Documente Academic
Documente Profesional
Documente Cultură
INVESTIGACIÓN DE
SISTEMAS DE INTELIGENCIA DE NEGOCIOS
PRESENTADOR POR:
CHRISTIAN CAMILO GOMEZ BAUTISTA
ERVIN FABIAN FIGUEROA HERNANDEZ
EDWIN LEONARDO
GERMAN ARCINIEGAS
PRESENTADO A:
CARLOS EDUARDO CLAROS ROZO
INSTRUCTOR
REGIONAL SANTANDER
KM 2 VIA PALOGORDO, VEREDA GUATIGUARA
PIEDECUESTA-SANTANDER-COLOMBIA
2016
SENA C.A.S.A.
GESTIÓN Y SEGURIDAD DE BASES DE DATOS
2016
INTRODUCCIÓN:
Inteligencia de Negocios:
Actualmente, en las actividades diarias de cualquier organización, se generan datos como
producto secundario, que son el resultado de todas las transacciones que se realizan. Es
muy común, que los mismos se almacenen y administren a través de sistemas
transaccionales en bases de datos relacionales.
Precisamente, la inteligencia de negocios, permite que el proceso de toma de decisiones
esté fundamentado sobre un amplio conocimiento de sí mismo y del entorno, minimizando
de esta manera el riesgo y la incertidumbre.
Además, propicia que las organizaciones puedan traducir sus objetivos en indicadores de
estudio, y que estos puedan ser analizados desde diferentes perspectivas, con el fin de
encontrar información que no solo se encargue de responder a preguntas de lo que está
sucediendo o ya sucedió, sino también, que posibilite la construcción de modelos, mediante
los cuales se podrán predecir eventos futuros.
Cuando se nombra el término inteligencia, se refiere a la aplicación combinada de
información, habilidad, experiencia y razonamientos, para resolver un problema de
negocios.
Como ejemplo, se mencionarán algunas preguntas típicas:
DatawareHouse:
Debido a que para llevar a cabo BI, es necesario gestionar datos guardados en diversos
formatos, fuentes y tipos, para luego depurarlos e integrarlos, además de almacenarlos en
un solo destino o base de datos que permita su posterior análisis y exploración, es
SENA C.A.S.A.
GESTIÓN Y SEGURIDAD DE BASES DE DATOS
2016
imperativo y de vital importancia contar con un proceso que satisfaga todas estas
necesidades. Este proceso se denomina DataWarehousing.
El Data Warehousing, es el encargado de extraer, transformar, consolidar, integrar y
centralizar los datos que la empresa genera en todos los ámbitos de su actividad diaria de
negocios (compras, ventas, producción, etc) y/o información externa relacionada.
Permitiendo de esta manera el acceso y exploración de la información requerida, a través
de una amplia gama de posibilidades de análisis multivariables, con el objetivo final de dar
soporte al proceso de toma de decisiones estratégico y táctico.
El Data Warehousing, convertirá entonces los datos operacionales de la empresa en una
herramienta competitiva, debido a que pondrá a disposición de los usuarios indicados la
información pertinente, correcta e integrada, en el momento que se necesita.
Pero para que el Data Warehousing pueda cumplir con sus objetivos, es necesario que la
información que se extrae, transforma y consolida, sea almacenada de manera centralizada
en una base de datos con estructura multidimensional denominada Data Warehouse (DW).
SENA C.A.S.A.
GESTIÓN Y SEGURIDAD DE BASES DE DATOS
2016
Cuando uno de esos testigos se enciende, sabemos que: falta gasolina, el coche se ha
calentado, tenemos una puerta abierta, falta aceite etc… (Ahí detectamos el problema) y
que tenemos que parar para poner gasolina, llevar el coche al taller, detenernos etc
(tomamos decisiones), pero no realizamos la acción concreta desde el dashboard (poner
gasolina, revisar los niveles de agua/aceite, cambiar una pieza,…).
En el caso concreto de Bussines Intelligence podemos poner el siguiente ejemplo:
Toma de decisiones en base al dashboard:
Hecho: “La tasa de rebote de una landing page ha subido hasta el 40%”.
Origen: viendo las fuentes de tráfico de esta landing, vemos que ppc (Pay per click) parece
ser el origen de este aumento. Dando un paso más vemos que una de las campañas de
categoría de ppc en Google ha aumentado su % CTR (Click-Through Rate), el volumen de
tráfico y su tasa de rebote de una forma notable.
Consecuencias para el negocio: esto ha provocado que la tasa de conversión de la landing
haya bajado hasta el 4,2%, lo que ha provocado una disminución de las ventas del x%.
