tfgprototipodesistemadeinteligenciadenegocios-131002134719-phpapp02

Ingeniera en Informtica

Tesis de Grado

Prototipo de Sistema de Inteligencia de Negocios

utilizando

Minera de Datos sobre Software Libre

Nicols Chvez

Christian Bavera

Tutor: Lic. Denise Riveros

Asuncin Paraguay

2.013

RESUMEN

El propsito de este proyecto fue demostrar la factibilidad de la realizacin de un

prototipo de solucin de Inteligencia de Negocios basado en software libre y

minera de datos, enfocado a dar soporte a la toma de decisiones estratgicas del

Grupo Flayp, ya que sus empresas almacenan sus datos en fuentes y formatos

diferentes. Para ello se relevaron los sistemas actuales,procesos, requerimientos y

tecnologas vigentes. Logrando la concrecin del prototipo, utilizando para ello

las herramientas disponibles bajo licencia de software libre. Evidenciando que

estas herramientas, son una alternativa vlida para soluciones de este tipo, sin la

necesidad de incurrir en gastos por el pago de licencias de software propietario.

Palabras Claves: inteligencia de negocios, software libre, minera de datos.

DEDICATORIA

Dedico este esfuerzo personal y este logro acadmico y profesional:

A mis padres Nicols y Mara del Carmen, quienes con su ejemplo me

ensearon que todo es posible si uno se propone, sin ellos, jams hubiese podido

conseguir este objetivo

A mis hermanos, compaeros de clases y amigos, porque de ellos tambin

he aprendido.

Nicols Chavez Espnola

A mis padres, porque siempre creyeron en m y porque me sacaron

adelante, dndome ejemplos dignos de superacin y entrega, porque en gran parte

gracias a ustedes, hoy puedo ver alcanzada m meta.

A mi familia, por ser soporte fundamental en las etapas complicadas, que

fueron muchas.

A mi novia, por comprenderme y apoyarme siempre y en todo momento.

A mis compaeros de la facultad, que compartieron esta carrera que por

momentos pareca infinita.

A todos, espero no defraudarlos y contar siempre con su valioso apoyo,

sincero e incondicional.

Todo este trabajo ha sido posible gracias a ellos.

Christian Bavera

AGRADECIMIENTOS

Primero antes que nada, damos gracias a Dios, por estar con nosotros en

cada paso que dimos, por fortalecer nuestros corazones e iluminar nuestras mentes

y haber puesto en nuestro camino a aquellas personas que han sido soporte y

compaa durante todo el periodo de estudio.

A nuestros profesores quienes nos han enseado a ser mejores en la vida y

a realizarnos profesionalmente.

Un agradecimiento especial a nuestra asesora la Lic. Denise Riveros por

hacer posible esta tesis.

A los compaeros de clases quienes nos acompaaron en esta trayectoria

de aprendizaje y conocimientos.

Al Grupo Flayp, por permitirnos realizar este proyecto, ponindose a

nuestra disposicin y brindndonos todas las facilidades desde el primer al ltimo

da en que as lo requerimos

En general quisiramos agradecer a todas y cada una de las personas que

han vivido con nosotros la realizacin de esta tesis.

NDICE

CAPITULO 1 - INTRODUCCIN ..................................................................... 13

1.1. Planteamiento del Problema ................................................................... 13

1.2. Necesidad de estudiar el problema. ........................................................ 14

1.3. Significacin del problema ..................................................................... 14

1.4. Delimitacin del problema ...................................................................... 14

1.5. Objetivos de la Tesis: .............................................................................. 15

1.5.1. Objetivo General ............................................................................. 15

1.5.2. Objetivos Especficos ...................................................................... 15

1.6. Definicin de trminos ............................................................................ 16

1.7. Presentacin del esquema ....................................................................... 17

CAPITULO 2MARCO TERICO ..................................................................... 19

2.1. El valor de la informacin....................................................................... 19

2.2. Necesidad de informacin y conocimiento en la empresa ...................... 20

2.3. La informacin que las empresas necesitan ............................................ 21

2.4. Las organizaciones y los distintos sistemas de informacin ................... 24

2.5. Definicin de Inteligencia de Negocios .................................................. 26

2.6. Los usuarios de las soluciones de Inteligencia de Negocios................... 27

2.7. Historia de la Inteligencia de Negocios .................................................. 28

2.8. Caractersticas de la Inteligencia de Negocios ........................................ 30

2.9. Componentes de una solucin de Inteligencias de Negocios ................. 31

2.9.1. Las fuentes de informacin a las que se puede acceder son: .......... 32

2.9.2. Proceso de extraccin, transformacin y carga ............................... 33

2.9.3. Data warehouse............................................................................... 35

2.9.4. Herramientas de acceso de la Inteligencia de Negocios ................. 40

2.10. Principales herramientas de la Inteligencia de Negocios ........................ 42

2.11. Minera de datos ...................................................................................... 43

2.11.1. Conceptos e historia de la minera de datos ................................ 43

2.11.2. Los fundamentos de la minera de datos. .................................... 45

2.11.3. Objetivos de la minera de datos ................................................. 45

2.11.4. Entorno de la minera de datos .................................................... 46

2.11.5. El alcance de la minera de datos ................................................ 47

2.12. Resea histrica del Grupo Flayp ........................................................... 47

2.13. Resea histrica del software libre ......................................................... 50

2.13.1. Richard Stallman y el proyecto GNU .......................................... 50

2.13.2. Software Libre ............................................................................. 52

2.13.3. Libertades bsicas del software libre ........................................... 54

2.13.4. Software libre y software de cdigo abierto ................................ 55

2.13.5. Tipos de licencias de software libre ............................................. 58

CAPTULO 3 MARCO METODOLGICO ..................................................... 60

3.1. Descripcin de la profundidad y el diseo de la Tesis: ........................... 60

3.2. Descripcin de cmo se realiz la Tesis ................................................. 61

3.2.1. Relevamiento de datos .................................................................... 62

3.2.2. Anlisis de datos ............................................................................. 62

3.2.3. Diseo ............................................................................................. 63

3.2.4. Desarrollo ........................................................................................ 64

3.2.5. Prueba .............................................................................................. 65

3.2.6. Implementacin ............................................................................... 65

3.3. Descripcin de los instrumentos y procedimientos utilizados para la recoleccin y tratamiento de la informacin ..................................................... 66

