Sunteți pe pagina 1din 12

With computerizationand the growth of companies has greatly increasedgenerating capacity and

data storage, are so large volumes of data analysis can't be done with existing traditional methods.
The greater the abilityto store data, the greater is the inabilityto extracttruly useful information, and
much of the important information for decision making is hidden, and ofien not taken into account
because they could not get that valuable information when required, in addition to transactional
systems that are commonly used in organizations are not adequate for analysis and extraction of
relevant historical information. This work aims to implement a Datamart, as a tool hat will develop
Business Intelligence on the Logistica of a company that provides outosrcing services; with this
thesis project raises the simplificationof procurementprocedures, processingand data processing,
lo oblain informalion from custorner behavior, and Ihereby support decision-makingin the logistica
area under study.
Keywords: Dalamart, Datawarehouse,Bussines Inteligence, logistica shopping.
ABSTRAer
Con la informatizaciny el crecimiento de las empresas, se ha elevado en gran medida la capa-
cidad de generacin y almacenamiento de datos; son tan grandes los volmenes de datos que
su anlisis no puede realizarse con los mtodos tradicionales existentes. Mientras mayor es la
capacidad para almacenardatos, mayor es la incapacidadpara extraer informacinrealmente til,
y gran parte de la informacinimportantepara la toma de decisiones queda oculta, y muchas veces
no tomadas en cuenta debido a que no se pudo obtener esa valiosa informacin en el momento
requerido, adems los sistemas transaccionalesque se utilizancomnmenteen las organizaciones
no son los adecuados para anlisis y extraccin de informacin histrica y relevante. El presente
trabajo se orienta a implementarun Datamart, como una herramientaque permitirdesarrollar Inte-
ligencia de Negocios sobre el rea de Logistica de una empresa que brinda servicios de Terceriza-
cin y Outsorcing;se plantea la simplificacinde los procedimientosde extraccin, transformacin
y procesamientode datos, para la obtencin de informacindel comportamientode los clientes, y
con esto brindar apoyo en la toma de decisiones al rea de Logstica en estudio.
P alabras clave: Datamart, Datawarehouse,Inteligenciade Negocios, logstica, compras, provee-
dores
RESUMEN
julioyalanc@gmail.com, lucho.palomino@gmail.com
UniversidadNacional Mayor deSanMarcos
FacultaddeIngenieradeSistemaseInformtica
J ulioYalanCastillo, LuisPalominoPaniora
Implementation of a Datamart as Solution Business Intelligence for T-Impulso Logistics Area
Implementacin deun Datamart como una solucin de
Inteligencia deNegocios para el readelogstica de
T-Impulso
ISSN 1815-0268(versinimpresa)
ISSN 1816-3823(versinelectrnica)
RISI 10(1),53- 63(2012)
REVISTA DE I:\VESTlGACI;-'DE SISTEMAS E bFORMTlCA
FACULTADDE INGE).iIERADE SISTEMASE INFORMTICA
Ur-:rVERSrDADNACIONAL MAYOR DE SAN MARCOS
54
3.3. DataMart
Un DataMart es una base de datos departamental,
especializada en el almacenamientode los datos de
un rea de negocio especfica. Se caracterizapor dis-
poner la estructura ptima de datos para analizar
3.1.1. Componentes de Inteligencia de Negocios
Todaslas solucionesde Inteligenciade negociostienen
funcionesparecidas, perodebende reuniral menoslos
siguientes componentes:
Multidimensionalidad: La informacin multidi-
mensionalse puede encontraren hojas de clculo,
bases de datos, etc. Una herramienta de Inteli-
gencia de negocios debe de ser capaz de reunir
informacindispersaen toda la empresae incluso
en diferentes fuentes para as proporcionara los
departamentosla accesibilidad,poder y flexibilidad
que necesitanpara analizarla informacin.
Data Mining: proceso que intenta descubrir patro-
nes en grandes volmenesde conjuntosde datos.
Agentes: Los agentes son programas que "pien-
san". Ellos pueden realizar tareas a un nivel muy
bsico sin necesidad de intervencin humana.
Por ejemplo, un agente pueden realizar tares
un poco complejas, como elaborar documentos,
establecerdiagramasde flujo, etc.
