES………..……………………………………………............................... 96

11. BIBLIOGRAFIA………………..……………………………………................................. 98

12. ANEXOS…........................................................................................................................... 100


1. DESCRIPCION DE LA INVESTIGACION

1.1 TITULO Y DEFINICION DEL PROBLEMA DE INVESTIGACION

1.1.1 Título del Proyecto:

Diseño de una herramienta de alertas y predicciones transaccionales a través de un modelo de

inteligencia de negocio, para toma de decisiones en estrategias de mercadeo en una empresa.

1.1.2 Tema de Investigación:

Manejo de modelos de análisis predictivo implementando modelos con business intelligence

(Inteligencia de Negocio).

1.1.3 Definición del Problema de Investigación:

La investigación se basa principalmente en la posibilidad de crear un sistema de pronósticos

transaccionales, el cual trata de poder tener un modelo funcional que le permita a cualquier

empresa que basa sus operaciones en transacciones monetarias o facturación de productos, y a lo

que se quiere llegar con este modelo predictivo, es que este sea capaz de dar un pronóstico de las

transacciones que va a realizar una empresa en un futuro no muy lejano (tomando en cuenta el

comportamiento de los últimos 3 o 4 meses, predecir cuál va a ser el volumen de transacción de

la siguiente semana), y a través de esto poder tomar unas decisiones en las áreas comerciales para

crear estrategias que me permitan mejorar los ingresos de la empresa.

Los beneficios que aporta una herramienta de Business Intelligence son la integración de distintas

fuentes de información, el manejo a nivel de usuario, reducción de la dependencia del

departamento de sistemas, la reducción del tiempo para preparación y aumento del tiempo para el


análisis, disponibilidad de la información en el momento que se necesita, aumento de criterios y

medidas de análisis.

1.2 ESTUDIO DEL PROBLEMA DE INVESTIGACION

1.2.1 Planteamiento del Problema:

Adivinar, vaticinar, pronosticar, augurar, presentir, revelar… Las ansias del ser humano por

predecir eventos futuros es un mantra que se repite a lo largo de la historia. Videntes y chamanes

han estado desde tiempos inmemoriales en nuestra sociedad como oráculos a los que recurrir para

arrojar luz sobre la incertidumbre. Pero, dados los tiempos que corren, ¿y si utilizamos las

técnicas de inteligencia de negocio para anticiparnos a los acontecimientos, y empleamos ese

conocimiento en beneficio de nuestra marca?

El Business Intelligence ya se está implementando en las principales empresas mundiales para

incrementar ingresos, reducir costes y generar una oferta de productos a la medida de sus clientes.

Tal es así, que una encuesta que la consultora Accenture [1] realizó el año pasado, reveló que el

69% de las empresas utilizaba ya modelos predictivos, a fin de pronosticar actitudes, hábitos y

preferencias de sus clientes. Además, la revolución del Big Data está favoreciendo que las

empresas utilicen esos datos para aplicarlos a problemáticas actuales, como prevenir accidentes

de tráfico, delitos, crecimiento comercial o hábitos de salud [2].

[1]. Accenture Limited es una empresa multinacional dedicada a la prestación de servicios de

consultoría, servicios tecnológicos y de outsourcing.

[2]. Tomado de: http://www.mediapostgroup.es/blog/modelos-predictivos-videncia-business-

intelligence/





http://www.mediapostgroup.es/blog/modelos-predictivos-videncia-business-intelligence/

http://www.mediapostgroup.es/blog/modelos-predictivos-videncia-business-intelligence/


1.2.2 Formulación del Problema:

Actualmente las empresas que basan sus movimientos y por ende sus ingresos en operaciones

transaccionales, ven el crecimiento de su empresa en el nivel de transacciones operacionales

diarias, esto acompañado de una muy buena gestión del área de mercadeo, quienes son los

encargados de dar a conocer los productos de la empresa a todos y cada uno de los clientes , pero

para dar a conocer estos productos lo realizan a través de estrategias de mercado que se lanzan

basados en el comportamiento transaccional de la empresa en semanas, meses o años anteriores,

lo cual les da una base para la toma de decisiones de futuras estrategias de negocio. Pero para que

estas estrategias surjan el efecto esperado, se debe de tener en cuenta que durante el análisis se

deben de tener en cuenta las variables o fenómenos externos que influyen de manera directa o

indirecta en el comportamiento del mercado.

Con lo anterior nos planteamos la siguiente pregunta ¿Cómo se podría crear un modelo de

inteligencia de negocio el cual pueda dar una predicción de la cantidad de transacciones que se

van a generar en la siguiente semana o mes, basado en un análisis predictivo de los datos

pasados?

Ante el problema o la pregunta descrita, se optó por formular la creación de un modelo de

análisis predictivo transaccional, que permita a través del análisis de un histórico de datos no

mayor a 1 año, además de la inclusión de variables externas que influyan, poder predecir unas

cifras de movimientos transaccionales para un tiempo futuro no mayor a 1 mes, permitiendo así a

muchas áreas de la empresa y en especial al área de mercadeo, poder generar propuestas,

campañas o toma de decisiones que sean el pro de la empresa.


El Análisis predictivo utiliza estadística junto con algoritmos de minería de datos. Se basan en el

análisis de los datos actuales e históricos para hacer predicciones sobre futuros eventos. Dichas

predicciones raramente suelen ser afirmaciones absolutas, pareciéndose más a eventos y su

probabilidad de que suceda en el futuro.

“En el mundo de los negocios los modelos predictivos explotan los patrones de comportamiento

encontrados en el pasado para poder identificar riesgos y oportunidades. Los modelos capturan

las relaciones entre muchos factores permitiendo capturar riesgos potenciales asociados a un

conjunto de condiciones, guiando así a la toma de decisiones” [1].

[1]. Tomado de: http://fundacionbigdata.org/analisis-predictivo/

1.2.3. Sistematización del Problema:

• ¿Qué herramientas y técnicas existen para la creación de modelos de inteligencia de

negocio para toma de decisiones en estrategias de negocio?

• ¿Cuáles son las buenas practicas que se utilizan al momento de crear y diseñar de

modelos de inteligencia de negocio?

• ¿Cómo realizar la implementación de un modelo de inteligencia de negocio que

ayude en la toma de decisiones a nivel estratégico de una empresa?



http://fundacionbigdata.org/analisis-predictivo/


1.3 HIPOTESIS

Al implementar un modelo de inteligencia de negocio a través de la herramienta Power BI,

teniendo en cuenta las variables principales que se identifican en las transacciones diarias de la

empresa, se logra identificar alertas y predicciones tanto de cantidad como de valor de los

operaciones de envió de dinero, pago de dinero, recaudo de dinero, y de esta manera la empresa

tomara decisiones a nivel de operacional como de estrategias de mercado.


1.4 OBJETIVOS DE LA INVESTIGACION

1.4.1 Objetivo General:

Diseñar una herramienta de inteligencia de negocios que permita predecir la cantidad de

transacciones futuras en una empresa que basa su negocio en operaciones transaccionales, para

así poder brindar a todas las áreas de la empresa la opción de tomar decisiones o de implementar

estrategias de mercadeo, esto representado y visualizado a través de un modelo de que aplica

analítica e inteligencia de negocio.

1.4.2 Objetivos Específicos:

✓ Crear una bodega de datos a través de SQL Server que aloje toda la información

transaccional de la operación diaria, y con esto poder generar los datos predictivos dentro

del modelo de inteligencia de negocio.

✓ Crear un tablero de control para que el usuario a través de este los usuarios puedan dar

seguimiento al comportamiento de la operación de la empresa y de esta manera poder

tomar decisiones a nivel estratégico y operativo dentro de la empresa.

✓ Desarrollar un modelo de inteligencia de negocios (BI) a través de la herramienta Power

BI, y de esta manera poder mostrar a los usuarios la línea de tiempo de las transacciones

en tiempo real y de igual manera predecir cantidad y valor de transacciones futuras.


1.5 MARCO REFERENCIAL

1.5.1 Marco Conceptual:

1.5.1.1 Inteligencia de Negocios. La adquisición y utilización de conocimiento basado en los

hechos para mejorar la estrategia del negocio y las ventajas tácticas en el mercado. La aplicación

amplia de este concepto, que ha generado el desarrollo de un mercado importante de productos de

software alrededor de él, se ha hecho posible gracias a los avances de la tecnología y a que los

ejecutivos de las empresas que han entendido que el acceso rápido y oportuno al conocimiento

empírico sobre su negocio, representa mejoras substanciales en los resultados.