3.4. Descripcin de la muestra ....................................................................... 66

3.5. Relevamiento .......................................................................................... 67

3.5.1. Relevamiento de procesos ............................................................... 67

3.5.2. Relevamiento de Estructura de Datos ............................................. 71

3.5.3. Relevamiento de Necesidades ......................................................... 71

3.5.4. Relevamiento tecnologa actual del Grupo Flayp ........................... 72

3.5.5. Relevamiento Sistemas gestores de Bases de Datos ....................... 72

3.5.6. Relevamiento algoritmo de minera de datos .................................. 75

3.5.7. Relevamiento de sistemas operativos ............................................. 78

3.5.8. Relevamiento de herramientas de Inteligencia de Negocios........... 79

3.6. Anlisis ................................................................................................... 81

3.6.1. Anlisis de requerimientos .............................................................. 81

3.6.2. Anlisis de procesos ........................................................................ 83

3.6.3. Anlisis de estructura de datos ........................................................ 84

3.6.4. Anlisis de herramientas de Inteligencia de Negocios .................... 85

3.6.5. Anlisis de sistemas gestores de bases de datos.............................. 86

3.6.6. Anlisis de tecnologa actual del Grupo Flayp ............................... 87

3.6.7. Anlisis de algoritmo de minera de datos ...................................... 87

3.6.8. Anlisis de sistemas operativos ....................................................... 88

3.6.9. Anlisis de factibilidad econmica ................................................. 90

3.7. Diseo ..................................................................................................... 91

3.7.1. Diseo del data warehouse ............................................................. 91

3.7.2. Diseo del proceso ETL .................................................................. 93

3.7.3. Diseo de reportes ........................................................................... 98

3.7.4. Diseo de cubos multidimensionales ............................................ 101

3.7.5. Diseo de cuadros de mandos ....................................................... 105

3.7.6. Diagramas casos de uso ................................................................ 107

3.7.7. Diagrama de actividades ................................................................ 110

3.7.8. Diagramas de secuencia ................................................................. 112

3.7.9. Diagrama de arquitectura de Pentaho Open BI Suite ..................... 114

3.7.10. Arquitectura del prototipo de solucin de Inteligencia de Negocios. 116

3.8. Desarrollo del prototipo ......................................................................... 117

3.8.1. Desarrollo del data warehouse ....................................................... 117

3.8.2. Desarrollo de proceso ETL ............................................................ 118

3.8.3. Desarrollo de minera de datos ...................................................... 125

3.8.4. Desarrollo de reportes ................................................................... 127

3.8.5. Desarrollo de cubos multidimensionales ...................................... 130

3.8.6. Desarrollo de cuadros de mandos ................................................. 133

3.9. Prueba de prototipo ............................................................................... 136

3.10. Implementacin del Prototipo ............................................................... 143

3.10.1. Implementacin de ETL y Data warehouse .............................. 143

3.10.2. Implementacin de Pentaho Open BI Server ............................ 144

3.10.3. Implementacin de consola de administracin de usuarios Pentaho 148

3.10.4. Implementacin de reportes ...................................................... 150

3.10.5. Implementacin de los cubos multidimensionales .................... 152

3.10.6. Implementacin de cuadros de mandos ..................................... 153

CAPTULO 4 RESULTADOS .......................................................................... 154

CAPTULO 5 - CONCLUSIONES ................................................................... 155

CAPTULO 6- RECOMENDACIONES ........................................................... 156

BIBLIOGRAFA ................................................................................................ 157

ANEXOS ............................................................................................................ 159

Inteligencia de Negocios Tesis de Grado Ingeniera en Informtica

Universidad del Cono Sur de las Amricas 8

LISTA DE TABLAS

Tabla 1: Diferencias entre sistemas OLTP y OLAP. ............................................. 39

Tabla 2: Infraestructura actual de las empresas. .................................................... 72

Tabla 3: Datos de ejemplo ..................................................................................... 77

Tabla 4: Descripcin del algoritmo backpropagation ........................................... 77

Tabla 5: Comparativa herramientas de Inteligencia de Negocios ......................... 85

Tabla 6: Comparativa de SGBD ............................................................................ 86

Tabla 7: Comparativa de algoritmos de minera de datos. .................................... 88

Tabla 8: Comparativa de sistemas operativos ....................................................... 89

Tabla 9: Cuadro de costos ..................................................................................... 90

Tabla 10: Mapeo de tabla inter_articulos_viru ...................................................... 94

Tabla 11: Mapeo de tabla dw_articulos ................................................................. 94

Tabla 12: Mapeo de tabla dw_clientes .................................................................. 94

Tabla 13: Mapeo de tabla dw_campaas_actuales ................................................ 94

Tabla 14: Mapeo de tabla clonado_dbf_viru ......................................................... 95

Tabla 15: Mapeo de tabla inter_pedido_avon ....................................................... 96

Tabla 16: Mapeo de tabla inter_pedido_viru ........................................................ 96

Tabla 17: Mapeo de tabla inter_ventas_avon ........................................................ 96

Tabla 18: Mapeo de tabla inter_ventas_viru ......................................................... 97

Tabla 19: Mapeo de tabla dw_hechosventas ......................................................... 97

Tabla 20: Mapeo de tabla dw_hechospedidos ....................................................... 98

Tabla 21: Anlisis cubo ventas por campaa, divisin, categora y empresa. .... 104



LISTA DE FIGURAS

Figura 1: Pirmide de usuarios de un sistema de Inteligencia de Negocios ......... 28

Figura 2: Componentes de Inteligencia de Negocios ............................................ 31

Figura 3: Fuentes de informacin. ........................................................................ 33

Figura 4: Data warehouse ..................................................................................... 36

Figura 5: Data marts ............................................................................................. 38

Figura 6: Herramientas de acceso. ........................................................................ 40

Figura 7: DER Hechos Pedidos............................................................................. 92

Figura 8: DER Hechos Ventas. .............................................................................. 93

Figura 9: DER Proyeccin .................................................................................... 93

Figura 10: Ventas por campaas por zonas ........................................................... 99

Figura 11: Reporte proyeccin de ventas ............................................................ 100

Figura 12: Dimensin artculos ........................................................................... 101

Figura 13: Dimensin campaa .......................................................................... 102

Figura 14: Dimensin clientes ............................................................................ 102

Figura 15: Dimensin campaa .......................................................................... 103

Figura 16: Hechos pedidos .................................................................................. 103

Figura 17: Hechos Ventas .................................................................................... 103

Figura 18: Estructura del cuadro de mando ........................................................ 105

Figura 19: Arquitectura lgica del cuadro de mando .......................................... 106

Figura 20: Caso de uso usuario ........................................................................... 107

Figura 21: Caso de uso administrador-consola ................................................... 108

Figura 22: Caso de uso administrador servidor ............................................... 108

Figura 23: Caso de uso administrador informes .............................................. 109

Figura 24: Diagrama de Actividades usuario ....................................................... 110

Figura 25: Diagrama de actividades administrador - usuarios ............................. 111

Figura 26: Diagrama de actividades administrador - servidor ............................. 111

Figura 27: Diagrama de actividades administrador informes ........................... 112

Figura 28: Diagrama de secuencia consulta de reporte y cubo ......................... 113

Figura 29: Diagrama de secuencia crear usuario ................................................. 113

Figura 30: Diagrama de secuencia administrar prototipo .................................... 114

Figura 31: Arquitectura Pentaho Open BI Suite .................................................. 115

Figura 32: Arquitectura de Inteligencia de Negocios ........................................... 117

Figura 33: Data warehouse en PhpMyAdmin ..................................................... 118



Figura 34: Transformacin seleccin de campaa a cargar ................................. 119

Figura 35: Transformacin inter_ventas_viru ..................................................... 120

Figura 36: Transformacin limpieza de clonado_dbf_viru ................................. 120

Figura 37: Transformacin borrado hechos_ventas viru ..................................... 121

Figura 38: Transformacin cargado de tabla hechos_ventas_viru ...................... 121

Figura 39: Trabajo general de cargado dw_hechosventas fuente Viru ................ 122

Figura 40: Transformacin cargado de tabla inter_ventas_avon ........................ 123

Figura 41: Transformacin borrado dw_hechosventas ....................................... 123

Figura 42: Transformacin cargado dw_hechosventas ....................................... 124

Figura 43: Trabajo general de cargado hechos_ventas Fuente Flayp ................. 125

Figura 44: Desarrollo reporte ventas por campaas por zonas ........................... 129

Figura 45: Reporte de proyeccin de ventas ....................................................... 130

Figura 46: Estructura de los cubos ...................................................................... 131

Figura 47: Capas de CDE .................................................................................... 134

Figura 48: Definicin de estructura..................................................................... 134

Figura 49: Estructura de CDM ............................................................................ 135

Figura 50: Origen de datos .................................................................................. 135

Figura 51: Seleccin de archivos dbf Vir. ......................................................... 137

Figura 52: Cargado de tabla intermedia inter_ventas_viru ................................. 138

Figura 53: Borrado de dw_hechosventas ............................................................ 138

Figura 54: Cargado de dw_hechosventas ............................................................ 139

Figura 55: Trabajo hechos ventas fuente dbf ...................................................... 140

Figura 56: Cargado de la tabla inter_ventas_avon .............................................. 141

Figura 57: Borrado hechos ventas Flayp S.R.L. ................................................. 141

Figura 58: Hechos ventas fuente MySQL ........................................................... 142

Figura 59: Trabajo hechos ventas fuente MySQL............................................... 143

Figura 60: Descarga de Bussines Intelligence Server ......................................... 145

Figura 61: Inicio del servicio Apache. ................................................................ 146

Figura 62: Instalacin de Pentaho Bussines Intelligence Server. ........................ 146

Figura 63: Pantalla de inicio de sesin en la consola de usuario de Pentaho...... 147

Figura 64: Consola de usuario Pentaho ............................................................... 147

Figura 65: Consola de administracin de usuarios ............................................. 149

Figura 66: Administracin de fuentes de datos ................................................... 150

Figura 67: Publicacin del reporte ventas por campaa por zonas ..................... 151

Figura 68: Publicacin reporte de ventas por zonas............................................ 151

Figura 69: Cubo de ventas .................................................................................. 152



Figura 70: Participacin en facturacin por empresas ........................................ 153



LISTA DE SMBOLOS O ABREVIATURAS

OLTP:Online Transaction Processing

OLAP:On-Line Analytical Processing

ETL:Estract, Transform and Load

ERP:Enterprise Resource Planning

CRM:Customer Relationship Management

KDD:Knowledge Discovery in Databases

VPN:Virtual Private Network

GNU:GNU is Not Unix

FSF:Free Software Foundation

GPL:General Public Licence

OSI:Open Source Initiative

PDI: Pentaho Data Integration

SGBD: Sistema Gestor de Base de Datos

TI: Tecnologa de Informacin

DDL:Data Definition Language

DML: Data Manipulation Language

TCT/IP: Transmission Control Protocol Internet Protocol



CAPITULO 1 - INTRODUCCIN

1.1. Planteamiento del Problema

El Grupo Flayp est compuesto por varias empresas, cada una de

ellas cuenta con diferentes sistemas de informacin para realizar sus

procesos de negocio, las mismas generan y almacenaninformacinen

distintos formatos y en gran volumen.