Data Warehouse: Es la respuestade la tecnologa
de informacina la descentralizacinen la toma de
decisiones. Coloca informacinde todas las reas
funcionales de la organizacinen manos de quien
toma las decisiones. Tambin proporciona herra-
mientas para bsqueday anlisis [6]
3.2. Data Warehouse
Un Data Warehousees una base de datos corporativa
que se caracteriza por integrar y depurar informacin
de una o ms fuentes distintas, para luego procesarla
permitiendosu anlisis desde infinidadde 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 informacin
(modelos de tablas en estrella, en copo de nieve,
cubos relacionales... etc.). Este tipo de persistencia
de la informacin es homognea y fiable, y permite
la consulta y el tratamientojerarquizado de la misma
(siempre en un entorno diferente a los sistemas
operacionales).
3.1. Inteligencia de Negocios
El concepto de Inteligenciade Negocios no es un re-
sultado de desarrollosen el mundode las CienciasAd-
ministrativas,sino que es un productodel progresode
la informticao de la denominada"infotecnologa".[1]
Tampocoes unconceptonuevooriginadoya que su ori-
gen data de la publicacinen el IBM J ournal de 1958,
del artculo de Hans Peter Luhn titulado "A Business
IntelligenceSystem"dondese define con detalleel con-
cepto con una perspectiva,que solo en nuestros das,
ha sido posiblesu plena utilizacin. [1]
3. MARCO REFERENCIAL
2.1. Definicin del Problema
El problema principal radica en que el procesode ex-
traccin e integracin de los datos para la realizacin
de los reportes se realiza manualmente y sistemti-
camente, resultando muy complicado, provocando re-
traso en la atencin de requerimientos haciendo que
en muchos casos la entrega de la informacinno sea
oportuna; Por otro lado la elaboracinde algunos re-
portes requiere mayor conocimiento en el manejo de
las herramientas informticas, por lo que son deriva-
dos al rea de Tecnologade Informacin,ocasionando
mas prdida de tiempo.
2. PLANTEAMIENTOMETODOLGICO
Desdeel inicio de la era de la informacinlas empresas
necesitan explotar su mayor recurso, la informacin.
La explotacineficiente de la informacinpermite una
rpida, acertada y oportuna toma de decisiones bajo
el manejo de datos confiables. Por esta razn muchas
organizaciones han logrado implementar un DataMart
que permita centralizar la informacintil y necesaria
para ayudar a la toma de decisiones en los siguientes
niveles organizacionales:Nivel operativo, Nivel tctico
y Nivel estratgico.
El presentetrabajo implementaun DataMartcomo una
solucin para aplicar Inteligencia de Negocios en el
rea de Logsticade T-IMPULSO,empresa encargada
de brindar servicios de Recursos Humanos principal-
mente.
1. INTRODUCCiN
REVISTA DE lNGENIERiA DE SISTEMAS E lJ -;FOR.'-ITICA VOL. lO, N." 1, ENERO - J UJ -;IO 2013
55
Tabla N .O 1. Diferencias entre Data Warehouse y DataMart
E. administrado por el personal de
s stema de l. unidad propietaria del
Datarnart
Admlnlstradn
Es administrado por la unidad de
sistema delaorganizacin
Pertenece al rea de negocio al cual
esta orientado
Pertenece a toda la organizacin Pe-rteuencia
Administra grandes cantidades
de datos histricos a nivel
atmico
Se concentra en administrar
resmenes y/o datos totalizados
Caractersticasde
los datos
Diseado para optimizar laentrega de
informacin desoporte adecisiones
Diseado para optimizar la
integracin y la administracin
de los datos fuente
O bjetivo
Construido para satisfacer las
necesidades de un rea de negocios
especifica
Construido para satisfacer las
necesidades de informacin de
toda la organizacin
Alcance
. .., '; r .D~tal'V reJ iouse -.';;- '.
,
.' <" '. :Dat~mart ' '".: . .c
..'
Diferenciasque existenentre DatawarehouseyDataMart.
3.3.2.2. Datamart OLTP
P ueden basarse en un simple extracto del Data Ware-
house, no obstante, lo comn es introducir mejoras en
su rendimiento (las agregaciones y los filtrados suelen
ser las operaciones ms usuales) aprovechandolas ca-
ractersticasparticularesde cada rea de la empresa. [7]
Los datamarts que estn dotados con estas estructuras
ptimas de anlisis presentan las siguientes ventajas:
P oco volumen de datos
Mayor rapidez de consulta
Validacindirecta de la informacin
Facilidad para la historizacin de los datos
3.3.3. Diferencias entre un Datawarehouse y
DataMart
3.3.2. Tipos de DataMarts
3.3.2.1. Datamart OLAP
Se basan en los populares cubos OLAP , que se cons-
truyen agregando, segn los requisitos de cada rea o
departamento, las dimensiones y los indicadores nece-
sarios de cada cubo relacional.