1.5.1.2 La necesidad de tomar mejores decisiones. No importa cuál sea la industria o su

tamaño, todas las empresas están constantemente tratando de obtener una ventaja competitiva

sobre sus adversarios. Las empresas han estado tratando de superar a los demás durante cientos

de años, y esto no es nada nuevo, ni siquiera en los tiempos actuales. Una forma de que una

organización puede alcanzar una ventaja sobre su la competencia es mediante la toma de

decisiones que tienen un mayor impacto positivo y contienen menos riesgo.4

Tomar la decisión correcta en cualquier tarea puede ser difícil. Esto se amplifica en los negocios

cuando cualquier decisión podría dar lugar a un gran éxito o un gran fracaso. No tener ni ser

capaz de comprender una pieza clave de información podría afectar fácilmente al caso de

seleccionar una ruta de decisión. No hace mucho tiempo, las decisiones empresariales difíciles

fueron hechas por expertos de la industria desde hace mucho tiempo que tenían un profundo

conocimiento del negocio. Estas decisiones se adoptaron en gran medida de las situaciones

históricas o financieras pasadas y rara vez tuvieron en cuenta los modelos de datos. Esto llevó a


los altos niveles de fracaso, y algunas decisiones con éxito podrían atribuirse más a la suerte que

las técnicas de toma de decisiones eficaces.5

1.5.1.3 Sistemas de Soporte a la Decisión. La necesidad de ejecutivos de la empresa para tomar

mejores decisiones y la rápida evolución de la potencia de cálculo llevó al nacimiento de los

sistemas de soporte de decisiones, es un tipo de sistema de información del equipo, cuyo

propósito es apoyar los procesos de toma de decisiones. Un sistema de soporte de decisiones bien

diseñado es un software interactivo sistema que ayuda a los tomadores de decisiones agregan

información útil a partir de datos en bruto, documentos y modelos de negocio para resolver

problemas y tomar decisiones.6 3ORAMAS, Joaquin. La Inteligencia de Negocios un concepto

informático. En: Uno. vol. 111, p. 42 4 CZERNICKI, Bart. Silverlight 4 Business Intelligence

Software. USA: Apress, 2010. P. 2-5 5 Ibid.,p.24. 6 Ibid.,p.24. 25

1.5.1.4 Factores Críticos de Éxito. Todos los sistemas de BI tienen un número crítico de

factores de éxito en común, en la figura 1 se nombran los principales factores:

Figura 1. Factores Clave de Éxito BI

Fuente. Los Autores.


• Proveen acceso a datos adecuados. Sin organizar los datos, es difícil lograrlo.

• Incrementan la habilidad de los usuarios para entender los resultados. Saturar a las personas de

números en estos días crea más problemas que los que resuelven. Diez años atrás el problema era

obtener los datos; pero hoy en día tiene que ver más con el manejo de ellos.

• Incrementan el entendimiento de los negocios por parte de los usuarios. Conocer que es lo que

los datos dicen es algo bueno, pero en la actualidad es necesario saber qué hacer con ellos. Este

conocimiento es difícil de construir dentro de una pieza de software.

• Ayudan a comunicar los hallazgos y tomar acciones. Es raro que un individuo pueda ejecutar

cualquier cosa significativa dentro de una organización sin involucrar a otros.

1.5.2 Gestión de Datos. Para casi cualquier organización el crecimiento de los datos es

inevitable. En combinación con las crecientes exigencias a la TI y la seguridad de la información,

cumplimiento de normativas y flexibilidad, el crecimiento puede suponer un reto significativo.

Muchas organizaciones están previendo diversas cuestiones que guardan relación con este tema.

[1]

[1] IBM, Gestión de Datos, disponible en: http://www-05.ibm.com/services/es/servicios-

ti/servicios-dealmacenamiento-y-gestion-de-datos.html , consultado el: 20 Octubre 2013 30


• La creciente importancia de la información que ayuda en la toma de decisiones y a estimular las

nuevas fuentes de ingresos

• Los requerimientos de cumplir las normativas sobre conservación y disponibilidad de los datos

• El aumento vertiginoso de las capacidades de almacenamiento, con volúmenes crecientes de

contenidos no estructurados

• La gestión de una infraestructura cada vez más compleja

• Las presiones sobre los costes, habilidades y recursos

Si se plantea de forma proactiva una idea bien organizada con respecto a su entorno de

almacenamiento y gestión de datos, puede beneficiarse de las ventajas derivadas de una

infraestructura de almacenamiento eficaz. Puede proporcionar a los usuarios directamente

relacionados con el negocio el acceso preciso a los datos, a la vez que proporciona a los

responsables de tomar decisiones cruciales, la información que necesitan para impulsar la

innovación y el crecimiento de sus ingresos. Puede ofrecer unas prestaciones de almacenamiento

rentables que satisfagan las necesidades actuales y a la vez asentar sólidamente los cimientos para

el futuro y así podrá gestionar mejor los riesgos del negocio y mantener el cumplimiento de las

normativas.[1] Algunas organizaciones están en el proceso o ya han identificado que los datos y

la información son de los activos más importantes y más allá, vitales para el óptimo

funcionamiento de la organización en su interior y con el exterior, e incluso empiezan a

[1] IBM, Gestión de Datos, disponible en: http://www-05.ibm.com/services/es/servicios-

ti/servicios-dealmacenamiento-y-gestion-de-datos.html , consultado el: 20 Octubre 2013


Considerar en sus planes y agendas estratégicas, los retos, riesgos y oportunidades que representa

el crecimiento y la gran responsabilidad derivada del manejo de los datos en la organización. La

gestión de datos o Data Management es un conjunto de políticas, procesos y gente dentro la

organización las cuales establecen estándares, metodologías, normas, y procedimientos en un

marco de trabajo regulatorio a lo largo de una organización para ayudarla en el uso y manejo

eficiente de los datos.

Figura 2. La Gestión de datos Fuente.

Fuente: Los Autores


1.5.3 Toma de Decisiones. La toma de decisiones, es la capacidad de elegir un curso de acción

entre varias alternativas. Supone un análisis que requiere de un objetivo y una comprensión clara

de las alternativas mediante las que se puede alcanzar dicho objetivo. Además de comprender la

situación que se presenta, se debe analizar, evaluar, reunir alternativas y considerar las variables,

comparar varios cursos de acción y finalmente seleccionar la acción que se va a realizar. La

calidad de las decisiones tomadas marca la diferencia entre el éxito o el fracaso.15 Las

herramientas de Business Intelligence constan de complejos desarrollos y soluciones analíticas

avanzadas, sin embargo, la meta de cualquier estrategia de Business Intelligence, a nivel

empresarial, es facilitar los datos correctos a las personas indicadas en el momento adecuado para

apoyar los procesos de toma de decisiones en todos los niveles de la organización. Para conseguir

este reto, las soluciones de Business Intelligence buscan constantemente el mejoramiento y a

través de este ser mucho más accesibles para un amplio rango de usuarios mediante la mejora en

la visualización de los datos, el aumento de la interactividad, la integración de accesos de

contenido y funcionalidades de minería de texto, entre otros. Otra de las claves en el desarrollo

del mercado de Business Intelligence es pasar de generar información (reporting) únicamente, a

colaborar en la toma de decisiones centralizada. La mayoría de las soluciones del mercado se

centran en el reporting y en análisis de datos históricos. Es importante dar respuesta a las

preguntas sobre el pasado pero eso no basta para ofrecer soporte completo a la toma de

decisiones. Para ello habría que incluir el seguimiento de la actividad de negocio y los análisis

predictivos. La clave para colaborar con la toma de decisiones se basa en sustituir el reporting

tradicional por la capacidad de procesar grandes cantidades de datos, encontrar patrones de

comportamiento y manejar la incertidumbre, mostrando la probabilidad de un resultado deseado

cuando una alternativa determinada es elegida.


1.6 MARCO REFERENCIAL

1.6.1 Soluciones de Inteligencia de Negocios para las empresas. En la actualidad todas las

empresas manejan volúmenes significativos de información, ésta, relacionada con las operaciones

internas de la empresa por otra parte las empresas analizan el entorno externo, las empresas han

definido conjunto de sistemas que apoyan a la toma de decisiones integrado con módulos de

Inteligencia de negocios, las TIC’s ayudan a optimizar el comercio electrónico y la

implementación de sistemas de planificación de recursos empresariales permiten una operación

transparente entre todos los proceso del negocio. En la figura 16, Muestra cada una de las

soluciones, productos comerciales que menciona el articulo

Figura 3: Magic Quadrant for Business Intelligence and Analytics Platforms Gartner 2017

Tomado de: Magic Quadrant for Business Intelligence


1.6.2 Evaluación de la Política Empresarial y de Análisis de Decisión para las empresas. Las

pequeñas y medianas empresas han sido la base para el desarrollo económico y han

proporcionado importantes contribuciones a la creación de empleo. Responsables de las políticas

económicas en todo el mundo están tratando de poner en marcha acciones que mejoren la

vitalidad competitiva y fomentar el dinamismo empresarial a través de la política de la iniciativa

empresarial eficaz. Sorprendentemente, la investigación previa ha prestado poca atención a la

evaluación de la política de espíritu empresarial. El documento propone un modelo integrado que

combina la toma de decisiones y Evaluación de laboratorio. Este modelo tiene en cuenta la

relación de interdependencia entre los complejos criterios y alternativas de evaluación de

políticas, y se dirige a las limitaciones de los presupuestos anuales detallados. En el documento

se aplica el modelo a un caso de estudio empírico de la política empresarial para las empresas en

Taiwán. Los resultados de evaluación muestran que tres alternativas (centro de incubadora, ayuda

financiera, y las plataformas de intercambio de conocimientos) se seleccionan de acuerdo con las

restricciones presupuestarias y el modelo proporciona una solución eficaz para ayudar a los

responsables políticos a evaluar y seleccionar la mezcla de la política empresarial.

El propósito es desarrollar un modelo de evaluación integrado para la política empresarial en

materia de relaciones entrelazadas entre criterios, alternativas y disponibilidad de recursos. El

documento propone un modelo híbrido para abordar estas cuestiones. La puesta en marcha de

financiación, la creación de empresas de apoyo, la reducción de las barreras a la entrada y la

eliminación de los obstáculos, la promoción, la educación empresarial, y los grupos destinatarios

sub representados. Este trabajo utiliza estos conceptos de las medidas de política empresarial,

propuestos por Lundström y Stevenson (2001), ya que los criterios de evaluación de la política

empresarial.