Con toda esta acumulacin de informacin diversificada,resulta

dificultoso para los gerentes tener una imagen precisa de la informacin

ms importante para las empresas del Grupo y ms an para el directorio,

quien tiene a su cargo la direccin general Grupo.

A esto debemos sumarle, que ninguna de las empresas cuenta con

un sistema generador automtico de informes, y que los mismos son

preparados sobre pedido, con todo lo que esto implica.

El reto de este proyecto consiste en brindar un prototipo de

solucin de Inteligencia de Negocios capaz de transformar los datos en

informacin til, de manera que los gerentes y directores puedan utilizar

dicha informacin para incrementar la rentabilidad de las empresas.

Brindndoles un soporte en el cual respaldar la toma de decisiones

estratgicas.



1.2. Necesidad de estudiar el problema.

El hecho de tener una gran cantidad de datos acumulados, no

representa necesariamente tener una gran cantidad de informacin, y que

dicha informacin sea o no relevante para la empresa, depende en gran

medida de la forma y calidad en la que esta llegue a los tomadores de

decisiones, la Inteligencia de Negocios tiene como uno de sus ejes

principales lograr esto, ayudar a comprender mejor el comportamiento de

la empresa, esto da pie para para realizar un estudio e implementar

soluciones, haciendo uso de herramientas tecnolgicas actuales, siguiendo

tendencias y estndares en las reas de la informtica.

1.3. Significacin del problema

La importancia de este proyecto radica en lograr la implementacin

de un prototipo de solucin de Inteligencia de Negocios que sea capaz de

unificar los datos que se encuentran en distintos formatos, provenientes de

las dos empresas Flayp S.R.L. y Vir S.R.L., pertenecientes al Grupo

Flayp y lograr entre otras cosas, brindar informacin cohesionada, fiable y

til.

1.4. Delimitacin del problema

La presente tesis se limita al desarrollo de un prototipo de solucin

de Inteligencia de Negocios para los departamentos de Ventas y Marketing

de las empresas Flayp S.R.L. y Vir S.R.L., integrantes del Grupo Flayp,



en funcin a los requerimientos de informacin solicitadas por dichas reas

para los procesos de ventas y pedidos.

En cuanto a los datos si bien en un principio se pretenda acceder a

toda la informacin del Grupo Flayp, las personas a cargo accedieron a

prestar los datos de forma parcial, haciendo nfasis en la importancia de

mantener la confidencialidad de los mismos y que fueran utilizados

exclusivamente para fines acadmicos.

1.5. Objetivos de la Tesis:

1.5.1. Objetivo General

Implementar un prototipo de Sistema de Inteligencia de

Negocios usando Minera de Datos sobre Software Libre.

1.5.2. Objetivos Especficos

a) Relevar todos los procesos administrativos y de negocio

de las empresas.

b) Relevar software, hardware y tipos de informes.

c) Analizar software, hardware y tipos de informes.

d) Definir los tipos de informes de acuerdo al perfil y las

necesidades de cada usuario.

e) Disear, desarrollar, probar e implementar prototipo de

solucin de Inteligencia de Negocios.



f) Documentar ciclo de vida del prototipo de solucin de

Inteligencia de Negocios.

g) Realizar la demostracin del funcionamiento del prototipo.

1.6. Definicin de trminos

Servidor:Mquina conectada a Internet que entre otros servicios ofrece

alojamiento para pginas web haciendo que estn accesibles desde

cualquier punto de Internet.

Data Warehouse: Coleccin de datos orientado a un mbito determinado

(empresa, organizacin, etc.) sus caractersticas son no voltil, integrado y

variable en el tiempo.

Data Marts: Es una versin especial de data warehouse, son subconjuntos

de datos con la finalidad de ayudar a la toma de decisiones dentro de un

rea especfica en la organizacin.

Minera de Datos:La integracin de un conjunto de reas que tienen como

propsito la identificacin de un conocimiento obtenido a partir de las

bases de datos que aporten una gua para la toma de decisiones.

Inteligencia de Negocios:Es unconjunto de tecnologas que tienen un fin

comn con el principal objetivo que es la de servir como soporte para la

toma de decisiones.

Cuadros de Mando:Es una herramienta de gestin que facilita la toma de

decisiones, recoge un conjunto coherente de indicadores que proporciona a

los niveles gerenciales una visin comprensible del negocio de manera

grfica.

Software Libre: se refiere al tipo de licencias de software que garantiza la

libertad de los usuarios para ejecutar, copiar, distribuir, estudiar, cambiar y

mejorar el software.

Open Source: Es el termino con el que se conoce al software distribuido y

desarrollado libremente.



Consultas Adhoc:Se refiere a las consultas elaboradas especficamente

para un fin preciso y por lo tantono generalizable ni utilizable para otros

propsitos.

Copyleft: Es un mtodo general para hacer un programa o software libre,

exigiendo que todas las versiones modificadas y extendidas del mismo

sean tambin libres.

1.7. Presentacin del esquema

En el Captulo I Introduccin:se presenta el contenido de la tesis, la

definicin del problema de la investigacin, la justificacin de la necesidad

del estudio y los objetivos.

En el Captulo II - Marco Terico: en este captulo se realiza una

descripcin de la importancia y el valor de la informacin en las empresas,

y el concepto de la Inteligencia de Negocios, donde se mencionan sus

principales componentes como lo son el data warehouse,On-Line

Analytical Processing (en adelante OLAP), Extract, Transform and Load

(en adelante ETL) y minera de datos, adems se muestran los principios

claves de estas tecnologas, tambin se hace referencia al concepto de

software libre y por ltimo se presenta al Grupo Flayp, ya que es este el

lugar elegidopara llevar adelante este trabajo de grado, todas estas

secciones son para una mejor comprensin de lo que se pretende lograr

con este proyecto.

En el Captulo III - Marco Metodolgico:se trata sobre la metodologa

utilizada en este trabajo, tipo de investigacin y los detalles de la

realizacin. El mismo se encuentra dividido en 6 partes. En la primera se



describen los mtodos utilizados para el relevamiento de los

requerimientos, datos, procesos, tecnologa y herramientas. En la segunda

parte se analizan los datos relevados seleccionando los inherentes al

proyecto, tambin se analiza el modelo de datos de los sistemas actuales, y

se seleccionan aquellos que sern utilizados para el modelado de datos del

datawarehouse, adems se realiza una comparacin entre las diferentes

opciones de herramientas de inteligencia de negocios. En la tercera se

realizan los diseos deldata warehouse, los procesos de ETL, los distintos

tipos de informes y los diagramas necesarios para la realizacin del

proyecto. En la cuarta parte se desarrolla el prototipo. En la quinta se

realizan las pruebas del prototipo. En la sexta y ltima etapa se realiza la

implementacin del prototipo.

En el Captulo IV Resultados: se describen los resultadosobtenidos,

demostrando la factibilidad de la implementacin de un prototipo de

solucin de Inteligencia de Negocios sin incurrir en gastos en cuanto a

licencias de software.

En el Captulo V Conclusiones:se presenta la sntesis de los objetivos y

la conclusin del trabajo.



CAPITULO 2MARCO TERICO

2.1. El valor de la informacin

En la actualidad, cuya caracterstica ms importante, se basa en un

crecimiento a gran escala de las tecnologas de la informacin y las

telecomunicaciones, los activos ms valiosos de una empresa pasan a ser

los conocimientos, habilidades, valores y actitudes de sus empleados.

Partiendo de la premisa de que el conocimiento sobre un tema

determinado y su optima utilizacin, se convierte en un factor

determinante para el xito en el mundo empresarial. El capital intelectual

ha desplazado a los factores tradicionales, como ser la produccin, el

capital, la tierra oel trabajo, como principal elemento a la hora de generar

valor econmico para la empresa, tal como se desprende del planteamiento

de Cohen y Asn (2.000).

Todas las compaas de alguna manera han adoptado un modelo del

mundo de negocios sustentado en la informacin, como por ejemplo: qu

factores influyen en la compra y la demanda?, cmo hallar las

oportunidades de negocio?, existe directa relacin entre la calidad del

producto y la demanda de los clientes? A medida que la exactitud de esta

informacin crece, la capacidad de la empresa por competir se incrementa

en forma proporcional.