3.3.1.3. DataMart hbrido
Los DataMart hibridos permiten combinar las fuentes
de datos de un Data Warehouse corporativo con otras
fuentes de datos tales como sistemas transaccionales
y/o operacionales.
3.3.1.2. DataMart independiente
Son aquellos que toman sus datos directamente desde
los sistemas transaccionales y no dependen de otros
Datawarehouse. Este tipo de Datamart se alimenta ge-
neralmente de las organizaciones.
3.3.1.1. DataMart dependiente
Los Datamart dependientes son aquellos que reciben
los datos desde una Data warehouse. En este tipo de
Datamart la fuente de los datos es nica.
3.3.1 Clasificacin del DataMart
Se observa la clasificacin del DataMart segn Inmon.
la informacin al detalle desde todas las perspectivas
que afecten a los procesos de dicho departamento. Un
datamart puede ser alimentado desde los datos de un
dataWarehouse, o integrar por si mismo un compendio
de distintas fuentes de informacin. [7]
IMPLEMEI'TACIN DE UN DATAMARTCO MO U~A SO LUCI~DE IN TELIGEN CIADE N EGO CIO S
R1Sl 10(1),53 - 63 (2013)
56
4.3. Cuadro comparativo de las herramientas
4.3.1.Defincon de las variables de comparacion
En la TablaN.o2 mostramosla definiciny ponderacin
de las variables de comparacinpara las herramientas
antes mencionadas.
4.2.6. Bussiness Objects
Bussiness Objects es otra plataformaBI que se carac-
teriza por ofrecer distintas funcionalidadessegnel ta-
mao de la empresaque la adquierey la licencia.
4.2.7. Pentaho
Pentaho es una plataformade BI "orientadaa la solu-
cin" y "centrada en procesos" que incluye todos los
principales componentesrequeridos para implementar
soluciones basados en procesos. las soluciones que
Pentaho pretende ofrecer se componen fundamental-
mente de una infraestructurade herramientasde an-
lisis e informes integradocon un motor de workflowde
procesos de negocio.[21]
4.2.8. Octopus
Octopuses, al igual que Pentaho,una herramientalibre
pero slo se centra en los procesos ETL. Est basada
en J ava y por lo tanto se puede conectar a cualquier
fuente J DBC.
4.2.5. Cognos
Cognos 8 Business Intelligence [COG 2007] es una
plataformadel grupo IBM que permite la generaciny
visualizacinde reportes,cubos, dashboardsy Balance
scorecards, adems de la gestinde permisos y usua-
rios necesariapara la implementacinde la plataforma
4.2.3. SUNOPSIS
Tambinexiste en el mercado, Sunopsis [SUN 2007],
que ofrece un alto desempeoy una integracinefecti-
va, cubriendo las necesidadesde integracin.
4.2.4. Microstrategy
Existen soluciones como MicroStrategy Business In-
telligence Solutions que permite mejorar y predecir el
comportamientodel negocio, poniendo informacinen
las manos de toda personade negociosen la empresa..
4.2.2. Data Stage
DataStage [DAT 2007] es una herramientaque permi-
te soportar la informacinque necesita la compaa, y
construir un Data Warehouseen "tiempo rea!". El Da-
taStage es una herramienta ETl (ExtractlTransforml
load - Extraccin,Transformaciny Carga) que utiliza
notacin grfica para construir integracin de datos
para dar soluciones,y est disponibleen varias versio-
nes, como Server Editiony EnterpriseEdition.
4.2.1. SSIS
El software Sal Server Integration Services (8SIS)
[Sal 2007], permite la integracin de los datos de
cualquier fuente. SSIS provee una plataforma escala-
ble y extendible que capacita al equipo desarrolladora
construir, mantener,y desplegarsoluciones de integra-
cin para alcanzarsoluciones de integracinnicas de
acuerdo a las necesidades.