1.6.3 Definición de BI. Una definición de BI puede ser dada por Turban (2008) y Wixom (2012),

quienes la identifican como una sombrilla que describe conceptos y métodos para lograr que las

empresas mejoren las tomas de decisiones basados en los hechos y soportados por los sistemas.

BI consiste en el proceso de analizar la información que se genera en los distintos sistemas

transaccionales de una compañía. El objetivo de este análisis es hacer una abstracción de esos

datos y de acuerdo a esto crear conocimiento. Dentro de los procesos que se requieren en BI

están: la extracción de datos, la minería de datos e información multidimensional y OLAP. BI

requiere que se incluya el mayor detalle de toda la información que se genere en los distintos

pasos de la compañía como la información de clientes, los productos y servicios, el marketing, las

ventas y la información derivada de la cadena de logística y operativa. Toda esta información se

genera por medio de los procesos que una compañía tiene y la utilización de los sistemas de

información como herramientas tecnológicas para apoyarlos. Ejemplo de ello son los sistemas de

información para administrar las relaciones con los clientes, para hacer la planeación de recursos

y para hacer la administración de procesos de principio a fin durante toda la cadena y sistemas de

puntos de venta (Fernández, 2013). Una posible interpretación de BI obedece al conjunto de

pasos que se llevan a cabo para extraer la información de cada uno de los sistemas de

información que apoyan los procesos de la compañía, como la extracción, transformación y carga

que ayudan y permiten que se puedan hacer los análisis y la creación de conocimiento. Todo esto

busca apoyar el proceso de toma de decisiones y el cumplimiento de la necesidad de contar con

información oportuna, concreta e íntegra (Fernández, 2013). 2.1.1 Evolución de BI Según

Chaudhuri (et al., 2011) el término Inteligencia de Negocios (BI) se comenzó a utilizar a partir de

los años noventa en las distintas empresas y áreas de tecnología. A finales del año 2000 el

término analítica de negocios fue considerado como el componente base de BI, mientras en los

días actuales el término utilizado es big data para responder al análisis de bastas cantidades de


datos donde se habla de terabytes, petabytes y exabytes de datos, no solo alojados en sistemas

relacionales de bases de datos sino también en redes sociales. La versión 1.0 de BI fue basada en

datos estructurados. Las compañías contaban con sistemas legados y también con sistemas de

administración de bases de datos relacionales. Las técnicas más utilizadas de minería de datos

estaban basadas en métodos estadísticos y las bodegas de datos eran su base fundamental. La

implantación de ETL se consideró factor de éxito para lograr integrar y convertir los datos de una

forma específica para la empresa. Las consultas SQL a la base datos, los cubos OLAP y las

herramientas de visualización de reportes eran muy intuitivas, pero de bajo contenido gráfico.

También se hacia el análisis de desempeño de la organización a través de los tableros de control

(Chaudhuri et al., 2011). La versión 2.0 de BI comenzó a partir del año 2000 en donde el internet

y la web comenzaron a formar parte importante en la generación de datos. La creación de

motores de búsqueda como Google y Yahoo y la aparición del comercio electrónico como

Amazon y eBay permitió, para las compañías, crear nuevos canales de comercio con interacción

directa con sus clientes. Surgió la iniciativa de identificar qué necesidades tenían los clientes para

poderlas cubrirlas en la web como nuevas oportunidades (Chaudhuri et al., 2011). La versión 3.0

se plantea la situación del gran desarrollo e investigación que se ha dado en la web sumado al

gran crecimiento de equipos de escritorio y portátiles y a la aparición de dispositivos móviles

como tabletas y celulares, lo cual conduce a nuevos retos en materia de BI (Chaudhuri et al.,

2011). 2.1.2 Importancia de BI Chaudhuri (et al., 2011) describe BI como un conjunto de

tecnologías que apoyan los procesos de toma de decisiones de las empresas; como el foco que

permite obtener los conocimientos para poder tomar decisiones de forma más rápida y acertada.

Para Chaudhuri se ha vivido un crecimiento en las dos últimas décadas en la oferta de productos

y servicios, igual ha sucedido en la tecnología donde los bajos costos de adquisición han

permitido el crecimiento en el almacenamiento y procesamiento de grandes cantidades de datos


que tienen como orígenes sistemas transaccionales de clientes, sistemas de administración de

inventarios y sistemas de colaboración, entre otros. En la actualidad, el nivel de detalle y la

captura de la información es mucho más fino, es decir, se puede obtener un mayor nivel de

detalle de toda la información que se genera en la compañía y por esta razón se generan altos

volúmenes de información; su uso o provecho sirve para ayudar a cumplir las metas y objetivos

propuestos desde la alta gerencia. Los autores Horakova y Skalska (2013) aclaran que BI permite

a todos los empleados de la organización acceder a la información, analizarla, encontrar

oportunidades e identificar ventajas que apoyen y apalanquen la estrategia. Digamos que BI no

solo está orientado a apalancar la estrategia en el sentido de identificar la rentabilidad de los

productos, la compañía y de los clientes sino también que apoya la gestión de las palancas

tácticas y operativas de la organización. Adicionalmente permite a los trabajadores soportar por

medio de la información el manejo de su desempeño, tanto en nivel táctico como operativo

Horakova y Skalska, 2013). Según Fernández (2013), dentro de las ventajas que ofrece BI para

las empresas se encuentran: la ayuda al mejoramiento continuo de procesos que están mapeados

dentro de la cadena de valor, contribuir con la eficiencia no solo en el uso de los recursos sino

también en la obtención de resultados que permitan mejorar aquellos indicadores que están

asociados a los ingresos y gastos de la compañía, mejorar aquellos procesos de apoyo a la

organización que buscan prevenir fraudes, detectar operaciones inusuales o malintencionadas o

incluso detectar infidelidad de algún colaborador o aliado estratégico. 2.1.3 Descripción de los

componentes de BI Las soluciones de BI son soportadas bajo múltiples componentes y

herramientas: orígenes de información, herramientas que permiten establecer conexiones con los

orígenes de la información, herramientas que permiten transformar los datos para permitir dar

una relación a los distintos sistemas de información y un lenguaje común de negocio, herramienta

de análisis, visualización y entrega de la información (Horakova y Skalska, 2013).


1.6.4 Arquitectura de BI Según Fernández (2013). Para un adecuado proceso de BI es

importante identificar cuáles son los sistemas de información de la compañía que serán objeto de

la extracción y análisis de información. En este sentido, se pueden identificar varios tipos de

sistemas como son: los transaccionales, los no transaccionales y lo sistemas expertos. Los datos

que se encuentran en los sistemas de información utilizados por los procesos de la compañía

estarán supeditados al objeto social de la empresa y, de acuerdo a esto, será el contexto donde se

realizará el análisis de la información. Otro punto que se considera importante es el de conocer el

estado de la calidad de los datos que se encuentran en los sistemas originales de la compañía, ya

que contar con problemas de calidad en los datos puede llevar a que los resultados derivados de

los procesos de minería de datos sean imprecisos y puedan generar desconfianza al momento de

compartir estos resultados con los distintos equipos consumidores de la información (Fernández,

2013). Entre las múltiples referencias del mercado de sistemas de información encontramos

elementos comunes para definir una arquitectura de BI. En este sentido Turban, Aronson, Liang y

Sharda (2007) sostienen que una arquitectura de negocios debe tener: la base de datos

centralizada (Data Warehouse), las herramientas que usará el usuario final (Business Analytics),

las relaciones no conocidas entre las variables, la minería de datos (Data Mining), la minería de

texto y de la web y la metodología como BPM (Business Performance Management). Una

propuesta la hace Chaudhuri (et al., 2011), donde presenta la arquitectura que también sirve para

implementar la tecnología de BI dentro de una empresa (Figura 1):


Figura 4. Arquitectura Chaudhuri

Fuente: Chaudhuri, Dayal y Narasayya (2011).

• Generalmente la información proviene de múltiples orígenes de datos; estos pueden ser internos

o externos, transaccionales operacionales o de apoyo, muchos de estos sistemas son utilizados

por distintos usuarios de la organización, proveedores y clientes. Esta diversidad de aplicaciones

hace necesario contar con procesos conocidos como de reconciliación los cuales buscan corregir

problemas de calidad de datos (Chaudhuri et al., 2011).

• Este proceso es considerado por muchos como uno de los retos más importantes para los

proyectos de implementación de BI, y es el proceso de integración de los datos, el cual requiere

hacer actividades de limpieza, homologación y estandarización. Estos procesos son los que

permiten la escalabilidad en la carga de la información para BI. Las tecnologías que soportan

estos procesos de extracción, transformación y carga de datos son llamadas herramientas de ETL.

Los datos sobre los cuales BI desarrolla sus tareas obedecen a repositorios corporativos

conocidos como bodegas de datos, las cuales son manejadas por Sistemas Administradores de

Bases de Datos Relacionales (RDBMS por sus siglas en inglés) (Chaudhuri et al., 2011).

• El reto del presente es el procesamiento de grandes volúmenes de información con una

infraestructura de bajo costo. Este reto es conocido como BIGDATA y nació a partir del análisis


de documentos web y búsquedas web, que ahora son el objetivo de las compañías analíticas que

quieren extender sus análisis por medio de consultas complejas de SQL. Los servidores de

bodegas de datos se complementan con funcionalidades especializadas como el procesamiento de

datos en línea (OLAP), el cual tiene la capacidad de presentación de los datos de una forma

multidimensional y permite utilizar las operaciones más comunes de BI como la agregación, el

drill down, los filtros y el pivoteo (Chaudhuri et al., 2011).