La informacin puede transformarse en conocimiento tcito o

explcito. Se entiende por conocimiento tcito aquel que poseen las

personas producto de la experiencia adquirida, los estudios y la educacin;



mientras que los conocimientos explcitos son aquellos almacenados en

bases de datos. Un ejemplo claro es aquel que se produce cuando una

persona cambia de empleo, esta se est llevando consigo informacin,

conocimientos y est ofertando su capacidad intelectual por un mayor

precio; en el mbito laboral, la experiencia y la educacin son factores

claves para aumentar el costo de la fuerza del trabajo intelectual. As

mismo, el hecho de que un sistema que maneja informacin,

eventualmente falle, indefectiblemente generar prdidas a la empresa.

Es una clara tendencia que las empresas estn apostando

fuertemente por la tecnologa y las personas, para que en conjunto tengan

un conocimiento suficiente que logre acercar la visin interna de ambos a

la realidad exterior, en la misma medida que la brecha entre la visin

interna y la realidad exterior disminuye, se consigue tomar decisiones ms

acertadas y en menos tiempo. Lo que busca esta tendencia es acercar lo

mximo posible el mundo real a la visin interna para generar mayores

ganancias, convirtiendo la informacin en utilidad y darle un valor a la

informacin.

2.2. Necesidad de informacin y conocimiento en la empresa

Desde el mismo instante en que las empresas iniciaron el proceso

de acumular los datos de sus operaciones en medios de almacenamiento

fsico, y de esa forma conseguir una mejor administracin y control de

dicha informacin, ha surgido la necesidad de utilizarla para entender las

necesidades particulares del negocio. En un mercado altamente

competitivo, donde muchas marcas ofrecen productos similares, los

clientes tienen una amplia gama de posibilidades para la eleccin del

producto. Para obtener una porcin del mercado, es indispensable para las



empresas, tener la suficiente capacidad de transformar la informacin

acumulada en conocimiento.

La necesidad de informacin en las empresas no surge de un da

para el otro, el propsito de almacenar los datos radica en su utilizacin en

algn momento, cuando as se requiera, caso contrario, cualquier dato de

control sera desechado instantneamente. Lo que si surge sbitamente, es

la imperiosa necesidad de dar respuesta rpida a los requerimientos de

informacin para la toma de decisiones y ayudar a mejorar de alguna

manera los procesos internos de negocio.

2.3. La informacin que las empresas necesitan

En la actualidad las organizaciones demandan informacin en los

niveles donde anteriormente la administracin se basaba meramente en la

intuicin y el sentido comn para la toma de decisiones. Los mercados

dinmicos obligan a las empresas a que la informacin estratgica est

disponible en las computadoras de los directivos y/o gerentes, esta prctica

se ha generalizado principalmente motivada por la mayor utilidad que se

obtiene de la informacin compartida.

Hoy en da la informacin est presente en todos los niveles de la

organizacin con propsitos diferentes (comunicacin, control,

administracin, evaluacin, etc.) ayudando a la correcta y oportuna toma

de decisiones desde el nivel gerencial, hasta el nivel operativo de la

organizacin. Las empresas han entendido que a pesar de que los niveles

directivos tienen una gran responsabilidad al tomar decisiones, por el peso

que conllevan las mismas, existen tambin personas que toman decisiones



y a pesar de que stas no tienen un impacto global, deben ser de igual

manera correctas y oportunas.

Directores, gerentes, jefes y todos aquellos que toman decisiones

deben contar con la suficiente informacin para respaldar su trabajo

cotidiano, la posicin que ocupen en la pirmide organizacional se torna

secundaria cuando la mirada es hacia la gestin de los procesos y como as

tambin los puestos que tienen cierta relacin y dependencia entre s.

De modo general en una pirmide organizacional, los

requerimientos informativos se dividen en tres niveles:

Informacin Estratgica

Informacin Tctica

Informacin Tcnico Operacional.

Informacin Estratgica: est pensada principalmente para ayudar a la

toma de decisiones de las reas gerenciales para alcanzar la misin

empresarial. Se caracteriza porque son sistemas con poca carga diaria de

trabajo y sin una gran cantidad de datos, sin embargo, la informacin que

guarda est relacionada a un contexto cualitativo ms que cuantitativo, que

puede indicar cmo evolucionar en el futuro, el criterio es distinto, pero

sobre todo es distinta su delimitacin. Se asocia esta informacin a los

niveles ejecutivos de las empresas. Es importante sealar que la

informacin estratgica se nutre de grandes cantidades de datos de reas

relacionadas y no se enfoca puntualmente en una sola direccin, de ah que

las decisiones que puedan ser tomadas tienen un impacto directo en toda la

organizacin.



Informacin Tctica: este tipo de informacin es la que soporta la

coordinacin de actividades y el nivel operativo de la estrategia, es decir,

se analizan opciones y se trazan rutas posibles para alcanzar la estrategia

definida por la direccin de la empresa. Se facilita la gestin independiente

de la informacin por parte de los niveles intermedios de la organizacin.

Este tipo de informacin es extrada puntualmente de un rea o seccin de

la organizacin, por lo que su alcance es local y se asocia habitualmente a

las gerencias.

Informacin Tcnico Operacional: hace referencia a las operaciones

diarias que son efectuadas de modo rutinario en las corporaciones

mediante la transaccin masiva de datos y sistemas transaccionales. Las

cargas son cotidianas y soportan la actividad de la empresa da tras da

(contabilidad, facturacin, almacn, presupuesto, etc.). Generalmente se

asocia esta informacin con los jefes de rea o las coordinaciones

operativas, tambin llamadas de tercer nivel.

Podemos considerar entonces factores internos y externos de una

empresa y as concluir que los requerimientos en la actualidad se orientan

a descubrir y mejorar los beneficios de toda la cadena corporativa. Dichos

requerimientos se ven reflejados en el inters por tener a mano los

indicadores que arrojen informacin concreta y clave para determinada

rea de la empresa, y en el menor tiempo posible. La clara tendencia es

que las reas gerenciales necesitan en su mesa de trabajo, la informacin

clave de su empresa; en todos los niveles el requerimiento es parecido,

aunque es evidente que tendr objetivos diferentes.



2.4. Las organizaciones y los distintos sistemas de informacin

Para que una empresa est completamente automatizada es

necesario contar con una gran infraestructura en tecnologas para que

soporte todos los sistemas de informacin. El crecimiento en tecnologa

puede tener distintos orgenes partiendo desde la implementacin,

crecimiento, ampliacin, mantenimiento, etc. Las necesidades actuales de

las empresas han provocado contar con tecnologa de la informaciones ms

sofisticados para responder a cada una de sus peticiones de informacin,

esto impuls a que las compaas adquieran distintos tipos de sistemas de

informaciones, entre estos sistemas podemos mencionar a los OnLine

Transaction Processing(en adelante OLTP), Planificacin de Recursos

Empresariales(en adelante ERP), Sistemas de Soporte para la toma de

decisiones (en adelante DSS), Administracin de la Relacin con Clientes

(en adelante CRM), etc.

Estos sistemas siempre estn utilizando bases de datos para

almacenar la informacin generada, las mismas se utilizan como soporte

para la toma de decisiones en las empresas.

Existen empresas que precisan informacin de una actividad

especfica, un ejemplo seria los Sistemas ERP (Planificacin de Recursos

Empresariales) son sistemas muy complejos y grandes donde un alto

porcentaje de su contenido dedica a los procesos de produccin, si una

empresa se dedica a las bienes races, sera ilgico adquirir un sistema de

alta complejidad y costoso como las ERP que no va a dar una solucin a

las necesidades de la empresa. Para empresas como estas, existen

desarrollos de soluciones en el mercado comercializado como productos

que pueden ser configurados en una organizacin en particular de acuerdo

a sus necesidades, que dan soluciones a requerimientos especficos para



cada industria. Hay en el mercado, software para distintos tipos de

empresas como automotriz, hotelera, comercios, educativos entre otros.

Son distintas las herramientas utilizadas debido a que las

actividades de misin crtica que soportan cada una de las organizaciones

son diferentes, y por ende tambin son distintos los tipos de informacin

que puede solicitar un directivo en cada una de las organizaciones, lo cual

justifica que existan muchos productos de software dedicados a explotar la

informacin de las bases de datos que no tienen caractersticas estndares,

sino ms bien son adaptables segn las exigencias. Considerando las

necesidades que se presentan en cada actividad.

La informacin que se genera en una empresa u organizacin est

destinada a responder a diversos tipos de preguntas de los usuarios, de ah

nace la necesidad que existan sistemas de informacin para requerimientos

muy especficos que permitan la recoleccin y el manejo de los datos. La

estructura organizacional de una empresa es un factor importante para

determinar la informacin que comnmente es requerida por los

funcionarios.

