Documente Academic
Documente Profesional
Documente Cultură
PYMES
Autor/es:
Chapter I
CERTIFICA: Que la presente memoria titulada Business Intelligence para PYMES, ha sido
realizada bajo mi direccin por el/los alumno/s D. Manuel Alejandro Gonzlez Yanes y Da
Rebeca Mora Anca, y constituye su Proyecto Fin de Carrera de Ingeniera Informtica por la
Universidad de La Laguna.
Y para que as conste, en cumplimiento de la legislacin vigente y a los efectos que haya lugar,
firmo el presente certificado en La Laguna, a 12 de Julio de 2011
Resumen
Se denomina inteligencia empresarial, inteligencia de negocios o BI (del ingls Business
Intelligence) al conjunto de estrategias y herramientas enfocadas a la administracin y
creacin de conocimiento mediante el anlisis de datos existentes en una organizacin o
empresa.
La Business Intelligence acta como un factor estratgico para una empresa u organizacin,
generando una potencial ventaja competitiva, que no es otra que proporcionar informacin
privilegiada para responder a los problemas de negocio: entrada a nuevos mercados,
promociones u ofertas de productos, control financiero, optimizacin de costes, planificacin de
la produccin, anlisis de perfiles de clientes, rentabilidad de un producto concreto, etc...
Las herramientas de inteligencia abarcan la comprensin del funcionamiento actual de la
empresa como la anticipacin de acontecimientos futuros, con el objetivo de ofrecer
conocimientos para respaldar las decisiones empresariales. Las herramientas de Business
Intelligence se basan en la utilizacin de un Sistema de Informacin de Inteligencia que se
forma con distintos datos extrados de produccin, con informacin relacionada con la empresa
o sus mbitos y con datos econmicos.
Las herramientas de Business Intelligence ofrecen a las personas que toman las decisiones
utilidades que facilitan ese proceso como:
Cuadros de Mando para medir la evolucin de los Indicadores clave del negocio cmo
controlar las ventas o la situacin econmica.
Informes dinmicos con los que buscar causas o tendencias de forma sencilla y que
permiten analizar clientes, proveedores, produccin, etc. en profundidad.
El problema a abordar consiste en integrar SAP BO con una solucin de Business Intelligence
de forma que proporcione a las Pymes informes grficos y cuadros de mandos interactivos que
ofrezca una mayor versatilidad, control de los ingresos, los mrgenes y la liquidez.
Chapter I
Agradecimientos
A nuestro profesor de la Universidad de La Laguna, Marcos Colebrook, el cual nos anim a
desarrollar este proyecto tan satisfactorio a nivel personal y profesional.
A nuestra directora de proyecto de la Universidad de La Laguna, Virginia Gutirrez Rodrguez,
la cual trabaj con nosotros a lo largo de todo el proyecto siempre ayudando, aconsejando y
orientndonos en todo momento.
A las personas que forman ITOP Management Consulting, y en especial a Teresa Pestana y
Miguel Fernndez, por el apoyo y las horas que han dedicado con nosotros a este proyecto.
Dedicar este proyecto a nuestra familia y amigos por el apoyo y los nimos prestados en todo
momento incondicionalmente.
Gracias a profesores como Jos Luis Roda que nos dio grandes consejos y nos proporcion las
infraestructuras con las que realizar el proyecto, Daniel Gonzlez que nos descubri el mundo
del PMBOK e ITIL para poder crear los indicadores, Roberto Dorta que nos ayud a entender la
ISO9001.
Chapter I
Al trmino de esta etapa de nuestras vida. Queremos expresar todo nuestro agradecimiento a
quienes con su ayuda, apoyo y comprensin, nos alentaron a lograr esta hermosa realidad
nuestra formacin profesional.
Tabla de contenidos
Resumen..........................................................................................................2
Agradecimientos.............................................................................................4
Lista de figuras .............................................................................................. 7
Lista de Tablas................................................................................................8
Parte IV.Bibliografa.......................................................................................... 76
Parte
V.1.
Kniberg,
Henrick.
.
http://www.proyectalis.com/wpcontent/uploads/2008/02/scrum-y-xp-desde-las-trincheras.pdf.
[En
lnea] 09 de 06 de 2011. .............................................................................76
Parte VIII.4. Alexander, Michael. Crystal Xcelsius for Dummies. 2007. .......76
Parte IX.5. Berndtsson, M., Hansson, J., Olsson, B., Lundell, B. A Guide for
Students in Computer Science and Information Systems, Springer.
2008..............................................................................................................76
Parte XI.7. Doug Harts, Jim Dugan, Tricia Wilcox Almas. Microsoft SQL
Server 2008 R2 Analytics & Data Visualization. s.l. : Mac Graw Hill,
2008..............................................................................................................76
Chapter I
Parte XV.11. Roland Bouman, Jos van Dongen. Pentaho Solutions Business Intelligence and Data Warehousing with Pentaho and
MySQL. s.l. : WILEY....................................................................................76
Parte XVII.13. Erik Veerman, Jessica M. Moss, Brian Knight, Brian Knight.
Microsoft SQL Server 2008 Integration Services ProblemDesign
Solution. s.l. : Wiley Publishing, Inc, 2010...............................................76
Parte XXV.21. ZELAZNY, GENE. Say it whit Charts. s.l. : McGraw-Hill, 2001.
......................................................................................................................76
Parte XXVII.23. John Wiley & Sons, Inc., Hoboken, New Jersey. Business
Dashboards. s.l. : John Wiley & Sons, Inc., 2009................................... 76
Parte XXIX.25. Lynn Langit, Kevin S. Goff, Davide Mauri, Sahil Malik, and
John Welch. Smart Business Intelligence Solutions with Microsoft
SQL Server2008. s.l. : Microsoft Press, 2009.......................................... 76
Parte
XXX.26.
SQL SERVER
INTEGRATION
SERVICES
2008
LABORATORIOS . s.l. : INTERMEZZO BUSINESS INTELLIGENCE ,
2010..............................................................................................................76
Parte XXXI.27. Inmon, W. H. Building the Data Warehouse. s.l. : Design &
Composition, 2010......................................................................................76
Parte XXXIV.30. Philo Janus, Philo Janus. Pro SQL Server 2008 Analysis
Services. s.l. : Apress, 2010...................................................................... 77
10
Chapter I
Parte XXXVII.33. Chris Webb, Alberto Ferrari and Marco Russo. Expert
Cube Development with Microsoft SQL Server 2008 Analysis Services.
s.l. : Marco Russo, 2009.............................................................................77
Parte XXXIX.35. Kimball, Joy Mundy and Marren Thornthwaite with Ralph.
The Microsft Data Warehouse Toolkit whit SQL Server. s.l. : Kimball
Group, 2011.................................................................................................77
10
Lista de figuras
11
12
Chapter I
Lista de Tablas
12
1.1
Introduccin
En la actualidad, la gran mayora de las organizaciones cuenta con un Sistema de
Informacin1 (SI) que soporta gran parte de las actividades diarias propias del sector de
negocios en donde se est desempeando. Este sistema puede ser sencillo o robusto,
todo depende de las exigencias del negocio. Con el transcurso del tiempo, estas
aplicaciones llegan a tener la historia de la organizacin: los datos almacenados en las
bases de datos pueden ser utilizados para argumentar la decisin que se quiera tomar.
Un estudio realizado en Europa por Information Builders Ibric mostr el costo que
tiene la falta de Sistemas de Informacin Orientados para la Toma de Decisiones 2 o
Decision Support Systems (DSS) en las organizaciones. Segn estos datos, el
empleado europeo medio pierde una media de 67 minutos diariamente buscando
informacin de la compaa, lo que equivale a un 15,9% de su jornada laboral. Para
una organizacin de 1.000 empleados que gane unos 50.000 euros al da equivaldra a
7,95 millones de euros al ao de salario perdido, debido todo ello a la bsqueda de
informacin orientada a la toma de decisiones.
El poder competitivo que puede tener una empresa se basa en la calidad y cantidad de
informacin que sea capaz de usar en la toma de decisiones. Mediante la
implementacin de Inteligencia de Negocios o Business Intelligence (BI) se
proporcionan las herramientas necesarias para aprovechar los datos almacenados en
las bases de datos de los Sistemas Transaccionales 3 para utilizar la informacin como
respaldo a las decisiones, reduciendo el efecto negativo que puede traer consigo una
mala determinacin. Precisamente, Business Intelligence permite que el proceso de
toma de decisiones est fundamentado sobre un amplio conocimiento de s mismo y
del entorno, minimizando de esta manera el riesgo y la incertidumbre.
2 DSS es un sistema informtico utilizado para servir de apoyo, ms que automatizar, el proceso de toma de
decisiones.
3 Es un tipo de Sistema de Informacin diseado para recolectar, almacenar, modificar y recuperar todo tipo de
informacin que es generada por las transacciones en una organizacin.
13
14
1.2
Chapter I
Qu es BI?
BI es el conjunto de estrategias y tecnologas que nos van a ayudar a convertir los
datos en informacin de calidad y dicha informacin en conocimiento que nos permita
una toma de decisiones ms acertada y nos ayude as a mejorar nuestra
competitividad4
Business Intelligence hace hincapi en los procesos de recolectar y utilizar
efectivamente la informacin con el fin de mejorar la forma de operar de una
organizacin, brindando a sus usuarios, el acceso a la informacin clave que necesitan
para llevar a cabo sus tareas habituales y, en concreto, para poder tomar decisiones
oportunas basadas en datos correctos y certeros algo peor que no tener informacin
disponible es tener mucha informacin y no saber qu hacer con ella. Los datos
almacenados en nuestros sistemas no valen nada si no somos capaces de comprender
su significado, de elaborarlos y transformarlos en informacin de calidad, que sea
capaz de responder a las preguntas de los usuarios de diferentes reas de negocios
ventas, marketing, finanzas, inventarios, entre otras, como:
Cul es el estado de salud de mi empresa?
Cul es el nivel de satisfaccin de mis clientes? Y el de mis empleados?
Cul es la lnea de productos ms rentables? Es la misma que el ao anterior?
Cul es el segmento de clientes al que deberamos dirigir un nuevo producto?
Qu departamentos son los ms productivos?
Al contar con la informacin exacta y en tiempo real, es posible, adems de lo anterior,
identificar y corregir situaciones antes de que se conviertan en problemas potenciales o
prdidas de control de la empresa, pudiendo conseguir nuevas oportunidades o
readaptarse frente a la ocurrencia de sucesos inesperados. A todo ello, a partir de
ahora se denominar solucin BI.
Quin necesita soluciones de Business Intelligence?
Para ello nos planteamos las siguientes cuestiones:
Pasa ms tiempo recolectando y preparando informacin que analizndola?
En ocasiones le frustra el no poder encontrar informacin que usted est seguro que
existe dentro de la empresa?
Pasa mucho tiempo tratando de hacer que los informes en Excel luzcan bien?
No sabe qu hacer con tanta informacin que tiene disponible en la empresa?
Quiere saber qu productos fueron los ms rentables durante un periodo
determinado?
Ha perdido oportunidades de negocio por recibir informacin retrasada?
Trabaja horas extras el fin de mes para procesar documentos e informes?
No sabe con certeza si su gente est alcanzando los objetivos planeados?
14
1.2.1
Proceso BI
El proceso BI se describe en cinco fases, las cuales se explican teniendo como
referencia la Figura 1, grfico que sintetiza todo el proceso.