• La capa de servidores de reportes permite la visualización y entrega de los informes; esto

significa poderlos definir y diseñar, ejecutarlos de forma eficiente y presentarlos a un grupo

objetivo interesado en consumir la información (Chaudhuri et al., 2011).

• Análisis OLAP: esta sigla significa procesamiento de análisis en línea y permite hacer la

extracción y procesamiento de datos en tiempo real, o cercano al real, lo cual ayuda a la

organización al análisis de resultados desde aspectos del alto nivel hasta su mínima expresión. Un

ejemplo que sirve de guía es la utilización de este análisis en los equipos de fuerza comercial

pues les permite a los gerentes ver los resultados de ventas agregados por distintos niveles: por

región, por zona, por equipo o vendedor. En ese sentido, se puede seleccionar el criterio o los

criterios por los cuales se quiere entender la información (Fernández, 2013).

• Cuadros de mando: es una herramienta de visualización que entrega de forma gráfica los

resultados, las métricas y los indicadores que son considerados focos de seguimiento para medir

el rendimiento de los procesos de las unidades de negocio y de apoyo. Dentro de sus capacidades

se puede enunciar la facilidad para integrar la información de múltiples fuentes, poder obtener los

datos en tiempo real y su facilidad en la experiencia de usuario permitiendo configurar su diseño

de presentación (Fernández, 2013).


1.7 ASPECTOS METODOLOGICOS

1.7.1 Metodología seguida durante la investigación:

Metodología Scrum: Para llevar a cabo la construcción del modelo se adoptó la metodología

ágil de desarrollo SCRUM, para aplicarla en el progreso de construcción del mismo. Scrum se

basa principalmente en la premisa de ejecutar un proyecto en entregas parciales y regulares del

producto. El desarrollo del producto se realiza de forma incremental y evolutiva, lo que resulta

ideal en entornos dinámicos y cambiantes. Scrum nos proporciona un marco de trabajo para

soportar la innovación y permitir que equipos auto-organizados entreguen resultados de alta

calidad en tiempos cortos.

Figura 5. Metodología Scrum. Tomado de (http://blog.metodoconsultores.com/scrum-

gestion-proyectos/)

1.7.2 Perfiles:

En un equipo Scrum intervienen varios perfiles:

• El Product Owner es la persona encargada del éxito del producto desde el punto de

vista de los clientes. Define los objetivos del proyecto y se focaliza en maximizar la

rentabilidad del producto.

• El Scrum Master es el coach del resto del equipo y quien lo ayuda a alcanzar su máximo

nivel de productividad para garantizar el cumplimiento de objetivos.

http://blog.metodoconsultores.com/scrum-gestion-proyectos/)




• El Scrum Team está formado por todos los individuos necesarios para la

construcción del producto en cuestión. Realiza un trabajo fundamental: persigue un

objetivo común, con autogestión y una estructura auto- organizada

• Los Stakeholders son las personas a las que el proyecto les producirá algún beneficio

(comerciales, dueños, directores).

1.7.3 Funcionamiento: El proceso de Scrum necesita una cantidad mínima de elementos para

sacar adelante un proyecto. Comienza con la elaboración del Product Backlog, un listado que

recoge características, funcionalidades y requerimientos del proyecto. El Product Backlog es

mantenido y priorizado por el Producto Owner, solo él puede agregar prioridades.

La segunda etapa es el Sprint Backlog, la lista de tareas que elabora el equipo. Se asignan tareas a

cada persona y el tiempo que queda para terminarlas. De esta manera el proyecto se puede

descomponer en unidades más pequeñas pudiéndose determinar en donde no se está

avanzando e intentar solucionar el problema. Se crean ciclos breves para el desarrollo, las

llamadas iteraciones, que en Scrum se conocen como “Sprints”.

Las reuniones son el otro pilar del proceso. Son la base para la comunicación y lograr un equipo

ágil y multifuncional, lo que se consigue con el Sprint Planning Meeting, donde se priorizan las

tareas a realizar en el Product Backlog. Se realizan al principio de cada Sprint para decidir

que se va a realizar en ´el, asignando tiempo a cada una de ellas.

Diariamente se realizan reuniones en las que se comenta qué se hizo el día anterior, qué

se va a hacer en el día y qué problemas se han encontrado. Se hace un seguimiento en el que se

controla el cumplimiento de las tareas asumidas. Son las denominadas Daily Scrum.

Sin duda la metodología Scrum aporta grandes beneficios que repercuten en el conjunto de una

organización.

Utilizar Scrum puede ser una gran ventaja competitiva: el equipo sabe lo que tiene que hacer

cada día, si algo va mal, lo sabrá en unas semanas. De manera regular el equipo va

mejorando y simplificando su manera de trabajar siendo auto gestionado, y la comunicación y la

adaptación a las diferentes necesidades son máximas, evitando la realización de tareas

innecesarias y repetitivas.


Figura 6. Scrum Framework. Tomado de (http://blog.metodoconsultores.com/scrum-

gestion-proyectos/)

1.7.4 Holotipo de Investigación:

NIVEL Implica

en el

evento

Categoría/Fas

es

Básicos/Sinónim

os

HOLOTIPO DE

INVESTIGACI

ON

ESPIRAL

HOLISTIC

A

Comprensi

vo

Relación

con otros

eventos,

enfatizand

o

relaciones

de

casualida

d

Proponer Exponer,

presentar,

plantear,

formular, diseñar

Proyectiva Proyectiva

Propuesta


2. PUNTOS DE VISTA DE LA CAPA DE NEGOCIO

2.1 Introducción: Un punto de vista en ArchiMate es una selección de un

subconjunto relevante de los conceptos de ArchiMate (y sus relaciones) y la

representación de la parte de una arquitectura que se expresa en diferentes diagramas. Un con-

junto de tales puntos de vista fue desarrollado basado en la experiencia práctica.

Algunos de estos puntos de vista tienen un alcance limitado a una sola capa o aspecto. Así, los

puntos de vista de función de negocio y de proceso de negocio muestran las dos principales

perspectivas sobre el comportamiento del negocio; el punto de vista de organización

representa la estructura de la empresa en términos de sus departamentos, roles, etc. Otros

puntos de vista vinculan múltiples capas o aspectos: el punto de vista de cooperación de actor y

producto se relacionan con la empresa a su entorno [TOPG12].


2.2 Punto de Vista de Organización: El punto de vista de la organización se enfoca

en la organización (interna) de una empresa, departamento, una red de empresas u otra entidad

organizacional. Es posible presentar modelos en bloques de diagramas anidados, pero también de

una manera más tradicional como gráficos. El punto de vista de la organización es muy útil

para identificar las competencias, la autoridad y las responsabilidades de la organización.

2.2.1 Metamodelo:

Figura 4.1: Metamodelo Punto de Vista de Organización. Tomado de TOPG12

2.2.2 Caso de Estudio:

Figura 4.2: Punto de Vista de Organización. Fuente propia


El Modelo de Punto de vista de Organización de le empresa, está enfocado en el proceso

de la visualización del modelo de inteligencia de negocio, en este muestran los dos actores que

utilizaran de manera directa el modelo que se busca implementar para mejorar la toma de

decisiones en las áreas operativas y estratégicas de la empresa.


2.3 Punto de Vista de Cooperación de Actor: Se centra en las relaciones de los actores

con cada uno de los entornos. Un ejemplo común de esto es el “diagrama de Contexto” el cual

pone a la organización en su entorno, que consiste en entes externos como clientes, proveedores y

otros asociados al mismo. Es muy útil determinar las dependencias y colaboraciones

externas que muestran la cadena de valor o la red de actores que operan.

Otro importante uso del punto de vista de Cooperación de Actor es mostrar cual es el número de

actores operando en el negocio y la aplicación de componentes que conjuntamente realizan un

proceso de negocio.

2.3.1 Metamodelo:

Figura 4.3: Metamodelo Punto de Vista de Cooperación de Actor. Tomado de TOPG12


2.3.2 Caso de Estudio:

Figura 4.4: Punto de Vista de Cooperación de Actor Empresa. Fuente propia

El Modelo de Punto de vista de Cooperación de Actor de Empresa, se centra en la relación de

los actores que se encargan del desarrollo del modelo de inteligencia de negocio, y muestra

cuales son los roles de los clientes que van a hacer uso de dicho modelo.


2.4 Punto de Vista de Función de Negocio: El punto de vista de función de negocio

muestra las funciones de negocio principales de una organización y sus relaciones en

términos de los flujos de información, valor o de bienes entre ellos. Las funciones de

negocio se utilizan para representar los aspectos más estables de una empresa en cuanto a las

actividades primarias que realiza, independientemente de cambios organizacionales o desarrollos

tecnológicos. Por lo tanto, la arquitectura de función de negocios de las empresas que operan en

el mismo mercado a menudo exhibe semejanzas cercanas. El punto de vista de la función de

negocio así ofrece una visión de alto nivel en las operaciones generales de la empresa, y puede

utilizarse para identificar las competencias necesarias, o para estructurar una organización

según sus actividades principales.

