F-LAB-IEA
UNIVERSIDAD NACIONAL EXPERIMENTAL DEL TACHIRA
DECANATO DE POSTGRADO
MAESTRIA EN INFORMATICA
INGENIERIA DE DATOS.
INTELIGENCIA DE NEGOCIOS CON ENFOQUE EMPRESARIAL
 Diego Albeiro Peña Peña
 Edward Robert Carvajal Martinez
 Michel Antonio Peña Parada
 Claudia Maria Fuentes Quintero
 Luis Alfredo Dugarte Vivas
Resumen: El presente documento tiene como
finalidad unificar los conceptos de ingeniería
de datos aplicados a un ejemplo práctico para
la elaboración de un Data Mart, utilizando la
metodología Hefesto y se hace una analogía
con la metodología Kimball, se cuenta con el
modelo transaccional, modelo conceptual y
el modelo lógico de almacén de datos.
Palabras clave: Metologia Hefestos, Data
Mart, Data Warehouse, KDD, Inteligencia de
Negocios, OLTP.
Abstract: The purpose of this document is to
unify the concepts learned in the field of data
engineering applied to a practical example
for the development of a Data Mart, the
Hephaestus methodology is used and an
analogy is made with the Kimball
methodology. is counted on the transactional
model, conceptual model and the logical data
warehouse model.
Keywords: Hephaestus Methodology, Data
Mart, Data Warehouse, KDD, Business
Intelligence, OLTP.
INTRODUCCION
El descubrimiento de bases de datos KDD
(knowledge discovery in databases), se
1
Versión:
1.0_R2014
Página: 1 de 6
empeña en el desarrollo de métodos y
técnicas que le den sentido a los datos, para
que no solamente se almacene información
sino que se dé el direccionamiento correcto
para tomar acción, a esto se le llama
inteligencia de negocios, modelando datos y
conocimientos.
Existen diferentes herramientas que se
encargan explícitamente de orientar la toma
de decisiones como lo son la EIS y la OLAP
que aferradas a una minería de datos se podrá
detectar tendencias en relación a la
información.
Para poder llevar a cabo esto se hace
necesario tener datos guardados en diferentes
fuentes de diversos tipos y formatos que
deben ser analizados, explorados y que
satisfaga las necesidades, este es el proceso
de Data Warehousing por medio del cual se
extraerán , transformarán de manera
homogénea los datos de la empresa.
En la construcción de estos Data
Warehousing se encuentran diversas
metodologías que permitirán su construcción
adecuada como lo es la metodología
HEFESTO y la metodología KIMBALL.
En el presente documento se usará de la
metodología Hefesto para la resolución de
una problemática práctica en donde se
analiza una agencia de viajes que ofrece
planes a nivel nacional que busca optimizar
sus recursos y mejorar la operación y servicio
ofrecido a sus clientes analizando sus
perspectivas construyendo el Data Mart,
siendo parte importante del proceso de KDD.
 F-LAB-IEA
UNIVERSIDAD NACIONAL EXPERIMENTAL DEL TACHIRA
DECANATO DE POSTGRADO Versión:
MAESTRIA EN INFORMATICA 1.0_R2014
INGENIERIA DE DATOS. Página: 2 de 6

METODOLOGIA
Sus principales características son:
La metodología a usar es la metodología
Hefesto que permitirá la construcción de un
Data Warehousing, su propuesta está
fundamentada en amplias investigaciones y
analogías de metodologías para la
construcción de almacenes de datos. Esta
metodología inicia con el análisis de
requerimientos donde se recolectan las
principales necesidades por medio de
preguntas, indicadores y perspectivas;
seguidamente se realiza un análisis de los
OLTP y es aquí donde se determina de qué
forma se van a construir indicadores y se
selecciona el campo de estudio de cada
perspectiva; con esto se construye el modelo
lógico del DW para hacer una integración de
datos. La figura 1. Muestra una un gráfico de
la metodología con los pasos a seguir.
 Los objetivos y resultados esperados
en cada fase se distinguen fácilmente
y son sencillos de comprender.
 Se basa en los requerimientos de los
usuarios, por lo cual su estructura es
capaz de adaptarse con facilidad y
rapidez ante los cambios en el
negocio.
 Reduce la resistencia al cambio, ya
que involucra a los usuarios finales en
cada etapa para que tome decisiones
respecto al comportamiento y
funciones del DW.
 Utiliza modelos conceptuales y
lógicos, los cuales son sencillos de
interpretar y analizar.

 Es independiente del tipo de ciclo de

vida que se emplee para contener la
metodología.

 Es independiente de las herramientas

que se utilicen para su
implementación.

 Es independiente de las estructuras

físicas que contengan el DW y de su
respectiva distribución.

 Cuando se culmina con una fase, los

Figura 1. Pasos de la metodología HEFESTO.
2010)
resultados obtenidos se convierten en
el punto de partida para llevar a cabo
el paso siguiente.
(Ricardo,

