Presentacin del curso

Tecnologas para Inteligencia de Negocios Luis Kreither (lhkreith@uc.cl) Marcos Seplveda (marcos@ing.puc.cl)

Motivacin
Las tecnologas de Inteligencia de Negocios permiten a las empresas apoyar su toma de decisiones en el conocimiento que pueden extraer de los datos disponibles, tanto al interior (ej: sus productos, clientes y ventas) como al exterior de la organizacin (ej: informacin del mercado en general). Por qu ahora?
Existe la oportunidad
Se producen grandes volmenes de datos Cada vez ms datos se guardan en una memoria corporativa Hay capacidad de almacenamiento y poder de cmputo disponible

Capacidad de almacenar informacin

Podemos almacenar todo:
Un disco duro de 1Tb cuesta US$ 100 El texto de la Biblia utiliza 1Mb Podemos almacenar 1.000.000 en un disco duro Si tuvisemos 20.000.000 de clientes y por cada uno almacenramos el equivalente en informacin de 1 Biblia Requeriramos 20 discos duros US$ 2.000

Motivacin
Tecnologas de Inteligencia de Negocios permiten a las empresas apoyar su toma de decisiones en la informacin que pueden extraer de los datos que tienen disponibles sobre sus productos, clientes y el mercado en general.

Por qu ahora?
Existe la oportunidad
Se producen grandes volmenes de datos Cada vez ms datos se guardan en una memoria corporativa Hay capacidad de almacenamiento y poder de cmputo disponible La presin competitiva es fuerte Existe la necesidad de apoyar la toma de decisiones Baja capacidad de manipularlos manualmente Hay software disponible (tanto comercial como Open Source)
4

Es necesario

Es posible

Inteligencia de negocio es una prioridad para las empresas a nivel mundial

Top 10 Technology Priorities in 2010
Top 10 Technology Priorities Virtualization Cloud computing Web 2.0 Networking, voice and data communications Business Intelligence Ranking 1 2 3 4 5

Mobile technologies
Data/document management and storage Service-oriented applications and architecture Security technologies IT management

6
7 8 9 10

Fuente: 2010 Gartner Executive Programs CIO Survey, January 19, 2010

Inteligencia de negocio es una prioridad para las empresas a nivel mundial

Top 10 Business Priorities in 2010
Top 10 Business Priorities Business process improvement Reducing enterprise costs Increasing the use of information/analytics Improving enterprise workforce effectiveness Attracting and retaining new customers Managing change initiatives Creating new products or services (innovation) Targeting customers and markets more effectively Consolidating business operations Expanding current customer relationships Ranking 1 2 3 4 5 6 7 8 9 10

Fuente: 2010 Gartner Executive Programs CIO Survey, January 19, 2010

Inteligencia de negocio es una prioridad para las empresas a nivel mundial

Fuente: 2011 Gartner Executive Programs CIO Survey

Inteligencia de negocio es una prioridad para las empresas a nivel mundial

2008 CIO Technology Priorities
To what extent will each of the following technologies be a Top 5 priority for you in 2008? Rank 2008 Rank Rank 2008 2007 2006 Increase*

Business Intelligence Applications Enterprise Applications (ERP, SCM and CRM) Server and Storage Technologies (Virtualization) Legacy Application Modernization Security Technologies Technical Infrastructure

1 2 3 4 5 6

1 2 5 3 6 8

1 ** 9 10 2 12

11.20% 8.02%

8.45%
5.79% 8.53% 4.67% 6.83% 7.75% 7.91% 6.71%

Networking, Voice and Data Communications (VoIP) Collaboration Technologies

Document Management Service-Oriented Technologies (SOA and SOBA)