Los sistemas de procesamiento de datos (OLTP) utilizan medios de

almacenamiento y tcnicas para el cargado. Un alto porcentaje de las

empresas recurren a los OLTP para guardar grandes cantidades de datos

con un tiempo de respuesta corto en los miles de transacciones realizadas

cotidianamente, sin embargo, su eficiencia no son las consultas masivas de

grandes cantidades de informacin y mucho menos el anlisis de la misma.



La tecnologa tuvo que adaptar los medios necesarios para que sean

eficientes en el mbito especfico de aplicacin, as como para el diseo de

estructuras de datos que ordenen la informacin como se desea, como en

las herramientas o software que dan soluciones oportunas a los usuarios.

Todos los sistemas de informacin tienen un fin muy particular, y se

complementan para mantener de la manera ms eficiente una organizacin;

sin embargo, no todos pueden dar solucin a las distintas demandas de los

usuarios, ya que son diseados para alguna rea especfica.

El motivo por el cual existen diferentes sistemas de informacin es

porque las preguntas de los usuarios son muy especficas que no cualquier

sistema puede resolver. De hecho la base de datos operacional, que es

imprescindible en cualquier organizacin pero no est organizada para dar

respuestas a preguntas globales sino ms bien a pequeos grupos de datos.

Preguntas que impliquen consultas complejas podran resolverse en un

lapso muy extenso, donde la posibilidad de que la vigencia desaparezca

aumenta considerablemente. Es importante recalcar que una base de datos

o sistema de informacin no est diseada para resolver las necesidades

informativas de la organizacin a nivel macro.

2.5. Definicin de Inteligencia de Negocios

La Inteligencia de Negocios cuenta con una diversidad de

interpretaciones como muchos otros trminos o conceptos. Su uso es

justificado a todo lo que sea considerado como tecnologa de informacin,

pero no hay un consenso en lo respecta a su definicin.



[] es el conjunto de tecnologas que permiten a las empresas

utilizar la informacin disponible en cualquier parte de la organizacin

para hacer mejores anlisis, descubrir nuevas oportunidades y tomar

decisiones ms informadas(HOWARD DRESNER, H 1.989).

Examinando las distintas definiciones queda claro que la

Inteligencia de Negocios no consiste en una metodologa, sistema,

software o herramienta en particular, si no es un conjunto de tecnologas

que tienen un fin comn con el principal objetivo que es la de servir como

soporte para la toma de decisiones.

2.6. Los usuarios de las soluciones de Inteligencia de Negocios

A continuacin se describen los diferentes tipos de usuarios que

intervienen en una solucin de inteligencia de negocios.

Productores de informacin:[..]Habitualmente son el 20% de

los usuarios, que crean informes o modelos utilizando herramientas de

escritorio. Donde predominan estadsticos que se valen de herramientas

para minera de datos o son creadores de informes que utilizan

herramientas para el diseo y/o programacin de informes especficos.

Regularmente son profesionales del rea de sistema de informacin o

usuarios muy avanzados con capacidades de comprender la informacin

y la informtica(CANO, J 2.007).

Los consumidores de informacin: [] Son usuarios no

habituales que regularmente consultan informes para la toma de

decisiones, pero no acceden a los nmeros o hacen anlisis detallados



diariamente. Los usuarios no habituales son directivos, gestores,

responsables, colaboradores y usuarios externos. Este numeroso grupo

est bien servido con cuadros de mando con anlisis guiados, informes

interactivos (por ejemplo: OLAP, informes parametrizados,

vinculados,) e informes de gestin estandarizados. La mayora de estas

herramientas proveen ahora acceso va web para promover el acceso

desde cualquier lugar y facilitar el uso y minimizar los costes de

administracin y mantenimiento(CANO, J 2.007).

En la Figura 1 se puede apreciar a travs de una pirmide los

distintos niveles de usuarios en una solucin de inteligencias de negocios.

Figura 1: Pirmide de usuarios de un sistema de Inteligencia de

Negocios

2.7. Historia de la Inteligencia de Negocios

En octubre de 1.958 H.P. Luhn de IBM, escribi un artculo

llamado Business Intelligence System donde describe las caractersticas



que debe tener un sistema de este tipo, en muchos aspectos de lo que

escribi Luhn tiempo atrs, si se realiza un paralelismo de lo que se

entiende hoy en da por inteligencia de negocios no vari mucho.

Edgar Frank Codd presenta el concepto de las bases de datos en el

ao 1.969, un ao ms tarde se desarrollaron las primeras base de datos

con sus interfaz empresariales, estas aplicaciones, facilitan la entrada de

datos en los sistemas, haciendo que aumente la informacin disponible,

pero como el acceso a la informacin era de alta complejidad y difcil de

acceder a las mismas no fue una solucin completa. Otro de los avances

llegaron en el ao 1.980 con la creacin del concepto del data warehouse

por Ralph Kimball y Bill Inmon, con ellas aparecieron los primeros

sistemas de reportes, con todo esto la solucin segua siendo compleja y

funcionalmente pobre, se contaba con potentes sistemas de bases de datos

pero no existan aplicaciones que facilitaran su explotacin.

En 1.989 Howard Dresner difundi el trmino de Business

Intelligence escrito por H.P. Luhn en el ao 1.958, en la dcada de los 90

llegaba la Business Intelligence1.0 y con ello la multiplicacin de

aplicaciones de Inteligencia de Negocios, logrando facilitar el acceso a la

informacin considerablemente pero empeoraron el problema que se

quera resolver ya que seguan apareciendo mltiples soluciones sin poder

consolidarse. Con la llegada de Business Intelligence 2.0 en el ao 2.000

se logr consolidar las aplicaciones en una pocas plataformas a partir de

ah las herramientas empezaron a dar soluciones reales a las empresas u

organizaciones.



2.8. Caractersticas de la Inteligencia de Negocios

Informacin: el propsito de la Inteligencia de Negocios es

proveer de informacin al usuario final para dar soporte a la toma

decisiones, por ende la informacin es la esencia de la Inteligencia de

Negocios, estas pueden originarse desde las bases de datos operacionales,

como tambin de arquitecturas data mart y data warehouse diseadas

especficamente para el anlisis.

El usuario requiere de informacin para apoyarse en el momento de

tomar decisiones, pasando en segundo plano de dnde provenga esta,

pudiendo ser de una fuente primitiva o derivada, para lo cual la

inteligencia de negocios utiliza o crea fuentes de datos interna o externa

con el fin de utilizarla como materia prima para lograr su objetivo.

Apoyo a la toma de decisiones: bsicamente consiste en organizar

y presentar los datos relevantes para que sirvan como soporte a la hora de

tomar decisiones. Esto implica la utilizacin de tecnologas, tcnicas de

anlisis y todo lo que sea necesario con el fin de obtener solamente aquella

informacin relevante y til.

Orientacin al usuario final:un factor fundamentalque tuvo su

incidencia en la tecnologa de la Inteligencia de Negocios para explotar

informacin, fue que el usuario final no contaba con conocimientos y

tcnicas que le permita acceder de una manera sencilla y directa a los datos

almacenados en los sistemas operacionales, ya que casi siempre necesitaba

de ayuda de informticos para acceder a la informacin, con la Inteligencia

de Negocios, se elimina la dependencia de terceras personas para el acceso



a los datos e informacin, siendo esta una herramienta sencilla y preparada

para que interacte directamente con el usuario final sin intermediarios.

2.9. Componentes de una solucin de Inteligencias de Negocios

Teniendo en cuenta el esquema mencionado por Cano (2.007) la

solucin de Inteligencia de Negocios est compuesta por las fuentes de

informacin, proceso de ETL (extraccin, transformacin y limpieza de

datos) datawarehouse y motor OLAP como se puede apreciar en la figura

2.

Figura 2: Componentes de Inteligencia de Negocios



Los componentes son:

Fuentes de informacin: generalmente son los datos generados por

sistemas operacionales, los cuales se utilizan para alimentar de

informacin el data warehouse.

Proceso ETL: de extraccin, transformacin y carga de los datos en

el datawarehouse. Los datos antes de almacenarse en un data

warehouse,pasan por procesos de filtrado, limpieza, trasformacin

y redefinicin.

El datawarehouse: en l se almacenan los datos de una manera que

optimice su flexibilidad, facilidad de acceso y administracin, en

donde los datos estn estructurados para generar informes que

ayuden a la toma decisiones.

El motor OLAP: es el que proporciona la capacidad de realizar

clculos, anlisis, pronsticos, consultas en grandes volmenes de

datos.