5 Wal-Mart es una empresa multinacional de origen estadounidense, el minorista ms grande del mundo; y por sus
ventas y nmero de empleados, la mayor compaa del mundo. Su concepto de negocio es la tienda de autoservicio de
bajo precio y alto volumen.
6 Las tcnicas de basket analysis del mercado permiten analizar los productos que integran la bolsa de la compra y las
relaciones existentes entre ellos. En este nivel de detalle, la informacin es muy til y proporciona a los usuarios de
negocio visibilidad directa sobre la bolsa de la compra de cada cliente.
Los Sistema de Informacin Ejecutiva son una herramienta de Business Intelligence, orientada a usuarios de nivel
gerencial, que permite monitorizar el estado de las variables de un rea o unidad de la empresa a partir de informacin
interna y externa a la misma.
15
16
Chapter I
1.2.2
1.3
Qu es un Data Warehouse?
Supngase que una compaa quiere analizar aquellos pases y gama de productos en
los que las ventas vayan excepcionalmente bien. La compaa dispone de una base de
datos transaccional sobre la que operan todas las aplicaciones de la empresa:
produccin, venta, facturacin, proveedores etc. Lgicamente, de cada venta se
registra la fecha, la cantidad, el comprador y el pas de este. Con toda esta informacin
histrica nos podemos preguntar:
Es esta informacin suficiente para realizar el anlisis planteado?
La respuesta hay que buscarla fuera de la base de datos, en el contexto donde se
motiva el anlisis. La incorporacin de un producto depende de las ventas por
habitantes. Si no tenemos en cuenta la poblacin de cada pas, la repuesta al anlisis
16
estar sesgada. Tambin puede ocurrir que, dependiendo de la gama del producto, nos
interese informacin externa verdaderamente especfica, como por ejemplo, las horas
de sol anuales de cada pas, siendo informacin valiosa para una compaa de
cosmtica: es ms difcil vender bronceador en Lituania que en Canarias. Pero este
hecho, que nos parece tan lgico, slo podr ser descubierto por herramientas de
Minera de Datos8, si se incorpora informacin climtica de cada pas. Con lo cual, cada
organizacin deber recoger diferente informacin que le pueda ser til para la tarea de
anlisis y extraccin de conocimiento y en definitiva para la toma de decisiones.
Un Data Warehouse es una base de datos corporativa en la que se integra informacin
depurada de las diversas fuentes inmersas en la organizacin o externas a ella, como
se muestra en la Figura 2. Dicha informacin debe ser homognea y fiable, se
almacena de forma que permita su anlisis desde muy diversas perspectivas, y a su
vez de tiempos de respuestas ptimos.
Una de las deniciones ms famosas sobre DW, es la de William Harvey Inmon 9, que
expone:
Un Data Warehouse es una coleccin de datos orientada al negocio, integrada,
variante en el tiempo y no voltil para el soporte del proceso de toma de decisiones de
la gerencia.
donde en la Tabla 1 se aprecia en profundidad cada una de las caractersticas ms
detalladas.
8La Minera de Datos consiste en la extraccin no trivial de informacin que reside de manera implcita en los datos.
Dicha informacin era previamente desconocida y podr resultar til para algn proceso. En otras palabras, la Minera
de Datos prepara, sondea y explora los datos para sacar la informacin oculta en ellos.
9 William Harvey Inmon es reconocido por muchos como el padre del Data Warehouse
17
18
Chapter I
Orientado a temas
Integrado
La integracin implica que todos los datos de diversas fuentes que son
producidos por distintos departamentos, secciones y aplicaciones, tanto
internos como externos, deben ser consolidados en una instancia antes
de ser agregados al Data Warehouse, y deben, por lo tanto, ser
analizados para asegurar su calidad y limpieza, entre otras cosas.
Algunas de las inconsistencias ms comunes que nos solemos
encontrar son: en nomenclatura, unidades, formato de fechas,..
Histrico (variante
en el tiempo)
No voltil
1.3.1
18
I.1.3.1.1
Los sistemas OLTP estn diseados para gestionar un gran nmero de peticiones
concurrentes sobre sus bases de datos. Estn enfocados a que cada operacin
transaccin trabaje con pequeas cantidades de filas, y a ofrecer una respuesta
rpida. Habitualmente utilizan Sistemas de Bases de Datos Relacionales (SGBDR)
para gestionar los datos y suelen estar altamente normalizados.
OLTP representa toda aquella informacin transaccional que genera la empresa en su
da a da, adems de fuentes externas que puede llegar a disponer.
I.1.3.1.2
Load Manager
10 Business Models describe los fundamentos de cmo una organizacin crea, entrega y captan valores (econmicos,
sociales, u otras formas de valor).
19
20
Chapter I
20
Limpieza de datos
I.1.3.1.3
21
22
Chapter I
Relacionales, lo que all se encuentra son tablas y relaciones entre ellas, a nivel
conceptual conocer que existen dos tipos de tablas en un modelo dimensional:
Tablas de dimensiones.- Denen como estn los datos organizados
lgicamente y proveen el medio para analizar el contexto del negocio
Tablas de hechos.- Son datos instantneos en el tiempo, que son filtrados,
agrupados y explorados a travs de condiciones definidas en las tablas de
dimensiones.
Las bases de datos multidimensionales implican tres variantes posibles de modelado,
que permiten realizar consultas orientadas a la toma de decisiones, representados en
los siguientes esquemas:
Esquema en estrellas
Esquema en copo de nieve
Esquema constelacin
Tablas de dimensiones
Las tablas de dimensiones denen como estn los datos organizados lgicamente y
proveen el medio para analizar el contexto del negocio. Contienen datos cualitativos.
En la Figura 8 podemos ver varias tablas dimensin con sus correspondientes
atributos.
22
23
24
Chapter I
Inicialmente Ralph Kimball11 plante tres estrategias a seguir cuando se tratan las SCD:
tipo 1, tipo 2 y tipo 3, pero, a travs de los aos, la comunidad de personas que se
encargaba de modelar bases de datos profundiz las definiciones iniciales e incluy
varios tipos SCD ms, como tipo 4 y tipo 6. A continuacin se detalla cada tipo de
estrategia SCD:
SCD Tipo 1: Sobreescribir.
SCD Tipo 2: Aadir fila.
SCD Tipo 3: Aadir columna.
SCD Tipo 4: Tabla de Historia separada.
SCD Tipo 6: Hbrido.
De acuerdo a la naturaleza del cambio se debe seleccionar qu Tipo SCD se utilizar y,
en algunos casos, resultar conveniente combinar varias tcnicas.
Tablas de Hechos
Las tablas de hechos representan un proceso de negocio, como por ejemplo, las
ventas, las compras, los pagos entre otras. Estas tablas son utilizadas por los analistas
de negocio para apoyar el proceso de toma de decisiones. Contienen datos
cuantitativos.
Los hechos son datos instantneos en el tiempo, que son filtrados, agrupados y
explorados a travs de condiciones definidas en las tablas de dimensiones. El registro
de hecho posee una clave primaria que est compuesta por las claves primarias de las
tablas de dimensiones relacionadas a este.
11 Ralph Kimball reconocido como uno de los padres del concepto de Datawarehouse, se ha dedicado desde hace ya
ms de 10 aos al desarrollo de su metodologa para que este concepto sea bien aplicado en las organizaciones y se
asegure la calidad en el desarrollo de estos proyectos.
24
Cubo Multidimensional
Como se ha comentado, si bien existen diversas estructuras de datos, a travs de las
cuales se puede representar los datos del DW, solamente se entrar en detalle en los
cubos multidimensionales.
Los objetos ms importantes que se pueden incluir en un cubo multidimensional son
los siguientes:
Se puede observar, que el resultado del anlisis est dado por los cruces matriciales de
acuerdo a los valores de las dimensiones seleccionadas.
Ms especcamente, para acceder a los datos del Data Warehouse, se pueden
ejecutar consultas sobre algn cubo multidimensional previamente denido. Dicho cubo
debe incluir, entre otros objetos, indicadores, atributos y jerarquas basados en los
campos de las tablas de dimensiones y de hechos que se deseen analizar. De esta
manera, las consultas se responden con un alto rendimiento, minimizando al mximo el
25
26
Chapter I
tiempo que hubiese incurrido en realizar dicha consulta sobre una base de datos
transaccional.
Como ejemplo, en la Figura 12 se representa un cubo tridimensional donde las
dimensiones producto, lugar y tiempo se han agregado por artculo, ciudad y trimestre.
La representacin de un hecho corresponde a una casilla de dicho cubo, el valor de la
casilla es la medida observada, importe de ventas, concretamente el hecho que se
observa en dicha figura muestra que el primer trimestre de 2004 la empresa vendi en
Valencia por un importe de 22.00 euros el producto Androbio 33cl
Atributos
Los atributos constituyen los criterios que se utilizan para analizar los indicadores
dentro de un cubo multidimensional. Los mismos se basan, en su gran mayora, en los
campos de las tablas de dimensiones y/o expresiones. Dentro de un cubo
multidimensional, los atributos son los ejes del mismo.
26
Jerarquas
Como se coment en el apartado Data Warehouse Manager de tablas de dimensin,
una jerarqua representa una relacin lgica entre dos o ms atributos pertenecientes a
un cubo multidimensional. Pueden existir varias en un mismo cubo.
La principal ventaja de manejar jerarquas, reside en poder analizar los datos desde su
nivel ms general al ms detallado y viceversa, al desplazarse por los diferentes
niveles.
27
28
Chapter I
Estrella
Copo de
nieve
Ventajas
Inconvenientes
mayor
espacio
Ms simple de interpretar
Es el ms lento de construir
de
28
Constelaci
n
Data Warehouse
Objetivo
Soportar actividades
transaccionales
Tiempo de datos
Operacionales
Modelo de datos
Normalizado
Desnormalizado
Consulta
SQL
SQL ms extensiones
Datos consultados
60-90 das
5-10 aos
Tipos de consultas
Repetitivas, predefinidas
No previsibles, dinmicas
Nivel de almacenamiento
Nivel de detalle
Acciones disponibles
Carga y consulta
Nmero de transacciones
Elevado
Medio o bajo
Tamao
Pequeo-Mediano
Grande
Tiempo de respuesta
Pequeo
Variable
Orientacin
Orientado al negocio
Sello de tiempo
Estructura
Generalmente estable
29
30
Chapter I
I.1.3.1.4
Query Manager
Este componente realiza las operaciones necesarias para soportar los procesos de
gestin y ejecucin de consultas relacionales y de consultas propias de anlisis de
30
datos, es decir, Query Manager recibe las consultas de los usuarios, las aplica a la
estructura de datos correspondiente cubo multidimensional, Business Models, etc..
y devuelve los resultados obtenidos.
Cabe aclarar que una consulta a un DW, generalmente consiste en la obtencin de
indicadores a partir de los datos hechos de una tabla de hechos, restringidas por
las propiedades o condiciones de los atributos que hayan sido creados.
El procesamiento analtico en lnea OLAP, es la componente ms poderosa de un Data
Warehouse, ya que es el motor de consultas especializadas del Data Warehouse. 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. Cabe destacar que lo que es
realmente interesante en OLAP, no es la ejecucin de simples consultas tradicionales,
sino la posibilidad de utilizar operadores, como se muestran en la Tabla 6, que permitan
profundizar en la informacin.
