HERRAMIENTAS DE BUSINESS INTELLIGENCE

HERRAMIENTAS DE BUSINESS INTELLIGENCE

DATAWAREHOUSINGY

DATAMINING

QUE ES BUSINESS INTELLIGENCEQUE ES BUSINESS INTELLIGENCE

*Conjunto de estrategias y herramientas enfocadas a la administración y creación de conocimiento mediante el

anáisis de datos existentes en una organización.

*Abarca la comprensión del funcionamiento actual de la empresa, y la anticipación de acontecimientos futuros, con el objetivo de ofrecer conocimientos para respaldar

las decisiones empresariales.

*Conjunto de estrategias y herramientas enfocadas a la administración y creación de conocimiento mediante el

anáisis de datos existentes en una organización.

*Abarca la comprensión del funcionamiento actual de la empresa, y la anticipación de acontecimientos futuros, con el objetivo de ofrecer conocimientos para respaldar

las decisiones empresariales.

QUE ES BUSINESS INTELLIGENCEQUE ES BUSINESS INTELLIGENCE

*Las herramientas de inteligencia se basan en la utilización de un sistema de información de inteligencia que se forma con

distintos datos extraídos de la producción, información relacionada con la empresa y datos del entorno y el contexto.

*Mediante las herramientas y técnicas (extraer, cargar y transformar), se extraen los datos de distintas fuentes, se

depuran y preparan para luego cargarlos en un almacén de datos

*Las herramientas de inteligencia se basan en la utilización de un sistema de información de inteligencia que se forma con

distintos datos extraídos de la producción, información relacionada con la empresa y datos del entorno y el contexto.

*Mediante las herramientas y técnicas (extraer, cargar y transformar), se extraen los datos de distintas fuentes, se

depuran y preparan para luego cargarlos en un almacén de datos

DATAWAREHOUSEDATAWAREHOUSE*Es un gran almacén de datos para consultar

*Es un repositorio de datos de muy fácil acceso, alimentado de numerosas fuentes, transformadas en grupos de

información sobre temas específicos de negocios, para permitir nuevas consultas, análisis, toma de y decisiones.

*Tiene gran capacidad de almacenamiento, pues los datos pueden ser de grandes periodos de tiempo.

*Es un gran almacén de datos para consultar

*Es un repositorio de datos de muy fácil acceso, alimentado de numerosas fuentes, transformadas en grupos de

información sobre temas específicos de negocios, para permitir nuevas consultas, análisis, toma de y decisiones.

*Tiene gran capacidad de almacenamiento, pues los datos pueden ser de grandes periodos de tiempo.

DATAWAREHOUSEDATAWAREHOUSE

-Emplea el concepto de Metadatos (datos que describen otros datos). Por ejemplo, en una biblioteca se usan

fichas que especifican autores, títulos, casas editoriales y lugares para buscar libros. Así, los

metadatos ayudan a ubicar datos.

-Cumple el principio de arquitectura fundamental que es separar los sistemas transaccionales de los

informacionales en dos entornos de manera que el análisis de los datos existentes no intefiera con el

procesamiento y registro de nuevos datos.

-Emplea el concepto de Metadatos (datos que describen otros datos). Por ejemplo, en una biblioteca se usan

fichas que especifican autores, títulos, casas editoriales y lugares para buscar libros. Así, los

metadatos ayudan a ubicar datos.

-Cumple el principio de arquitectura fundamental que es separar los sistemas transaccionales de los

informacionales en dos entornos de manera que el análisis de los datos existentes no intefiera con el

procesamiento y registro de nuevos datos.

• Un DWH tiene varias características:

Es una colección de datos orientada a un tema , integrada, variable en el tiempo y

que sea útl para la toma de decisiones.

Es integrado porque agrupa a todos los sistemas operacionales en un sistema de información

con formatos y códigos consistentes.

• Un DWH tiene varias características:

Es una colección de datos orientada a un tema , integrada, variable en el tiempo y

que sea útl para la toma de decisiones.

Es integrado porque agrupa a todos los sistemas operacionales en un sistema de información

con formatos y códigos consistentes.

• Un DWH tiene varias características:

Es variante en el tiempo porque los datos se organizan y almacenan en

jerarquíass en el tiempo, lo que permite análisis comparativos de estados

actuales y de períodos anteriores.

• Un DWH tiene varias características:

Es variante en el tiempo porque los datos se organizan y almacenan en

jerarquíass en el tiempo, lo que permite análisis comparativos de estados

actuales y de períodos anteriores.