2.9.1. Las fuentes de informacin a las que se puede acceder son:

a) Los sistemas operacionales, que contienen las aplicaciones

desarrolladas a medida.

b) Sistemas de informacin por sector: presupuestos, hojas

de clculo, etctera o fuentes de informacin externa,

compradas a terceros como por ejemplo el estudio del

mercado.



En la figura 3 se aprecian las distintas fuentes de

informacin en un sistema de Inteligencia de Negocios.

Figura 3: Fuentes de informacin.

2.9.2. Proceso de extraccin, transformacin y carga

El proceso de extraccin, transformacin y carga, tambin

denominado simplemente ETL, es el proceso que permite realizar

el cargado y actualizacin de los datos obtenidos desde las

distintas fuentes de informacin en el datawarehouse,

habitualmente consume entre el 60% y el 80% de recursos en un

proyecto de Inteligencia de Negociostal como lo indica Ralf

Kimball (2.004), por lo que es un proceso clave en la vida de todo

proyecto de esta naturaleza.



Esta etapa del proceso de construccin del datawarehouse,

es costosa e implica una inversin significativa de tiempo y

esfuerzo, para la concrecin de la misma, por ello requiere

recursos, estrategia, habilidades especializadas y tecnologas.

La extraccin, transformacin y carga es necesaria para

acceder a los datos de las fuentes transaccionales de informacin

y volcarlas al data warehouse. El proceso ETL se divide en cinco

subprocesos:

Extraccin: en este proceso se recuperan los datos

fsicamente de las distintas fuentes de informacin

transaccional. En este momento se dispone de los datos en

bruto.

Limpieza: a travs de este proceso se recuperan los datos

en bruto y se comprueba su calidad, aqu se eliminan los

datos duplicados y, de ser posible, se corrigen los valores

errneos, y completa los valores vacos, es decir se

transforman los datos, siempre que esto sea posible, para

reducir al mnimo los errores de carga. En este momento

se dispone de datos limpios y de alta calidad.

Transformacin: este proceso utiliza los datos limpios y de

alta calidad obtenidos en la etapa anterior y los estructura

en los distintos modelos de anlisis. Como resultado de

este proceso se obtienen datos limpios, consistentes y

tiles.

Integracin: en este proceso se validan los datos cargados

en el data warehouse, se analiza si son congruentes con



las definiciones y formatos del data warehouse; es aqu

donde se integran en los distintos modelos, de las distintas

reas de negocio que se han definido en el mismo. Estos

procesos pueden ser complejos.

Actualizacin: este es el proceso que permite aadir los

nuevos datos al data warehouse, como as tambin

mantener el mismo siempre actualizado.

2.9.3. Data warehouse

Eldata warehouse o almacn de datos, es la herramienta

que surgi como respuesta a las necesidades de los usuarios de los

niveles gerenciales, que necesitan informacin consistente,

integrada, histrica y preparada para ser analizada y utilizada para

mejorar la toma de decisiones.

Su ubicacin en el contexto de una solucin de

Inteligencia de Negocios se puede apreciar en la seccin resaltada

de la figura 4.



Figura 4: Data warehouse

El hecho de recuperar la informacin desde los distintos

sistemas que posea la empresa, sean estos transaccionales o

externos, para luego almacenarlos en un entorno cohesionado de

informacin, como es un data warehouse, permitir analizar la

informacin contextualmente y relacionada dentro de la

organizacin.

Las caractersticas que debe cumplir undata warehouse

son:

Temtico.

Integrado.

Histrico.

No voltil.



El proceso de diseo y construccin de un data warehouse

corporativo usualmente resulta costoso, adems de requerir plazos

de tiempo que las empresas no estn dispuestas a aceptar. Estas

situaciones, fueron las que originaron la aparicin de los data

mart. Los data mart estn enfocados a un grupo particular de

usuarios dentro de la organizacin, que bien puede estar

conformado por los miembros de un departamento, o por los

usuarios de un determinado nivel organizativo, o por un equipo de

trabajo multidisciplinario con objetivos comunes.

Los data mart, se utilizan para almacenar informacin de

un grupo de reas en particular, cuyo flujo de informacin sea

coincidente; por ejemplo, podran ser de marketing y ventas o de

produccin. Lo usual es que stos se definan para dar respuestas a

usos muy concretos.

Por lo general, los data mart son ms pequeos que los

data warehouses. Tambin almacenan menor cantidad de

informacin, menos modelos de negocio ya que son utilizados por

un menor nmero de usuarios.

Existen dos tipos de data mart, estos pueden ser

independientes o dependientes. Los independientes son

alimentados directamente desde las fuentes de informacin,

mientras que los independientes obtienen la informacin desde el

data warehousecorporativo. Con los data mart independientes

pueden surgir inconvenientes en su evolucin, ya que pueden

llegar a generar inconsistencias con otros data mart.



En la figura 5 puede apreciarse la estructura de los data

marts dentro de una solucin de Inteligencia de Negocios.

Figura 5: Data marts

Existen grandes diferencias entre los sistemas

transaccionales y los data warehouses, en funcin a los objetivos

que persiguen cada una de ellos.

El objetivo primordial del modelo relacional en el cual se

basa el concepto OLTP es el de mantener la integridad de la

informacin en cuanto a las relaciones entre los datos, lo cuales

necesario para operar un negocio de la manera ms eficiente. Sin

embargo, este modelo no se corresponde con la forma en la que

el usuario percibe la operacin de un negocio.

Los data werehouses estn basados en un procesamiento

de los datos distinto al utilizado por los sistemas operacionales, ya

que este se basa en el concepto OLAP pensado y utilizado en el

anlisis de negocios y otras aplicaciones que requieren una visin

flexible del negocio.



A continuacin en la Tabla 1 se presentan las principales

diferencias entre los sistemas transaccionales (OLTP) y los

basados en data warehouses (OLAP).

Transaccionales Basados en Data warehouse

Admiten el acceso simultneo de muchos usuarios

(miles) que agregan y modifican datos.

Admiten el acceso simultaneo de muchos usuarios

(cientos) que consultan y no modifican datos

Representan el estado actual de una organizacin,

pero no guardan su historial.

Guardan el historial de una organizacin.

Contienen grandes cantidades de datos, incluidos

los datos extensivos utilizados para comprobar

transacciones.

Contienen grandes cantidades de datos, sumarizados,

consolidados y transformados. Tambin de detalle

pero solo los necesarios para el anlisis.

Tienen estructuras de base de datos complejas Tienen estructuras de base de datos simples.

Se ajustan para dar respuesta a la actividad

transaccional.

Se ajustan para dar respuesta a la actividad de

consultas.

Proporcionan la infraestructura tecnolgica

necesaria para admitir las operaciones diarias de la

empresa.

Pueden combinar datos de orgenes heterogneos en

una nica estructura homognea y simple, facilitando

la creacin de informes y consultas.

Las consultas analticas que resumen grandes

volmenes de datos afectan negativamente a la

capacidad del sistema para responder a las

transacciones en lnea.

Organizan los datos en estructuras simplificadas

buscando la eficiencia de las consultas analticas ms

que del proceso de transacciones.

El rendimiento del sistema cuando est

respondiendo a consultas analticas complejas

puede ser lento o impredecible, lo que causa un

servicio poco eficiente a los usuarios del proceso

analtico en lnea.

Contienen datos transformados que son vlidos,

coherentes, consolidados y con el formato adecuado

para realizar el anlisis sin interferir en la operacin

transaccional diaria.

Los datos que se modifican con frecuencia

interfieren en la coherencia de la informacin

analtica.

Proporcional datos estables que representan el

historial de la empresa. Se actualizan peridicamente

con datos adicionales, no como las transaccionales

frecuentes.

La seguridad se complica cuando se combina

anlisis en lneas con el proceso de transacciones

en lnea.

Simplifican los requisitos de seguridad.

Tabla 1: Diferencias entre sistemas OLTP y OLAP.



2.9.4. Herramientas de acceso de la Inteligencia de Negocios

La informacin almacenada en un data warehouse, seria

intrascendente, si sta no pudiera ser accedida por los usuarios,

para ello existen herramientas que permiten tratar y visualizar la

informacin que reside en un data warehouse.

En la seccin resaltada de la figura 6 se aprecia la

ubicacin de las herramientas de acceso en una solucin de

Inteligencias de Negocios.

Figura 6: Herramientas de acceso.



Existen diferentes tecnologas que permiten aprovechar y

analizar la informacin almacenada en un data warehouse, siendo

el uso de los cubos OLAP la ms extendida de ellas.

Los usuarios que toman decisiones necesitan analizar

informacin a distintos niveles de agregacin y tener una visin

sobre mltiples dimensiones, por ejemplo, las ventas de

determinados productos por zonas, por tiempo, por clientes o por

regin geogrfica. Estos usuarios deben poder realizar este

anlisis al mximo nivel de agregacin o al mximo nivel de

detalle. Los cubos OLAP permiten realizar esto de modo a poder

aprovechar al mximo las posibilidades que ofrecen los data

warehouses.