En el paper "[Pea Ayala, Alejandro, Diciembre
2005]: Inteligencia de negocios: Una propuesta
para su desarrollo en las Organizaciones, Editorial
APA" se presentay describeun modelogeneral OLAP
y prototipo de un Sistema Data Warehouse para una
empresadel sector pblico en general y se implemen-
ta en la empresa pblica Editora Per SA Se revisan
los antecedentes, cmo se consolida la informacin
actualmentede forma manualo con apoyode otros sis-
temas, se define el problema,se muestragrficamente
la situacinactual, se determinala justificacindel pre-
sente trabajo y los mtodos utilizados. Se detallanlos
objetivos generales y especficos; adems se explica
el concepto de Inteligenciade Negocios y Almacn de
Datos. Se muestrael ModeloGeneral OLAP de Editora
Per, as como el prototipo desarrollado para mostrar
parte de la solucinal problema.
4.2. Posibles herramientas a utilizar
4.1. Modelo de Data Warehouse para el sector
pblico (Editora Per S.A.)
RESUMEN
4. ESTADODEL ARTE METODOlGICO
REVISTA DE INGENIERA DE SISTEMAS E INFORMTICA VOL. 10, N." 1, ENERO - J UNIO20 13
57
4.4.2.Metodologa de Kimball
Ralph Kmball, es reconocido como uno de los padres
del concepto de Data Warehouse, se ha dedicado des-
de hace ms de 10 aos al desarrollo de su metodo-
loga para que ste concepto sea bien aplicado en las
organizaciones y se asegure la calidad en el desarrollo
de estos proyectos.
4.4.1. Metodologia Roadmap
En trminos generales de BI, el Business Intelligence
Roadmap (BIR) especifica el camino y la direccin que
deben seguir las aplicaciones, estructuras, herramien-
tas y personas que intervienen en un proyecto de este
tipo.[22]
4.4. Metodologas
Tabla N. 4. C uadro comparativo de herramientas 8 I
F uente: Elaboracin P ropia
Herramienta ElL
Etaboracin de
Oren Sl'UITf
( onocirnicnto
Puntuacin
Reportes herramienta
SSIS 1 1 O 2 4
Data Stage 1 O O O 1
Sunopsis 1 O O O 1
Micro Strategy O 1 O O 1
BussinessObjects O 1 O O 1
Cognos O 1 O O 1
Octopus 1 O O O 1
Pentaho 1 1 1 O 3
4.3.3. Puntuacion de las herramientas
En la tabla N.o 4 se aprecia que SO LServer Integration
Services obtiene el mayor puntaje. En la F igura 12 se
puede apreciar el puntaje en porcentajes siendo SSIS
el que obtiene el 100% de puntuacin.
Tomando como base las caractersticas de estas he-
rramientas y el puntaje obtenido se opt por utilizar la
herramienta SSIS(SO LServer IntegrationServices)
Tabla N. 3 C uadro de puntuacin de las herramientas 81
F uente: Elaboracin P ropia
4.3.2. Criterio de puntuacion
En la tabla N.o 3 se muestra una puntuacin que se
asigna al valor de las variables
Tabla N. 2. Definicin y ponderacin de variables de C omparacin de herramientas 81
F uente: Elaboracin P ropia
Conocimiento de laherramientatiene unapondera-
cinde2porqueconsideramosunaventajael manejo
delaherramientapararealizar el proyecto
Conocimientoherramienta 2
El cdigo fuentedelasolucinesdecdigo abierto OpenSource
Permitelaelaboracindereportes ElaboracindeReportes
Permite laExtraccin, Transformacin y Carga.
ETL
IMPLEMENTACINDE UN DATAMARTCOMOUNASOLUCINDE INTELIGENCIADE NEGOCIOS
RISI 10(1),53 - 63 (2013)
58
Tabla N." 7. C uadro comparativo de metodologias 81
F uente: E laboracin P ropia
.
, Mctodologia Planeacin Etapas Actividades de
Herramienta Ciclo devida Punruacn
genrica estratgica detalladas cada etapa
ROADMAP I 1 I 1 1 5
KIMBALL 1 1 O 1 1 4
DWEP 1 O O 1 O 2
4.5.3. Puntuacon de las herramentas
E n la Tabla N . O 7. se aprecia que la metodologa ROADMAP obtiene el mayor puntaje. E n la F igura 3.2 se puede
apreciar el puntaje en porcentajes siendo ROADMAP el que obtiene el 100% de puntuacin.