Drill-down
Permite apreciar los datos en un mayor detalle, bajando por una jerarqua
denida en un cubo. Esto brinda la posibilidad de introducir un nuevo nivel o
criterio de agregacin en el anlisis, disgregando los grupos actuales
Drill-up
Permite apreciar los datos en menor nivel de detalle, subiendo por una jerarqua
denida en un cubo. Esto brinda la posibilidad de quitar un nivel o criterio de
agregacin en el anlisis, agregando los grupos actuales.
Drill-acros
Roll-across
Drill-through
I.1.3.1.5
31
32
Chapter I
Las Herramienta de Consulta y Anlisis son sistemas que permiten a los usuarios
realizar la exploracin de datos del Data Warehouse, constituyendo la unin entre el
Data Warehouse y los usuarios.
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 Data Warehouse,
devolviendo los resultados obtenidos a la herramienta que se los solicit. Luego estos
resultados son expuestos antes los usuarios en formatos que le sean familiares.
Algunas de las interfaces a travs de las cuales podemos representar los resultados de
las consultas pueden ser:
Cuadros de mando12
Informes estticos13
Informes dinmicos
I.1.3.1.5.1
Usuarios
Los usuarios que posee el Data Warehouse son aquellos que se encargan de tomar
decisiones y de planicar las actividades del negocio, es por ello que se hace tanto
nfasis en la integracin, limpieza de datos, etc, para poder conseguir que la
informacin posea toda la calidad posible.
Es a travs de las herramientas de consulta y anlisis, que los usuarios exploran los
datos en busca de respuestas para poder tomar decisiones proactivas. La diferencia
entre un usuario OLTP y otro Data Warehouse se ven reflejadas en la Tabla 7.
12 Los cuadros de mandos se pueden entender como una coleccin de informes, consultas y anlisis
interactivos que hacen referencia a un tema en particular y que estn relacionados entre s.
13 La eleccin de uno u otro tipo de informe depender fundamentalmente del uso que se pretenda dar a
dichos informes.
32
Acceso concurrente
Muchos
Pocos
Tipo de consultas
Predefinidas
Complejas, no predecibles y no
anticipadas
Muchos
Tiempo de respuesta
Crtico
Acciones permitidas
Agregar,
modificar,
Consultar
eliminar y consultar
I.1.3.1.6
No crtico
Un Datamarts (DM) es una versin especial del Data Warehouse. Son subconjuntos de
datos con el propsito de ayudar a que un rea especfica dentro del negocio pueda
tomar mejores decisiones. Los datos existentes en este contexto pueden ser
agrupados, explorados y propagados de mltiples formas para que diversos grupos de
usuarios realicen la explotacin de los mismos de la forma ms conveniente segn sus
necesidades.
En sntesis, se puede decir que los Datamarts son pequeos Data Warehouse
centrados en un tema o un rea de negocio especfico dentro de una organizacin.
Por ejemplo la informacin de personal de una empresa empleados, departamento,
proyectos es difcilmente integrable en un mismo modelo de estrella de ventas.
Incluso en mbitos ms relacionados de una organizacin, ventas y produccin no
resulta fcil. La solucin est en que para cada submbito de la organizacin se va a
construir una estructura en estrella. Por tanto, el Data Warehouse estar formado por
muchas estrellas, cada una de estas estrellas es un Datamarts. Lgicamente cada
Datamart tendr unas medidas y dimensiones propias y diferentes de los dems, la
nica dimensin que suele aparecer en todos los Datamarts es la dimensin tiempo, ya
que el Data Warehouse representa informacin histrica.
33
34
Chapter I
2.1
La empresa
ITOP Management Consulting (ITOP MC) es una empresa experta en Consultora de
Negocios y Gestin Empresarial, especializada en Tecnologas de la Informacin, que
ofrece sus servicios de gestin global a las PYMEs, colaborando con una red slida de
partners y con compaas punteras pertenecientes al sector informtico y empresarial.
ITOP Management Consulting nace en el ao 2006 como una iniciativa de varios
socios con ms de 10 aos de experiencia en el mundo de la Consultora de
Tecnologas de la Informacin. El objetivo principal de la creacin de esta consultora es
ofrecer a la empresa canaria un servicio local de calidad en este terreno de la
consultora cuya demanda y dependencia de empresas de la pennsula es muy
grande y ofrecer una oportunidad al consultor que, habiendo desarrollado su carrera
fuera de las islas, quiera volver a ellas pero con el condicionante de encontrar una
empresa en la que pueda seguir evolucionando de forma profesional, y en unas
condiciones similares a las empresas en las que ha estado trabajando.
La experiencia de los socios actuales se ha desarrollado en empresas de gran prestigio
y experiencia dentro del sector de la consultora a nivel nacional e internacional tales
como: CSC, Indra, Unisys, Realtech, SAP, etc.
Alguno de los clientes con los que se ha trabajado en diferentes proyectos han sido:
Repsol, Telefnica, Bayer, GlaxoWellcome, ICEX, Turespaa y un largo etctera.
2.2
Filosofa
La integracin horizontal que pretende ITOP con todos sus clientes hace que stos
evolucionen hacia el concepto de socios-clientes. La empresa es consciente de que
tiene mucho que aportar en el crecimiento de sus clientes, al igual que ellos les facilitan
la energa necesaria para seguir creciendo e invirtiendo en ideas. La filosofa de la
empresa queda reflejada en el nombre ITOP Informacin, Tecnologa, Organizacin,
Procesos.
34
2.3
Alianzas
Las principales alianzas y reas de experiencia del equipo de ITOP MC son:
HP
Microsoft
SAP
SAP Business One
SAP R/3
35
36
Chapter I
3.1
Introduccin
Sap Business One (Sap BO) es una nica aplicacin de gestin empresarial integrada
integra todas las funciones empresariales bsicas necesarias en cualquier empresa
(incluye gestin financiera, ventas, gestin de atencin al cliente, e-commerce, gestin
de inventarios y operaciones).
El problema a abordar consiste en integrar SAP BO con una solucin BI, de forma que
proporcione a las Pymes informes grficos y cuadros de mando interactivos que
ofrezcan una mayor versatilidad, control de los ingresos, los mrgenes y la liquidez.
Con esta aplicacin de BI, se ofrece funcionalidades para la gestin del conocimiento
que ayudan a las empresas a poner en contacto a "aquellos que saben" con "aquellos
que necesitan saber".
3.2
3.2.1
Anlisis Inicial
La evolucin del Business Intelligence (BI) durante los ltimos 10 aos ha sido muy
interesante, sobre todo en la manera en cmo se han simplificado el desarrollo e
implantacin de proyectos de este tipo, gracias a las tecnologas que han sabido
adaptarse a las necesidades de los usuarios, tanto de perfil desarrollador como
usuarios finales.
En el ao 1998 el esfuerzo era realmente muy grande para poder plasmar en un
informe las necesidades del usuario final, con el fin de que pudiera realizar un
monitoreo y anlisis de la informacin. En aquel momento las herramientas eran algo
primitivas, en cuanto a la presentacin de los datos y al desarrollo de las mismas,
36
I.3.2.1.1
Por la parte del Software privativo se encontr que existan muchas empresas
dedicadas a desarrollar software que facilita el desarrollo de una solucin BI. Para
conocer cules de ellas eran las lderes se procedi al estudio del cuadrante de
Gartner del ao 2010. Gartner es una empresa consultora, la cual realiza y publica una
serie de anlisis, de las ms fiables referencias, para conocer el estado y nivel de
madurez de los proveedores de BI ms influyentes de la actualidad. En la Figura 21
muestra el anlisis de Gartner del 2010:
37
38
Chapter I
Estos dos baremos dividen al cuadrante en cuatro sectores en donde se clasifican los
proveedores estudiados.
38
Qu solucin necesitamos?
Qu nos aporta?
Conexiones remotas, trabajo
Sistema Operativo
Servidor de Integracin de
datos
proceso de Extraccin,
Services (SSIS)
Servicies (SSAS)
almacenados en el DW
datos de origen
Representacin de informes
Services (SSRS)
empresa)
Cuadros de mando
39
40
Chapter I
Figura 22: Solucin tecnolgica propuesta para una solucin BI usando herramientas Microsoft
Se realiz adems una comparacin de las caractersticas que nos aporta cada una de
las herramientas de presentacin y cuadros de mando, indicada en la Tabla 9. Con
respecto a la parte de Sistema Gestor de Bases de Datos y Sistema Operativo se parte
del punto que los clientes, a los que se les quieres implantar la solucin BI, ya tienen
disponibles el software necesario derivado de la contratacin ERP SAP BO, as como
el deseo por parte de ITOP MC de la importancia del uso de Share Point para tener
acceso, tanto externo como interno, a sus cuadros de mando por parte de sus clientes
desde cualquier parte y dispositivo.
Tabla 9: Tabla comparativa del Software de representacin
SSRS
Crystal
Xcelsius
Performance
Point
Publicacin
SharePoint
Caractersticas
interactivas
Programables
(SDK)
Interfaz Amigable
Integracin con
SAP
Publicables en
Web
40
Silverlight
Microsoft
Excel
Crystal
Xcelsius
Performance
Point
Silverlight
Microsoft
Excel
Facilidad de uso
Costo de licencia
aceptable
Valoracin final
En mayor o menor medida las cuatro herramientas se ajustan a las necesidades por
tanto se escogieron dos y el resto quedaron estudiadas para futuros proyectos:
Generacin de informes: SSRS y Microsoft Excel
Creacin de cuadros de mando: Microsoft Excel y Cristal Xcelsius
I.3.2.1.2
En cuanto al estudio que se realiz por la vertiente del Open Source se escogi la
solucin BI mejor valorada: Pentaho.
La plataforma Open Source Pentaho Business Intelligence cubre muy amplias
necesidades de Anlisis de los Datos y de presentacin de informacin empresarial.
Las soluciones de Pentaho estn escritas en Java y tienen un ambiente de
implementacin tambin basado en IDE Eclipse. Eso hace de Pentaho una solucin
muy flexible para cubrir una amplia gama de necesidades empresariales tanto las
tpicas como las sofisticadas y especificas al negocio.
La Figura 23 muestra un esquema de la estructura de Pentaho.
41
42
Chapter I
3.2.2
Conclusin
Una vez estudiada la vertiente del software privativo y Open Source se procedi a
comparar y decidir por cual se va optar para desarrollar el proyecto. Resaltar que
ambas herramientas fueron instaladas y testeadas antes de su seleccin. Para ms
detalle mirar la Tabla 10.
42
Microsoft
Documentacin
Integracin con otras herramientas
Slo especificas
con
el
uso
de
herramientas externas
Coste de Licencias
Curva de aprendizaje
Multiplataforma. Mltiple sistema de
BBDD
Valoracin final
Finalmente se decidi decantarse por la solucin propuesta por Microsoft debido a los
siguientes motivos:
3.3
15 A fecha 07 de julio de 2011 en la bsqueda realiza de bibliografa sobre Pentaho fue escaso encontrar libros que
realmente entren en profundidad en cmo llevar a cabo un desarrollo completo de BI con Pentaho, ya que lo normal fue
encontrar bibliografa centrada en las herramientas de ETL y de Reporting.
43
44
Chapter I
44
Parte II.
45
46
Chapter I
Captulo 1. Descripcin de la
metodologa para resolver el problema
Resumen:
Desarrollo gil de Software
Metodologa de desarrollo Scrum
Planificacin del proyecto
1.1
Metodologa de desarrollo
Una metodologa de desarrollo de software se refiere a un framework16 que se usa para
estructurar, planear y controlar el proceso de desarrollo en Sistemas de Informacin. El
objetivo es mejorar la productividad en el desarrollo y la calidad del producto software.
