1

INGENIERA EN TECNOLOGAS DE LA INFORMACIN Y

COMUNICACIONES

INGENIERA DEL CONOCIMIENTO

Maestra: Ma. Isabel Camarena Puente

INTELIGENCIA DE NEGOCIOS

ngel Mauricio Barbosa Lanuza

Isabel Zamora Zamora

Salvatierra, Gto. 21/Mayo/2014

I

NDICE

INTRODUCCIN ........................................................................... 1

5.1.- CONCEPTO DE INTELIGENCIA DE NEGOCIOS (IN) ................................... 2 5.1.1- Modelo de inteligencia de negocios .............................................................. 4

5.1.2.- El modelo de inteligencia de negocios aplicado a sectores. ........................ 5

5.2.- DATA WAREHOUSE...................................................................................... 7

5.2.1.- Objetivos del Data Warehouse ..................................................................... 8

5.3.- HERRAMIENTAS DE ANLISIS Y CONSULTA ........................................... 9

5.3.1.- Caractersticas de las herramientas de Consulta y anlisis. ...................... 10

5.3.2.- Reportes y Consultas ................................................................................. 11

5.3.3.- procesamiento OLAP ................................................................................. 11

5.3.4.- Dashboards ................................................................................................ 12

5.3.5.- Redes Neuronales ..................................................................................... 13

5.3.6.- Sistemas Expertos ..................................................................................... 14

5.3.7.- Programacin Gentica .............................................................................. 14

5.3.8.- rboles de Decisin ................................................................................... 14

5.3.9.1- Deteccin de Desviacin .......................................................................... 15

5.3.9.2.- EIS (Executive Information System) ........................................................ 15

5.4.- REPORTES EMPRESARIALES DE DATOS Y ANLISIS. ......................... 16

5.4.1.- Anlisis y Seguimiento ............................................................................... 16

5.4.2.- Movilidad de carga y consulta en cualquier lugar y momento. ................... 16

5.4.3.- Anlisis y Seguimiento ............................................................................... 16

5.4.4.- Caractersticas de una herramienta de REyAD .......................................... 17

CONCLUSIONES ................................................................................................. 19

Fuentes de informacin ...................................................................................... 20

II

TABLA DE ILUSTRACIONES

Ilustracin 1 .- NIVELES DE IN .............................................................................................................. 2

Ilustracin 2 .- HISTORIA DEL MODELO DE IN - BI ............................................................................... 3

Ilustracin 3 .- EJEMPLO DE EVALUACIN DE METAS DE NEGOCIOS ................................................. 4

Ilustracin 4 .- EJEMPLO DE UN MODELO DE BUSSINES INTELLIGENCE ............................................. 6

Ilustracin 5.- MODELO EBI + MINERIA DATAWAREHOUSE (Enterprise business intelligence) ......... 6

Ilustracin 6 .- Data warehosue MODEL ............................................................................................. 8

Ilustracin 7.- HERRAMIENTAS DE CONSULTA DE METADATOS (DATAMINING) ............................... 9

Ilustracin 8 .- EIS MODEL ................................................................................................................. 15

1

INTRODUCCIN

El uso de datos y manejo de informacin importante ha crecido a pasos agigantados, por lo cual en

el campo de las inteligencias de negocios no se ha quedado atrs en el uso e implementacin de

modelos de gestin, anlisis, seguridad, creacin, ordenamiento, clasificacin, distribucin,

planificacin y disponibilidad de datos. Por lo cual en este tema nos adentraremos a entender un

poco el funcionamiento de lo que hoy en da es un sistema de business intelligence y los diferentes

modelos o submodelos de los que se respalda para su correcto funcionamiento.

En otros caso pasados pudimos entender el concepto sobre las mineras de datos y su aplicacin,

hoy en este tema de investigacin hacemos un enfoque hacia el data warehouse que es

simplemente gestin de datos y conocimiento pero en cantidades gigantes y como es aplicado a la

inteligencia de negocios y sus herramientas alternas para resolucin de anlisis y gestiones

empresariales y de otros tipos de negocios.

