Presentación Tangram

MATERIA: INTELIGENCIA DE NEGOCIOS

UNIDAD 1: Introducción a la Inteligencia de Negocios.

Un Data Warehouse desempeña un papel central en los sistemas de Business Intelligence al recopilar, integrar y analizar datos provenientes de diversas fuentes de datos. Se trata de un entorno de integración de datos que combina tecnologías y componentes para almacenar, consultar y analizar grandes volúmenes de datos, transformándolos en información valiosa y accesible para los usuarios. A diferencia de la base de datos operativa de una empresa, un data warehouse permite el acceso a datos históricos y actuales, facilitando así la toma de decisiones informada.

1.1. Conceptos básicos.1.1.1. Data Warehouse.

Un data mart es un subconjunto de un almacén de datos centrado en una línea de negocio, departamento o área en particular. Ponen datos específicos a disposición de un grupo definido de usuarios, lo que les permite acceder rápidamente a información crítica sin perder tiempo buscando en todo un almacén de datos. Por ejemplo, muchas empresas pueden tener un data mart que se alinea con un departamento específico de la empresa, como finanzas, ventas o marketing.

1.1.2. Data Mart.

Sistemas de control de procesos de negocio.

Sistemas de soporte de decisiones (DSS)

Sistemas de Información Ejecutiva (EIS)

Sistemas de Procesamiento de Transacciones (TPS):

1.1.3. Tipos de sistemas de información.

Expresa algún tipo de medida y tiene un número asociado. Por ejemplo: 12 cm, 5 pies o 310 metros. Tipos de Variable de MediciónLas variables de medición vienen en una variedad de tipos diferentes:Variables de medida discretas: Se pueden contar variables discretas y pertenecen a un conjunto finito. Variables continuas de medida: Las variables continuas no son contables y continúan hasta el infinito.Subtipos de variables continuas: Variables de intervalo: también continuas, pero tienen intervalos significativos. Como ejemplo, un termómetro podría medir en intervalos de 0,1 grados. Variables de razón: también de intervalo, con un cero significativo. Por ejemplo, 0 libras significa que no pesas nada.

1.1.4. Variables de medición.

Variables Cuantitattivas: Es simplemente algo que podemos medir con números.Variables Cualitativas: Representa una cualidad del sujeto u objeto que puede expresarse mediante palabras.

1.1.5. Variables de análisis.

Técnicas de la minería de datos* Técnicas de asociación * Técnicas de agrupamiento * Técnicas de clasificación* Técnicas de regresión * Técnicas de detección de anomalías * Técnicas de automatización * Técnicas de optimización

La minería de datos (o data mining) es el proceso de analizar grandes cantidades de datos para encontrar tendencias y patrones. Permite convertir datos sin procesar y estructurarlos en información comprensible sobre diversas áreas de negocios y del mercado.

1.2. Componentes de la Inteligencia de Negocios.1.2.1. Minería de Datos.

Ejemplo de la Mineria de Datos, Proceso

Por administración del conocimiento se entiende un proceso sistemático de encontrar, seleccionar, organizar, disponer, presentar y compartir información, para transformarla, colaborativamente en conocimiento, de modo que, con ello, se ayude a comprender mejor un asunto y se aproveche la experiencia acumulada sobre él para beneficio de los miembros de una organización. Ciclo de la Administración del conocimiento. 1.- Identificar: Validar las razones de la identificación del conocimiento (competencias básicas , por ejemplo) 2.- Capturar: Formalizar el conocimiento existente.3.- Seleccionar: Evaluar la relevancia del conocimiento, su valor, su exactitud. Resolver conflictos de conocimiento.4.- Almacenar: Representar la memoria corporativa en una base de conocimiento con varios esquemas de conocimiento.5.- Compartir: Distribuir el conocimiento entre usuarios estratégicos. Crear grupos virtuales para trabajar en colaboración6.- Aplicar: Accesar y usar el conocimiento para tomar decisiones, solucionar problemas, automatizar trabajos o apoyarlos.7.- Crear: Descubrir nuevo conocimiento a través de la investigación o pensamiento creativo.8.- Vender: Desarrollar y mercadear productos y servicios basados en el nuevo conocimiento.