2.4.1 Metamodelo:

Figura 4.5: Metamodelo Punto de Vista de Función de Negocio. Tomado de TOPG12


2.5 Punto de Vista de Proceso de Negocio:

El punto de vista del Proceso de Negocio (Business Process) se utiliza para mostrar la estructura

y composición de alto nivel de uno o más procesos del negocio. Junto a los propios

procesos, este punto de vista contiene Conceptos directamente relacionados, tales como:

• Los servicios que un proceso de negocio ofrece al mundo exterior, mostrando cómo un

proceso contribuye a la realización de los productos de la empresa

• La asignación de los procesos de negocio a las funciones, lo que da una idea de

las responsabilidades de los actores asociados

• La información utilizada por el proceso de negocio

Cada uno de estos puede ser considerado como una “sub-vista” de la vista del proceso

empresarial.

2.5.1. Metamodelo:

Figura 4.7: Metamodelo Punto de Vista de Proceso de Negocio. Tomado de TOPG12


2.6 Punto de Vista de Cooperación de Proceso de Negocio: Se utiliza para mostrar las

relaciones de uno o más procesos de negocio entre si y/o con su entorno. Puede utilizarse tanto

para crear un diseño de alto nivel de procesos empresariales dentro de su contexto como para

proporcionar un gestor operativo responsable de uno o más de dichos procesos con información

sobre sus dependencias.

• Los aspectos importantes de la cooperación en los procesos de negocio son:

• Relaciones causales entre los principales procesos de negocio de la empresa Mapeo de

procesos de negocio en funciones de negocio

• Realización de servicios por procesos de negocio

• Uso de datos compartidos

Cada uno de ellos puede considerarse como una “sub-vista” de la visión de la cooperación

de procesos empresariales.

2.6.1. Metamodelo:

Figura 4.9: Metamodelo Punto de Vista Cooperación Proceso de Negocio. Tomado de TOPG12


2.7. Punto de Vista de Producto: El punto de vista del producto representa el valor que los

productos ofrecen a los clientes u otras partes externas involucradas y muestra la composición de

uno o más productos en términos de la constitución de servicios (Aplicaciones o

negocios), y la asociación de contratos u otros acuerdos, esto también puede ser usado

para mostrar las interfaces (canales) a través de los cuales este producto es ofrecido, y los

eventos asociados con el producto. Un punto de vista del producto es típicamente usado en

desarrollo de productos para diseñar un producto por composición existente de servicios o por

identificación de qué nuevos servicios han sido creados por esos productos, dando los valores que

un cliente espera de ´el. Esto puede entonces servir como entrada para procesos de arquitectura

de negocios y otros que necesitan para diseñar los procesos de TIC y realizar esos productos.

2.7.1. Metamodelo:

Figura 4.11: Metamodelo Punto de Vista de Producto. Tomado de TOPG12


3. PUNTOS DE VISTA DE LA CAPA DE APLICACIÓN

3.1. Introducción: El punto de vista de comportamiento, cooperación y estructura de

aplicación contiene las aplicaciones y componentes, y sus relaciones mutuas; el punto de vista de

uso de aplicación se refiere a aplicaciones para su uso, por ejemplo, procesos de negocio.

Además, el punto de vista de la aplicación trata acerca de las aplicaciones de software que

soportan los componentes del negocio con servicios de aplicaciones, componentes de aplicación

reusables, e interfaces de comunicación para estos componentes [TOPG12].


3.2. Punto de Vista de Uso de Aplicación:

El punto de vista de uso de aplicación describe como las aplicaciones se utilizan para apoyar uno

o más procesos de negocio, y cómo son utilizadas por otras aplicaciones. Puede ser utilizado en el

diseño de una aplicación mediante la identificación de los servicios necesarios por otras

aplicaciones y procesos de negocio, o en el diseño de procesos de negocios mediante la

descripción de los servicios que están disponibles. Además, puesto que identifica las

dependencias de procesos de negocios a aplicaciones, puede ser útil a los gerentes operativos

responsables de estos procesos.

3.2.1. Metamodelo:

Figura 5.1: Metamodelo Punto de Vista de Uso de Aplicación. Tomado de TOPG12


3.3. Punto de Vista de Comportamiento de Aplicación: El punto de vista de

comportamiento de aplicación describe él comportamiento interno de una aplicación; por

ejemplo, como realiza uno o más servicios de aplicación. Este punto de vista es útil en el

diseño del comportamiento principal de aplicaciones, o en la identificación de coincidencia

funcional entre diferentes aplicaciones.

3.3.1. Metamodelo:

Figura 5.3: Metamodelo Punto de Vista de Comportamiento de Aplicación. Tomado de

TOPG12


3.4. Punto de Vista de Cooperación de Aplicación: El punto de vista de cooperación de

aplicación describe las relaciones entre los componentes de aplicaciones en términos de los flujos

de información entre ellos, o en cuanto a los servicios que ofrecen y utilizan. Este punto de vista

es utilizado también para crear un resumen del paisaje de la aplicación de una

organización. Este punto de vista también se utiliza para expresar la cooperación (interna)

o coordinación de servicios que juntos apoyan la ejecución de un proceso de negocios.

3.4.1. Metamodelo:

Figura 5.5: Metamodelo Punto de Vista de Cooperación de Aplicación. Tomado de TOPG12


3.5. Punto de Vista de Estructura de Aplicación: El punto de vista de estructura de

aplicación muestra la estructura de una o más aplicaciones o componentes. Este punto de vista es

útil en el diseño o comprensión de la estructura principal de aplicaciones o componentes y

los datos asociados; por ejemplo, para romper la estructura del sistema en construcción, o para

identificar el legado de los componentes de aplicación que son convenientes para la migración e

integración.

3.5.1. Metamodelo:

Figura 5.7: Metamodelo Punto de Vista de Estructura de Aplicación. Tomado de TOPG12


4. PUNTOS DE VISTA DE LA CAPA DE INFRAESTRUCTURA

4.1. Introducción: El Punto de Vista de Estructura de Información describe la

información y los datos utilizados; el Punto de Vista de Infraestructura muestra la infraestructura

y plataformas de base de los sistemas de información de la empresa en términos de redes,

dispositivos y software del sistema; y el Punto de Vista de Implementación y Despliegue

muestra cómo las aplicaciones son mapeadas en la base de la infraestructura.

El punto de vista de infraestructura contiene elementos de software y hardware que soportan la

capa de aplicación, como dispositivos físicos, redes o sistemas de software [TOPG12].


4.2. Punto de Vista de Infraestructura: El punto de vista de infraestructura contiene los

elementos de software y hardware de apoyo a la capa de aplicación, tales como dispositivos

físicos, redes o software del sistema (por ejemplo, sistemas operativos, bases de datos y la lógica

de intercambio de información entre aplicaciones).

4.2.1. Metamodelo:

Figura 6.1: Metamodelo Punto de Vista de Infraestructura. Tomado de TOPG12


4.3. Punto de Vista de Uso de Infraestructura: El punto de vista de uso de infraestructura

muestra como las aplicaciones son soportadas por la infraestructura de hardware y software: los

servicios de infraestructura son entregados por los dispositivos; los sistemas de software y redes

se proporcionan a las aplicaciones. Este punto de vista desempeña un papel importante en el

análisis de rendimiento y escalabilidad, ya que se relaciona la infraestructura física con el mundo

lógico de las aplicaciones. Es muy útil en la determinación de los requisitos de rendimiento y

calidad en la infraestructura basada en las demandas de las distintas aplicaciones que lo

utilizan.

4.3.1. Metamodelo:

Figura 6.3: Metamodelo Punto de Vista de Uso de Infraestructura. Tomado de TOPG12


4.4. Punto de Vista de Implementación y Despliegue: El punto de vista de

implementación y despliegue muestra como uno o más aplicaciones son realizadas sobre la

infraestructura. Esto implica el mapeo de aplicaciones (lógicas) y componentes en artefactos

(físicos), como Enterprise Java Beans, y el mapeo de la información utilizada por estas

aplicaciones y componentes en el almacenamiento subyacente de la infraestructura; por ejemplo,

tablas de bases de datos u otros archivos. Las vistas de implementación juega un papel

importante en el análisis de rendimiento y la escalabilidad debido a la relación entre la

infraestructura física y el mundo lógico de las aplicaciones. En análisis de riesgos y

seguridad, las vistas de despliegue se utilizan para identificar, por ejemplo, los riesgos y

dependencias críticas.

4.4.1. Metamodelo:

Figura 6.5: Metamodelo Punto de Vista de Implementación y Despliegue. Tomado de

TOPG12


4.5. Punto de Vista de Estructura de la información: El punto de vista de estructura de la

información es comparable a los modelos tradicionales de información creados en el

desarrollo de casi cualquier sistema de información. Muestra la estructura de la información

utilizada en la empresa o en un proceso de negocio o aplicación específico, en términos de tipos

de datos o estructuras de clase (orientado a objetos). Además, puede mostrar como la

información a nivel empresarial está representada en el nivel de aplicación en la forma de

las estructuras de datos utilizado allí, y como estos son mapeados en la infraestructura

subyacente; por ejemplo, mediante un esquema de base de datos.

4.5.1. Metamodelo:

Figura 6.7: Metamodelo Punto de Vista de Estructura de Información. Tomado de TOPG12


4.6. Punto de Vista de Realización del Servicio: El punto de vista de realización del

servicio se utiliza para mostrar como uno o más servicios de negocios son realizados por los

procesos subyacentes (y algunas veces por componentes de aplicación). Por lo tanto, forma

el puente entre el punto de vista de los productos de negocio y la vista de procesos de negocio.

Proporciona una visión desde el exterior. En uno o más procesos de negocio.