7
8 9 10

4
10 9 7

8
4 ** 6

* Unweighted average budget change ** New question for 2007

Fuente: 2008 Gartner Executive Programs CIO Survey, January 10, 2008

Inteligencia de negocio es una prioridad para las grandes empresas en Chile

Fuente: Estudio Nacional sobre Tecnologas de Informacin 2008, CETIUC

Inteligencia de negocio es una prioridad para las grandes empresas en Chile

Fuente: Estudio Nacional sobre Tecnologas de Informacin 2009, CETIUC

10

Inteligencia de negocio es una prioridad para las grandes empresas en Chile

Fuente: Estudio Nacional sobre Tecnologas de Informacin 2009, CETIUC

11

Inteligencia de Negocios
(Business Intelligence)
Es un conjunto de metodologas y herramientas orientadas a mejorar la toma de decisiones en una organizacin o empresa mediante el anlisis de datos existentes. Permiten recopilar, almacenar, manipular y analizar datos, tanto internos como externos, que permitan crear nuevo conocimiento. Informacin til:
Datos de los sistemas transaccionales
Productos y servicios: datos de produccin, inventario, venta Clientes: necesidades y su proceso de toma de decisiones Transacciones de negocios Campaas de marketing, presupuestos, forecasts, evaluaciones de calidad

Datos que no estn en los sistemas

Competidores: presiones competitivas, condiciones de la industria Informacin general: tendencias econmicas, tecnolgicas y culturales
12

Qu podemos hacer con Inteligencia de Negocios?

Query & Reporting

ETL Base de Datos

Dashboard
ERP

OLAP Data Warehouse

Sistema Legado

Data Mining

Archivos Planos
13

Almacn de Datos
(Data Warehouse)
Una base de datos que contiene informacin histrica y consolidada de la informacin operacional (transaccional) de una organizacin. Integra informacin de distintas fuentes dentro de la organizacin. Est diseada para favorecer el anlisis de los datos. Independiente de lo transaccional y de slo lectura.

14

Herramientas para Consultas y Reportes

(Query & Reporting)
Consultas interactivas
Anlisis de tipo ad-hoc, sin una estructura previa pre-definida

Generacin automtica de reportes Herramientas cercanas a usuarios finales que les permiten consultar la informacin en el Data Warehouse

15

Procesamiento Analtico En Lnea

(OLAP, On-Line Analytical Processing)

Es un tipo de aplicacin que pretende facilitar el anlisis multidimensional de la informacin (datos que han sido agregados en varias categoras, o dimensiones). Permite al usuario sintetizar informacin de la organizacin a travs de vistas comparativas, personalizadas; y analizar informacin tanto histrica (pasado) como estimada (futura). Permite un anlisis eficiente que sera muy lento en un sistema de bases de datos tradicional.

16

Panel de Control
(Dashboard)

Provee visibilidad respecto a indicadores claves de desempeo, a travs de herramientas predefinidas simples, tales como grficos, tablas e indicadores; usualmente a travs del uso de un web browser. Presenta varias mtricas diferentes en una vista consolidada Presenta mtricas de alto nivel, pero permite acceder a los niveles ms detallados de informacin

17

Minera de Datos
(Data Mining)

Es una tcnica de descubrimiento de informacin en bases de datos. Combina tcnicas de anlisis estadstico, inteligencia artificial, y tecnologas de base de datos. Encuentra patrones y relaciones tiles entre los datos, e infiere reglas que permiten predecir resultados futuros.

18

Inteligencia de negocio Resuelve la Brecha Analtica

19

Sin un Sistema de BI
Fuentes de Datos Data Warehouse Sistemas Dispersos Planificacin Destino/Usuarios Finales

Siebel

Consolidacin

Oracle

Query & Reports

SAP

Legacy

Anlisis

20

Con un Sistema de BI Corporativo

Fuentes de Datos Data Warehouse BPM Destino/Usuarios Finales
REPORTES OPERACIONALES Planificacin Gestin & Control Financiero Datos & Procesos Compartidos Anlisis Query & Reporting REPORTES FINANCIEROS DASHBOARD INTERACTIVO

Siebel

Oracle

SAP

Legacy

21

Inteligencia de negocio Permite concentrar esfuerzos en el anlisis

22

Objetivos del curso

El objetivo de este curso es proporcionar elementos que permitan entender los conceptos tericos fundamentales subyacentes en las herramientas de Inteligencia de Negocios. Adems, los alumnos debern desarrollar actividades prcticas que les permitan aplicar los conceptos a problemas reales de negocio. Al finalizar el curso, el alumno conocer los fundamentos y sabr aplicar un conjunto de estrategias y herramientas enfocadas a la administracin y creacin de conocimiento mediante el anlisis de datos existentes en una organizacin o empresa.