Qu tipo de metodologa se podra utilizar?
46
1.1.1
Metodologa SCRUM
Scrum es una metodologa para la gestin y desarrollo de software basada en un
proceso iterativo e incremental utilizado, comnmente, en entornos basados en el
desarrollo gil de software
Aunque surgi como modelo para el desarrollo de productos tecnolgicos, tambin se
emplea en entornos que trabajan con requisitos inestables y que requieren rapidez y
flexibilidad situaciones frecuentes en el desarrollo de determinados sistemas de
software.
47
48
Chapter I
48
Al comienzo de cada Sprint, un equipo Team selecciona las tareas del Product
Backlog17 o pila del producto se trata de una lista, previamente priorizada por el
Product Owner, y se comprometen a terminarlas al final del Sprint. Las tareas
elegidas por el Team sern introducidas en el Sprint Backlog18 o pila del Sprint. Todos
los das el equipo Team realiza un Scrum Daily Meeting, actualizando unas grficas
orientativas que permiten hacer un seguimiento, de forma rpida y sencilla, de las
tareas que faltan para alcanzar su objetivo. Al final del Sprint, el Team hace una
revisin del mismo con los interesados en el proyecto, ensendoles lo construido: se
obtienen comentarios y observaciones que pueden incorporar al siguiente Sprint.
Scrum pone nfasis en productos que funcionen al final del Sprint, es decir, que
realmente estn hechos19 en el caso de software significa estar integrado,
completamente probado y potencialmente para entregar.
Un tema importante en Scrum es inspeccionar y adaptar (1). El desarrollo
inevitablemente implica aprender e innovar, haciendo hincapi en tiempos no muy
extensos de desarrollo y centrndose en analizar el producto resultante midiendo la
eficacia obtenida, ajustando el objetivo del producto iterativamente o en continuo
feedback.
II.1.1.1.1
Scrum en el proyecto
Dada la naturaleza y la magnitud del proyecto, se opt por aplicar esta metodologa
modificndola para se ajustara a las necesidades puntuales de la solucin BI aportada
en este documento.
17 El Product Backlog es un documento de alto nivel para todo el proyecto. Contiene descripciones genricas de todos
los requerimientos, funcionalidades deseables, etc. priorizadas. Contiene estimaciones a grosso modo, tanto del valor
para el negocio, como del esfuerzo de desarrollo requerido. Esta estimacin ayuda al Product Owner a ajustar la lnea
temporal y la prioridad de las diferentes tareas.
18 El
Sprint Backlog es un documento detallado donde se incluye la lista de tareas o elementos que el equipo va a
implementar durante el siguiente Sprint. Estas tareas son extradas del Product Backlog por el Team, teniendo en
cuenta cules de ellas son ms prioritarias.
49
50
Chapter I
En primer lugar, los roles de los participantes no estaban bien definidos ya que se trata
de un Proyecto Final de Carrera en colaboracin con la empresa ITOP MC y esta
desempeaba el tanto el papel de Product Owner como el de Scrum Master.
Por otro lado no se consider mantener reuniones diarias para el seguimiento de los
Sprint, ya que no seran efectivas puesto que no existiran cambios sustanciales que se
pudieran comentar para su valoracin. En su lugar se mantuvieron, siempre que fue
posible, reuniones semanales.
II.1.1.1.2
Planificacin de la solucin BI
50
Descripcin
Estimacin
30 das
15 das
15 das
Anlisis de requerimientos
4.1
Identificar Preguntas
15 das
4.2
30 das
4.3
Modelo Conceptual
7 das
5.1
Conformar indicadores
30 das
5.2
Establecer correspondencias
7 das
5.3
Nivel de granularidad
7 das
5.4
7 das
6.1
7 das
6.2
Tablas de dimensiones
15 das
6.3
Tablas de hechos
15 das
6.4
Uniones
15 das
Integracin de datos
7.1
Carga inicial
15 das
7.2
Actualizacin
15 das
15 das
15 das
10
Representacin
15 das
A partir del Product Backlog se ha elaborado el Sprint Backlog. Esta lista de tareas
permitir organizar el trabajo del Team para optimizar el uso de los recursos
disponibles, obtener resultados en plazos de tiempo breves y controlar la ejecucin de
cada punto para detectar cuellos de botellas y, en consecuencia, darles solucin.
La estrategia que se ha seguido para definir los distintos Sprints ha sido tomar cada
tem del Product Backlog como una etapa a completar. Cada una de estas etapas
contendr tantos Sprints como tareas contenga la etapa, de manera que cada sprint
51
52
Chapter I
tenga como objetivo el desarrollo de una tarea. Como limitacin a estos Sprints, se ha
impuesto que cada uno tenga como mnimo 6 das de ciclo de vida y, como mximo 7.
52
53
54
Chapter I
Backlog
Sprint
Duracin
Descripcin
Estimacin
Real
1,2,3,4,5
30 das
30 das
Documentacin
3 das
3 das
7, 8
15 das
15 das
Documentacin
3 das
3 das
15 das
15 das
Herramientas de desarrollo
10, 11
Estudio
de
las
herramientas
de
desarrollo
12
Documentacin
3 das
3 das
13
Pruebas
7 das
7 das
Identificar Preguntas
7 das
10 das
7 das
10 das
21
Modelo Conceptual
7 das
7 das
22
Documentacin
3 das
3 das
23
Pruebas
7 das
7 das
Conformar indicadores
7 das
15 das
29
Establecer correspondencias
7 das
15 das
30
Nivel de granularidad
7 das
15 das
31
7 das
7 das
22
Documentacin
3 das
3 das
23
Pruebas
7 das
7 das
Anlisis de requerimientos
14, 15
16,17,18,19,2
4
En la Tabla 14 se puede observar el tiempo estimado para cada tarea, de forma que se
cumpla con el requisito temporal impuesto para los Sprints y, en la ltima columna de la
derecha, el tiempo real dedicado a cada una de ellas. Se observa que en varios casos
el tiempo empleado ha sido mayor que el estimado, circunstancia que viene explicada
por el hecho de que, dichas tareas, presentaban una mayor complejidad de la
esperada, eran novedosas pues se acometan por primera vez, hubo cambios de
tecnologas y necesidad de nuevos equipos de trabajo debido a que los que existan no
soportaban la tecnologa elegida, adems no se parte de un caso ideal o terico sino
que se trataba de explotar datos reales donde no se dispona, entre otros problemas,
de una base de datos totalmente depurada (o purificada).
II.1.1.1.3
Planificacin temporal
Este proyecto viene delimitado temporalmente por la necesidad de no exceder las 150
horas de dedicacin, equivalentes a los 15 crditos asignados a esta asignatura.
Respetar este lmite es una tarea difcil, ya que siempre se dedican ms horas en la
parte de desarrollo para intentar cumplir los objetivos fijados, sin contar con el tiempo
dedicado a las reuniones, a la formacin o a incidencias tecnolgicas.
Para la representacin de las tareas y su asignacin temporal, se ha seleccionado el
Diagrama de Gantt. Su objetivo es mostrar el tiempo de dedicacin previsto para
diferentes tareas o actividades a lo largo de un tiempo total determinado. El diagrama
de Gantt de este proyecto se puede ver reflejado en la Figura 24.
55
56
Chapter I
56
Captulo 2. Metodologa de
Implementacin de una solucin BI
Resumen:
Metodologa para construir de un Data Warehouse
Metodologa propia para la construccin de un Data Warehouse
Como se mencion en el Captulo Fundamentos Business Intelligence, se denomina
Business Intelligence al conjunto de estrategias y herramientas enfocadas a la
administracin y creacin de conocimiento mediante el anlisis de datos existentes en
una organizacin o empresa. Abarca la comprensin del funcionamiento actual de la
empresa, bien como la anticipacin de acontecimientos futuros, con el objetivo de
ofrecer conocimientos para respaldar las decisiones empresariales. En Figura 25 se
representa el esquema de una solucin BI, teniendo en cuenta que los componentes
bsicos son: OLTP, herramientas ETL Extraccin, Transformacin y Carga, Data
Warehouse, Query Manager y las herramientas de consultas y anlisis como los
cuadros de mandos o generados de informes.
Una vez entendido en qu consiste una solucin BI, se puede observar que uno de los
pilares es el Data Warehouse ya que contiene los datos que vamos a analizar, por eso
es importante como se disea e implementa.
La construccin e implementacin de un Data Warehouse puede adaptarse muy bien a
cualquier ciclo de vida de desarrollo de software, con la salvedad de que para algunas
fases las acciones que se han de realizar, en particular, sern diferentes. Lo que se
57
58
Chapter I
2.1.1
58
Durante el estudio de la metodologa Hefesto nos dimos cuenta que habra que
adaptarla hacia una situacin real de Data Warehouse ms compleja, pero esto no
supuso ningn problema gracias a la flexibilidad que ofrece.
2.1.2
II.2.1.2.1
59
60
Chapter I
60
21 Tener en cuenta que una meta debe ser medible, por lo general, cuantitativamente.
22 Una Gestin de Procesos de Negocio es una metodologa empresarial cuyo objetivo es mejorar la eficiencia a
travs de la gestin sistemtica de los procesos de negocio, que se deben modelar, automatizar y optimizar de forma
continua.
61
62
Chapter I
62
quiero
medir?
En
representaremos
Cul
es
la
unidad va a
qu
estos
nmeros
perspectiva
de
ser medido?
para
que
anlisis?
se
entiendan?
Total de ventas que
han habido
Gestin
de
Ventas
En qu momento
Euros
ocurri
Quin
Total de beneficio
Euros,
que se ha obtenido
Porcentaje
Euros,
Barras
Que compro
ventas
Porcentaje
SparkLines
Quien lo vendi
Cuanto aument el
Euros,
donde se produjo
beneficio
Porcentaje
la venta
Grfico de Bala
Donde ocurri
Diagrama
de
Relacin
entre
el
capital ajeno y el
capital propio
Direccin
Financiera
Grado
de
endeudamiento
de
los activos
Euros,
Porcentaje
Porcentaje
Rentabilidad de la
Euros,
empresa
Porcentaje
Eficiencia empresa
Cmo
va
Grfico de Bala
Euros,
Proyectos
de
va
Euros,
Porcentaje
Euros
el
aspectos de calidad
Diagrama Barras
Porcentaje
SparkLines
Diagramas control
se refiere
proyecto
ocurri
Grfico de Bala
proyecto en cuanto
Cmo
SparkLines
Grfico de lnea
a costos
Gestin
En qu momento
el
proyecto en cuanto
Cmo
Diagrama Barras
va
Lneas tendencias
el
en
Tiempo
mrgenes de tiempo
63
En qu momento
ocurri
64
Chapter I
quiero
medir?
En
representaremos
Cul
es
la
unidad va a
qu
estos
nmeros
perspectiva
de
ser medido?
para
que
anlisis?
se
entiendan?
