ADMINISTRACIÓN Y NEGOCIOS

INTERNACIONALES.

INTEGRANTES: Carranza Cadenillas, Ana.

Chiroque Pasache, Melisa.

Linares Vega, Susana.

Troyes Llanos, Ingrid.

Valdivia Chávez, Araceli.

PROFESOR: Erik Zoeger Calle.

CURSO: Sistema de Información Gerencial.

Pimentel, 22/06/2017
1. Data Warehouse (Almacén de datos).
Un Data Warehouse es una base de datos corporativa que se caracteriza por
integrar y depurar información de una o más fuentes distintas, para luego
procesarla permitiendo su análisis desde infinidad de perspectivas y con grandes
velocidades de respuesta.
La ventaja principal de este tipo de bases de datos radica en las estructuras en
las que se almacena la información (modelos de tablas en estrella, en copo de
nieve, cubos relacionales... etc.). Este tipo de persistencia de la información es
homogénea y fiable, y permite la consulta y el tratamiento jerarquizado de la
misma (siempre en un entorno diferente a los sistemas operacionales.

1.1. Objetivos fundamentales de un Data Warehouse.

Hacer que la información de la organización sea accesible y
consistente.
Es información adaptable y elástica.
Es un seguro baluarte que protege los valores de la información.
Es la fundación de la toma de decisiones.

1.2. Características:

 Integrado: Los datos almacenados deben integrarse en una

estructura consistente, por lo que las inconsistencias existentes
entre los diversos sistemas operacionales deben ser eliminadas.

 Temático: Los datos se organizan por temas para facilitar su

acceso y entendimiento por parte de los usuarios finales.

 Histórico: El tiempo es parte implícita de la información contenida

en un repositorio. La cual sirve, entre otras cosas, para realizar
análisis de tendencias.

 No volátil: La información existe para ser leída y no para ser

modificada. la actualización se refleja con la incorporación de los
últimos valores de las distintas variables y sin ningún tipo de acción
sobre lo que ya existía.

1.3. Ventajas y desventajas:

Ventajas:
 Proporciona información clave para la toma de decisiones empresariales.
 Especialmente útil para el medio y largo plazo.
 Son sistemas relativamente sencillos de instalar si las fuentes de datos y
los objetivos están claros.
 Muy útiles para el almacenamiento de análisis y consultas de históricos.
 Desventajas
 No es muy útil para a la toma de decisiones en tiempo real, debido al largo
tiempo de procesamiento que puede requerir.
 Requiere de continua limpieza, transformación e integración de datos.
 En un proceso de implantación puede encontrarse con dificultades ante
los diferentes objetivos que pretende una organización.
 Una vez implantado puede ser complicado añadir nuevas fuentes de
datos.

1.4. Estructura de un Data Warehouse

La estructura de una data warehouse se caracteriza por los diferentes niveles de
esquematización y detalle de los datos que se encuentran en él.
1.4.1. Detalle de los datos actuales
Reflejan los acontecimientos más recientes, las últimas informaciones
generadas por los sistemas de producción de la organización. El nivel de detalle
no tiene por qué ser el mismo que el de los sistemas de producción, ya que los
datos pueden ser fruto de alguna agregación o de una simplificación de los datos
originales.
1.4.2. Detalle de datos antiguos
Están almacenados en un nivel de detalle consistente con los datos detallados
actuales, esto significa que si los datos actuales hacen referencia a ventas
diarias en el año actual, los datos historiados contienen las ventas de años
anteriores en el nivel de detalle de día también.
1.4.3. Datos resumidos
Son datos obtenidos como resultado de un proceso de síntesis de los datos
actuales. Lo que se tiene entonces son datos agregados o resumidos. Por
ejemplo, se entiende mejor la evolución de las ventas si se la presenta resumida
por semanas que de manera diaria.

1.4.4. Metadatos
Ofrecen información descriptiva sobre el contexto, la calidad, la condición y las
características de los datos. El metadato se sitúa en una dimensión diferente a
la de los otros datos en el data warehouse, debido a que su contenido no es
tomado directamente desde el ambiente operacional.
2. Data mining (Minería de datos)

Es el conjunto de técnicas y tecnologías que permiten explorar grandes bases

de datos información que revela inteligencia del negocio, a través de factores
ocultos, tendencias y correlaciones para permitir al usuario realizar predicciones
que resuelven problemas del negocio proporcionando una ventaja competitiva
El data mining surge para intentar ayudar a comprender el contenido de un
repositorio de datos. Con este fin, hace uso de prácticas estadísticas y, en
algunos casos, de algoritmos de búsqueda próximos a la Inteligencia Artificial y
a las redes neuronales.
2.1. ¿Por qué usar Data Mining?
Proporciona un punto de encuentro entre los investigadores y las personas de
negocios.
Ahorra grandes cantidades de dinero a una empresa y abre nuevas
oportunidades de negocios.
Contribuye a la toma de decisiones tácticas y estratégicas.
Permite a los usuarios dar prioridad a decisiones y acciones.
Proporciona poderes de decisión a los usuarios del negocio.