A estos tipos de anlisis se los denomina

multidimensionales, ya que permiten el anlisis de un hecho en

particular desde distintas dimensiones. Esta es la mejor forma de

analizar la informacin por parte de los tomadores de decisiones,

ya que los modelos de negocio habitualmente son

multidimensionales.

Las herramientas que se utilizan para la visualizacin de la

informacin,son totalmente independientes a la forma en la que

sta se haya almacenado.

Las formas de acceso de las herramientas OLAP son:



Cliente/Servidor: esto significa tener instalado en la

maquinas cliente, el aplicativo que va conectarse al

servidor donde se almacenan la informacin que generan

los cubos OLAP.

Acceso web: en este tipo de acceso, el navegador es el que

se comunica con un servidor web, el cual se comunica con

el servidor OLAP donde se almacena la informacin que

generan los cubos.

2.10. Principales herramientas de la Inteligencia de Negocios

Generadores de informes: estos son utilizados por desarrolladores

profesionales para crear informes estandarizados enfocados a

departamentos, grupos interdepartamentales o la organizacin.

Herramientas de usuario final de consultas e informes: estas son

utilizados por los usuarios finales para crear informes para su

propio uso o para otros usuarios; no requieren programacin.

Herramientas OLAP: estas permiten a los usuarios finales

manipular la informacin de forma multidimensional para poder

visualizarla desde distintas perspectivas y en funcin a los criterios

que el usuario considere importantes.

Herramientas de cuadros de mandos: estas permiten a los usuarios

finales visualizar informacin crtica para el desempeo de manera

rpida, valindose para ello de grficos, ofreciendo la posibilidad

de visualizar alguna seccin con ms en detalle.

Herramientas de minera de datos: estas permiten a los analistas de

negocio crear modelos estadsticos. La minera de datos es el

proceso para descubrir e interpretar patrones ocultos a simple vista

en un gran cmulo de informacin. Los usos ms habituales de la



minera de datos son: segmentacin, clasificacin, previsiones,

agrupacin, etc.

2.11. Minera de datos

2.11.1. Conceptos e historia de la minera de datos

El termino minera de datos, desde el enfoque acadmico

es una de las etapas dentro del proceso de Knowledge Discovery

in Databases(en adelante KDD).

Bsicamente la minera de datos consiste en nutrirse de las

ventajas de cada area como la estadstica, inteligencia artificial,

computacin grfica, bases de datos y procesamiento masivo,

utilizando como materia prima las bases de datos operaciones.

Definicin tradicional de minera de datos: [..]esun

proceso no trivial de identicacin vlida, novedosa,

potencialmente til y entendible de patrones comprensibles que

se encuentran ocultos en los datos (FAYYAD,U 1.996).

Desde el punto de vista empresarial, la minera de

datos se define como: [..]La integracin de un conjunto de

reas que tienen como propsito la identificacin de un

conocimiento obtenido a partir de las bases de datos que aporten

un sesgo hacia la toma de decisin (MOLINA, L 2.001).



La idea de la minera de datos viene desde los aos 60,

cuando los estadsticos de esa poca manejaban trminos como

data fishing, data mining o data archeology,ms tarde en los aos

80, Rakesh Agrawal, Gio Wiederhold, Robert Blum y Gregory

Piatetsky-Shapiro, entre otros empezaron a fortalecer los trminos

de data mining y KDD.

A finales de los aos 80 solo existan un par de empresas

quienes se dedicaban a esta tecnologa; para el 2.002 este nmero

se multiplic considerablemente, ya que existan ms de 100

empresas en el mundo con un portafolio de ms de 300 soluciones

que utilizaban la tecnologa.

La minera de datos no es un gran software ni algo

parecido, ms bien la tecnologa est compuesta por etapas que

integran diferentes reas. Tanto as que para el desarrollo de un

proyecto de minera de datos, se utilizan diferentes aplicaciones

de software para las distintas etapas.

En la actualidad podemos encontrar una variedad

importante de herramientas o aplicaciones comerciales y no

comerciales con una utilera interesante, pero casi siempre es

necesario complementar con otras herramientas para el desarrollo

de la minera de datos.



2.11.2. Los fundamentos de la minera de datos.

Las tcnicas de minera de datos, se considera al resultado

de un proceso de investigacin y desarrollo de productos.

La evolucin comenz cuando las organizaciones

empezaron a guardar sus datos en las computadoras, esto fue

creciendo cuando se mejoraron el acceso a los datos permitiendo

al usuario navegar y explorar en tiempo real sus datos.

La minera de datos tomando este proceso de evolucin

est lista para ser implementada en las organizaciones, utilizando

estas tres tecnologas que ya estn muy consolidadas como pilares

de su aplicacin:

Recoleccin masiva de datos.

Potentes computadoras con multiprocesadores.

Algoritmos de minera de datos.

2.11.3. Objetivos de la minera de datos

Examinar, analizar y buscar patrones ocultos en los datos

acumulados en las profundidades de las bases de datos o en

almacenes de datos que contienen datos histricos que ha

generado una organizacin durante su existencia.



2.11.4. Entorno de la minera de datos

La minera de datos normalmente utiliza la arquitectura

cliente-servidor.

La minera de datos a travs de sus herramientas ayuda a

extraer informacin oculta, archivos acumulados en las bases de

datos operaciones y/o almacenes de datos de las grandes

corporaciones pblicas y privadas.

Los usuarios de la minera de datos normalmente no

cuentan con ninguna habilidad de programacin, por los cual se

valen de las poderosas herramientas para efectuar consultas adhoc

y obtener respuestas en tiempo real.

La minera de datos es capaz de producir seis tipos de

informacin:

Asociaciones.

Agrupamientos.

Clasificaciones.

Pronsticos.

Secuencias.

Clasificaciones.



2.11.5. El alcance de la minera de datos

La minera de datos consiste en buscar valiosas

informaciones en grandes bases de datos. Este proceso requiere

explorar grandes cantidades de datos y analizarlos

minuciosamente hasta encontrar las informaciones requeridas.

En las bases de datos de gran volumen y calidad, la

minera de datos puede proporcionarnos oportunidades de

negocio con las siguientes posibilidades:

Pronstico de comportamiento a futuro: la minera de

datos proporciona la automatizacin del proceso de

obtencin de informacin predecible en bases de datos de

gran volumen, estos pronsticos pueden ser la prediccin

de las ventas, posibles problemas financieros, similitudes

de necesidades de los clientes y un sinfn de predicciones

que el negocio requiera.

Las herramientas para visualizar, examinar y realizar el

anlisis de los resultados.

2.12. Resea histrica del Grupo Flayp

En el ao 1.983 tras el cierre de las actividades en Paraguay de la

Multinacional AVON Cosmetics Inc., se crea Flayp S.R.L., con el objetivo

de convertirse en una empresa nacional para la venta y distribucin de los

productos AVON, adquiriendo para esto la franquicia de dicha marca, tiene



como visin ser la empresa lder en venta directa y comercializacin de

artculos de belleza, llegando a cada rincn del Paraguay, ofreciendo

calidad y excelencia a sus clientes.

En sus inicios contaba con 5 empleados y 120 revendedoras. En la

actualidad la empresa Flayp S.R.L. se transform en el Grupo Flayp,

compuesto por las siguientes empresas: Flayp S.R.L.; Vir S.R.L.;

Flayprint S.A.; City Sport S.A.; Cima Seis S.A.; Flaypnort S.A., las cuales

si bien estn nucleadas en un directorio, son totalmente independientes

administrativa, econmica y operativamente entre s.

Hoy en da el Grupo Flayp cuenta con ms de 700 empleados

directos y ms de 30.000 revendedoras a lo largo de todo el pas. A ms del

directorio, compuesto actualmente por sus 6 miembros fundadores, el

Grupo cuenta con un gerente general, y para cada una de las empresas un

gerente en cada rea estratgica (Marketing, Ventas, Compras,

Administrativo, Logstica, Tecnologa e Informacin).

En cuanto a tecnologa, el Grupo cuenta en la actualidad con 5

servidores, 2 de los cuales son utilizados para albergar en forma

independiente cada uno de los sistemas de procesamiento de pedidos,

facturacin y cuenta corriente de cada una de las empresas, dichos

sistemas informticos se encuentran desarrollados en distintos lenguajes de

programacin y distintos orgenes de datos, adems de eso, cuenta con una

conexin Virtual Private Network (en adelante VPN), con muchas de las

sucursales en el interior del pas y el rea metropolitana, las cuales realizan

sus transacciones directamente a las bases de datos contenidas en los

servidores, las agencias que no cuentan con acceso a internet, envan sus



pedidos utilizando los vehculos de la empresa, dichos pedidos son

procesados en un centro de procesamiento.