En
qu
nivel
de
riesgo se encuentra
Porcentaje
el proyecto
Como se encuentra
el
proyecto
en
cuanto al alcance
Atributo23
fijado
Como se encuentra
el
proyecto
cuanto
en
a
Tiempo
adquisiciones
Como se encuentra
el
proyecto
en
cuanto a recursos
Numrico
humanos
Gestin
de
Incidencias
Nmero
de
incidencias abiertas
Grfico de Bala
Numrico
Diagrama
frente a
de
En qu momento
ocurri
Barras
Incidencias
SparkLines
Porcentaje
cerradas
Lneas
de
tendencias
Grfico de pila
Numrico
incidencia
Tiempo que se tarda
en
cerrar
una
Numrico
incidencia
Fuente
de
Atributo
incidencias
23 Entendemos como atributo una serie de valores definidos por el usuario que le ayuden a entender la medida
evaluada. Ej: Bueno, Malo
64
quiero
medir?
En
representaremos
Cul
es
la
unidad va a
qu
estos
nmeros
perspectiva
de
ser medido?
para
que
anlisis?
se
entiendan?
Gravedad
de
la
incidencia
Nmero
Atributo
de
incidentes
Porcentaje
asignados
incorrectamente
Nmero
incidencia
de
Porcentaje
reabiertas
24 Las dimensiones o perspectivas, usualmente, se asocian en jerarquas para describir niveles de agrupamiento
especficos explcitos o implcitos y, por lo tanto, las diferentes granularidades nivel de detalle en la visin de
los datos
65
66
Chapter I
Ventas
Finanzas
Gestin de Proyectos
Gestin de Incidencias
Para el proceso de Ventas y Finanzas, la empresa ya tena decidido cuales eran los
indicadores que queran medir; en cambio, los indicadores de Gestin de Proyectos e
Incidencias se hizo un estudio de cules eran los que ms se adaptaban a sus
necesidades de informacin.
Se aprecia en la Tabla 18 los indicadores de Gestin de Ventas, indicando el nombre
del indicador y una breve descripcin de los mismos.
Tabla 18: Gestin de Ventas
Indicadores
Variacin de ventas
Total de ventas
% Beneficio Total
% Variacin del
Beneficio
Descripcin
Mide el porcentaje de variacin de ventas sobre el
ejercicio anterior
Mide el total de ventas que se han realizado
Mide el beneficio total obtenido de las ventas
Mide la variacin del beneficio respecto al histrico
Perspectiva
Tiempo
Cliente
Gestin de Ventas
Canal
Producto
Geografa
Los indicadores de Direccin Financiera figuran en las Tabla 20, Tabla 21, Tabla 22,
Tabla 23 dividindose los ratios financieros en cuatro grandes grupos, como indica la
Tabla 19.
Tabla 19: Grupos de Indicadores de Direccin
Financiera
Ratios de liquidez
Ratios de endeudamiento o solvencia
Ratios de rentabilidad
Ratios de gestin u operativos
66
Descripcin
Perspectivas
Direccin
Financiera
Ratios de
liquidez severa o
Prueba cida
Ratios de liquidez
absoluta o Ratio
de efectividad o
Prueba supercida
Capital de trabajo
Tiempo
Descripcin
Perspectivas
Financiera
Ratio de endeudamiento a
corto plazo
Ratio de endeudamiento a
largo plazo
Ratio de endeudamiento total
Ratio de endeudamiento de
activo
67
Tiempo
68
Chapter I
Descripcin
Perspectivas
Financiera
Ratio de rentabilidad de la
inversin (ROA)
Tiempo
Indicadores de Direccin
Financiera
Ratio de periodo de cobro
Ratio de rotacin por pagar
Ratio de periodo de pagos
Ratio de rotacin de
inventarios
Descripcin
Indica el nmero de das en que se recuperan las
cuentas por cobrar a sus clientes.
Mide el plazo que la empresa cuenta para
cancelar bonificaciones.
Determina el nmero de das en que la empresa
se demora en pagar sus deudas a los
proveedores.
Indica la rapidez en que los inventarios se
convierten en cuentas por cobrar mediante las
ventas al determinar el nmero de veces que rota
el stock en el almacn durante un ejercicio.
Perspectivas
Tiempo
Por otro lado, para elaborar los indicadores de Gestin de Proyectos e Incidencias,
comentado anteriormente, se tuvo que llevar a cabo una investigacin de cules
68
Una vez analizadas y comprendidas estas nueves reas se crearon los siguientes
KPIs correspondientes a dichas reas, como se indica en la Tabla 25, Tabla 26, Tabla
27, Tabla 28, Tabla 29, Tabla 30 y la Tabla 31.
Tabla 25: Gestin de proyectos. Gestin de la Integracin del Proyecto
Indicador
Descripcin
Perspectivas
25 PMBOK es un estndar en la Administracin de Proyectos desarrollado por el Project Management Institute (PMI)
(37).
69
70
Chapter I
% de tiempo dedicado a la
coordinacin del proyecto
Nmero de proyectos
abiertos en relacin con el
nmero de proyectos
cerrados
Nmero de hitos retrasados
Tiempo
Descripcin
La desviacin del calendario previsto es la
diferencia en tiempo entre la lnea base con
respecto al desarrollo actual
Perspectiva
Tiempo
Descripcin
La desviacin del retorno prevista de la inversin
(ROI) es la diferencia entre el retorno de la
inversin prevista en la lnea de base y el retorno
real de la inversin.
Desviacin del
retorno de la
inversin prevista
Porcentaje del
Perspectivas
Tiempo
--------------------------------------------------------
proyecto terminado
Variacin del
cronograma (SV)
Variacin de costo
(CV)
Descripcin
El valor ganado es el valor del trabajo
completado expresado en trminos del
presupuesto aprobado asignado a dicho trabajo
para una actividad del cronograma o un
componente de la estructura de desglose del
trabajo.
El valor planificado es el presupuesto autorizado
asignado al trabajo que debe ejecutarse para
completar una actividad o un componente de la
estructura de desglose del trabajo.
El costo real (AC) es el costo total en el que se
ha incurrido realmente y que se ha registrado
durante la ejecucin del trabajo realizado para
una actividad o componente de la estructura de
desglose del trabajo.
La variacin del cronograma es una medida del
desempeo del cronograma en un proyecto. La
variacin del cronograma, en la EVM, finalmente
ser igual a cero cuando se complete el
proyecto, porque ya se habrn ganado todos los
valores planificados.
La variacin del costo es una medida del
desempeo del costo en un proyecto.
En la EVM, la CV es particularmente crtica
70
Perspectiva
Tiempo
ndice de desempeo
del cronograma (SPI)
Estimacin a la
conclusin (EAC)
ndice de Desempeo
del Trabajo por
Completar (TCPI)
Descripcin
porque indica la relacin entre el desempeo
real y los costos gastados. En la EVM, una CV
negativa con frecuencia no es recuperable para
el proyecto.
El ndice de desempeo del cronograma es una
medida del avance logrado en un proyecto en
comparacin con el avance planificado.
Puesto que el SPI mide todo el trabajo del
proyecto, el desempeo en la ruta crtica
tambin debe analizase, para determinar si el
proyecto terminar antes o despus de la fecha
de finalizacin programada.
Es una medida del valor del trabajo completado,
en comparacin con el costo o avance reales del
proyecto. Se considera la mtrica ms
importante de la gestin del valor ganado y mide
la eficacia de la gestin del costo para el trabajo
completado.
La EAC puede diferir del presupuesto hasta la
conclusin (BAC).
Si resulta evidente que el BAC ya no es viable,
el director del proyecto debe proyectar una EAC.
Las EAC se basan normalmente en los costos
reales en los que se ha incurrido para completar
el trabajo, ms una estimacin hasta la
conclusin (ETC) para el trabajo restante.
El ndice de desempeo del trabajo por
completar es la proyeccin calculada del
desempeo del costo que debe lograrse para el
trabajo restante, con el propsito de cumplir con
una meta de gestin especificada, tal como el
BAC o la EAC.
Si resulta evidente que el BAC ya no es viable,
el director del proyecto proyecta una estimacin
a la conclusin EAC.
Perspectiva
Descripcin
Porcentaje de proyectos que se
consideran de riesgo
Porcentaje de proyectos activos con
cambios de alcance durante el
proyecto
Porcentaje de proyectos que est
"bajo control", es decir, que son
subjetivamente calificados como el
control basado en tiempo, presupuesto
y calidad
Promedio del nmero de cambios
realizados en la definicin del alcance
del proyecto, es decir, de los proyectos
durante su ciclo de vida
Porcentaje de proyectos que se
ejecutan en el marco de tiempo
previsto y con el presupuesto (gastos)
en funcin de su lnea de base
71
Perspectiva
Tiempo
72
Chapter I
Descripcin
Perspectiva
---------------------------------------------------
Tiempo
----
Requisicin de tiempo de
emisin tema
Descripcin
Perspectiva
Para medir el tiempo transcurrido
entre el momento en que una
solicitud de contratacin se inicia y el
Tiempo
momento en que la solicitud se
cumple (expresada en trminos de
das).
% de los incidentes de
retraso
Nmero de incidentes
graves
% de los incidentes
repetidos
.
Descripcin
Tiempo promedio que se tarda entre el
registro de la incidencia y su cierre.
Tiempo promedio de tiempo (por ejemplo,
en minutos) entre la deteccin de un
incidente y la primera medida tomada para
reparar el incidente.
Nmero de incidentes que se originaron por
razones
de
telecomunicaciones,
la
infraestructura fsica, operacin, soporte,
seguimiento, los socios externos de
eventos, proveedores y otros
Nmero de incidentes de retraso (no se
cierra y no se resuelve dentro del plazo
establecido) en relacin con el nmero de
procedimientos abiertos (no cerrados)
incidentes.
-------------------------------------------------------Porcentaje de incidentes que pueden
clasificarse como un incidente de
repeticin, en relacin con todos los
incidentes reportados en el perodo de
72
Perspectiva
Tiempo
% de incidentes resueltos
dentro del plazo / destino
Descripcin
medicin.
Un incidente se repite si ya ha ocurrido
(varias veces) en el perodo de medicin
El nmero de casos cerrados, en relacin
con el nmero de casos abiertos en un
perodo de tiempo determinado.
Nmero de incidentes cerrados en el plazo
fijado durante la duracin del marco, en
relacin con el nmero de todos los
incidentes cerrados en un perodo de
tiempo determinado.
Un tiempo de duracin-marco se aplica a
cada incidente en el que se recibe, y
establece un lmite en la cantidad de tiempo
disponible para resolver el incidente.
El tiempo de duracin aplica-marco se
deriva de los acuerdos alcanzados con el
cliente sobre la resolucin de incidentes.
Los costes medios para resolver un
incidente se calculan a partir de los costos
fijos y variables del proceso de gestin del
incidente dividido por el nmero total de
incidentes recibidos en el perodo de
medicin.
--------------------------------------------------------
Perspectiva
Se entiende por mapa conceptual a un mtodo para organizar, de forma sencilla, cualquier tipo de informacin,
ayudando a obtener una mejor comprensin e intercambio de la misma.
73
74
Chapter I
74
75
76
Chapter I
76
II.2.1.2.2
El siguiente paso consiste en analizar las fuentes OLTP para determinar cmo sern calculados
los indicadores y poder establecer las respectivas correspondencias entre el modelo conceptual
creado en el paso anterior y las fuentes de datos. Luego, se dene qu campos se incluirn en
cada perspectiva. Finalmente, se ampliar el modelo conceptual con la informacin obtenida en
este paso.
