38
 UNIVERSIDAD NACIONAL JOSÉ FAUSTINO SÁNCHEZ CARRIÓN FACULTAD DE INGENIERÍA INDUSTRIAL, SISTEMAS E INFORMÁTICA CURSO: INTELIGENCIA DE NEGOCIO SESION 1: FUNDAMENTOS DE INTELIGENCIA DE NEGOCIOS DOCENTE: ING. JULIO CÉSAR MORALES LEÓN HUACHO - 201

Clase 01 BI-01

Embed Size (px)

DESCRIPTION

BI

Citation preview

Presentacin de PowerPoint

UNIVERSIDAD NACIONAL JOS FAUSTINO SNCHEZ CARRIN

FACULTAD DE INGENIERA INDUSTRIAL, SISTEMAS E INFORMTICA

CURSO: INTELIGENCIA DE NEGOCIO

SESION 1: FUNDAMENTOS DE INTELIGENCIA DE NEGOCIOS

DOCENTE: ING. JULIO CSAR MORALES LEN

HUACHO - 2014

1Tengo demasiados datos y no suficiente informacin

Por qu todos mis reportes no se unifican?

Las respuestas administrativas responden al pasado

Quin tiene tiempo para anlisis?Parlisis por el anlisis

Le parece familiar?Cules son las caractersticas de mis clientes?Qu est requiriendo mi cliente?Qu regin nos provee mejores ventas? Qu segmento de clientes respondi mejor a la promocin?En qu perodo se vendi ms?. Cmo vendimos?Quin compr, donde y cmo compraron?Los gerentes siempre se han preguntadoPreguntas del negocio3

En las gerencias el 93% de los gerentes sienten presin para hacer decisiones efectivas en periodos cortos de tiempoAlgunos datos62% de los gerentes admiten no haber recibido la informacin adecuada para la toma de decisiones88% de los gerentes admiten utilizar la intuicin sobre los hechos el 75% de las veces para tomar decisiones Desfase entre disponibilidad de informacin y oportunidad comercialUsuarios no tienen acceso autnomo a la informacinMuchos datos pero no suficiente informacinLos reportes no coinciden Poco tiempo para anlisis de la informacinNo se soporta una visin global de la empresaNo se dispone de anlisis histrico de informacinNo pueden hacerse preguntas complejas del negocio

FRUSTRACIONES DE LOS EJECUTIVOS EstratgicaTcticaOperacionalAlta DireccinGerentes y/o Jefes de lneaPersonal OperativoBusiness IntelligenceERP, Sistemas transaccionalesEstrategiaDa a DaNECESIDADES DE INFORMACIN6"Hace diez aos les pude decir cuntos productos vendimos al Oeste del Mississipi. Hoy no slo les puedo decir eso mismo, sino cuntos vendimos y de que tipo, en California, en el Condado de Orange, en la ciudad de Irvine, en el Supermercado local Vons, en una promocin especial, al final del pasillo 4, los Jueves".

D. Wayne Calloway Director Ejecutivo de Operaciones de Pepsico en una asamblea general de accionistas

El Poder de la Informacin Business Intelligence se refiere al proceso de convertir datos en conocimiento y conocimiento en acciones para crear la ventaja competitiva del negocio

The Data Warehousing InstituteBusiness IntelligenceDatosInformacinConocimientoVentajaCompetitivaDatos e InformacinVentas Nmero de pedidos Productos pedidos Clientes que realizaron los pedidos Clientes ms rentables Pedidos ms frecuentes Productos ms rentables % de nuevos clientesServicio al Cliente Datos de llamadas de nuestros clientes Informacin sobre el log de nuestra pgina web Qu clientes visitan nuestra pgina web ? % pedidos realizados por nuestros canales de ventas Qu consulta es ms frecuente?Marketing Nmero de campaas realizadas y caractersticas de cada una % xito de las campaas Qu tipo de clientes han respondido mejor a cada una de las campaas realizadas ?Distribucin Productos que salen diariamente del almacn Tiempo terico de entrega Nmero de pedidos retrasados Distribuidor que tiene el mayor nmero de retrasos Tiempo medio de entregaFuente : Deloitte & ToucheArquitectura Business Intelligence

AplicacionesProcesos de Extraccin, Transformacin y CargaReportes, ConsultasData MiningOlapDashboardData Warehouse(Data Mart) Modelo del Negocio Integrado Repositorio de Informacin MetadataDatos Externos

Web

Mail

CelularExcel Podemos comenzar construyendo Data Marts con resultados inmediatos, para no postergar las decisiones de negocios y el anlisis de informacin, pero hacerlos siempre teniendo una visin integral del negocio Teddy Dale Consultor Internacional