2

Ilustracin 1 .- NIVELES DE IN

5.1.- CONCEPTO DE INTELIGENCIA DE NEGOCIOS (IN)

BUSSINES INTELLIGENCE

Inteligencia de Negocios es un concepto que ha tenido xito sustancial en las

organizaciones, ya que le da una ventaja a las empresas sobre sus competidores

al juntar a las personas y a la tecnologa para resolver problemas.

As mismo la Inteligencia de negocios es el conjunto de productos y servicios que

permiten a los usuarios finales acceder y analizar de manera rpida y sencilla, la

informacin para la toma de decisiones de negocio a nivel operativo, tctico y

estratgico.

El trmino Business Intelligence (Inteligencia de Negocios) hizo su aparicin en

1996 cuando un reporte de Gartner Group dijo textualmente lo siguiente:

By 2000, Information Democracy will emerge in forward-thinking enterprises, with

Business Intelligence information and applications available broadly to employees,

consultants, customers, suppliers, and the public. The key to thriving in a competitive

marketplace is staying ahead of the competition. Making sound business decisions based

on accurate and current information takes more than intuition. Data analysis, reporting,

and query tools can help business users wade through a sea of data to synthesize

valuable information from it - today these tools collectively fall into a category called

"Business Intelligence."

>>"Para el ao 2000, la Democracia de la Informacin emerger en las empresas de

vanguardia, con las aplicaciones de Inteligencia de Negocios ampliamente disponibles a

nivel de empleados, consultores, clientes, proveedores y el pblico en general. La clave

para surgir en un mercado competitivo es mantenerse delante de sus competidores. Se

requiere ms que intuicin para tomar decisiones correctas basadas en informacin

exacta y actualizada. Las herramientas de reporte, consulta y anlisis de datos pueden

ayudar a los usuarios de negocios a navegar a travs de un mar de informacin para

sintetizar la informacin valiosa que en l se encuentra - hoy en da esta categora y

conjunto de herramientas se les llama "Inteligencia de Negocios".

3

Es una estrategia empresarial que persigue incrementar el rendimiento de la

empresa o la competitividad del negocio, a travs de la organizacin inteligente de

sus datos histricos (transacciones u operaciones diarias), usualmente residiendo

en Data Warehouse corporativos o Data Marts departamentales.

Con el precio del hardware en franco descenso, procesadores ms potentes, la

hegemona de Internet-Web y software de gestin ms eficientes, el concepto de

inteligencia de negocio (BI) se coloca al alcance de muchas organizaciones

modernas quienes estn interesadas en maximizar sus inversiones en el rea

informtica.

El DSS (Decision Support Systems) fue el origen de todo, luego aparecieron

conceptos similares tales como los EIS (Executive Information Suystems), hasta

llegar al estado del arte actual, los BIs y BI-Web. Los pioneros del campo fueron el

Dr. Ralph Timbal, considerado el Dr. del DSS, y Bill Inmon, considerado el padre

del Data Warehouse el cual explicaremos ms adelante.

Ilustracin 2 .- HISTORIA DEL MODELO DE IN - BI

BI es una necesidad del negocio. Entre las principales razones que justifican una

inversin en BI se pueden sealar:

1. Visibilidad de lo que est pasando en el negocio

2. Informes / reportes centralizados

3. Anlisis de tendencias y prediccin del futuro

4. Toma de decisiones efectivas sobre productos que funcionan y lo que no

funcionan.

5. Centraliza datos dispersos.

6. Valida sistemas transaccionales

Los principales productos de BI usualmente son los siguientes: Cuadros de

Mando Integrales, dashboards corporativos, KPI (Key Performance Indicators),

CPI (Corporate Performance Indicadotors), reportes y grficos de todo tipo, entre

muchos otros. Por el contrario, los insumos de BI es inmensa estela de datos

que va dejando la empresa de sus operaciones diarias.

4

5.1.1- Modelo de inteligencia de negocios

Un Modelo de Inteligencia de Negocios se puede implementar en las distintas

reas de negocio en las organizaciones. Las reas ms comunes en las que las

soluciones de inteligencia de negocios son utilizadas son:

Anlisis de ventas: Deteccin de clientes importantes; anlisis de

productos, lneas, mercados; pronsticos y proyecciones.