Etapas en la construcción de un DWH

Etapas en la construcción de un DWH

1. Captura de los datos de las fuentes seleccionadas (extraer de otras fuentes -excel, documentos, etc- datos al DWH)

2. Tratamiento, conversión y transformación de los datos (operaciones de limpieza, homogeneización, etc) En esta etapa se considera lo siguiente…

1. Captura de los datos de las fuentes seleccionadas (extraer de otras fuentes -excel, documentos, etc- datos al DWH)

2. Tratamiento, conversión y transformación de los datos (operaciones de limpieza, homogeneización, etc) En esta etapa se considera lo siguiente…

Etapas en la construcción de un DWH

Etapas en la construcción de un DWH

-Detectar y corregir errores (duplicados, eliminar valores sin sentido)

-Consistencia del uso de valores (codificación igual de los valores por ejemplo DD/M/AAAA)

-Tratamiento de la ausencia de valores (por default)

-Codificar campos (ej. Pasar de fechas de nacimiento a intervalos de edades)

-Reestructurar y añadir nuevos campos (enriquecer el sistema)

-Detectar y corregir errores (duplicados, eliminar valores sin sentido)

-Consistencia del uso de valores (codificación igual de los valores por ejemplo DD/M/AAAA)

-Tratamiento de la ausencia de valores (por default)

-Codificar campos (ej. Pasar de fechas de nacimiento a intervalos de edades)

-Reestructurar y añadir nuevos campos (enriquecer el sistema)

Herramientas para explotación del Datawarehouse

Herramientas para explotación del Datawarehouse

• Queries and reporting: generación

de consultas y reportes de las bases de datos relacionales que generan informes predefinidos a partir

de campos calculados

• Queries and reporting: generación

de consultas y reportes de las bases de datos relacionales que generan informes predefinidos a partir

de campos calculados

Herramientas para explotación del Datawarehouse

Herramientas para explotación del Datawarehouse

• Análisis multidimensional (OLAP

online analytical processing)

Facilitan el análisis de datos a través de

dimensiones y jerarquías, uutilizando

consultas rápidas predefinidas

• Análisis multidimensional (OLAP

online analytical processing)

Facilitan el análisis de datos a través de

dimensiones y jerarquías, uutilizando

consultas rápidas predefinidas

Herramientas para explotación del Datawarehouse

Herramientas para explotación del Datawarehouse

• Herramientas de datamining: técnicas

avanzadas que permiten detectar y modelizar

relaciones entre los datos y obtener información no

evidente como patrones de consumo, predicción del comportamiento de los

clientes, asociaciones de productos.

• Herramientas de datamining: técnicas

avanzadas que permiten detectar y modelizar

relaciones entre los datos y obtener información no

evidente como patrones de consumo, predicción del comportamiento de los

clientes, asociaciones de productos.

Herramientas de datamining

Herramientas de datamining

• Estadísticas: regresión, análisis multivariable, análisis cluster

• Simbólicas: árboles de decisión, reglas

• Técnicas de inteligencia artificial: redes neuronales, algoritmos

• Estadísticas: regresión, análisis multivariable, análisis cluster

• Simbólicas: árboles de decisión, reglas

• Técnicas de inteligencia artificial: redes neuronales, algoritmos

Metodología de un proceso de datamining

Metodología de un proceso de datamining

• Muestreo: selección de muestra de datos para reducir costos y tiempos.

• Exploración: determinar tendencias principales, rango de variables, frecuencia de valores

• Modificación: transformación y filtrado de variables para adecuarse a los requisitos del problema o cuestión que se quiere analizar

• Muestreo: selección de muestra de datos para reducir costos y tiempos.

• Exploración: determinar tendencias principales, rango de variables, frecuencia de valores

• Modificación: transformación y filtrado de variables para adecuarse a los requisitos del problema o cuestión que se quiere analizar

Metodología de un proceso de datamining

Metodología de un proceso de datamining

• Modelización del comportamiento: empleando redes neuronales, árboles, etc.

• Evaluación: comprobación de la validez del modelo obtenido.

• Presentación gráfica de los resultados

• Modelización del comportamiento: empleando redes neuronales, árboles, etc.

• Evaluación: comprobación de la validez del modelo obtenido.

• Presentación gráfica de los resultados

Herramientas de datamining y datawarehouse

OracleIBM

KNIME SPSS Clementine (software)

SAS Enterprise Miner RapidMiner

Weka KXEN

Orange

BENEFICIOSBENEFICIOS

• Con los sistemas de datawarehousing y datamining los directivos pueden disponer de la información necesaria en poco tiempo y con validez y dedicarse a su análisis.

• Permiten conocer el comportamiento de los clientes logrando la eficacia en operaciones de marketing y comunicaciones.

• Se pueden detectar tendencias y previsiones de cara al futuro.

• Con los sistemas de datawarehousing y datamining los directivos pueden disponer de la información necesaria en poco tiempo y con validez y dedicarse a su análisis.

• Permiten conocer el comportamiento de los clientes logrando la eficacia en operaciones de marketing y comunicaciones.

• Se pueden detectar tendencias y previsiones de cara al futuro.

En definitiva, una solución BI completa permite:

Observar ¿qué está ocurriendo?

Comprender ¿por qué ocurre?

Predecir ¿qué ocurriría?

Colaborar ¿qué debería hacer el equipo?

Decidir ¿qué camino se debe se