Tabla N." 6 C uadro de puntuacin de las herramientas 81
F uente: E laboracin P ropia
4.5.2.Critero de puntuacon
E n la Tabla N . O 6. se muestra una puntuacin que se asigna al valor de las variables
Tabla N." 5 Definicin y ponderacin de variables de C omparacin de las metodologas
F uente: E laboracin P ropia
Cada etapa contiene las actividades a realizar para
lograr su completitud.
Actividades de cada etapa
Tiene etapas completamente detalladas, que sumn-
dolas dan como resultado lacompletitud del proyecto
de Bl.
Cubre laplaneacin estratgica de laorganizacin.
Etapas detalladas
Considera todo el ciclo de vida del producto, hasta
el despliegue y lamarcha.
Ciclo de vida
Planeacin estratgica
Aplicable amltiples plataformas. Metodologa genrica
4.5. C uadro C omparativo de Metodologas
4.5.1. Definicin de las variables de comparacin
E n la Tabla N . O 5 mostramos la definicin y ponderacin
de las variables de comparacin para las metodologas
antes mencionadas.
4.4.3. Metodologa Data Warehouse Engneerng
Process (DWEP)
Metodologa basada en RUP yen la herramienta UML
para desarrollar un Data Warehouse o DalaMart llama-
da Data Warehouse E ngineeringP rocess (DWE P ). E sta
metodologafue propuestapor Sergio Lujn-Mora y J uan
Trujilloen el ao 2006.
REV[STA DE IN GEN [ERA DE S[STEMAS E IN FORMT[CA VOL. 10,N . " 1,EN ERO - J UN [O 2013
59
1. Definicin de Requerimientos
Requerimientos funcionales.
Requerimientos de informacin.
Requerimientos de seguridad y performance.
2. Anlisis de Datos
Fuente de datos.
Calidad de datos.
Limpieza de datos.
3. P rototipo de Aplicacin
Objetivos de prototipos.
Evaluacin
Estado del acceso de la informacinen la empresa.
Reglas del negocio.
Estadodel entornode soportea la tornade decisiones.
J ustificacin de decisiones.
Retorno de inversin.
5.2.1. Pasos para la implementacion del DataMart
como solucion de inteligencia de negocios segn
Business Inteligence Roadmap
Solo se considera en este proyecto el paso "Desarrollo
del ETL
Figura N. 1. Metodologa adaptada de Busness Intellgence RoadMap
Fuente: Elaboracin propa
J ustificacin Anllsls dlll negocio Oisef\() ccnstruectcn Oespllgue
5.2. Definicion de la metodologa elegida
P ara el desarrollo del DataMart como solucin de In-
teligencia de negocios para T-IMP ULSO, se emplea la
gua Business Intelligence RoadMap elaborado por La-
rissa T . Moss y ShakuAtre [26], y la gua Metodologias
de Soluciones Cognos y Cognos Business Intelligence
Roadmap, dado que brinda los pasos a seguir para el
ciclo de vida de un proyecto de Inteligenciade Negocios
Facilita la creacin de soluciones complejas y s-
lidas para la extraccin, transformacin y carga
(ETL)de datos.
P roporcionanla capacidad de disear, crear, imple-
mentar y administrar paquetes que tratan los requi-
sitos empresariales cotidianos.
5.1.2. Microsoft sql server 2005integration
services (ssis)
5.1.1. Microsoft Sq/ Server 2005Ana/ysis Services
(Ssas)
P roporcionala basede unasolucinde Inteligenciade
Negocios.
P roporcionan la capacidad de disear, crear y ad-
ministrar cubos y modelos de minera de datos de
los almacenes de datos, y permiten que el cliente
pueda obtener acceso a los datos OLAP y de la
minera de datos.