Marketing: Segmentacin y anlisis de clientes, determinacin de mercado

objetivo, seguimiento a nuevos productos, retencin de clientes y prediccin

de ventas

Finanzas: Anlisis de gastos; rotacin de cartera; razones financieras,

reducir el fraude e identificar los riesgos.

Manufactura: Productividad en lneas; anlisis de desperdicios; anlisis de

calidad; rotacin de inventarios y partes crticas.

Embarque: Seguimiento de embarques; motivos por los cuales se pierden

pedidos.

Gerencia: Clculo de la rentabilidad de cada unidad de negocio en cada

temporada del ao, identificacin de la participacin de mercado de la

franquicia y de cada unidad de negocio, deteccin de oportunidades y

amenazas en el negocio.

Las compaas que han implementado inteligencia de negocios reportan que han

mantenido o incrementado sus metas de negocios y han excedido ampliamente

sus objetivos:

Ilustracin 3 .- EJEMPLO DE EVALUACIN DE METAS DE NEGOCIOS

5

5.1.2.- El modelo de inteligencia de negocios aplicado a sectores.

a) Banca y Servicios Financieros: Las compaas de servicios financieros utilizan un

modelo de inteligencia de negocios para aumentar los ingresos, reducir costes y cumplir

con las regulaciones y normas industriales.

b) Educacin: Para educacin permite mejorar la gestin de la calidad en ellas. Se puede

tener informacin al instante de la situacin de cada matriculado, predecir las matrculas

potenciales por rea geogrfica y demogrfica, crear estrategias para atraer a los mejores

profesores y personal.

c) Alimentacin y bebidas: Un modelo de inteligencia de negocios para alimentacin y

bebidas ayuda a mejorar la satisfaccin del cliente y las operaciones, al tiempo que

optimiza la eficacia de los lanzamientos de productos y promociones para la industria de

alimentos y bebidas.

d) Salud: Para la salud ofrece informes integrados, afirma el anlisis y seguimiento de las

organizaciones sanitarias, a la vez que garantiza el cumplimiento de la privacidad del

paciente y los reglamentos de seguridad de datos.

e) Seguros: El modelo de inteligencia de negocios para seguros proporciona una arquitectura

unificada y flexible que permite a las aseguradoras atender las necesidades de los distintos

departamentos.

f) Productos farmacuticos: Clientes farmacuticos lo utilizan para la presentacin de

informes, anlisis y seguimiento de grandes cantidades de datos a travs de una

arquitectura de BI que ayuda a las compaas a reducir costos, aumentar los ingresos, y

maximizar el valor de la informacin.

g) Viajes, Transporte y Logstica: Para viajes, transporte y logstica ayuda a optimizar las

operaciones, la distribucin y la gestin de flotas en una industria que desafa los

crecientes costos del combustible, la consolidacin y la competencia global.

h) Comunicaciones y Medios de Comunicacin: Para comunicaciones y medios de

comunicacin ofrece una solucin integrada para reconocer nuevas fuentes de ingresos,

racionalizar las operaciones y entregar valor agregado con la experiencia del cliente.

i) Energa y Servicios: Para energa y servicios ayuda a los clientes en el sector Energa en

predecir con precisin la demanda, maximizar la produccin y evaluar el riesgo de un

mercado cada vez ms competitivo, de alto costo, y de industria fluctuante.

j) Gobierno: Organizaciones del sector pblico confan en un modelo de inteligencia de

negocios para ayudar a lograr la eficiencia operativa, optimizar el rendimiento financiero y

mejorar la seguridad a travs de la deteccin de anomalas y mejoras.

k) Hotelera y Juegos de Azar: Los clientes de hotelera y juegos de azar utilizan un modelo

de inteligencia de negocios para identificar al jugador potencial, mejorar la experiencia del

husped, mejorar el servicio al cliente, implementar mejores promociones y analizar los

indicadores de ingresos con mayor precisin.

l) Manufactura: En manufactura mejora la visibilidad y comunicacin a travs de las cadenas

de suministro cada vez ms complejos, al tiempo que satisface las demandas del cliente

para nuevos y mejores productos.

m) Venta al por menor: El modelo de inteligencia de negocios ayuda a los minoristas a

mejorar el rendimiento de su negocio al permitir el acceso a mltiples fuentes de datos

para realizar anlisis de ventas, seguimiento del rendimiento financiero y de la

productividad del personal. Adems, estudia a los clientes del segmento para una mejor

entrega de productos, servicios y ofertas especiales.