Data Warehouse o Data MartData MartVentasData MartMarketingData MartFinanzasDwQue aplicar? DM o DW, lo ideal son desarrollos evolutivos, es decir, DM11NO es una tecnologa, se apoya en ellaNO da una nica solucin, se enfoca en la visin y las necesidades de cada negocioNO brinda un sistema de Tecnologa, brinda un medio para analizar la informacin para gente del negocio

Qu no es Business Intelligence?El Reto

ANLISIS DE LA INFORMACIN VISIBLE

Datos InvisibleLimpiezaIntegridadOportunidadHomogeneidadPrivacidadAccesoAuditoraMantenimiento

No hay productos buenos ni malos

Los proveedores de tecnologa se fueron adaptando a las necesidadesLa tecnologa Business Intelligence16These are the types of questions companies need to have answered in order to run their business.What are the implications of the first question? What if we find that most of our business comes not from new customers, but repeat business from old customers? Depending upon the particular products and the industry, a company can use that information to decide on how to incent the sales reps we have, and perhaps, decide that they should focus more on customer service than trying to generate new business. Or, we might define this as a problem, and try new ideas to generate new business.

What if we find out our customers buy more over time if they are trained on our products? Maybe we should incent them to take more training, by offering financial incentives when they buy, since we more then get it back over time with increased sales?40% de las empresas en Per utilizan BI

Business Intelligence es un proceso de negocios, no un proyecto de tecnologa.La tecnologa adecuada debe de soportar el proceso, as como una metodologa de implantacin.Acciones de Valor ControlEjecucinPlanificacinAnlisis de DatosData WarehouseEl gran mensaje

Reality #2: Consumerization of IT

Expectativas de tomar decisiones en tiempo real, en momentos de riesgos y oportunidadesExpectativas de los clientes de tener experiencias de negocio tan satisfactoria como la experiencia personal.La gente espera respuestas al instante, respuestas a cualquier pregunta.At the same time, the consumerization trend is driving up expectations as to what enterprise IT can help the business to do. People want instant access to information in the moment - whether that is a moment of risk or a moment of opportunity. If the moment has passed and your business has not taken the right action, it has failed. People want instant answers. They want them to be right. They want them anywhere, any time.

19Metodologa2. Arquitectura Tecnolgica y Modelamiento de datos3. Extraccin Inicialde datos4. ActualizacinPeridica dedatos5. Explotacin deDatosADMINISTRACION DEL PROYECTO1. Anlisis de Requerimientos0. AnteproyectoGestin de RiesgosGestin de RRHHGestin de ComunicacinGestin de CalidadGestin de Proveedores20Metodologa. Entregables1. Anlisis de Requerimientos2. Arquitectura y Modelamiento de datos3. Extraccin Inicialde datos4. ActualizacinPeridica dedatos5. Explotacin deInformacinADMINISTRACION DEL PROYECTOProcesos de Carga Reportes Capacitacin Pase Produccin Validacin Reportes Validacin Dashboards Anlisis de RequerimientosDiseo Preliminarde DashboardsModelo DimensionalEspecificaciones ETL21Los objetivos del curso estn listados en el slide de arriba.

ObjectivosDefinir usuarios responsablesEstablecer plan de entrevistasIdentificar riesgos Entrevistas a usuarios responsablesValidacin de requerimientosFormalizar Alcance de Requerimientos .Anlisis de RequerimientosRevisamos una entrevista Cuestionario Gerencia.doc22Ejemplo - Anlisis de Ventas (Industriales) Caractersticas : Detalle de ventas en unidades monetarias y fsicas Anlisis de ventas Anual, mensual y semanal Evaluacin de ventas por Empresa y pases Niveles de detalle por Familia, lnea y producto Detalle por cliente, identificando los clientes corporativos Detalle por Proceso de Produccin Anlisis de ventas por VendedorConsideraciones : Comparativo de ventas entre unidades de tiempo Anlisis de ventas de uno o ms aos a la vez Suma acumulada de ventas Participacin porcentual de las variables de ventasVentasTiempoAoMesSemanaRequerimientos de Consultas (Star Net)VendedorVendedorOrganizacinProductoClienteEmpresaPasFamiliaLneaTipoProduccinProcesosClienteProductoVentas SolesVentas DlaresVentas Unidades