5.1. Definicin de las herramientas a utilizar
5. IMP LEMENTACiN y RESULTADOS
IMPLEMENT ACINDE UN DAT AMARTCOMOUNASOLUCINDE INT ELlGENC!ADE NEGOCIOS RISI 10(1),53 - 63 (2013)
60
5.3.1.2.Estado del entorno de soporte ala toma de
decisiones
En la Actualidad el soporte a la toma de decisiones en
el rea de Logstica de la empresa T-Impuslo se realiza
de la siguiente forma:
a. Los trabajadores del rea de logstica si tienen un
requerimiento de informacin llenan su solicitud
de requerimiento de informacin dirigido al rea
de informtica de la empresa.
b. El jefe de rea de Logstica aprueba la solicitud de
requerimiento de informacin, y posteriormente lo
dirigen a mesa de partes.
c. La solicitud de Requerimiento pasa a mesa de
partes, quienes canalizan el requerimiento al rea
de informtica de T-Impulso.
d. En el rea de informtica de T-Impulso, el jefe del
rea designa a un analista programador quien re-
solver el requerimiento.
e. El analista programador retorna el requerimiento
hacia el solicitante del rea de Logstica, a travs
de un reporte, hoja de clculo o grfico.
f. El trabajador del rea de Logstca quien solicito
el requerimiento verifica si se cumpli con el
requerimiento y luego da su conformidad.
5.3.1.1.Reglas del negocio
Las reglas de negocio implcitas dentro de la toma de
decisiones del rea de Logistica son:
Todo requerimiento de informacin que no puede
ser cubierto por la misma rea de Logstica, se de-
lega la responsabilidad al rea de informtica para
que brinde las facilidades necesarias.
Todo requerimiento de informacin del rea de Lo-
gstica, debe ser evaluado y autorizado por el jefe
del rea.
Los requerimientos de informacin tienen un plazo
de entrega con el mutuo acuerdo entre el rea de
Logstica y el rea de informtica.
de la solucin desarrollada, y el alcance de la presente
tesina solo llega hasta la obtencin de la solucin y al-
gunas pruebas Alfa con la misma.
5.3.1. Evaluacin del negocio
5.3. Aplicacin de la guia Gusiness Intelligence
Roadmap
La presente tesina solo est contemplada hasta el paso
DESARROLLO DEL ETL, Los pasos siguientes den-
tro del Business InteligenceRoadmap (Desarrollo de
la Aplicacin, Certificacin E Implementacin) no son
incluidos dentro del presente proyecto, puesto que es-
tos pasos son definidos para la puesta en produccin
P articipacin de stakeholders.
Herramientas y mtodos para el prototipo.
4. Diseo de la Base de Datos
Demanda de reportes y consultas.
Consideracionespara el diseo de la base de datos.
Seleccin de un DBMS.
5. Diseo del ETL
Seleccin de herramientas ETL.
Fases de ETL.
Flujo de procesos ETL.
Mtricas de calidad.
6. Desarrollo del ETL
Extraccin desde sistemas fuente.
Herramientas ETL.
Flujo del desarrollo ETL.
P ruebas.
7. Desarrollo de la Aplicacin
Resultados del prototipo.
Herramientasde accesoy anlisisde la informacin.
Capacitacin de usuarios.
Alcance de la aplicacin.
8. Certificacin
Elaboracin de casos de prueba.
P ruebas de carga.
P ruebas de funcionalidades.
9. Implementacin
Componentes para produccin.
Mantenimiento de la base de datos.
Capacitacin y soporte a la solucin.
REVISTA DE INGENIERlA DE SISTEMAS E INFORMTICA VOL. 10, N." 1, ENERO - J UNIO 2013
61
Figura N .o 2. Creacin de la Vista del Cubo para el DataMart
Fuente: Elaboracin propia
rv~:~_J
! : : ; - . . . : . .
'- J
5.3.4.2. Demanda de reportes y consultas
Las principales demandas de reportes y consultas que
tienen los trabajadores del rea de Logstica, son re-
portes de compras de acuerdo a los siguientes criterios:
Calendario, Sucursal, Usuario, P roveedor, Compras,
Orden de Compra y Articulo.
5.3.4.3. Consideraciones para el diseo del DataMart
En la figura N .o 2. se construye la vista del cubo, aqu
es donde se escogen solo las tablas que se utilizaran
en la implantacin del cubo o Datamart.
fica) en todas las RDBs que encuentran relacin con
las dimensiones especificadas en nuestros modelos
fsicos y lgicos.
5.3.4. Diseo del Data Mart
5.3.4.1. Procesos de la bd actual de logistica
Existes tres procesos en el rea de Logstca de los
cuales mencionaremos dos. Registro del Requerimien-
to, Cotizacin y Entradas y Salidas
P roceso de cotizacin El proceso empieza cuando se
requiere atender un requerimiento y no hay productos;
Se genera una nota de pedido para realizar un cotiza-
cin, de acuerdo a la cotizacin ms barata , es que
se genera una orden de compra la cual se adjunta al
comprobante ,la factura de pago del proveedor, des-
pus se alimento el stock del almacn y se atiende el
requerimiento con una nota de salida.