6

Los proyectos de

inteligencia de negocios

suelen iniciarse a travs de

la alta direccin, los

departamentos de

planificacin estratgica o

de marketing, y requieren

el concurso de informtica

para su implementacin.

Ilustracin 4 .- EJEMPLO DE UN MODELO DE BUSSINES INTELLIGENCE

Hoy da es muy sencillo acceder a informacin almacenada en un reservorio de

business intelligence (data mart o data warehouse) a travs de herramientas

tradicionales como MS Excel. De lo que se trata es de explotar al mximo las

potencialidades de las herramientas existentes y maximizar el retorno sobre la

inversin del negocio.

Ilustracin 5.- MODELO EBI + MINERIA DATAWAREHOUSE (Enterprise business intelligence)

7

5.2.- DATA WAREHOUSE

Tras las dificultades de los sistemas tradicionales en satisfacer las necesidades

informacionales, surge el concepto de Data Warehouse, como solucin a las

necesidades informacionales globales de una empresa. Este trmino acuado por

Bill Inmon, se traduce literalmente como Almacn de Datos o minera de datos

(data mining). No obstante si el Data Warehouse fuese exclusivamente un

almacn de datos, los problemas seguiran siendo los mismos que en los Centros

de Informacin tradicionales.

La ventaja principal de este tipo de sistemas se basa en su concepto fundamental,

la estructura de la informacin. Este concepto significa el almacenamiento de

informacin homognea y fiable, en una estructura basada en la consulta y el

tratamiento jerarquizado de la misma, y en un entorno diferenciado de los

sistemas operacionales. Segn defini Bill Inmon, el Data Warehouse se

caracteriza por ser:

a) Integrado: los datos almacenados en el Data Warehouse deben integrarse en una

estructura consistente, por lo que las inconsistencias existentes entre los diversos

sistemas operacionales deben ser eliminadas. La informacin suele estructurarse

tambin en distintos niveles de detalle para adecuarse a las distintas necesidades

de los usuarios.

b) Temtico: slo los datos necesarios para el proceso de generacin del

conocimiento del negocio se integran desde el entorno operacional. Los datos se

organizan por temas para facilitar su acceso y entendimiento por parte de los

usuarios finales. Por ejemplo, todos los datos sobre clientes pueden ser

consolidados en una nica tabla del Data Warehouse. De esta forma, las

peticiones de informacin sobre clientes sern ms fciles de responder dado que

toda la informacin reside en el mismo lugar.

c) Histrico: el tiempo es parte implcita de la informacin contenida en un Data

Warehouse. En los sistemas operacionales, los datos siempre reflejan el estado de

la actividad del negocio en el momento presente. Por el contrario, la informacin

almacenada en el Data Warehouse sirve, entre otras cosas, para realizar anlisis

de tendencias. Por lo tanto, el Data Warehouse se carga con los distintos valores

que toma una variable en el tiempo para permitir comparaciones.

d) No voltil: el almacn de informacin de un Data Warehouse existe para ser

ledo, y no modificado. La informacin es por tanto permanente, significando la

actualizacin del Data Warehouse la incorporacin de los ltimos valores que

tomaron las distintas variables contenidas en l sin ningn tipo de accin sobre lo

que ya exista.

8

5.2.1.- Objetivos del Data Warehouse

Facilitar el acceso a la informacin corporativa: Los contenidos del data

warehouse deben ser entendibles, navegables y su acceso debe estar

caracterizado por el alto rendimiento:

Entendible significa correctamente etiquetado.

Navegable significa que el destino deseado se encuentra localizable en la

pantalla y que este se encuentre a un solo "clic de distancia".

Alto rendimiento en el acceso significa que el tiempo de espera es nulo.

Dotar de consistencia a la informacin de la organizacin.

Es un "seguro de vida" para proteger la informacin de la organizacin: El data

warehouse no slo controla el acceso a los datos de manera efectiva, sino que

suministra a los "dueos" de la informacin gran control y potentes medios acerca

de quien usa y abusa de los datos.