Variacin de
ventas
Medidas
Funcin de sumarizacin
pie
Valor Objetivo
Un aumento del 2%
de
con respecto al ao
documento (DPD)
anterior
77
78
Chapter I
Medidas
Unidades de
ventas
Descuento
Beneficio
Total
%
Funcin de sumarizacin
pie
Un aumento del 2%
de
con respecto al ao
documento (DPD)
anterior
Un aumento del 2%
Coste
con respecto al ao
artculo
CA
Cantidad C
Variacin
del Beneficio
Valor Objetivo
anterior
Un aumento del 2%
con respecto al ao
Coste artculo CA
anterior
Indicador
Activo Corriente
Pasivo Corriente
Activo Corriente
Existencias
Pasivo Corriente
Caja y banco
Prueba supercida
Pasivo Corriente
Capital de trabajo
Activo Corriente
Pasivo Corriente
78
Medida
Pasivo Corriente
Patrimonio
Pasivo no Corriente
Patrimonio
Pasivo Corriente
Pasivo no Corriente
Patrimonio
Pasivo Corriente
Pasivo no Corriente
Activo Total
Medida
Utilidad neta
Activos
Utilidad neta
Patrimonio
Utilidad Bruta
Patrimonio
Utilidad Bruta
Ventas netas
Utilidad neta
Ventas netas
Utilidad neta
Nmero de acciones
Dividendos
Nmero de acciones
Medida
Ventas al crdito
Ventas al crdito
79
80
Chapter I
Medida
Compras al crdito
Compras al crdito
Ratio de rotacin de inventarios
Costo de ventas
Existencias
Medida
Tiempo de coordinacin
proyecto
Tiempo implementacin
Proyectos cerrados
Proyectos abiertos
Hitos retrasados
Medida
Tiempo previsto
proyecto
Tiempo real
80
Trabajo terminado
deseados
Medida
Beneficios
Coste iniciales
Tareas terminadas
Tareas incompletas
Medida
Presupuesto autorizado
Trabajo completado
Valor Planificado
Valor Ganado
Costo Real
Valor Ganado
Valor Planificado
Valor Ganado
de
Desempeo
del
Trabajo
Valor Ganado
por
Costo Real
Completar (TCPI)
Medida
Proyectos en riesgo
Total de proyectos
Proyectos con cambios de alcance
Total de proyectos
Proyectos en control
Total de proyectos
81
82
Chapter I
Promedio
del
nmero
de
modificaciones
Numero de modificaciones
presupuesto
Medida
al proyecto
Total de empleados
Medida
Tiempo de inicio de la solicitud
Indicador
Medida
Tiempo de resolucin
Tiempo de deteccin
Tiempo total en resolver todas las incidencias
Tiempo de deteccin
incidentes
Fuente de inciden
Incidentes retrasados
Procedimientos abiertos
Incidentes graves
Incidentes repetidos
Total de incidentes
de respuestas acordados
82
Indicador
Medida
Costo fijos del incidentes
Incidentes asignados
Total de incidentes
Incidentes abiertos
83
84
Chapter I
Se analizaron los campos residentes en cada tabla a la que hace referencia la Figura 34
anterior a travs de dos mtodos. Primero se examin la base de datos y el programa SAP BO
84
para hacernos una idea del significado de cada campo, y luego se consult con la encargada
del sistema las dudas que no se pudieron resolver con el mtodo anterior o las surgidas como
consecuencia del examen de la base de datos.
En la Tabla 49 se puede ver la correspondencia entre el modelo conceptual y el OLTP.
Tabla 49: Relacin entre el OLTP y el modelo conceptual
Tabla SAP
Perspectivas o Dimensiones
OITB
Producto
OITM
Familia
@ITOP_SUBF
Subfamilia
OMRC
Fabricantes
OCRD
Cliente
CRD1
OTER
OOND
OCRG
OSLP
Empleado de ventas
OWHS
OLCT
Sucursal
OINV
ORIN
OCRY
Geografa | Pas
OCST
Geografa
27 La nomenclatura X|Y intenta especificar que la X es la perspectiva que se est analizando y la Y una perspectiva
hija de X, como por ejemplo: Ao|Mes
85
86
Chapter I
Para crear el esquema de la base de datos de Gestin de Ventas se parte de una base de
datos ya existente; sin embargo, para crear la de Gestin de Proyectos e Incidencias se inicia
desde cero, aprecindose en la Figura 36 dicho esquema.
86
87
88
Chapter I
88
II.2.1.2.3
Las jerarquas definidas que siguen las dimensiones se observa en la Figura 38.
89
90
Chapter I
Entonces, al normalizar se obtiene las siguientes dimensiones (ver Figura 40, Figura 41, Figura
42, Figura 43, Figura 44, Figura 45 y Figura 46) para cada jerarqua de dimensin.
90
91
92
Chapter I
Quantity
Cantidad
GrossBuyPr
Precio Coste
INVPrice
Precio de Venta
DiscPrcnt
DtoDocumento
LineTotal
LneaTotal
92
Frmula
PrecioCosteXCantidad
Cantidad * PrecioCoste
PrecioVentaXCantidad
Cantidad * PrecioVenta
TotalVentaLinea
93
94
Chapter I
II.2.1.2.3.4 Uniones
A continuacin se hacen las uniones pertinentes entre las tablas dimensiones y el
hecho, observndose el resultado en la Figura 49.
La Figura 49 muestra una primera aproximacion al diseo lgico del Data Warehouse y
es una primera aproximacin porque hubieron varias hasta conseguir un diseo que
se ajustar a los requerimientos exigidos. Un ejemplo claro est en la Dimensin
Unidad de Negocio, ya que cuando se hizo la carga de los datos resulta que el cliente
no realiza distincion entre Sucursal y Delegacin, por lo tanto, se decide eliminar la
Delegacion y solo almacenar la Sucursal a la que pertenece el cliente. Este cambio se
puede apreciar en la Tabla 52. Otro ejemplo se aprecia en la Tabla 53, con respecto la
dimensin geografa, finalmente solo se almacena el Pais y la Provincia del cliente
debido a que en la base de datos SAP los campos Isla estaban vacos, y tanto el
campo municipio como ciudad eran campos que se rellenaban por los usuarios, lo que
significa que se encontraban casos de no-normalizada informacin al tener, por
ejemplo, S/C de Tenerife escrito de 3 formas distintas S/C de Tenerife, Santa Cruz de
Tenerife, Sta. Cruz de Tenerife aunque exista la solucin de imputacin de datos.
Finalmente se opta por almacenar solo el pais y la provincia.
La Figura 50 muestra el esquema lgico del Data Warehouse final.
94
ResultadoFinal
ResultadoFinal
95
96
Chapter I
II.2.1.2.4
Una vez construido el modelo lgico, se debe proceder a poblarlo con datos, utilizando
tcnicas de extraccin, transformacin y carga (ETL). Posteriormente se procede a
definir las reglas y polticas para su respectiva actualizacin, as como tambin los
procesos que se lleven a cabo.
II.2.1.2.4.1 Extraccin
Es aqu donde, basndose en las necesidades y requisitos de los usuarios, se exploran
las diversas fuentes OLTP que se tengan a disposicin y se extrae la informacin que
se considere relevante al caso.
Si los datos operacionales residen en un SGBD Relacional, el proceso de extraccin se
puede reducir a, por ejemplo, consultas en SQL o rutinas programadas. En cambio, si
se encuentran en un sistema no convencional o fuentes externas nos encontramos con
el inconveniente de que cada sistema separado puede usar una organizacin diferente
de los datos o formatos distintos. La extraccin convierte los datos a un formato
preparado para iniciar el proceso de transformacin.
Una vez que los datos son seleccionados y extrados, se guardan en un
almacenamiento intermedio, de esta manera se podrn manipular los datos sin
interrumpir ni paralizar los procesos del OLTP, ni tampoco el DW.
Un requerimiento importante que se debe exigir a la tarea de extraccin es que sta
cause un impacto mnimo en el sistema origen. Si los datos a extraer son muchos, el
sistema de origen se podra ralentizar e incluso colapsar, provocando que ste no
pueda utilizarse con normalidad para su uso cotidiano. Por esta razn, en sistemas
grandes las operaciones de extraccin suelen programarse en horarios o das donde
este impacto sea nulo o mnimo. A efectos de nuestro caso de estudio los datos residen
en un solo SGBD con lo cual este proceso result bastante sencillo.
En la Figura 51 se puede ver un ejemplo muy simple de extraccin y carga de datos en
un Data Warehouse. En SAP la tabla OCRY contiene la informacin referente a Pases,
extrayndolos a travs de una consulta SQL ver Figura 52 y almacenndola en la
subdimensin Pas (SdPas) en el Data Warehouse.
96
Figura 52: Consulta a la base de datos de SAP para extraer los pases almacenados en la tabla OCRY
II.2.1.2.4.2 Transformacin
La fase de transformacin aplica una serie de reglas de negocio o funciones sobre los
datos extrados para convertirlos en datos que sern cargados. Algunas fuentes de
datos requerirn alguna pequea manipulacin de los mismos. Los casos ms
comunes en los que se debe realizar integracin, son los siguientes:
Codicacin
Medida de atributos.
Convenciones de nombramiento.
Fuentes mltiples.
Descripcin
Valores nulos
Hubo la obligacin de renombrarlos como Sin valor, debido a que el cliente quiso
contemplar ciertas perspectivas de anlisis para las cuales no almacenaba valores.
Se tom esta decisin en vez de omitirlos para que el cliente, al comprobar los
resultados, pudiera corregir el error y rellenar los campos que son objeto de inters
para su anlisis y as poder llevar a cabo su objetivo.
Codificar
valores
significativa se sustituy por una que si lo fuese, como fue el caso del tipo de
interlocutor comercial que posee SAP. Este campo en la base de datos original
puede tomar los siguientes valores: C, S, L y, como se puede observar, no aportan
97
98
Chapter I
Descripcin
significado alguno, sustituyndolos por Cliente, Proveedor y Leads.
Conversin tipo
Se realizaron las conversiones de tipo de dato oportunas para poder almacenar los
datos en el Data Warehouse
Calcular totales
de
mltiples
filas de datos
En la Figura 53 se puede ver una serie de transformaciones antes de cargar los datos
en el Data Warehouse. En SAP, la tabla OSLP almacena la informacin referente a los
empleados, pero hay campos como es el campo memo donde se guarda el
departamento al que pertenece dicho empleado, que permite valores nulos. En la
Figura 54 se puede observar como se ha programado la caja Valores nulos para
sustituirlos por la cadena SinValor.
98
Figura 54: Sustitucin de nulos por la cadena Sin Valor del campo memo perteneciente a la tabla OSLP de SAP
II.2.1.2.4.3 Carga
Esta funcin se encarga, por un lado de realizar las tareas relacionadas con:
Carga Inicial
Actualizacin o mantenimiento peridico
La carga inicial, se reere precisamente a la primera carga de datos que se realiza al
Almacn de Datos. Por lo general, esta tarea consume un tiempo bastante
considerable, ya que se deben insertar registros que han sido generados
aproximadamente y, en casos ideales, durante ms de cinco aos.
En el momento de realizarla, primero se cargan los datos de las dimensiones y luego
las tablas de hechos, teniendo en cuenta siempre, la correcta correspondencia entre
cada elemento. En el caso en que se est utilizando un esquema copo de nieve, cada
vez que existan jerarquas de dimensiones, se comienza cargando las tablas de
dimensiones del nivel ms general al ms detallado.