P roceso de entrada y salida de P roductos. En este
proceso se observa la alimentacindel stock del alma-
cn, atraves de la nota de entrada, y a travs de la nota
de salida se atienden los requerimientos y disminuye
el stock.
5.3.3.1. Fuente de datos
El rea de Logstica de la empresa T-Impulso, trabaja
con 5 bases de datos en los cuales se guarda la infor-
macin de los clientes, ventas y productos. Las bases
de datos son de diferentes proveedores, y estos son:
Oracle 10g, SOL Server de Microsoft, MySOl de Ora-
ele, Firebird (lbExpert).
5.3.3.2. Calidad de datos
Debido a que los datos se encuentran en RDBMS de
diferentes proveedores de software, existe incompati-
bilidad de formatos a la hora de relacionar la data de
todas las fuentes
limpieza de datos
En esta fase se comenz a definir todas aquellas tablas
(P roveedores, compras, productos y ubicacin geogr-
5.3.2. Definicin de requerimientos
5.3.2.1. Requerimientos funcionales
La identificacin de los requerimientos es una etapa im-
portante para el desarrollo de este proyecto de tesis ya
que depender en gran medida del alcance y el desa-
rrollo del data mart para el rea de Logstica propuesta.
El trabajo realzado se ha basado en entrevistas de le-
vantamiento de informacin en el rea de Logstica, en
donde se cubrieron los siguientes puntos:
Gestin de la informacin en el rea de Logistica.
Identificacin de objetivos dentro del rea.
Identificacin de las lgicas del negocio.
P ublicacin y distribucin de la informacin.
El objetivos principal:
Disminucindeltiempoen laelaboracinde losreportes.
5.3.3. Anlisis de datos
IMPLEMEN TACINDE UN DATAMARTCOMOUN A SOLUCIN DE IN TELIGEN CIADEN EGOCIOS RISI 10(1),53 - 63 (2013)
62
F igura N .o 4. E jemplo de Consultas
E n el grfico a continuacin mostramos como en el examinador del Datamart podemos hacer ya uso de la data
relacionando las tablas, y posteriormente exportarlas a E xcel.
F igura N .o 3. P roceso de E xtraccin, transformacin y Carga (elaboracin propia)
Microsoft S QL S erver 20051ntegration S ervices (5515)
F acilita la creacin de soluciones complejas y s-
lidas para la extraccin, transformacin y carga
(E TL) de datos.
P roporcionan la capacidad de disear, crear, imple-
mentar y administrar paquetes que tratan los requi-
sitos empresariales cotidianos.
5.3.5.2. Fases 1 flujo y desarrollo de ETL
E n la figura N.o 3 mostramos el diseo de extraccin y
transformacin de carga de la informacin necesaria,
para poder despus manipular los datos y trabajarlos
en nuestro DataMart.
E l Microsoft S QL S erver 2005 Integration S ervices
(S S IS ) se encargara de realizar la carga de los datos de
las RBD ORACLE (rea de operaciones), S QL S erver
(rea de marketing) y F irebird.
~
~
5.3.5.1. Seleccin de herramientas ETL
5.3.5. Diseo de/ ETL
Microsoft SQL Server 2005 Ana/ysis Services
(SSAS)
P roporciona la base de una solucin de Inteligencia
de Negocios.
F acilita la creacin de sofisticadas soluciones de
procesamiento analtico en lnea (OLAP ) y minera
de datos.
P roporcionan la capacidad de disear, crear y ad-
ministrar cubos y modelos de minera de datos de
los almacenes de datos, y permiten que el cliente
pueda obtener acceso a los datos OLAP y de la
minera de datos ..
5.3.4.4. Seleccin de un DBMS.
REVISTA DE IN GEN IERA DE SISTEMAS E IN FORMTICA VOL. 10,N ." 1,EN ERO - J UN IO 2013
63
[5) [Luis Mendez del Ro Octubre 2006) Ms all del
Business Intelligence, Unigraf. 181p.