Es el cimiento para la toma de decisiones: El data warehouse tiene los datos

adecuados para llevar a cabo el proceso de toma de decisin. El nombre original

inicialmente empleado para hacer referencia a lo que hoy en da conocemos como

data warehouse, sistemas de ayuda a la toma de decisin (decisin support

system, DSS), muestra claramente cul es el objetivo de estos sistemas.

Ilustracin 6 .- Data warehosue MODEL

9

5.3.- HERRAMIENTAS DE ANLISIS Y CONSULTA

Las herramientas de consulta y anlisis son sistemas que permiten a los usuarios

realizar la exploracin de datos del DW. Bsicamente constituyen el nexo entre el

depsito de datos y los usuarios.

Utilizan la metadata de las estructuras de datos que han sido creadas previamente

(cubos multidimensionales, Business Models, etc.) para trasladar a travs de

consultas SQL los requerimientos de los usuarios, para luego, devolver el

resultado obtenido.

Estas herramientas tambin pueden emplear simples conexiones a bases de

datos (JNDI, JDBC, ODBC), para obtener la informacin deseada.

A travs de una interfaz grfica y una serie de pasos, los usuarios generan

consultas que son enviadas desde la herramienta de consulta y anlisis al Query

Manager, este a su vez realiza la extraccin de informacin al DW Manager y

devuelve los resultados obtenidos a la herramienta que se los solicit. Luego,

estos resultados son expuestos ante los usuarios en formatos que le son

familiares y poder realizar la transicin que se desee.

Este proceso se puede comprender mejor al observar la siguiente figura:

Ilustracin 7.- HERRAMIENTAS DE CONSULTA DE METADATOS (DATAMINING)

Cabe mencionar que dicho proceso se lleva a cabo en seis pasos sucesivos:

1. Los usuarios seleccionan o establecen que datos desean obtener del DW,

mediante las interfaces de la herramienta que se utilice.

2. La herramienta recibe el pedido de los usuarios, construye la consulta

(utilizando la metadata) y la enva al Query Manager.

3. El Query Manager ejecuta la consulta sobre la estructura de datos con la

que se est trabajando (cubo multidimensional, Business Model, etc.).

4. El Query Manager obtiene los resultados de la consulta.

5. El Query Manager enva los datos a la herramienta de consulta y anlisis.

6. La herramienta presentan a los usuarios la informacin requerida.

10

5.3.1.- Caractersticas de las herramientas de Consulta y anlisis.

Las herramientas de consulta y anlisis, comparten las siguientes caractersticas:

Accesibilidad a la informacin: permiten el acceso a la informacin a

travs de las diferentes estructuras de datos de forma transparente a los

usuarios finales, para que solo se enfoquen en el anlisis y no en el origen

as como en la procedencia de los datos.

Apoyo en la toma de decisiones: permiten la exploracin de los datos, a

fin de seleccionar, filtrar y personalizar los mismos, apoyando el proceso de

toma de decisiones.

Orientacin los usuarios finales: permiten a travs de entornos

amigables e intuitivos, que los usuarios puedan realizar anlisis y consultas,

sin poseer conocimientos tcnicos.

Existen diferentes tipos de herramientas de consulta y anlisis que debern

seleccionarse de acuerdo a la necesidad, usuarios y lo que se requiera de

informacin.

Reportes y Consultas.

OLAP.

Dashboards.

Data Mining.

EIS.

Una de las ventajas que se tienen al utilizar stas herramientas es que los

usuarios no tienen que preocuparse por conocer cules son las caractersticas y

funcionalidades de las estructuras de datos utilizados, solo deben estar enfocados

en el anlisis.

11

5.3.2.- Reportes y Consultas

Se han desarrollado muchas herramientas para la produccin de consultas y

reportes, que ofrecen a los usuarios, a travs de pantallas grficas intuitivas, la

posibilidad de generar informes avanzados y detallados del tema de inters de

inters que se est analizando.

Actualmente las herramientas de generacin de reportes y consultas cuentan con

muchas prestaciones, las cuales permiten dar variadas formas y formatos a la

presentacin de la informacin. Entre las opciones ms comunes se encuentran

las siguientes:

Parametrizacin de los datos devueltos.

Seleccin de formatos de salida (planilla de clculo, HTML, PDF, etc.).