2.2. Un proceso típico de minería de datos consta de los siguientes

pasos generales:

1. Selección del conjunto de datos, tanto en lo que se refiere a las variables

dependientes, como a las variables objetivo, como posiblemente al muestreo
de los registros disponibles.
2. Análisis de las propiedades de los datos, en especial los histogramas,
diagramas de dispersión, presencia de valores atípicos y ausencia de datos
(valores nulos).
3. Transformación del conjunto de datos de entrada, se realizará de
diversas formas en función del análisis previo, con el objetivo de prepararlo para
aplicar la técnica de minería de datos que mejor se adapte a los datos y al
problema.
4. Seleccionar y aplicar la técnica de minería de datos, se construye el
modelo predictivo, de clasificación o segmentación.
5. Extracción de conocimiento, mediante una técnica de minería de datos, se
obtiene un modelo de conocimiento, que representa patrones de
comportamiento observados en los valores de las variables del problema o
relaciones de asociación entre dichas variables.
6. Interpretación y evaluación de datos, una vez obtenido el modelo, se debe
proceder a su validación comprobando que las conclusiones que arroja son
válidas y suficientemente satisfactorias.
 2.3. ¿Dónde se utiliza Data Mining?
La utilidad de Data Mining se puede dar dentro de los siguientes aspectos:

 Sistemas parcialmente desconocidos: Si el modelo del sistema que produce

los datos es bien conocido, entonces no necesitamos de la minería de datos ya
que todas las variables son de alguna manera predecibles. Este no es el caso
del comercio electrónico, debido a los efectos del comportamiento humano,
el clima y de decisiones políticas entre otros. En estos casos habrá una parte del
sistema que es conocida y habrá una parte aparentemente
de naturaleza aleatoria. Bajo ciertas circunstancias, a partir de una gran cantidad
de datos asociada con el sistema, existe la posibilidad de encontrar nuevos
aspectos previamente desconocidos del modelo.

 Enorme cantidad de datos: Al contar con mucha información en algunas bases
de datos es importante para una empresa encontrar la forma de analizar
"montañas" de información (lo que para un humano sería imposible) y que ello le
produzca algún tipo de beneficio.

 Potente hardware y software: Muchas de las herramientas presentes en la
minería de datos están basadas en el uso intensivo de la computación, en
consecuencia, un equipo conveniente y un software eficiente, con el cual cuente
una compañía, aumentará el desempeño del proceso de buscar y analizar
información, el cual a veces debe vérselas con producciones de datos del orden
de los Gbytes/hora. Por ejemplo, las técnicas de Data Mining son utilizadas
habitualmente para el análisis y explotación de datos de un Data Warehouse. El
uso del Data Mining puede ser provechoso en el caso d poseer un Data
Warehouse que contenga datos sobre sus procesos productivos, datos de
seguimiento de clientes, datos externos de mercado, datos sobre la actividad de
competidores,etc.

2.4. Ejemplos de uso de la minería de datos en:

 Negocios
La minería de datos puede contribuir significativamente en las aplicaciones de
administración empresarial basada en la relación con el cliente. En lugar de
contactar con el cliente de forma indiscriminada a través de un centro de
llamadas o enviando cartas, sólo se contactará con aquellos que se perciba que
tienen una mayor probabilidad de responder positivamente a una determinada
oferta o promoción
 Hábitos de compra en supermercados
Un estudio muy citado detectó que los viernes había una cantidad inusualmente
elevada de clientes que adquirían a la vez pañales y cerveza. Se detectó que se
debía a que dicho día solían acudir al supermercado padres jóvenes cuya
perspectiva para el fin de semana consistía en quedarse en casa cuidando de
su hijo y viendo la televisión con una cerveza en la mano. El supermercado pudo
incrementar sus ventas de cerveza colocándolas próximas a los pañales para
fomentar las ventas compulsivas.