1.2.2. Administración del Conocimiento.

1. Características de las aplicaciones analíticas.Una aplicación analítica no es solo un juego de informes creados al azar. Tiene cuatro características importantes las cuales son: 1. Integradas lógicamente: significa que algún grado de lógica comercial es incluido en la aplicación que ayude a los usuarios a navegar a través de una serie de tareas. 2. Informes Interactivos: que permitan a los usuarios acceder, analizar y actuar: Esto significa que los usuarios pueden penetrar con una vista de nivel más alto de un reporte a niveles más bajos o inferiores para adicionar información. 3. Información Integrada: Arquitectónicamente una aplicación analítica es un objeto soportado por un repositorio de almacenamiento de datos de la empresa. 4. Dirección de un dominio comercial: Las aplicaciones analíticas son definidas por los requerimientos de información de la actividad comercial, como las ventas, servicios o infraestructura.

1.2.3 Aplicaciones Analíticas

Son herramientas esenciales para la gestión y análisis de datos en las empresas. Permiten la recopilación, organización y presentación de información de manera eficiente, facilitando la toma de decisiones informadas.

1.2.4. Sistemas de Reportes.

La multidimensionalidad dentro de la inteligencia de negocios ayuda a representar los datos en forma cercana a la intuición del usuario y al mismo tiempo resolver problemas planteados en sistemas relacionales. La información multidimensional se puede encontrar en hojas de calculo, bases de datos, etc. Es una herramienta de B.I. que es capaz de reunir información dispersa en toda la empresa e incluso en diferentes fuentes para así proporcionar a los departamentos la accesibilidad, poder y flexibilidad que necesitan para analizar la información.

1.2.5. Multidimensionalidad.

Se representan los datos como una matriz. * En los ejes están los criterios de análisis. * En los cruces están los valores a analizar. * A esta estructura se le llama Cubo o Hipercubo. ----Los Cubos o Hipercubos constan de: Dimensiones: * Criterios de análisis de los datos. * Macro-objetos del problema. * Variables independientes. * Ejes en el hipercubo. Medidas: * Valores o indicadores a analizar. * Datos asociados a relaciones entre los objetos problema. * Variables dependientes. * Variables en la intersección de las dimensiones.

1.2.6. Data Warehouse.

Los Data Warehouse son utilizados por todas las empresas que deben tratar grandes volúmenes de datos o que recolectan datos de múltiples fuentes. Son utilizados también por empresas que desean acceder con mayor facilidad a sus datos. Para cualquier empresa que busque asistencia en la toma de decisiones, los Data Warehouse pueden resultar pertinentes. Este es también el caso para los usuarios que buscan gestionar informes, gráficos y diagramas a partir de datos.

1.3. Principales Herramientas de la Inteligencia de Negocios.

1. Microsoft Power BI Una de las herramientas de BI más populares es Power BI, ofrecida por el gigante del software Microsoft. Esta herramienta es un software descargable, por lo que se puede optar por ejecutar los análisis en la nube o en un servidor de informes. Sincroniza con fuentes como Facebook, Oracle y otras, y genera informes y cuadros de mando en cuestión de minutos con esta herramienta interactiva. Viene con capacidades de IA incorporadas, integración de Excel y conectores de datos, y ofrece cifrado de datos de extremo a extremo y supervisión de acceso en tiempo real.

2. Tableau Tableau es conocido por sus capacidades de visualización de datos fáciles de usar, pero puede hacer más que gráficos bonitos. Su oferta incluye análisis visuales en vivo, una interfaz que permite a los usuarios arrastrar y soltar botones para detectar tendencias en los datos rápidamente. La herramienta admite fuentes de datos como Microsoft Excel, Box, archivos PDF y Google Analytics, entre otras. Su versatilidad se extiende a poder conectarse con la mayoría de las bases de datos.

3. QlikSense QlikSense es una herramienta BI que hace hincapié en un enfoque de autoservicio, lo que significa que admite una amplia gama de casos de uso analítico, desde apps y cuadros de mando guiados hasta análisis personalizados e integrados. Ofrece una interfaz fácil de usar optimizada para pantallas táctiles (touchscreen), inteligencia artificial (artificial intelligence o IA) sofisticada y plataformas en la nube de alto rendimiento.