Inclusin de grficos de tortas, barras, etc.

Utilizacin de plantillas de formatos de fondos.

Inclusin de imgenes.

Formatos tipogrficos.

Links a otros reportes.

5.3.3.- procesamiento OLAP

El procesamiento analtico en lnea OLAP (On Line Analytic Processing), es la

componente ms poderosa del Data Warehousing, ya que es el motor de

consultas especializado del depsito de datos.

Las herramientas OLAP, son una tecnologa de software para anlisis en lnea,

administracin y ejecucin de consultas, que permiten inferir informacin del

comportamiento del negocio.

Su principal objetivo es el de brindar rpidas respuestas a complejas

preguntas, para interpretar la situacin del negocio y tomar decisiones.

Lo que es realmente interesante en OLAP, no es la ejecucin de simples consultas

tradicionales, sino la posibilidad de utilizar operadores tales como drill-up, drill-

down, etc, para explotar profundamente la

informacin.

ste tipo de herramientas, puede ayudar a

analizar el negocio desde diferentes escenarios

histricos, y proyectar como se ha venido

comportando y evolucionando en un ambiente

multidimensional, permitiendo deducir

tendencias, por medio del descubrimiento de

relaciones entre las perspectivas que a simple

vista no se podran encontrar sencillamente.

Las herramientas OLAP

requieren que los datos estn

organizados dentro del

depsito en forma

multidimensional, utilizando

cubos multidimensionales

12

Las caractersticas son las siguientes:

Permite recolectar y organizar la informacin analtica necesaria para los

usuarios.

Soporta anlisis complejos de grandes volmenes de datos.

Complementa las actividades de otras herramientas que requieran

procesamiento analtico en lnea.

Presenta a los usuarios una visin multidimensional de los datos (matricial)

para cada tema de inters del negocio.

Es transparente al tipo de tecnologa que soporta el DW, ya sea ROLAP,

MOLAP u HOLAP.

No tiene limitaciones con respecto al nmero mximo de dimensiones

permitidas.

Permite a los usuarios, analizar la informacin basndose en ms criterios

que un anlisis de forma tradicional.

Permiten realizar agregaciones y combinaciones de los datos de maneras

complejas y especficas, con el fin de realizar anlisis ms estratgicos.

5.3.4.- Dashboards

Coleccin de reportes, consultas y anlisis interactivos que hacen referencia a un tema en particular y que estn a la vez relacionados entre s.

Existen diversas maneras de disear un Dashboard, cada una de las cuales tiene

sus objetivos particulares, pero a modo de sntesis se expondrn algunas

caractersticas generales que suelen poseer:

Presentan la informacin altamente resumida.

Se componen de consultas, reportes, anlisis interactivos, grficos (de

torta, barras, etc), semforos, indicadores causa-efecto, etc.

Permiten evaluar la situacin de la empresa con un solo golpe de vista.

Poseen un formato de diseo visual muy llamativo.

3.6.4. Data Mining

Tcnica para descubrir patrones y relaciones entre abundantes cantidades de datos, que a simple vista o que mediante otros tipos de anlisis no se pueden deducir, por el contrario ayuda y brinda soporte a los usuarios, con el fin de permitirles analizar y extraer conocimientos ocultos y predecibles a partir de los datos almacenados en un DW o en un OLTP.

13

La integracin con el depsito de datos facilita que las decisiones operacionales

sean implementadas directamente y monitorizadas.

Implementar Data Mining permitir analizar factores de influencia en determinados

procesos, predecir o estimar variables o comportamientos futuros, una de las

principales ventajas del Data Mining es que, permite inferir comportamientos,

modelos, relaciones y estimaciones de los datos, para poder desarrollar

predicciones sobre los mismos, sin la necesidad de contar con patrones o reglas

preestablecidas, permitiendo tomar decisiones proactivas y basadas en un

conocimiento acabado de la informacin.

Adems brinda la posibilidad de dar respuesta a preguntas complicadas sobre los

temas de inters.

.Los sistemas Data Mining se desarrollan bajo lenguajes de ltima generacin

basados en Inteligencia artificial y utilizan mtodos matemticos tales como:

Redes Neuronales.

Sistemas Expertos.

