Optimización de la Toma de Decisiones con Data Warehousing

Etapas de la Toma de Decisiones

1. Reconocimiento de una necesidad: Sensación de insatisfacción con uno mismo; sensación de vacío o necesidad.
2. Decisión de cambiar, para llenar el vacío o la necesidad.
3. Dedicación consciente para implementar la decisión.

Data Warehouse (DWH)

Un Data Warehouse (DWH) es una colección de datos orientada a temas, integrada, no volátil y de tiempo variante, que se usa para el soporte del proceso de toma de decisiones gerenciales.

Ventajas de un DWH

• Confiable
• Controlado
• Única fuente de datos
• No duplicación de esfuerzos
• No hay conflictos en periodos de tiempo
• No hay confusión de algoritmos

Características de un DWH

• Integrado
• De tiempo variante
• No volátil

Elementos que integran un DWH

• Metadata
• API
• Middleware
• Mecanismos de extracción
• Mecanismos de carga

Componentes del DWH

• Detalle de datos actuales
• Detalle de datos antiguos
• Datos ligeramente resumidos

Metadata en DWH

La metadata se usa en DWH como:

• Un directorio para ayudar al analista a ubicar los contenidos del data warehouse.
• Una guía para el mapping de datos de cómo se transforma, del ambiente operacional al de data warehouse.

Sistemas de Apoyo a Decisiones (DSS)

Los Sistemas de Apoyo a Decisiones (DSS) son sistemas de información interactivos que ayudan al tomador de decisiones a utilizar datos y modelos para resolver problemas de decisión no estructurados o semi-estructurados.

Finalidad de los DSS

Apoyar la toma de decisiones mediante la generación y evaluación sistemática de diferentes alternativas o escenarios de decisión, utilizando modelos y herramientas computacionales.

Tipos de DSS

• MIS (Management Information Systems)
• EIS (Executive Information Systems)
• Sistemas Expertos basados en Inteligencia Artificial
• GDSS (Group Decision Support Systems)

Componentes de los DSS

• Sistema de gestión de bases de datos
• Sistema gestor de modelos
• Sistema gestor y generador de diálogos

OLTP (OnLine Transaction Processing)

OLTP es el Procesamiento de Transacciones En Línea. Es un tipo de software que administra aplicaciones transaccionales, usualmente para entrada de datos y recuperación y procesamiento de transacciones.

Usos de OLTP

• Banca electrónica
• Procesamiento de pedidos
• Comercio electrónico
• Supermercados
• Industria

OLAP (OnLine Analytical Processing)

Usos de OLAP

• Sistemas de información ejecutivos
• Aplicaciones financieras
• Ventas y aplicaciones de marketing
• Otros

Business Intelligence (BI)

Business Intelligence (BI) es el conjunto de técnicas y herramientas que apoyan la toma de decisiones enfocadas a la administración y creación de conocimiento mediante el análisis de datos existentes.

Finalidad de BI

• Convertir grandes volúmenes de datos en un valor para el negocio a través de los reportes analíticos.
• Generar información para el control de los procesos del negocio, independientemente de la fuente de datos.
• Soportar la toma de decisiones.

Data Mining

Data Mining es la técnica para la extracción de patrones y reglas desde los datos. Ayuda a crear nuevos modelos no percibidos por el analista hasta ese momento pero que realmente existen en los datos.

Características de BI

• Proveen información para el control del proceso de negocio, independientemente de la fuente en la que los datos se encuentran almacenados.
• Dan soporte a la toma de decisiones, siendo esta la característica más importante.

Problemas de ETL

• Múltiples tecnologías
• Reportes obsoletos
• No existía Metadata
• Diferentes algoritmos de cálculo

Datamart

Un Datamart es una base de datos departamental, especializada en el almacenamiento de los datos de un área de negocio específica.

Tecnologías de Datamart

• Hardware
• Sistema Operativo
• Base de Datos
• Herramientas de Consulta
• Aplicaciones

API (Application Programming Interface)

Una API (Application Programming Interface) es una interfaz de programación de aplicación. Es el lenguaje y formato de mensaje utilizados por un programa para activar e interactuar con las funciones de otro programa o de un equipo físico.

Middleware

El Middleware permite asegurar la conectividad entre los componentes de la arquitectura de un data warehouse.

Tabla de Hechos

Componentes de una Tabla de Hechos

• Dimensiones
• Medidas

La tabla de hechos es la tabla central de un esquema dimensional y contiene los valores de las medidas de negocio.

ROLAP (Relational Online Analytical Processing)

ROLAP (Procesamiento Analítico OnLine Relacional) se trata de sistemas y herramientas OLAP construidos sobre una base de datos relacional.

MOLAP (Multidimensional Online Analytical Processing)

MOLAP (Procesamiento analítico multidimensional en línea) está diseñado para realizar análisis de datos a través de un modelo de datos multidimensional.

Ventajas Competitivas

Mejorar la toma de decisiones, así como la coordinación y el control de la organización, son argumentos que soportan la tecnología de la información.

Sistemas de Control Administrativo

Se definen ampliamente como las rutinas formales, los reportes y los procedimientos que utilizan la información para mantener o alterar los patrones en las actividades organizacionales.

Soluciones de BI

• Recoger los datos de la organización y convertirlos en información útil.
• Estudiar la naturaleza del negocio (indicadores, medidas, dimensiones).
• Diseñar la estructura de datos dimensional.

Etapas de Construcción de un Data Warehouse

1. Identificación de las necesidades y requerimientos: Reconocimiento (fuentes de datos originales y sus estructuras).
2. En base a los requerimientos, definir las tablas auxiliares, procesos de selección, transformación e importación de datos.
3. Construir el esquema multidimensional (requerimientos, tablas auxiliares).

Ejemplos de Datamart

• Ventas
• Recursos Humanos
• Producción

Características del Esquema Estrella

• El centro de la estrella es la tabla de hechos.
• Los puntos de la estrella son las tablas de dimensiones.
• Cada esquema está compuesto por una sola tabla de hechos.