23

Qu queremos ensear?
Inteligencia de Negocios
Tecnologas
Data Warehouse Query & Reporting OLAP Data Mining Dashboard

Metodologas

24

Contenidos
1. Introduccin y Conceptos Bsicos 2. 3. 4. 5. 6. 7. Bodegas de Datos (Data Warehouse) Procesamiento analtico en Lnea (OLAP, On Line Analytic Processing) Consultas e Informes (Query & Reporting) Minera de Datos (Data Mining) Paneles de Control Ejecutivo (Dashboards) Relacin con la gestin estratgica del negocio

8. Herramientas de apoyo (contenido transversal) 9. Casos de xito (contenido transversal)

25

Metodologa
Clases
Fundamentos Conceptuales Ejemplos: descripcin y anlisis crtico Anlisis de casos (artculos de revistas y white papers) Testimonios de casos reales Casos Conocimiento prctico de herramientas disponibles Explorar en forma individual las herramientas disponibles

Lecturas
Ayudantas

Tareas
Trabajo grupal

26

Evaluacin
Individual
2 interrogaciones (I1, I2) Examen obligatorio (EX) Tareas (T)

Proyecto grupal
2 informes (E1, E2) 2 presentaciones (P1, P2)

NF = 50% * (I1 + I2 + 2 * EX)/4 + 10% * T + 40% * (P1 + E1 + 2 * P2 + 2 * E2)/6

27

Proyecto Grupal
Objetivo
El objetivo del proyecto grupal es que los alumnos tengan la oportunidad de aplicar las tecnologas y metodologas de Inteligencia de negocios estudiadas en el curso, al estudio de un caso real.

Grupos de 3 personas Fechas relevantes

Viernes 11 de Marzo descripcin detallada del trabajo grupal Mircoles 16 de Marzo formacin de los grupos y seleccin de la organizacin con la que trabajarn Semana del 21 de Marzo - planificar a ms tardar primera reunin con la empresa

28

Calendario de Evaluaciones
Evaluaciones
Interrogacin 1 Interrogacin 2

Fecha
Mircoles 13 de abril Mircoles 18 de mayo

Examen

Lunes 4 de julio

29

Bibliografa

Pgina web del curso en SIDING

CINDI HOWSON, Successful Business Intelligence: Secrets to Making BI a Killer App, McGraw-Hill, 1st edition, 2007. LARISSA T. MOSS, SHAKU ATRE, Business Intelligence Roadmap: The Complete Project Lifecycle for Decision-Support Applications, Addison-Wesley Professional, 1st edition, 2003. ELIZABETH VITT, MICHAEL LUCKEVICH, STACIA MISNER, Business Intelligence, Microsoft Press, 1st edition, 2002. DAVID LOSHIN, Business Intelligence: The Savvy Manager's Guide, Morgan Kaufmann, 1st edition, 2003. W. H. INMON, Building the Data Warehouse, Wiley, 3rd Edition, 2002. RALPH KIMBALL, MARGY ROSS, The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling, Wiley, 2nd edition, 2002. RALPH KIMBALL, MARGY ROSS, WARREN THORNWAITE, JOY MUNDY, BOB BECKER, The Data Warehouse Lifecycle Toolkit, Wiley, 2nd edition, 2007. DAVID LOSHIN, Master Data Management, Morgan Kaufmann, 1st edition, 2008. ERIK THOMSEN, OLAP Solutions: Building Multidimensional Information Systems, Wiley, 2nd edition, 2002. IAN H. WITTEN, EIBE FRANK, Data Mining: Practical Machine Learning Tools and Techniques, Morgan Kaufmann, Second Edition, 2005. JIAWEI HAN, MICHELINE KAMBER, Data Mining: Concepts and Techniques, Morgan Kaufmann Series in Data Management Systems, 2nd edition, 2005. MICHAEL J. A. BERRY, GORDON S. LINOFF, Data Mining Techniques: for Marketing, Sales, and Customer Relationship Management, Wiley Computer Publishing, 2nd edition, 2004. WAYNE W. ECKERSON, Performance Dashboards: Measuring, Monitoring, and Managing Your Business, Wiley, 1st edition, 2005.
30