Programacin Gentica.

rboles de Decisin.

Soporta adems, sofisticadas operaciones de anlisis como los sistemas Scoring,

aplicaciones de Deteccin de Desviacin y Deteccin de Fraude.

5.3.5.- Redes Neuronales

Una red neuronal es un modelo computacional con un conjunto de propiedades

especficas, como la habilidad de adaptarse o aprender, generalizar u organizar la

informacin, todo ello basado en un procesamiento eminentemente paralelo.

Se utilizan para construir modelos predictivos no lineales que aprenden a travs

de entrenamiento y que semejan la estructura de una red neuronal biolgica.

Pueden emplearse para:

Resolver problemas en dominios complejos con variables continuas y

categricas.

Modelizar relaciones no lineales.

Clasificar y predecir resultados.

14

5.3.6.- Sistemas Expertos

Un sistema experto, puede definirse como un sistema informtico (hardware y

software) que simula a los expertos humanos en un rea de especializacin dada.

Aqu los usuarios con poca experiencia pueden resolver problemas que requieren

el conocimiento de una persona experta en el tema.

Pueden utilizarse para:

Realizar transacciones bancarias a travs de cajeros automticos.

Controlar y regular el flujo de trfico en las calles y en los ferrocarriles,

mediante la operacin automtica de semforos.

Resolver complicados problemas de planificacin en los cuales intervienen

muchas variables.

Descubrir relaciones entre diversos conjuntos de variables.

5.3.7.- Programacin Gentica

El principal objetivo de la programacin gentica es lograr que las computadoras

aprendan a resolver problemas sin ser explcitamente programadas para

solucionarlos, generando de esta manera soluciones a partir de la induccin de los

programas.

Se utiliza para:

Resolver problemas, para los cuales es difcil y no natural tratar de

especificar o restringir con anticipacin el tamao y forma de una solucin

eventual.

Analizar sistemas que actan sobre condiciones inestables en ambientes

cambiantes.

Generar de manera automtica programas que solucionen problemas

planteados.

5.3.8.- rboles de Decisin

Son estructuras de forma de rbol que representan conjuntos de decisiones. Estas

decisiones generan reglas para la clasificacin de un conjunto de datos, las cuales

explican el comportamiento de una variable con relacin a otras, y pueden

traducirse fcilmente en reglas de negocio.

Son utilizados con finalidad predictiva y de clasificacin.

15

Pueden emplearse para:

Optimizar respuestas de campaas.

Identificar clientes potenciales.

Realizar evaluacin de riesgos.

5.3.9.1- Deteccin de Desviacin

Analiza una serie de datos similares, y cuando encuentra un elemento que no

coincide con el resto lo considera una desviacin.

Usualmente para la deteccin de la desviacin en base de datos grandes se utiliza

la informacin explcita externa a los datos, as como las limitaciones de integridad

o modelos predefinidos.

Puede utilizarse para:

Descubrir excepciones a modelos establecidos.

Delimitar grupos que cumplan con condiciones preestablecidas.

5.3.9.2.- EIS (Executive Information System)

EIS (Executive Information System) proporciona medios sencillos para consultar,

analizar y acceder a la informacin de estado del negocio, poniendo a disposicin,

facilidades para que los usuarios puedan conseguir los datos buscados

rpidamente, empleando el menor tiempo posible para comprender el uso de la

herramienta.

Se utiliza para analizar los indicadores de performance y desempeo del negocio

o rea de inters, a travs de la presentacin de vistas con datos simplificados,

altamente consolidados, mayormente estticos y preferentemente grficos.

Ilustracin 8 .- EIS MODEL

16

5.4.- REPORTES EMPRESARIALES DE DATOS Y ANLISIS.

Un reporte puede convertirse en una herramienta inteligente y en lnea que bien

podra ayudar a analizar fcilmente los datos empresariales creando informes y

paneles interesantes para la toma de decisiones en la empresa. ademas

permite crear y compartir informes de gran alcance en cuestin de minutos.

5.4.1.- Anlisis y Seguimiento

Analiza los datos operativos, ventas, marketing, finanzas, atencin al cliente y

hacer el seguimiento de los indicadores clave del rendimiento de su

negocio. Estar al dia con la informacin. Puede crear fcilmente informes y

paneles interesantes utilizando una interfaz de arrastrar y soltar.