2

UNIVERSIDAD NACIONAL EXPERIMENTAL DEL TACHIRA
DECANATO DE POSTGRADO
MAESTRIA EN INFORMATICA
INGENIERIA DE DATOS.
 Se aplica tanto para Data Warehouse
como para Data Mart.
(Leonard Brizuela & Castro Blanco,
2013)
Otra metodología expuesta es la KIMBALL
que no es más que, una colección de datos
orientada a un determinado ámbito,
integrado, no volátil y variable en el tiempo,
que ayuda a la toma de decisiones.
Se basa en el ciclo de vida dimensional del
negocio y se basa en cuatro principios
básicos:
 Centrarse en el negocio.
 Construir una infraestructura de
información adecuada.
 Realizar entregas en incrementos
significativos.
 Ofrecer la solución completa.
La construcción de una solución de DW/BI
(Datawarehouse/Business Intelligence) es
sumamente compleja, esta nos ayuda a
simplificar esa complejidad. (Bustamante
Granda, Macas Ruiz, & Cevallos Macas,
2018)
Las tareas de esta metodología (ciclo de vida)
se describen en la figura 2.
3
F-LAB-IEA
Versión:
1.0_R2014
Página: 3 de 6
Figura 2. Descripción de tareas de la metodología
Kimball. (Kimball, 1998)
DESARROLLO
Se llama inteligencia de negocios al conjunto
de estrategias, acciones y herramientas
enfocadas a la administración y creación de
cono-cimiento mediante el análisis de datos
existentes en una organización o empresa
(Gutierrez Camelo, Devia Llanos, &
Tarazona, 2016), que permite tener otro
enfoque de toda la información histórica
obtenida, para su posterior análisis y toma de
decisiones, a través de las metodologías de
inteligencia de negocios para potencializar la
empresa y generar estrategias que conlleven
al cumplimiento de los objetivos. Para
nuestro caso estudio, se aplica la metodología
Hefestos a una empresa de la ciudad.
La agencia de viajes Turismos del norte tiene
sus sistemas de información implementado
bajo un sistema transaccional representado
por el modelo de datos que se puede observar
en la Figura 3, como se evidencia tiene los
elementos básicos de manejo de servicios
ofertados.
 F-LAB-IEA
UNIVERSIDAD NACIONAL EXPERIMENTAL DEL TACHIRA
DECANATO DE POSTGRADO Versión:
MAESTRIA EN INFORMATICA 1.0_R2014
INGENIERIA DE DATOS. Página: 4 de 6

RESULTADOS

A continuación se muestran los resultados

obtenidos y se inicia con la fase de
identificación de perspectivas e indicadores.

1) Indicador: número de viajes por

destino.
Perspectiva: destino, tiempo.

2) Indicador: número de viajes por

cliente.
Figura 3. Elementos básicos de manejo de servicios Perspectiva: cliente y tiempo.
ofertados.
3) Indicador: número de viajes por
De acuerdo con dicho modelo la dirección asesor.
desea conocer cierta información por medio Perspectiva: asesor, tiempo.
de reportes que permitan realizar mejoras y
tomar diferentes decisiones futuras. 4) Indicador: número de viajeros por
medio de transporte.
Para disminuir la complejidad de dichas Perspectiva: destino, tiempo, medio
consultas se hace necesario crear un almacén de transporte.
de datos. Este almacén de datos debe cumplir
como mínimo con los siguientes 5) Indicador: número de viajeros por
requerimientos: tipo de alojamiento.
Perspectiva: alojamiento, destino,
1) Destino más visitado en el mes de tiempo.
junio del año 2018.
2) Cliente con más viajes realizado
durante el año 2018. Una vez identificadas todas las variables, se
3) Asesor con mayor número de viajes procede a elaborar el modelo conceptual de
vendidos durante el año 2018. la investigación. La figura 4 muestra el
4) Tipo de transporte más utilizado por modelo conceptual.
los viajeros con destino a Santa Marta
durante el año 2018.
5) Tipo de alojamiento preferido por los
viajeros en la ciudad de Santa Marta
durante el año 2018.

4

UNIVERSIDAD NACIONAL EXPERIMENTAL DEL TACHIRA
DECANATO DE POSTGRADO
MAESTRIA EN INFORMATICA
INGENIERIA DE DATOS.
Figura 4. Modelo conceptual de la investigación.
Una vez obtenido el modelo conceptual,
procedemos a elaborar el modelo lógico de la
data donde por medio de los atributos y las
tablas de hechos podremos generar las
consultas deseadas con respecto a la agencia
de viajes. En la figura 5 se muestra el modelo
lógico.
Figura 5. Modelo Lógico.
CONCLUSIONES
• La metodología Hefestos permite
crear un almacén de datos de forma
ordenada, práctica y sencilla.
• Hay que identificar correctamente las
perspectivas, indicadores, hechos y atributos
5
F-LAB-IEA
Versión:
1.0_R2014
Página: 5 de 6
para que la data sea buena y las consultas
realizadas posteriormente sean correctas.
• Con una data errónea se van a tomar
decisiones equivocadas que pueden provocar
pérdidas de dinero hasta la quiebra de una
empresa de ahí la importancia de desarrollar
cada etapa de la manera adecuada.
• La construcción del modelo
conceptual es importante para desarrollar
fácil y adecuadamente el modelo lógico del
Data Mart.
Bibliografía
Bustamante Granda, W., Macas Ruiz, E., &
Cevallos Macas, F. B. (2018). Data
Warehouse: Análisis
Multidimensional de BAFICI
utilizando Power Pivot. Revista
Espacios, 6.
Gutierrez Camelo, A., Devia Llanos, M., &
Tarazona, G. (2016). Research
inteligencia de negocios: estudio de
caso sector tecnológico colombiano.
Redes de Ingenieria, 2.
Kimball, R. (1998). The Data Warehouse
Lifecycle Toolkit. New York: Wiley.
Leonard Brizuela, E. I., & Castro Blanco, Y.
(2013). Metodologías para desarrollar
Almacén de Datos. Revista de
Arquitectura e Ingeniería, 8.
Ricardo, B. (19 de 07 de 2010).
businessintelligence. Recuperado el
 F-LAB-IEA
UNIVERSIDAD NACIONAL EXPERIMENTAL DEL TACHIRA
DECANATO DE POSTGRADO Versión:
MAESTRIA EN INFORMATICA 1.0_R2014
INGENIERIA DE DATOS. Página: 6 de 6

06 de 04 de 2019, de
https://www.businessintelligence.info
/assets/hefesto-v2.pdf