4.6.1. Metamodelo:

Figura 6.9: Metamodelo Punto de Vista de Realización del Servicio. Tomado de TOPG12


4.7. Punto de Vista de Capas: El punto de vista de capas muestra las diferentes capas y

aspectos de una arquitectura empresarial en un diagrama. Hay dos categorías de capas,

específicamente capas dedicadas y capas de servicio. Las capas son el resultado de la utilización

de la relación de agrupación para una partición natural de todo el conjunto de objetos y

relaciones que pertenecen a un modelo. La infraestructura, la aplicación, los procesos y las capas

de actores/roles pertenecen a la primera categoría. El principio estructural de un punto de vista de

capas completo es que cada capa dedicada expone, por medio de la relación de realización,

una capa de servicios, que son más utilizado por la siguiente capa dedicada. Así, podemos

separar fácilmente la estructura interna y la organización de una capa dedicada de su

comportamiento externamente observable expresado como la capa de servicio que esa capa

dedicada realiza.

4.7.1. Metamodelo:

Figura 6.11: Metamodelo Punto de Vista de Capas. Tomado de TOPG12


5. PUNTOS DE VISTA DE EXTENSIÓN DE MOTIVACIÓN

5.1. Introducción: Se han definido una serie de puntos de vista estándar para el

modelado de aspectos motivacionales. Cada uno de estos puntos de vista presenta una

perspectiva diferente sobre la motivación que subyace a cierta arquitectura de la empresa y

permite un modelador de ciertos aspectos de modelado. Por lo tanto, cada punto de vista

considera solamente una selección de los conceptos y las relaciones que se han descrito en

las secciones anteriores [TOPG12].

Se distinguen los siguientes puntos de vista:

• El punto de vista de stakeholder, el cual se centra en el modelado de los stakeholders,

conductores, la evaluación de estos conductores y las metas iniciales para abordar estos

conductores y evaluaciones.

• El Punto de Vista de Realización de Objetivos, que se centra en refinación inicial,

objetivos de alto nivel en más (sub-) objetivos concretos usando la relación de agregación,

y finalmente en requisitos y restricciones utilizando la relación de realización

• El Punto de Vista de Contribución, que se centra en el modelado y análisis de las

relaciones de influencia entre objetivos (y requisitos).

• El Punto de Vista de Principios, que se centra en modelar los principios pertinentes y los

objetivos que motivan estos principios.

• El Punto de Vista de Realización de Requerimientos, que se centra en la realización de los

requisitos y las limitaciones de modelado por medio de elementos básicos, tales como

actores, servicios, procesos, componentes de la aplicación, etc.


• El Punto de Vista de Motivación, que cubre todo el aspecto motivacional y permite

utilizar todos los elementos de motivación.


5.2. Punto de Vista de Stakeholder: El punto de vista del stakeholder permite al analista

modelar los stakeholders, los manejadores internos y externos de cambio, y las valoraciones, (en

términos de sus fortalezas, debilidades, oportunidades y amenazas) de estos manejadores.

También se pueden describir los enlaces a las metas iniciales (alto nivel) que conducen estas

preocupaciones y valoraciones. Estos objetivos con- forman la base para el proceso de ingeniería

de requerimientos, incluyendo el refinamiento de objetivos, análisis de contribución y

conflictos, y los requerimientos derivados de estos objetivos.

5.2.1. Metamodelo:

Figura 7.1: Metamodelo Punto de Vista de Stakeholder. Tomado de TOPG12


5.3. Punto de Vista de Realización de Objetivos: El punto de vista de realización de

objetivos permite a un diseñador modelar el refinamiento de objetivos (alto nivel) en objetivos

más concretos, y el refinamiento de objetivos concretos en requerimientos o restricciones que

describen las propiedades que se necesitan para realizar los objetivos. El refinamiento de

objetivos en subobjetivos se realiza mediante la relación de agregación. El refinamiento de los

objetivos en requerimientos se modela utilizando la relación de realización.

5.3.1. Metamodelo:

Figura 7.3: Metamodelo Punto de Vista de Realización de Objetivos. Tomado de TOPG12


5.4. Punto de Vista de Contribución de Objetivos: El punto de vista de contribución de

objetivos permite a un diseñador o analista modelar las relaciones de influencia entre los

objetivos y requisitos. Las vistas resultantes pueden ser utilizadas para analizar el impacto que los

objetivos tienen entre sí y determinar conflictos entre los objetivos de los stakeholders.

Por lo general, este punto de vista puede utilizarse después de tener objetivos, en cierta medida,

se han refinado en sub-metas y, posiblemente, en requerimientos. Por lo tanto, las relaciones de

agregación y realización también pueden ser mostradas en este punto de vista.

5.4.1. Metamodelo:

Figura 7.5: Metamodelo Punto de Vista de Contribución de Objetivos. Tomado de TOPG12


5.5. Punto de Vista de Principios: El punto de vista de principios permite al analista o

diseñador modelar los principios que son relevantes en el diseño del problema concreto,

incluyendo los objetivos que motivan estos principios. Adicionalmente, las relaciones entre

principios y sus objetivos pueden modelarse a partir de la influencia de forma negativa o positiva

entre ellos.

5.5.1. Metamodelo:

Figura 7.7: Metamodelo Punto de Vista de Principios. Tomado de TOPG12


5.6. Punto de Vista de Realización de Requerimientos: El Punto de Vista de

Realización de Requerimientos permite al diseñador modelar la realización de los

requerimientos para los elementos claves, como los actores de negocio, servicios de negocio,

procesos de negocio, servicios de aplicación, componentes de aplicación, etc. Por lo general, los

requerimientos surgen desde el punto de vista de refinamiento de objetivos.

Además, este punto de vista puede utilizarse para refinar los requerimientos en requerimientos

más detallados. La relación de agregación se utiliza para este propósito.

5.6.1. Metamodelo:

Figura 7.9: Metamodelo Punto de Vista de Realización de Requerimientos. Tomado de TOPG12


5.7. Punto de Vista de Motivación: El punto de vista de motivación permite al diseñador o

analista modelar el aspecto motivacional, sin necesidad de enfocarse en concreto de algunos

elementos dentro de este aspecto. Por ejemplo, este punto de vista puede ser usado para mostrar

una revisión completa o parcial del aspecto motivacional relacionando los stakeholders, sus

objetivos primarios, los principios que son aplicados y los requerimientos principales en los

servicios, procesos, aplicaciones y objetos.

5.7.1. Metamodelo:

Figura 7.11: Metamodelo Punto de Vista de Motivación. Tomado de TOPG12


6. PUNTOS DE VISTA DE EXTENSIÓN DE IMPLEMENTACIÓN Y

MIGRACIÓN

6.1. Introducción: Se distinguen los siguientes puntos de vista estándar para el

modelado de aspectos de implementación y migración [TOPG12]:

• El punto de vista de proyecto se utiliza principalmente para modelar la gestión del cambio

de arquitectura.

• El punto de vista de migración se utiliza para modelar la transición desde una arquitectura

existente a una arquitectura de destino.

• El punto de vista de migración e implementación se utiliza para modelar las relaciones

entre los programas y proyectos y las partes de la arquitectura que ellos implementan.


6.2. Punto de Vista de Proyecto: El punto de vista del proyecto es usado principalmente para

modelar la gestión del cambio en la arquitectura, la arquitectura del proceso de migración desde

una situación anterior (estado actual de la arquitectura empresarial) a una situación

deseada (estado objetivo de la arquitectura empresarial) tiene consecuencias significativas en

el corto y largo plazo para el crecimiento de la estrategia y las decisiones subsecuentes del

proceso de realización. Algunos aspectos que deben tomarse en cuenta por el diseñador en

este punto de vista son:

• Desarrollar una arquitectura empresarial completa para una organización es una tarea que

puede requerir varios años.

• Todos los sistemas y servicios deben mantenerse operando en caso que ocurran

modificaciones y cambios en la arquitectura empresarial durante el proceso de cambio.

• El proceso de cambio puede tener que tratar con estándares inmaduros de tecnología (por

ejemplo, mensajería, seguridad, datos, etc.).

• El cambio tiene consecuencias serias para el personal, la cultura, la manera de trabajar y

la organización.


6.2.1. Metamodelo:

Figura 8.1: Metamodelo Punto de Vista de Proyecto. Tomado de TOPG12


6.3. Punto de Vista de Migración: El punto de vista de migración implica modelos y

conceptos que pueden ser usados para especificar la transición de una arquitectura

existente a una arquitectura deseada. La platea es un estado relativo de la arquitectura que existe

en un tiempo limitado, una brecha es una unidad de análisis de transición entre dos plateas.

6.3.1. Metamodelo:

Figura 8.3: Metamodelo Punto de Vista de Migración. Tomado de TOPG12


6.4. Punto de Vista de Migración e Implementación: El punto de vista de migración e

implementación es utilizado para relacionar programas y proyectos a las partes de la arquitectura

que ellos implementan. Esta vista permite modelar el alcance de los programas, proyectos,

actividades del proyecto en términos de las plateas que son realizadas o los elementos de la

arquitectura individual que son afectados. Adicionalmente, la forma en que los elementos son

afectados puede ser indicados anotando las relaciones.

Este punto de vista puede ser utilizado en combinación con los puntos de vista de

programas y proyectos para soportar la administración del portafolio:

• Los puntos de vista de programas y proyectos son adecuados para relacionar los objetivos

del negocio a programas y proyectos. Por ejemplo, esto hace posible analizar a un nivel

alto si todos los objetivos de negocios están cubiertos suficientemente por el porfolio(s)

actual.