99
100
Chapter I
Las polticas de actualizacin que ha convenido con los usuarios son los siguientes:
II.2.1.2.5
100
Los cubos multidimensionales son una representacin del Data Warehouse, este
representa o convierte los datos planos que se encuentran en filas y columnas, en una
matriz de N dimensiones. Los objetos ms importantes que se pueden incluir en un
cubo multidimensional, son los indicadores, atributos y jerarquas. En nuestro caso de
estudio se crea el cubo de Ventas como se puede ver en la Figura 56.
Calculo KPI
Measure.Beneficio
Calculo Miembro
PrecioVentaXCantidad
[(PrecioCosteXCantidad*100)/
PrecioVentaXCantidad]
Es una sumarizacin
Measure.Beneficio
de
Measure.Variacion
MeasureBeneficio
Es
de
periodo
101
una
sumarizacin
102
Chapter I
Beneficio
actual
/
MeasureBeneficio
periodo anterior
Measure.VariacinBeneficio
Measure.Variacion
Ventas
Measure.VariacionVentas
periodo
actual
Measure.VariacionVentas
periodo anterior
Es una sumarizacin de
Measure.VariacionVentas
102
Por ltimo, destacar que este tipo de herramientas son muy potentes. Los desarrollos
son muy rpidos y permiten crear una gran cantidad de procesos en reducidos periodo
de tiempo de desarrollo e implementacin. Es una herramienta muy intuitiva y muy fcil
de usar. Pero utilizarla sin un previo diseo puede hacer que su potencialidad y
rendimiento disminuya.
Integration Services es un servicio independiente que se instala y ejecuta en un
servidor, y ser el encargado de almacenar y ejecutar los diversos procesos que se
hayan definidos. Estos procesos se almacenan en unos archivos XML que contienen
toda la informacin de ese proceso y que se llaman paquetes.
En la Tabla 56 se enumeran una serie de caractersticas destacables del producto.
Tabla 56: Caractersticas del Integration Services
Permite la integracin con Sistemas de Bases de Datos y con ficheros
Obtiene un alto rendimiento al mantener los datos en memoria, adems permite concurrencia y
paralelismo
Permite gestionar alertas y notificaciones
Tiene tareas de data profiling, limpieza y minera de texto y datos
Desde el punto de vista del desarrollador, dispone de un entorno de desarrollo con el que se
sentir muy familiarizado.
103
104
Chapter I
Como se puede ver en la Tabla 59 se han medido los tiempos de ejecucin del proceso
ETL con el programa Interation Services y que ha sido ejecutado con dos mquinas
diferentes la Tabla 58 muestra las caractersticas de cada mquina.
Tabla 58: Caracterstica de las mquinas donde se ejecut el ETL
Mquina A
Mquina B
Ejecucin ETL
Tiempo mquina A
Tiempo mquina B
00:02:18.575
00:31:02:04
Una vez poblado el almacn de datos ocup 46MB y contiene la informacin referente
a 4 aos, al realizar actualizaciones semanales se estima que pueda crecer un 0,2%
semanal, por lo tanto es importante el lugar fsico donde se almacene y que cuente con
escalabilidad.
II.2.1.2.7
104
Consultas ad-hoc
Autoservicio
de
informes
Fuente
de
informacin de gran
calidad
informes
Tiempo de respuesta
Las consultas ad-hoc como los informes deben tener un tiempo de respuesta
rpidos
rpido
Minera de datos
105
106
Chapter I
La Figura 59 muestra una consulta sobre el Total de Ventas que han ocurrido desde
que se cre la empresa.
II.2.1.2.8
Representacin
106
En este proyecto no se lleg a generar informes debido a que no dio tiempo y el cliente
estaba ms interesado en la creacin de cuadros de mando, aun as, se estudia dos
herramientas para la generacin de informes.
107
108
Chapter I
podran servir para mirar los datos desde perspectivas diferentes y comparar las cifras
de datos similares. A continuacin en la Figura 61 se puede ver un informe de tabla
dinmica generado en Excel.
Microsoft Excel
En los esquemas permite hasta 7 niveles de
anidamiento
Ms fcil de usar. Muy intuitivo
Si el elemento de informe que controla si la
visualizacin de otro elemento va activarse o
desactivarse no est en la fila o en la columna
anterior o siguiente al elemento controlado, el
esquema tambin se deshabilita.
Procesa millones de filas con casi el mismo
rendimiento que mil filas
un
explorador
Web
para
presentar
de
las
grandes
caractersticas
de
108
El coste de la licencia
109
110
Chapter I
110
Figura 63: percepcin de los colores rojo, verde, amarillo por parte de las personas daltnicas
Por lo que se decidi utilizar colores que puedan permitir diferenciar tonalidades por
parte de las personas daltnicas o el uso tipo de grfico donde se resalte la tendencia
positiva o negativa como se ve en la Figura 64.
Por otro lado se ha hecho una seleccin de todos aquellos grficos que se adaptan
mejor, para la representacin de informacin de negocio atendiendo a los
siguientes criterios:
1. Grfico de bala: Este grafico fue diseado por Stephen Few, creado
especficamente para ser representado en cuadros de mando. Permite de
forma rpida, eficaz y ocupando muy poco espacio identificar si el indicador
que se quiere medir es bueno o malo dentro de un determinado contexto. Este
grfico no se ha llegado a utilizar debido a que no vena como grafico nativo en
Excel 2007, pero se considera que es un buen grafico a tomar en cuenta. En
la Figura 65 tenemos un ejemplo de grfico de vieta
29 Stephen Few tiene ms de 20 aos trabajando como innovador en el mudo del IT, como educador y consultor. Ha
centrado sus estudios en la visualizacin para el anlisis de los datos y en la comunicacin de informacin de negocio.
111
112
Chapter I
2. Grfico de barras: Los grficos de barra se han seleccionado ya que permiten
la comparacin de las medidas representadas, as como la rpida localizacin
de los datos ms significativos al estar ordenados. Adems son el tipo de
grfico que predomina en Excel 2007
3. Grfico de pila: Es una variacin al grfico de barras y es recomendable para
una nica serie dividida en diferentes partes.
4. Grfico de lnea: Ideal para la representacin de tendencias, fluctuaciones y
ciclos a lo largo del tiempo, as como un conjunto de datos vara en relacin a
otro.
5. SparkLines: Este grafico es idntico a uno de lnea pero en cambio se
representa sin etiquetado ni escala, normalmente al lado de un indicador con el
fin de representar la tendencia que ha seguido a travs de un periodo de
tiempo.
Se estudi cada uno de los indicadores y se realiz una clasificacin atendiendo a los
criterios antes mencionados.
Tabla 65: Indicadores y su representacin grafica
Indicadores
Total de ventas
Grfico de Barras (H - V)
Grfico de Lneas
SparkLines
Variacin de ventas
Grfico de Bala (H - V)
Grfico de Lneas
Grfico de Bala (H - V)
Beneficio
SparkLines
Grfico de Barras (H - V)
Variacin de Beneficio
Grfico de Bala (H - V)
Grfico de Lneas
112
113
114
Chapter I
114
3.1
Resultados
El resultado final de este proyecto queda resumido en los cuatro cuadros de mandos que se
implementaron, de esta manera se proporciona a los gerentes de una compaa una mirada
global de las prestaciones del negocio, con una sola ojeada se podr saber cmo va la
empresa y en qu puntos de la misma se deben emprender medidas correctivas. Permite tanto
guiar el desempeo actual como apuntar al desempeo futuro.
Si analizamos uno de los cuadros de mando que se crearon para Total de Ventas se puede
deducir diversas conclusiones, observando de nuevo la Figura 70.
En la primera grfica titulada Total de ventas se comparan las ventas de los aos 2008, 2009
y 2010. Se puede observar que el ao donde hubo una mayor cantidad de ventas fue en 2009.
Hay que aclarar que este cliente creo su empresa en el ao 2008 y el 29 de Septiembre de ese
mismo ao fue cuando comenz a emitir facturas, por tanto es comprensible que desde Enero
a Septiembre exista esa diferencia de ventas del ao 2008 con respecto al 2009; en cambio,
los meses de Octubre, Noviembre y Diciembre ms o menos son similares.
115
116
Chapter I
En el ao 2010 las ventas disminuyeron notablemente, sobre todo los meses de Julio a
Diciembre. Se averiguo que en esos meses hubo problemas tcnicos con el programa de
facturacin y no se recogieron datos.
La empresa se fij como objetivo superar las ventas del ao anterior un 2%, dando por sentado
que en el ao 2008, como se acaba de crear, no se pudo comparar.
En el ao 2009, si se observa la Figura 70 la grfica con ttulo Objetivos 2009 indica como de
Enero a Septiembre se alcanza este objetivo, aunque este hecho no es representativo pues en
esos meses del 2008 la empresa aun no tena ventas. En cambio s podemos evaluar este
valor objetivo en los meses de Octubre, Noviembre y Diciembre donde se ve que es en
Noviembre del ao 2009 donde supera ese 2% de objetivo con respecto al ao anterior.
En el grfico Objetivos 2010 de la Figura 70 se puede observar como en los meses de Enero
a Junio se mantiene y, en menor o mayor medida, se cumplen los objetivos. Despus del mes
de Junio, las ventas en el ao 2010 bajan por la razn que ya se ha comentado y se hace
imposible alcanzar el objetivo fijado.
En la Figura 71 se observa el cuadro de mando de Total de Ventas pero ahora se analizan las
ventas por distintas dimensiones en el ao 2009.
En la Figura 71 en el grfico Total de ventas por familia de productos, se puede observar cual
es la familia de productos que ms ha vendido, familia Productos cocidos y la que menos es
la familia de Productos mayoristas. Este anlisis es interesante porque quizs se debera
indagar en por qu los Productos mayoristas son unos de los menos vendidos ya que puede
116
117
118
Chapter I
Parte III.
118
Conclusiones, Final
Entendemos que sta es una de las partes ms importantes y duras del proyecto, ya
que de aqu se construye la base de todas las funcionalidades y desarrollo del mismo.
119
120
Chapter I
Implementacin de la solucin.
Se cre una aplicacin BI para la Gestin de Ventas implementada con herramientas
que Microsoft ha creado para llevar a cabo este tipo de proyectos y se dej preparada
para que pueda ser publicada en una aplicacin Web para que el gerente o
responsable de la empresa pueda consultar los resultados de sus ventas en cualquier
momento. No se realizan grandes clculos y complejos algoritmos, sin embargo, se
han concentrado grandes esfuerzos en la validacin de los datos, en formatearlos de
forma adecuada y crear una serie de cuadros de mandos interactivos y dinmicos.
Posibles ampliaciones
Como posible ampliacin queda implementar una solucin BI para los procesos de
Gestin de Finanzas, Gestin de Proyectos y Gestin de Incidencia, as como sera
interesante integrar un mdulo de Data Mining que sirve de ayuda al gerente o
responsable de la empresa a la hora de tomar decisiones.
Captulo 2.
120
Parte IV.
Bibliografa
Parte IX.
5. Berndtsson, M., Hansson, J., Olsson, B., Lundell, B. A Guide for Students
in Computer Science and Information Systems, Springer. 2008.
Parte X.
6. Stephen Few. Information Dashboard Design,
Communication of Data. s.l. : O'Reilly, 2006.
The
Effective
Visual
Parte XI.
7. Doug Harts, Jim Dugan, Tricia Wilcox Almas. Microsoft SQL Server 2008
R2 Analytics & Data Visualization. s.l. : Mac Graw Hill, 2008.
Parte XII.
8. Ramos, Salvador. Microsoft Business Intelligence vea el cubo medio lleno.
s.l. : SolidQ Press, 2011.