24

MODELO ESTRELLACUBO MULTIDIMENSIONAL

ARQUITECTURA BIFUENTES DE DATOSVENTASCOMPRASFINANZASGDHData StageSTAGINGAREA MONITOREODE LA ESTRATEGIA

SDSCMFI-COGDHMODELO DATAMARTCuentas por PagarAdquisicionesComercial

EGPCRMBSCCUBOS27

GARTNER

Software Empresarial* Soporta la operatividad del negocio (OLTP)* Requieren conocimiento tcnico informtico*Contiene capacidades mnimas de anlisisNecesidades delNegocios*Toma de decisiones mejorada*Utilidad Mejorada*Menores CostosMejor CalidadMayor satisfaccin de los clientesAnlisis Multidimensionalpoderoso

Volmenes grandes de datosTiempos de respuestas rpidas

Qu pas?Qu esta pasando?Qu pasar?Amigable con el usuario finalInteligencia de Negocios

QU ES BIG DATA? Definicin bsica:Big data es un trmino que se aplica a los conjuntos de datos cuyo tamao est ms all de la capacidad de uso comn (wikipedia)

3 caractersticas comunes de los conjuntos "Big Data" de datos:

- Volumen: La cantidad de datos ms all de RDBMS tradicional- Variedad: texto relacional, y / o tipos de datos multimedia- Velocidad: frecuencia de la generacin de los datos o de la entrega de datos Deshacer cambios

QU ES BIG DATA? HMV Japn se dio cuenta de un 300% de crecimiento en ingresos por transaccin por prediccin de los intereses del cliente

AOK Hessen ahorr $ 3,2 M mediante la identificacin de fraude de seguroreclamaciones.

Los clientes experimentan un Marketing Integrado aumentado las ventas porconducir en un 22% el uso de modelos predictivos para determinar clientepatrones de compra.

By 2012, 70% of Global 1000 organizations will load detailed data into memory as the primary method to optimize BI application performance. - GartnerGartner, for one, agrees. As you can see, they believe that analytics will be transformed by in memory approaches. We believe that analytics is just the start. SAP is already delivering new in-memory applications, and we believe in-memory will become the norm for transactional data management as well. (see our roadmap presentation for more detail)34SAP HANAIn-Memory software + hardware(HP, IBM, Fujitsu, Cisco, Dell)Data Modeling and Data ManagementReal-time Data ReplicationSAP BusinessObjects Data Services for ETL capabilities from SAP Business Suite, SAP NetWeaver Business Warehouse (SAP NetWeaver BW), and 3rd Party SystemsCapabilities EnabledAnalyze information in real-time at unprecedented speeds on large volumes of non-aggregated dataCreate flexible analytic models based on real-time and historic business dataFoundation for new category of applications (e.g., planning, simulation) to significantly outperform current applications in categoryMinimize data duplicationSAP In-Memory Appliance (SAP HANA)SAP HANA StudioReal-Time Data ReplicationSAP HANASAP ApplicationsNon SAP Data sourcesSAP HANA DatabaseCalculation EngineRow & Column In-MemorySAP BusinessObjects Data IntegratorSAP Information ComposerSAP BusinessObjects BI SolutionsOther ApplicationsSo, whats inside HANA? This architecture diagram explains the main components and capabilities.

So, I keep throwing around words like massive amounts of data and amazing speed. What kinds of scale, speed and improvement are customers seeing?35BD Basadas en Columnas?Si, estas bases de datos se basan en columnas para almacenar la informacin no como las bases de datos ya usadas como Oracle, MySQL o MS SQLServer que son basadas en filas.Como su nombre lo indica, las bases de datos estn organizados de columna por columna en lugar de la fila: es decir, todos los casos de un solo elemento de datos se almacenan de modo que se puede acceder como una unidad.Esto los hace especialmente eficaz en las consultas analticas, como la lista de selecciones, que a menudo lee unos pocos elementos de datos, pero necesitamos ver todas las instancias de estos elementos. Los datos por filas, por lo que toda la informacin de un registro (fila) es inmediatamente accesible. Esto tiene sentido para las consultas transaccionales, que suelen referirse a un registro a la vez pero si no es as es mas eficiente por columnas. 2008 Oracle Corporation Proprietary and Confidential 37 HP Oracle Database MachinePre-Configured High Performance Data Warehouse8 DL360 Oracle Database servers2 quad-core Intel Xeon, 32GB RAMOracle Enterprise LinuxOracle RAC14 Exadata Storage Cells (SAS or SATA) Up to 14 TB uncompressed user data on SASUp to 46 TB uncompressed user data on SATA4 InfiniBand switches1 Gigabit Ethernet switchKeyboard, Video, Mouse (KVM) hardwareHardware Warranty3 YR Parts/3 YR Labor/3 YR On-site 24X7, 4 Hour response timeAdd more racks for unlimited scalability

37 Como se obtenga, administre y use la informacin, podremos determinar si ganamos o perdemos (Bill Gates)