• El punto de vista de implementación y migración es adecuado para relacionarse con

objetivos de negocio (y requerimientos) a través de programas y proyectos a (partes de) la

arquitectura. Por ejemplo, esto permite analizar la potencial superposición entre las

actividades del proyecto o analizar la consistencia entre las dependencias del proyecto y

las dependencias entre plateas o elementos de la arquitectura.


6.4.1. Metamodelo:

Figura 8.5: Metamodelo Punto de Vista de Migración e Implementación. Toma- do de TOPG12


7. ARQUITECTURA DE SOFTWARE

7.1. Modelo de Datos: El procesamiento de los datos se realizó bajo el motor de base

de datos SQL Server 2014, donde la información leída es alojada en una bodega de datos la cual

es la base para la creación del modelo de alertas y predicción de datos.

Figura 11.1: Modelo de Datos 1. Fuente propia


Figura 11.1: ETL Realizada para la extracción de los datos1. Fuente propia

Se realiza el proceso de ejecutar una ETL para lograr alimentar la bodega de datos que a su vez es

el insumo para alimentar el modelo de inteligencia de negocio.


7.2. Arquitectura de la aplicación:

En base a la información disponible, y a lo que se pretende analizar, se debe crear un modelo de

datos que permita obtener el conocimiento deseado a partir de los datos disponibles. El proceso

de modelado es un análisis lógico previo al desarrollo, en el que se diseña la estructura de datos y

las relaciones jerárquicas entre los elementos

Las herramientas BI no suelen consultar los datos de las bases de datos transaccionales, para

evitar bloqueos o sobrecargas. Es por este motivo que se construye un almacén de datos

(Datawarehouse o DWH) con una estructura adecuada para el modelo de datos definido. En este

DWH se cargará la información que se extrae de los sistemas origen. Esta extracción y carga se

realiza con procesos ETL (del inglés Extract, Transform, Load), que extraen los datos del sistema

origen, los procesan (limpiar datos, regularizar nombres de diferentes orígenes, etc.) y los cargan

en el DWH.

Una vez se ha definido el DWH y ya contiene datos, se puede utilizar una herramienta de BI para

plasmar el modelo de datos y crear reportes o cuadros de mando con la información requerida

para dar las respuestas buscadas.


Figura 11.7: Arquitectura de la Aplicación 1. Fuente propia

7.3. Puerta de Enlace de Power BI: Una puerta de enlace de Power BI es un software que

instala dentro de una red local; facilita el acceso a los datos en esa red. Es como un controlador

de acceso que escucha solicitudes de conexión y las otorga solo cuando las solicitudes de un

usuario cumplen ciertos criterios. Esto permite que las organizaciones conserven bases de datos y

otras fuentes de datos en sus redes locales, pero que utilicen de forma segura los datos locales en

los informes y paneles de Power BI.

Una puerta de enlace se puede usar para una sola fuente de datos o múltiples fuentes de datos. El

siguiente diagrama muestra una vista básica, con las solicitudes de manejo de puerta de enlace de

la nube para tres computadoras locales. Ampliaremos esto más adelante en el artículo.


7.4. Tipos de Puertas de Enlaces:

Power BI ofrece dos puertas de enlace, cada una para un escenario diferente:

• Puerta de enlace de datos local (modo personal) : permite que un usuario se conecte a

las fuentes y no se puede compartir con los demás. Solo se puede usar con Power BI. Esta

puerta de enlace es adecuada para escenarios en los que usted es la única persona que crea

informes y no necesita compartir las fuentes de datos con otros.

• Puerta de enlace de datos local : permite que múltiples usuarios se conecten a múltiples

fuentes de datos locales. Puede ser utilizado por las aplicaciones de Power BI,

PowerApps, Flow, Azure Analysis Services y Azure Logic, todas con una única

instalación de puerta de enlace. Esta puerta de enlace es ideal para escenarios más

complejos con múltiples personas que acceden a múltiples fuentes de datos.


7.5. Cómo funcionan las puertas de enlace: La puerta de enlace que instala se ejecuta como un

servicio de Windows, puerta de enlace de datos local . Este servicio local está registrado con el

servicio Gateway Cloud a través de Azure Service Bus. El siguiente diagrama muestra el flujo

entre los datos locales y los servicios en la nube que usan la puerta de enlace.


7.6. COMPONENTES DEL BUSINESS INTELLIGENCE.

Todo sistema de inteligencia de negocios se compone por dos procesos, la Integración (bodega de

datos) y el análisis de los datos (OLAP o técnicas de minería de Datos).

Bodega de Datos. La bodega de datos, también llamada data warehouse, es un repositorio de

datos que proporciona una visión global, común e integrada de los datos de la organización,

independiente de cómo se vayan a usar posteriormente por los consumidores o usuarios, con las

propiedades siguientes: estable, coherente, fiable y con información histórica. Puede llegar a

tener un volumen de datos muy grande (centenas de terabytes). Las bases de datos relacionales

son el soporte teórico más comúnmente usado para almacenar las estructuras de estos

datos y sus grandes volúmenes.

La bodega de datos presenta las siguientes características:

Orientado a un tema: organiza una colección de información alrededor de un tema central.

Integrado: Incluye datos de múltiples orígenes y presenta consistencia de datos.

Variable en el tiempo: se realizan fotos de los datos basadas en fechas o hechos.

La bodega de datos es una base de datos que organiza y almacena una colección de información

derivada directamente de los sistemas operacionales y de algunos datos externos. “Maneja un

conjunto de datos integrados u orientados a un objetivo específico, que varían con el tiempo

(datos históricos) y que no son transitorios. Soportan el proceso de toma de decisiones de la


administración y está orientada al manejo de grandes volúmenes de datos provenientes de

diversas fuentes o diversos tipos”

Datamart. Un Datamart es una base de datos departamental, especializada en el almacenamiento

de los datos de un área de negocio específica. “Se caracteriza por disponer la estructura óptima de

datos para analizar la información al detalle desde todas las perspectivas que afecten a los

procesos de dicho departamento. Un datamart puede ser alimentado desde los datos de una

bodega de datos, o integrar por sí mismo un compendio de distintas fuentes de información”

Procesamiento analítico en línea. “El procesamiento analítico en línea, es a la vez un concepto

y una tecnología que tiene como fin contar con elementos de análisis previamente calculados que

agilizan la consulta de grandes cantidades de datos. Una característica principal es que el

procesamiento analítico permite describir el comportamiento del negocio, es decir se basa en

acontecimientos que ya han sucedido”

Big Data. En cuanto a la definición de esta locución es el conjunto de datos (o dataset) que

superan la capacidad de captura, gestión y procesamiento en un tiempo determinado, superando

así la capacidad del software habitual.

Big data Además de la captura, gestión y procesamiento, las dificultades más comunes son

también la búsqueda, la compartición, la visualización, el almacenamiento y el análisis entre

otras. Esta tendencia a manejar gran cantidad de datos se debe en muchos casos, a análisis o


disciplinas en las que se necesita relacionar datos como puede ser una investigación o datos de

enfermedades infecciosas, meteorología, genómica, análisis de negocios, etc. También se puede

definir a esta frase como el análisis y tratamiento de grandes repositorios de datos, tan enormes

que es imposible tratarlos con las herramientas de analíticas y bases de datos convencionales.

Esto se inserta en un entorno como la proliferación de páginas web, aplicaciones de videos e

imágenes, redes sociales, dispositivos móviles, sensores, etc. IBM considera que el manejo y

tráfico de todo esto es capaz de generar más de 2.5 quintillones de bytes al día. Esta empresa

también ha dicho que el universo de Big Data se explica a partir del volumen, variedad y

velocidad y por eso consideran que hay un gran desafío hacia adelante, ya que hacia el 2020 es

muy probable que haya 35 zettabits de información. Agregan además que ya no es suficiente el

análisis de datos tradicional.

ETL (Extract, Transform & Load Processing). Es el proceso mediante el cual se extraen los

datos desde un sistema origen, se transforman y finalmente se cargan en un destino para ser

almacenados. Dependiendo del sistema origen, puede o no ser necesario el desarrollo de

aplicaciones a la medida que realicen esta labor. Esto en razón que es común encontrar sistemas

antiguos que definen sus propios lenguajes y protocolos. Por el contrario, “en aplicaciones más

recientes es común el uso de lenguajes de programación más ampliamente utilizados y

mutuamente compatibles, así como estándares en el almacenamiento y consulta de bases de datos


con lo cual el proceso de extracción puede ser mucho más transparente y fácilmente realizable”.

A partir de los sistemas operacionales de una compañía, es importante entender cuál es el proceso

de construcción del ETL (Extracción, Transformación y Carga:

Extracción: obtención de información de las distintas fuentes tanto internas como externas.

Transformación: filtrado, limpieza, depuración, homogeneización y agrupación de la

información.


8. PROTOTIPO FUNCIONAL: Una de las grandes ventajas que tenemos al crear un

modelo de inteligencia de negocio a través de Power BI es que proporciona visualizaciones

interactivas con capacidades de inteligencia empresarial de autoservicio, donde los usuarios

finales pueden crear informes y paneles por sí mismos, sin tener que depender del personal de

tecnología de la información o los administradores de la base de datos.