[6] [Nima Ramos 2009)J onathanNima Ramos Solucio-
nes OLAP con MicrosoftSQl ServerAnalysis Servi-
ces.
[7) P roductos de Oracle para Inteligenciade Negocios,
J ulio 2008, de http://www.oracle.com/technology/
products/bilindex.html
[8) [Rayner Huamantumba2007): Manual para el dise-
o y desarrollo de Datamart.
[9) [Rios 2011)Angel-Rios;P aper sobre la Inteligencia
de Negocios ORAClE.
[10] [Vincent Rainardi 2008] Building a Data Ware-
house with Examples in SQl Server.
[11] [Vincent Rainardi 2008) Building a Data Ware-
house with Examples in SQl Server.
[12] [HerreraOsorio, EdwarJ avier 2011]Diseandoun
modulo de inteligenciade negocios con UMl
[13] [Ing. Bernaben Ricardo Dario, Crdoba, Argen-
tina -17 de Enero de 2009]DataWarehousing:
Investigacin y Sistematizacin de conceptos.
Metodologa para la construccin de un Data
Warehouse.
[14] [Booch 199]P atrones de diseo, E. Gamma et al.
EditorialAddison-Wesley.
[15] [Kimball, Ralph] "The Data WarehouseToolkitse-
ries". Editorial J ohn Wile&Sons.1996-2004.
[16] [W . H. Inmon]."Buildingthe Data Warehouse".Edi-
torial Wiley, TerceraEdicin.2002.
(17) [RaynerHuamantumba2007]: Manual para el dis-
eo y desarrollo de Datamart.
[18] [Angel-Rios 2011]; P aper sobre la Inteligencia de
Negocios ORAClE
[19] [Marta Zorilla 2008]: Introduccinal Business In-
telligence.
[20] P agina oficial de P entaho http://www.pentaho.
coml
[21] P agina oficial de P entaho http://www.pentaho.
coml
[22] [larissa T . Moss, ShakuAtre, 2003]. Business In-
telligence Roadmap.
[23] [Vitt, Elisabeth2010] Business Intelligence:Tcni-
cas de anlisis para la toma de decisiones estra-
tgicas.
6. REFERENCIAS BIBLIOGRFICAS
[1] Conceptos y tecnologa de inteligencia de negocio,
Agosto 2005, de http://www.bi-spain.com
[2) Historia de la Inteligencia de Negocios, domingo,
21 de junio de 2009, de http://www.businessintelli-
gence.info/definiciones/historia-business-intelligen-
ce.html.
[3) [Ing. Bernaben Ricardo Dario, Crdoba, Argentina
-17 de Enero de 2009] Data Warehousing: Investi-
gacin y Sistematizacinde conceptos. Metodolo-
ga para la construccinde un Data Warehouse,
[4) Inteligenciade Negocios http://www.sinnexus.com/
business_ intelligence
5.1. Conclusiones
- Mediante procesos de extraccin; transformacin
y carga de data histrica, de forma automtica se
obtuvo un repositorio (DataMart) que permitir la
explotacineficiente de la informacin.
- El DataMartpermiti apoyar al rea de logistica en
la toma de decisiones, a travs de la entrega opor-
tuna y relevante de informacin.
- la implementacinde un DataMartredujoel tiempo
en la elaboracinde los reportes tanto al rea de 10-
gistica como al rea de Informtica,no se necesita
tener demasiado conocimiento de los datos alma-
cenados.
- El DataMartse constituy en una herramientaque
nos ayuda a la elaboracinde reportes y con ello a
la toma de decisiones sobre el rea de logstica de
la empresa T-Impulso.
5.2. Recomendaciones
Si no se tiene manejo de la herramienta SQl Server
Integration Services y se quiere reducir costos de im-
plementacin, se recomienda utilizar la herramienta
P ENTAHOya que es la herramientade cdigo libre que
obtuvo mayor puntaje en el benchmarking.
Agradecimientos
Agradecemos al MagisterAugusto Cortez Vsquez por
su orientacin. Sus sugerencias y recomendaciones
constituyeronun valioso apoyosin el cual no se hubiera
podido culminar el presente proyecto.
5. CONCLUSIONES Y RECOMENDACIONES
IMPLEMENT ACINDEUN DAT AMART COMOUNASOLUCiNDE INT ELIGENCIADE NEGOCIOS RISI 10(1),53 - 63 (2013)

S-ar putea să vă placă și