Recomendación: revisión de las campañas de categoría de ppc para corregir el error.
Análisis en detalle y solución del error: hasta este punto hemos averiguado el origen del
problema desde el dashboard. Ahora tenemos que analizar las campañas de categoría de la
empresa, para detectar la keyword/s, configuración, etc. que ha causado este problema
para corregirlo inmediatamente.
SENA C.A.S.A.
GESTIÓN Y SEGURIDAD DE BASES DE DATOS
2016
Data Mining:
Esta herramienta constituye una poderosa tecnología con un gran potencial que ayuda y
brinda soporte a los usuarios, con el fin de permitirles analizar y extraer conocimientos
ocultos y predecibles a partir de los datos almacenados en un DW o en un OLTP.
Claro que es deseable que la fuente de información sea un DW, por todas las ventajas que
aporta. La integración con el depósito de datos facilita que las decisiones operacionales
sean implementadas directamente y monitorizadas.
Implementar Data Mining permitirá analizar factores de influencia en determinados
procesos, predecir o estimar variables o comportamientos futuros, segmentar o agrupar
ítems similares, además de obtener secuencias de eventos que provocan comportamientos
específicos.
Una de las principales ventajas del Data Mining es que, como recién se ha hecho mención,
permite inferir comportamientos, modelos, relaciones y estimaciones de los datos, para
poder desarrollar predicciones sobre los mismos, sin la necesidad de tener que contar con
algún patrón o regla preestablecida o conocida de antemano, permitiendo tomar decisiones
proactivas y basadas en un conocimiento acabado de la información.
Entonces, se puede definir Data Mining como una técnica para descubrir patrones y
relaciones entre abundantes cantidades de datos, que a simple vista o que mediante otros
tipos de análisis no se pueden deducir, ya que tradicionalmente consumiría demasiado
tiempo o estaría fuera de las expectativas.
Soporta además, sofisticadas operaciones de análisis como los sistemas Scoring,
aplicaciones de Detección de Desviación y Detección de Fraude.
Los sistemas Data Mining se desarrollan bajo lenguajes de última generación basados en
Inteligencia Artificial y utilizan métodos matemáticos tales como:
La principal ventaja de estos sistemas es que un usuario con poca experiencia puede
resolver problemas que requieren el conocimiento de un experto en el tema. Por
ejemplo, los sistemas expertos pueden utilizarse para:
1. Realizar transacciones bancarias a través de cajeros automáticos.
2. Controlar y regular el flujo de tráfico en las calles y en los ferrocarriles,
mediante la operación automática de semáforos.
3. Resolver complicados problemas de planificación en los cuales intervienen
muchas variables.
4. Descubrir relaciones entre diversos conjuntos de variables.
Programación Genética: El principal objetivo de la programación genética es lograr
que las computadoras aprendan a resolver problemas sin ser explícitamente
programadas para solucionarlos, generando de esta manera soluciones a partir de
la inducción de los programas. El verdadero valor de esta inducción está
fundamentado en que todos los problemas se pueden expresar como un programa
de computadora. Por ejemplo Generar de manera automática programas que
solucionen problemas planteados o Resolver problemas, para los cuales es difícil y
no natural tratar de especificar o restringir con anticipación el tamaño y forma de
una solución eventual
Árboles de Decisión: Son estructuras de forma de árbol que representan conjuntos
de decisiones. Estas decisiones generan reglas para la clasificación de un conjunto
de datos, las cuales explican el comportamiento de una variable con relación a otras,
y pueden traducirse fácilmente en reglas de negocio. Son utilizados con finalidad
predictiva y de clasificación.
Por ejemplo, los árboles de decisión pueden emplearse para:
1. Optimizar respuestas de campañas.
2. Identificar clientes potenciales.
3. Realizar evaluación de riesgos.
Herramientas DSS:
Un Sistema de Soporte a la Decisión (DSS) es una herramienta de Business Intelligence
enfocada al análisis de los datos de una organización.
En principio, puede parecer que el análisis de datos es un proceso sencillo, y fácil de
conseguir mediante una aplicación hecha a medida o un ERP sofisticado. Sin embargo, no
es así: estas aplicaciones suelen disponer de una serie de informes predefinidos en los que
presentan la información de manera estática, pero no permiten profundizar en los datos,
navegar entre ellos, manejarlos desde distintas perspectivas... etc.
El DSS es una de las herramientas más emblemáticas del Business Intelligence ya que, entre
otras propiedades, permiten resolver gran parte de las limitaciones de los programas de
gestión. Estas son algunas de sus características principales:
SENA C.A.S.A.
GESTIÓN Y SEGURIDAD DE BASES DE DATOS
2016