Figura 11.9: Presentación del Prototipo Funcional. Fuente propia


8.1. Pantallas de Funcionamiento: Desde la plataforma web de Power BI el usuario podrá

ingresar al interactuar con el modelo de inteligencia de negocio. Lo primero que va a encontrar es

el tablero de control, el cual resume los paneles principales del modelo los cuales lo guían a la

parte detallada y funcional del modelo.

Figura 11.9: Prototipo Funcional 1. Fuente propia

En esta imagen No 1 se observa como panel principal aquel que nos muestra las predicciones del

valor de las transacciones para que así mismo el usuario haga su análisis y tome decisiones.



En la figura No 2 podemos observar los paneles que contienen el análisis de la cantidad de las

transacciones realizadas en un determinado tiempo, en la parte izquierda de la imagen se tiene

diferentes tipos de filtros para que el usuario realice los análisis necesarios de la información que

allí se muestra.



En la figura No 3 podemos observar los paneles que contienen el análisis del valor de las

transacciones realizadas en un determinado tiempo, en la parte izquierda de la imagen se tiene

diferentes tipos de filtros para que el usuario realice los análisis necesarios de la información que

allí se muestra. Así mismo en una tabla se muestran los valores de las transacciones con fondo de

colores dependiendo de la configuración realizada a los topes de transacciones, para que así si

una transacción está sobre el límite del valor permitido, se marca con un color de fondo rojo para

que así el usuario determine que acción tomar.



En la figura No 4 podemos observar el análisis que se realiza por tipo de servicio (Envió de

dinero, pago de dinero, recaudo de facturas, pagos de nóminas, etc.) y por la empresa cliente. Los

usuarios tienen filtros en la parte izquierda de la imagen para poder realizar un análisis más

detallado de esta información.



En la figura No 5 podemos observar el análisis que se realiza a los clientes que utilizan el servicio

en cada uno de los Puntos, en estos paneles se puede determinar el origen y destino de cada una

de las transacciones realizadas por un cliente en especial para así determinar sus

comportamientos de pago.



En la figura No 6 se muestra una de las funciones más importantes del modelo y es la predicción

de los datos, en ella se muestra el valor de las transacciones realizadas por fecha, su promedio

(línea media de color verde), transacciones de más valor realizadas (línea superior de color rojo),

y las transacciones de menor valor realizadas (línea inferior de color azul), y en una región

marcada con un color gris podemos observar la predicción que realiza el modelo teniendo en

cuenta el historial del valor de las transacciones realizadas. Con esta predicción tanto el usuario

como la empresa podrán determinar si realizan o no alguna estrategia de negocio u operativa en

pro del mejoramiento de la empresa.



En la figura No 7 se muestra una de las funciones más importantes del modelo y es la predicción

de los datos, en ella se muestra la cantidad de transacciones realizadas por fecha, su promedio

(línea media de color verde), transacciones de más valor realizadas (línea superior de color rojo),

y en una región marcada con un color gris podemos observar la predicción que realiza el modelo

teniendo en cuenta el historial de transacciones realizadas en cuanto a cantidades. Con esta

predicción tanto el usuario como la empresa podrán determinar si realizan o no alguna estrategia

de negocio u operativa en pro del mejoramiento de la empresa.



Cabe resaltar como se observa en la figura No 8, el modelo tiene la capacidad de adaptarse para

poder ser visualizado a través de un teléfono móvil incluyendo el panel de control principal.


9. ALCANCES, LIMITACIONES Y RESULTADOS ESPERADOS

10.1 Alcance

El alcance tradicional ha sido medido por el número de funciones que el sistema ejecutará. En los

proyectos BI este sería una forma segura de sobreestimar el esfuerzo y los recursos. Las

aplicaciones BI son intensas en manejo de datos, no en funciones. Por lo tanto, el alcance debe

ser medido por el número de datos elementales que deben ser extraídos del sistema fuente,

transformados y limpiados, y finalmente cargados a la base de datos destino de la aplicación BI.

La razón principal para concentrarse en los datos antes que en las funciones es que el análisis y la

preparación de los datos de la fuente original llevan mucho tiempo con respecto al acceso y el

facilitar el análisis de datos a través de reportes. La regla típica 80/20 usualmente implica 80% de

esfuerzo para los datos y 20% de esfuerzo para la funcionalidad.


10. CONCLUSIONES

El auge de BI tiene su fundamento en los volúmenes y cantidades importantes de datos que cada

día se están generando desde los distintos sistemas de información. Todo esto requiere darle una

utilidad que permita ayudar a generar valor en las compañías para mantener en forma eficiente

sus procesos, identificar nuevas oportunidades de negocio y poder tomar decisiones con un

mayor nivel de certidumbre. BI pretende ayudar y contribuir al logro de estos resultados.

Aunque BI, como se explicó en este trabajo, ha venido desarrollándose en algunas industrias

desde principios de los años noventa, todavía hay empresas que no han logrado implementar lo

modelos y herramientas para un BI que les permita dar un mejor uso de todos los datos con los

que cuentan. Esto los pone en una situación más compleja debido a que actualmente el mundo del

análisis de información está hablando de Big Data.

La implementación de un proyecto de BI requiere un apoyo muy grande de la alta gerencia. Esto

no solo corresponde al patrocinio económico de la inversión sino también a contribuir a la

creación de una cultura analítica corporativa.

Un factor de éxito para el análisis y diseño de la implementación de BI es contar con un equipo

de trabajo de las áreas de la compañía que tenga muy buenos conocimientos de la información

que cada día se está generando en cada uno de los distintos sistemas de información. Esto

permitirá que se le pueda hacer una buena extracción y transformación de los datos para que la

bodega de datos se llene de materia prima para los procesos de minería de datos.

Otro factor de éxito es que el equipo funcional del proyecto conozca muy bien cuáles son los

problemas de calidad en la información que tiene cada uno de los sistemas orígenes de donde se

hará la extracción de los datos. Es necesario a estos problemas de calidad de datos identificar


cuáles se pueden corregir desde los procesos operacionales y cuáles se deben tratar mediante

procesos automáticos de limpieza; todo esto para garantizar que la información que se genere

desde la minería de datos y el reporting no pierda credibilidad y pueda ser utilizada en su máxima

expresión para apalancar la estrategia de la organización.


11 BIBLIOGRAFIA

Ahmed, K., N. El-Makky y Y. Taha (1998). “Effective data mining: a data warehouse-backboned

architecture” [Proceedings of the 1998 conference of the Centre for Advanced Studies on

Collaborative research]. IBM Press.

Berson, A. y S. Smith (1997). Data Warehousing, Data Mining, and OLAP. Nueva York:

McGraw-Hill.

Chaudhuri, S.; U. Dayal y V. Narasayya (2011). “An overview of business intelligence

technology”. Communications of the ACM. Vol. 54. Núm.8, pp. 88-98.

Davenport, T. y J. Harris (2007). Competing on analytics: The new science of winning. Nueva

York: Harvard Business Press.

De Bie, T. (2011). “An information theoretic framework for data mining” [Proceedings of the

17th ACM SIGKDD international conference on Knowledge discovery and data mining]. Nueva

York: ACM.

Drelichowski, L.; S. Bobek y S. Sternad (2012). Methodological aspects and case studies of

Business Intelligence applications tools in Knowledge Management. S.l.: Polish Association for

Knowledge Management.

Fernández, H. (2013). “Inteligencia de Negocios como apoyo a la toma de decisiones en la

gerencia”. Vínculos. Vol. 9. Núm. 2, pp. 11-23.

Golfarelli, M.; D. Maio y S. Rizzi (1998). “The dimensional fact model: A conceptual model for

data warehouses”. International Journal of Cooperative Information Systems. Vol. 7, pp. 215-

247.


Horakova, M. y H. Skalska (2013). “Business Intelligence and Implementation in a Small

Enterprise”. Journal of Systems Integration. Vol. 4. Núm. 2, pp. 50-61.

Inmon, B. (2004). “The Logical Data Warehouse”. DM Review. Vol. 14. Núm. 6, p. 67.

Muñoz, L.; J. Mazón y J. Trujillo (2011). “ETL Process Modeling Conceptual for Data

Warehouses: A Systematic Mapping Study”. IEEE Latin America Transactions. Vol. 9. Núm. 3,

pp. 360-365.

Reyes, R. y Y. Salgueiro Sicilia (2010). “Herramienta para realizar la Minería de Datos en el

Data Warehouse de un Cuadro de Mando Integral”. Innovación Tecnológica. Vol. 16. Núm. 2. 68

Saddle River: Pearson Prentice Hall. Turban, E., R. Sharda; J. Aronson y D. King (2008).

Business intelligence: A managerial approach. Upper Saddle River: Pearson Prentice Hall.

Waldo, B. (1998). “Decision Support and Data Warehousing Tools Boost Competitive

Advantage”. Nursing Economics. Vol. 16. Núm. 2, pp. 91-93.

Watson, H. y B. Haley (1998). “Managerial considerations”. Communications of the ACM. Vol.

41. Núm. 9, pp. 32-37.

Referencias Web:

Moss, L. (2005). “Moving Your ETL Process into Primetime”. Disponible en:

http://www.businessintelligence.com//ex/asp/code.44/xe/article.htm.

Oracle (s.f.). Disponible en: http://www.oracle.com/technetwork/middleware/bi/index.html.

Powewr BI. Visto en https://powerbi.microsoft.com/es-es/what-is-power-bi/

http://www.businessintelligence.com/ex/asp/code.44/xe/article.htm

http://www.oracle.com/technetwork/middleware/bi/index.html

https://powerbi.microsoft.com/es-es/what-is-power-bi/


12 ANEXOS