5.4.2.- Movilidad de carga y consulta en cualquier lugar y momento.

Cargar y sincronizar sus datos fcilmente desde hojas de clculo, archivos,

direcciones URL, desde bases de datos, correo y aplicaciones instaladas o

gestionadas a distancia. Gantarizando as la gestin no presencial y la

disponibilidad de acceso a documentos y estados de reporte importantes para el

jefe de cada rea respectiva.

5.4.3.- Anlisis y Seguimiento

Podemos compartir fcilmente datos, informes y cuadros de mando creados con

sus clientes. Pudiendo as analizar y crear informes en lnea y como se dijo

anteriormente tambin a distancia.

17

5.4.4.- Caractersticas de una herramienta de REyAD

1. Subir cualquier dato de modo seguro

Carga segura de datos en hojas de clculo y tablas CSV, TSV, XLS o HTML,

datos de URLs, Webs. Tambin se puede agregar datos directamente mediante

una Hoja de clculo.

2. Amplia gama de reportes

Usa variedad de grficos, tablas dinmicas y componentes Haz una vista en

unatabla para crear informes y cuadros de mando intuitivos.

3. Consulta con SQL

Creacin de informes potentes y flexibles con las consultas SQL escritas en

cualquier lenguaje de base de datos / sintaxis.

4. Insertar informes desde cualquier lugar

Insertar los informes y cuadros de mando a travs de pginas web, intranet, blogs,

Microsoft SharePoint Server y en las aplicaciones.

5. Anlisis visual

Visualmente analizar y crear informes y cuadros de mando intuitivos con la fcil

interfaz de arrastrar y soltar. Evitar la necesidad de que su equipo dependa de

usted y agilice el tiempo de espera de sus asociados.

18

6. Anlisis de colaboracin

Desarrollar informes y compartir con los dems informacin para la toma

informada de decisiones empresariales. Tambin proporciona permisos

especficos sobre los informes compartidos.

7. Organizar informes en carpetas

Organice sus informes y datos de forma lgica en carpetas. til para una mejor

organizacin y una fcil navegacin. Tambin puede aplicar operaciones en cada

nivel de carpeta

8. Fcil interfaz con hojas de clculo

Proporciona una familiar Hoja de clculo como interfaz para la adicin de datos,

anlisis y presentacin de informes. Hace que sea ms fcil para los usuarios

familiarizados con las hojas de clculo.

19

CONCLUSIONES

Nos ha quedado claro que el uso de un data warehouse va ms all del mismo

almacenamiento de datos, del uso de informacin privada y controlada de un

negocio inteligente, un data warehouse es un sistema ms complejo en un sentido

de negocios y de inteligencia de artificial ya que tambin se alterna con

herramientas de gestin , almacn, consulta, ordenamiento, agregacin y

actualizacin de datos inteligentes, que a su vez estn totalmente listos y

diseados para poder tambin crear reportes generando disponibilidad de archivos

o datos online, as como su edicin, consulta o actualizacin y que por otro lado no

dejan de ser sistemas basados en inteligencia artificial totalmente configurados

para hacer las tareas para lo cual estn hechos, por lo tanto estos sistemas

tambin deben ser entendibles, navegables, editables, eficientes, seguros y

accesibles para quien lo requiere o goza de los privilegios de gestin de los

mismos.

20

Fuentes de informacin

http://www.idensa.com/

http://www.itmadrid.com/blog/que-es-inteligencia-de-negocios-business-intelligence/

http://prayaga.biz/?q=lineas/tecnologia-de-negocios/modelos-inteligencia-de-negocios

http://artemisa.unicauca.edu.co/~ecaldon/docs/bd/fundamentosdedatawarehouse.pdf

http://www-03.ibm.com/software/products/es/category/SWM00

http://www.dataprix.com/que-es-un-datawarehouse

http://www.stratebi.com/datawarehouse

http://www.dataprix.com/36-herramientas-consulta-y-analisis

http://www.slideshare.net/JacF/desarrollo-de-una-interfaz-web-de-consulta-y-anlisis-de-datos-

en-bioinformatica-basada-en-web-services-del-embl-ebi