Actualmente el Grupo Flayp maneja un volumen de compras

cercano a los 10.000.000 u$s anuales (comprende las dos principales

empresas del Grupo; Vir S.R.L. y Flayp S.R.L.) y un volumen de ventas

que ronda los 24.000.000 u$s anuales. En cuanto a unidades vendidas, las

mismas superan los 7.000.000 anuales. Con una proyeccin de crecimiento

entre el 10% y el 14% anual. El Grupo Flayp cuenta con una casa central

en Asuncin, adems de contar con ms de 45 agencias distribuidas en

todo el pas, logrando as una cobertura total, posee 2 depsitos que

albergan las mercaderas, adems de una flota de camiones, los cuales son

utilizados para la distribucin de los productos.

El Grupo empresarial cuenta con un equipo de ventas, liderados por

su gerente de ventas, quien tiene a su cargo a 4 gerentes divisionales, los

cuales se dividen la cobertura del pas en 4 grandes regiones, adems

cuenta con ms de 350 zonas, las cuales estn distribuidas en cada una de

las 4 divisiones y que su vez se encuentran presentes en todos los

departamentos del pas, cada zona es gerenciada por una promotora de

ventas y que a su vez tienen a su cargo el manejo de las 30.000

revendedoras. Por otro lado cabe mencionar que el sistema de venta directa

tiene una dinmica diferente a la venta convencional, el mismo consiste en

ofrecer sus productos a travs de folletos los cuales son ofrecidos por las

revendedoras, la vigencia promedio de cada folleto es de 18 das, esto lleva

a tener 20 folletos por ao, que son denominadas campaas, por lo tanto la

facturacin se maneja por campaas y no as por fecha calendario. De esto

se desprende que toda la informacin que manejan las empresas del

grupo, corresponden a este esquema organizacional.



2.13. Resea histrica del software libre

En los primeros pasos de la informtica, los programas y las

mquinas utilizadas para su ejecucin estaban estrechamente ligados. No

se conceba el concepto de programa como elemento separado tal cual se

tiene hoy en da.

Tampoco existan usuarios comunes, sino que la totalidad de las

personas que ejecutaban los programas tenan grandes conocimientos de

programacin y por lo general eran ingenieros y cientficos, una costumbre

muy practicada entre estos usuarios, era intercambiar y mejorar los

programas, distribuyendo sus modificaciones.

No fue hasta los ltimos aos de la dcada del 70, cuando las

empresas comenzaron con la costumbre de imponer restricciones a los

usuarios, con la implementacin de los acuerdos de licencia.

2.13.1. Richard Stallman y el proyecto GNU

Para empezar a entender todo lo que implica el software

libre, es imprescindible hablar de Richard Stallman. Este fsico

graduado en 1.974 en la Universidad de Harvard, se encontraba

trabajando en los laboratorios de inteligencia artificial del

Instituto de Tecnologa de Massachussetts(en adelante MIT)

desde el ao 1.971.



La impresora con la que contaban en su laboratorio tena

algunos inconvenientes con la alimentacin del papel, lo que

haca que se atascara de forma permanente y no haba forma de

descubrirlo ms que acercarse hasta donde se encontraba la

misma.

Por este motivo, Stallman contacta con la empresa

fabricante de la impresora, con el propsito de modificar el

software que se encargaba de controlar a la impresora y lograr

hacer que la misma mande una seal cuando se atascaba,

consiguiendo con esto que no se perdiese tanto tiempo de trabajo.

Ante este pedido, los fabricantes se negaron a entregarle el

cdigo fuente, los cuales son imprescindibles para poder

modificar su comportamiento. Esta situacin hace que termine de

tomar forma su idea de que el cdigo fuente de los programas

deba ser accesible para todo aquel que quisiese.

Movilizado por esta inquietud, Stallman decidi

abandonar el MIT a comienzos de 1.984, para dar inicio al

proyecto GNU, el mismo es un acrnimo recursivo que significa

GNU's Not Unix, GNU No Es Unix, haciendo referencia a que el

proyecto tena como objetivo desarrollar un sistema operativo tipo

Unix, pero totalmente libre.

Tiempo despus Stallman funda la Free Software

Foundation (en adelante FSF), entidad encargada de promocionar

el desarrollo y uso del software libre, en 1.985 Stallman cre la



licencia General Public License (en adelante GPL) como

mecanismo para proteger el software libre, sustentado sobre el

concepto de copyleft, la FSF tiene un registro de todas licencias

compatibles con la licencia GNU (la ms popular de las licencias

de software libre) y aquellas que, no siendo compatibles con ella,

son consideradas licencias de software libre.

En sus comienzos, el proyecto GNU se concentra en

desarrollar las herramientas necesarias para construir un sistema

operativo, como ser editores y compiladores y en las utilidades

bsicas para la gestin del sistema.

A travs del concepto de copyleft, se busca una alternativa

a la idea del copyright, siendo que todo el mundo tiene derecho a

ejecutar un programa, copiarlo, modificarlo y distribuir las

versiones modificadas, pero no tiene permiso para aadir sus

propias restricciones al mismo. De esta forma, las libertades que

definen al software libre estn garantizadas para todo el mundo

que tenga una copia, tornndose en derechos inalienables.

2.13.2. Software Libre

Lo primero que debe entenderse cuando se habla

desoftware libre, es que no se est hablando de software gratis, el

alcance de la palabra libre es mucho ms abarcativa, se refiere a la

libertad de los usuarios para ejecutar, copiar, distribuir, estudiar,

cambiar y mejorar el software. De modo ms preciso, se refiere a

cuatro libertades de los usuarios del software. (GNU, 2008).



Es entonces que se tiene dentro de las distintas

clasificaciones de software, una muy determinante, como lo es

clasificar al software de acuerdo a su filosofa.

Softwarepropietario: se entiende por esto, el software cuya

propiedad absoluta continua en poder de quien tiene sus derechos

y no del usuario, quien solo puede utilizarlo cumpliendo ciertas

condiciones. Siendo as que su uso, distribucin y/o modificacin

total o parcial, estn prohibidos o restringidos de tal manera que

no es posible llevarlos adelante. Es decir, que el software

comercializado bajo este tipo de licencias le da al usuario

derechos limitados sobre su usufructo, el alcance de esto es

establecido por el autor o quien posea ese derecho.

Software libre: se considera as, al software que le otorga

al usuario la libertad de utilizarlo, mejorarlo, estudiarlo, adaptarlo

a sus necesidades y redistribuirlo libremente, con la nica

limitacin de no sumarle ningn tipo de restriccin agregado al

software luego de modificado. Es importante destacar que para

considerar a un software como libre, se debe permitir el acceso al

cdigo fuente, por cuanto esto es una condicin imprescindible

para ejercer las libertades de estudiarlo, modificarlo, mejorarlo y

adaptarlo (FSF, 2009).

Cuando se habla de softwarelibre es necesario hacer

mencin a las cuatro libertades bsicas de su filosofa segn la

Fundacin de Software Libre.



2.13.3. Libertades bsicas del software libre

Libertad cero: usar el programa con cualquier propsito.

Esta libertad es la que garantiza que se puede utilizar el programa

para cualquier fin, sea este comercial, educativo, cultural, etc.

Esta libertad est en contraposicin a las licencias que limitan la

utilizacin del software a un propsito determinado, o que

restringen su uso para ciertas actividades.

Libertad uno: Estudiar cmo funciona el programa, y

adaptarlo a nuestras necesidades. Esto se traduce en que se puede

estudiar el funcionamiento (para ello se debe tener acceso al

cdigo fuente del programa) lo que permitir, descubrir

funcionalidades ocultas, conocer de qu manera realiza

determinada tarea, averiguar que otras opciones tiene, que ms se

le puede agregar, etc. El hecho de poder adecuar el programa,

implica que se pueden eliminar partes que no se necesitan,

agregarle elementos que se consideren importantes, etc.

Libertad dos: Distribuir copias. Esto quiere decir que se

tiene la libertad redistribuir el programa, ya sea de forma gratuita

o cobrando por el servicio, pudiendo realizar esto por e-mail, CD,

o algn medio de almacenamiento, ya sea a una persona o a

varias, etc.

Libertad tres: Mejorar el programa, y liberar las mejoras

a todos. Por esto se entiende que se tiene la libertad de mejorar el

programa, traducind

tfgprototipodesistemadeinteligenciadenegocios-131002134719-phpapp02

Documents