Parte XIII.
9. Sivakumar Harinath, Matt Carroll, Sethu Meenakshisundaram, Robert
Zare, Denny Guang-Yeu Lee. Professional Microsoft SQL Server Analysis Services 2008 with
MDX. s.l. : Wiley Publishing, Inc., 2009.
Parte XIV.
10. Xavier Hacking, David Lai. SAP BusinessObjects Dashboards 4.0
Cookbook. s.l. : Packt Publishing, 2011.
Parte XV.
11. Roland Bouman, Jos van Dongen. Pentaho Solutions - Business
Intelligence and Data Warehousing with Pentaho and MySQL. s.l. : WILEY.
Parte XVI.
12. Roldn, Mara Carina. Pentaho 3.2 Data Integration, Beginner's Guide.
s.l. : Packt Publishing, 2010.
121
122
Chapter I
Parte XVII.
13. Erik Veerman, Jessica M. Moss, Brian Knight, Brian Knight. Microsoft
SQL Server 2008 Integration Services ProblemDesignSolution. s.l. : Wiley Publishing, Inc,
2010.
Parte XVIII.
14. Nanda, Ashwani. Microsoft SQL Server 2008 Integration Servicies. s.l. :
Mac Graw Hill, 2010.
Parte XIX.
15. Haselden, Kirk. Microsoft SQL Server 2008 Integration Services. s.l. :
UNLEASHED, 2009.
Parte XX.
16. Annimo. The Official Introduction to the ITIL Service Lifecycle. s.l. :
Published by TSO (The Stationery Office).
Parte XXI.
17. Commerce, Office of Government. ITIL Serivce Transition. s.l. : Published
by TSO (The Stationery Office).
Parte XXII.
2009.
Parte XXIII.
19. . ITIL Service Design. s.l. : Published by TSO (The Stationery Office).
Parte XXIV.
20. . ITIL Service Operation. s.l. : Published by TSO (The Stationery Office).
Parte XXV.
Parte XXVI.
22. PARMENTER, DAVID. Key Performance Indicators,
Implementing, and Using Winning KPIs. s.l. : John Wiley & Sons, Inc., 2010.
Developing,
Parte XXVII.
23. John Wiley & Sons, Inc., Hoboken, New Jersey. Business Dashboards.
s.l. : John Wiley & Sons, Inc., 2009.
Parte XXVIII. 24. Withee, Ken. Microsoft Business Intelligence for Dummies. s.l. : Wiley
Publishing, Inc, 2010.
Parte XXIX.
25. Lynn Langit, Kevin S. Goff, Davide Mauri, Sahil Malik, and John Welch.
Smart Business Intelligence Solutions with Microsoft SQL Server2008. s.l. : Microsoft Press,
2009.
Parte XXX.
26. SQL SERVER INTEGRATION SERVICES 2008 LABORATORIOS . s.l. :
INTERMEZZO BUSINESS INTELLIGENCE , 2010.
Parte XXXI.
2010.
27. Inmon, W. H. Building the Data Warehouse. s.l. : Design & Composition,
Parte XXXII.
28. Viera, Robert. Professional Microsft SQL Server 2008 Programming. s.l. :
Wiley Publishing, I nc, 2009.
Parte XXXIII. 29. Ross MistRy, Stacia MisneR. Introduciong Microsoft SQL Server 2008 R2.
s.l. : Microsoft Press, 2010.
Parte XXXIV. 30. Philo Janus, Philo Janus. Pro SQL Server 2008 Analysis Services. s.l. :
Apress, 2010.
Parte XXXV.
31. Rainardi, Vincent. Building a Data Warehouse with Examples in SQL
Server. s.l. : Apress, 2010.
Parte XXXVI. 32. Scott Cameron, Hitachi Consulting. SQL Server 2008 Analysis Services.
s.l. : Vincent Rainardi, 2009.
122
Parte XXXVII. 33. Chris Webb, Alberto Ferrari and Marco Russo. Expert Cube
Development with Microsoft SQL Server 2008 Analysis Services. s.l. : Marco Russo, 2009.
Parte XXXVIII. 34. Langit, Guy Fouch and Lynn. Foundations of SQL Server 2008 R2
Business Intelligence. s.l. : Apress, 2009.
Parte XXXIX. 35. Kimball, Joy Mundy and Marren Thornthwaite with Ralph. The Microsft
Data Warehouse Toolkit whit SQL Server. s.l. : Kimball Group, 2011.
Parte XL.
36. Annimo. Scrum. Definicin de Scrum. [En lnea] 23 de 06 de 2011.
http://es.wikipedia.org/wiki/Scrum.
Parte XLI.
Captulo 1.
123
124
Chapter I
Glosario de trminos
A
agregacin................................................................................................................................................................... 26
Analysis Services..................................................................................................................................43, 102, 103, 105
Atributo....................................................................................................................................................................... 64
Atributos de dimensin...............................................................................................................................................26
B
Business Intelligence.................................................................................1, 2, 3, 14, 15, 17, 38, 40, 42, 45, 55, 56, 127
business key................................................................................................................................................................ 24
Business Models....................................................................................................................................................20, 32
C
claves subrogadas........................................................................................................................................................24
Community Dashboard Framework.............................................................................................................................44
Cuadros de mando................................................................................................................................................33, 41
Cuadros de Mando........................................................................................................................................................3
cubo multidimensional.............................................................................................................22, 23, 26, 27, 28, 32, 99
D
Dashboards................................................................................................................................................................. 43
Data Integration.......................................................................................................................................................... 44
Data Mining................................................................................................................................................................. 44
Data Warehouse.14, 17, 18, 19, 20, 21, 22, 26, 28, 29, 30, 31, 32, 33, 34, 51, 52, 55, 56, 57, 58, 60, 86, 87, 92, 93, 95,
96, 99, 101, 103, 127
Datamarts.............................................................................................................................................................. 17, 34
Decision Support Systems....................................................................................................................................14, 127
Diagrama de Gantt......................................................................................................................................................53
dimensiones........................................22, 23, 24, 25, 26, 27, 28, 29, 30, 34, 45, 51, 52, 65, 86, 87, 97, 98, 99, 114, 127
dimensiones lentamente cambiantes..................................................................................................................24, 127
Drill-acros.................................................................................................................................................................... 32
Drill-down.................................................................................................................................................................... 32
Drill-through................................................................................................................................................................ 32
Drill-up........................................................................................................................................................................ 32
Dueo del producto....................................................................................................................................................49
DW...................................................................................17, 18, 19, 22, 23, 26, 30, 32, 41, 86, 87, 94, 96, 98, 102, 127
E
Eclipse......................................................................................................................................................................... 42
124
F
Finanzas.................................................................................................................................................66, 77, 117, 118
G
Gartner.................................................................................................................................................................. 39, 40
Gestin de Incidencias............................................................................................................64, 66, 71, 72, 76, 77, 117
Gestin de Proyectos........................................................................................................62, 63, 66, 68, 76, 77, 84, 118
Gestin de Ventas.......................................................................................................................63, 66, 76, 84, 117, 118
Grfico de bala.......................................................................................................................................................... 109
Grafico de barras.......................................................................................................................................................109
Grfico de lnea....................................................................................................................................................63, 109
Grfico de pila......................................................................................................................................................64, 109
H
Hechos bsicos............................................................................................................................................................ 26
Hechos derivado.......................................................................................................................................................... 26
Hefesto.............................................................................................................................56, 57, 58, 59, 61, 76, 82, 117
HOLAP......................................................................................................................................................................... 31
I
Indicadores............................................................................................3, 26, 27, 51, 52, 66, 67, 68, 76, 77, 79, 99, 110
Information Technology Infrastructure Library............................................................................................................71
Informes dinmicos.................................................................................................................................................3, 33
Informes estticos.......................................................................................................................................................33
Integration Services...........................................................................................................................................100, 101
inteligencia de negocios................................................................................................................................................3
inteligencia empresarial................................................................................................................................................3
ITOP MC....................................................................................................................36, 37, 40, 42, 45, 50, 62, 117, 127
K
Kettle........................................................................................................................................................................... 44
KPI........................................................................................................................................27, 60, 65, 66, 69, 100, 127
M
Minera de Datos......................................................................................................................................................... 18
MOLAP........................................................................................................................................................................ 31
125
126
Chapter I
O
OLAP............................................................................................................17, 31, 32, 41, 43, 44, 51, 53, 103, 105, 127
OLTP...................................................................................17, 20, 21, 30, 34, 51, 52, 55, 61, 76, 82, 83, 90, 94, 98, 127
Open Source.......................................................................................................................................................... 42, 44
Operational Data Store........................................................................................................................................17, 127
P
Pentaho......................................................................................................................................................42, 43, 44, 45
Performance Point.................................................................................................................................41, 42, 107, 108
PMBOK........................................................................................................................................................................ 68
Product Backlog.......................................................................................................................................49, 50, 51, 117
Product Owner............................................................................................................................................................ 36
Q
Query Manager.....................................................................................................................................................32, 55
R
Ralph Kimball.........................................................................................................................................................25, 39
Reporting..................................................................................................................................41, 43, 45, 105, 106, 107
ROLAP.......................................................................................................................................................................... 31
Roll-across................................................................................................................................................................... 32
S
SAP..........................................................................................................36, 37, 38, 42, 45, 83, 85, 92, 95, 96, 107, 117
Sap BO......................................................................................................................................................................... 38
SCD................................................................................................................................................................ 24, 25, 127
SCRUM....................................................................................................................................................47, 48, 49, 50, 57
ScrumMaster............................................................................................................................................................... 49
SharePoint................................................................................................................................................41, 42, 44, 108
Silverlight...............................................................................................................................................41, 42, 107, 108
Sistema de Informacin.......................................................................................................................................14, 127
Sistemas de Informacin Ejecutiva..............................................................................................................................16
Sistemas Transaccionales.............................................................................................................................................14
Slowly Changing Dimensions...............................................................................................................................24, 127
solucin BI..............................................................................15, 16, 17, 19, 38, 39, 40, 42, 45, 50, 51, 55, 56, 117, 118
SparkLines..............................................................................................................................................63, 64, 109, 110
SPRINT................................................................................................................................................................ 49, 50, 51
SQL Server 2008 R2...............................................................................................................................................40, 41
SQL Server 2008 R2 Analisys Servicies.........................................................................................................................41
SQL Server 2008 R2 Integration Services.....................................................................................................................40
SRDWM....................................................................................................................................................................... 57
subdimensin.............................................................................................................................................................. 95
subrogate key.............................................................................................................................................................. 24
126
T
tabla de hechos.................................................................................................24, 25, 26, 28, 30, 32, 84, 87, 89, 90, 91
Team............................................................................................................................................................................ 49
V
Ventas.........................................................................................................................66, 78, 83, 90, 100, 113, 114, 117
W
WeKa........................................................................................................................................................................... 44
X
Xcelsius.......................................................................................................................................................... 41, 42, 107
127
128
Chapter I
ndice de siglas
SIGLAS
DEFINICIN
BI
BPM
DSS
DW
EIS
ERP
ETL
ITIL
ITOP MC
Informacin
Consulting
KPI
ODS
OLAP
OLTP
PMI
SAP
SDC
SGBDR
SI
Sistema de Informacin
Tecnologa
Organizacin
128
Proceso
Management
SRDWM
TI
Tecnologa de la Informacin
Apndices
I.
129
130
Chapter I
130