Bodega de datos

Data Warehouse

Es un conjunto de datos integrados u orientados a una materia, que varían con el tiempo y que no son transitorios, los cuales soportan el proceso de toma de decisiones de la administración y está orientada al manejo de grandes volúmenes de datos provenientes de diversas fuentes o diversos tipos.

Estos datos cubren largos períodos de tiempo lo que trae consigo que se tengan diferentes esquemas de los datos fuentes, La concentración de esta información está orientada a su análisis para apoyar la toma de decisiones oportunas y fundamentadas, Previo a su utilización se debe aplicar procesos de análisis, selección y transferencia de datos seleccionados desde las fuentes.

RIESGOS.

- Desactualización de esquemas a nuevas necesidades del negocio.

- Acceso no restringido a objetos de Data Warehouese.

- Respaldo de los datos almacenados

La bodega de datos se encuentra sobre la plataforma del sistema operativo. La seguridad representada en la disponibilidad, confidencialidad y controles de accesos y privilegios sobre las áreas de almacenamiento y procesamiento están en gran medida dependientes de esta plataforma.

RIESGOS

- El Sistema operativo no apoya las políticas de acceso establecidas desde la administración de la bodega de datos.

- Los recursos requeridos para los procesos de actualización sean mal atendidos por el sistema operativo.

- El sistema operativo permite que programas o usuarios ejecuten y utilicen recursos protegidos desde la bodega de datos.

- El sistema operativo no otorga los recursos necesarios para la realización de procesos de alto costo computacional.

RED

Es la infraestructura de comunicación que permite que los diferentes componentes intercambien información. La cantidad de datos contenidos en Data Warehouse incrementa su importancia.

RIESGOS

- Acceso al sistema desde elementos externos sin autorización (aplicaciones, personas, etc.)

- La red se convierta en un cuello de botella para lo operación del sistema.

- La inexistencia de elementos que respalden un componente que falle

REQUERIMIENTOS PARA LA CONSTRUCCIÓN DE UNA BODEGA DE DATOS

HARDWARE

Se requiere de un servidor para el almacenamiento y manejo de la base de datos corporativa; este servidor se recomienda que sea altamente escalable, pues algunas veces el proyecto de construcción de la bodega presenta redimensionamiento a medida que se avanza en la implementación. La capacidad inicial de almacenamiento estará determinada por los requerimientos de información histórica presentados por la empresa y por la perspectiva de crecimiento que se tenga.

Dependiendo del diseño del sistema, puede ser necesario contar con un segundo servidor para las herramientas de consulta de datos. Este equipo debe tener el sistema operativo recomendado por el proveedor de la herramienta a utilizar, siendo el más usado alguna versión de Windows.

Las estaciones de trabajo de cada usuario deberán cumplir con las características recomendadas por el proveedor de la herramienta de consulta seleccionada.

HERRAMIENTAS DE SOFTWARE

Las herramientas se clasifican en cuatro categorías básicas: Herramientas de Almacenamiento (bases de datos, multidimensionales), Herramientas de Extracción y Colección, Herramientas para Reportes de Usuario Final y Herramientas para Análisis Inteligentes.

Herramientas de Almacenamiento: corresponde a la herramienta en la cual se irán a almacenar los datos.  Existen muchas opciones dependiendo del volumen de los datos, presupuesto y capacidad de su sistema.  Cada uno de los sistemas de administración de bases de datos, como Oracle, DB2, Informix, TeraData, Sybase, etc, tienen una facilidad de Data Warehouse.

Herramientas de Extracción y Colección: Ayudan a definir, acumular, totalizar y filtrar los datos de sus sistemas transaccionales en el Data Warehouse.  La mayoría de esas herramientas son desarrolladas por el personal interno de la compañía dado el gran conocimiento que tienen de los sistemas transaccionales.

Herramientas para Elaboración de Reportes a Usuarios Finales: Es la interfase vista por el usuario. Al usuario se le debe proveer un mecanismo para que vea los datos a un alto nivel y que entonces obtenga con ello la solución a preguntas específicas.  Existen muchas herramientas, incluyendo Cognos Powerplay, Business Objects, SAS, ShowCase Strategy etc.

Herramientas de Análisis Inteligente: Entre ellas están las de empresas como IBM, SAS, Arbor, Cognos, Business Objects, entre otras.  Estas herramientas han sido construidas utilizando inteligencia artificial que buscan alrededor del Data Warehouse modelos y relaciones en los datos. Estas herramientas utilizan una técnica conocida como Data Minning o Minería de datos.

Fuentes:http://www.monografias.com/trabajos24/bodega-de-datos/bodega-de-datos.shtml

Sistema CRM

Definición de CRM

CRM es un software / programa / herramienta / aplicación en el que cualquier conversación que un compañero de tu empresa tenga con un cliente (o potencial cliente) se guarda en una zona común y accesible para todo el mundo en tu empresa. Estas conversaciones son los emails, llamadas, reuniones, notas y tareas que surgen del día a día en la relación con los clientes.

Así que ahora ya sí, se entiende el significado de "CRM" como "gestión de relaciones con clientes" y del "CRM software" como el programa que lo permite.

Ventajas  CRM

El mayor beneficio de un sistema CRM (estrategia CRM + uso software CRM) es que permite poder dar una atención 100% personalizada y rápida al cliente. De esta manera ayuda a la fidelización de clientes ya que las personas pueden conocer las necesidades y expectativas de cada cliente en un sólo clic.

Con un software CRM puedes segmentar tu cartera de clientes, por lo que también hace más fácil poder planificar estrategias de marketing y ventas con mayor eficacia y aumentar los ingresos.

Desventajas CRM

La aceptación de los clientes: La posibilidad de que se presente cierta resistencia de algunos sectores a compartir la información.

Curva de aprendizaje: Se requiere un período de familiarización con el programa de CRM que se esté utilizando. Parte del proceso incluye la formación del personal, para que aprenda a utilizar la información e interactúe con los clientes y clientes potenciales.

Resistencia: La resistencia a la innovación es cada día menor, pero es posible que haya que dedicar tiempo a motivar al personal para que acepte, se adapte y utilice el CRM, como instrumento de beneficio para clientes, el flujo de trabajo, el desempeño de los empleados y el crecimiento de la empresa.

Como todas las demás herramientas tecnológicas, el CRM llegó para facilitar las cosas y alcanzar mayor rendimiento y mejores resultados. Una vez rota la barrera cultural (si es que existe) el personal de la empresa y los clientes se van a sentir gratificados.

Características

Gestión de los contactos: seguir las interacciones con los contactos.

Automatización de la fuerza de ventas: automatizar los planes de seguimiento, el proceso de pedido e incluso gestionar el inventario y el seguimiento de los pedidos.

Predicción de ventas: analizar las ventas.

Email Marketing: integrar los planes de email marketing con la automatización de la fuerza de ventas.

Centralización de la información: los equipos de ventas, marketing, servicio al cliente y otros departamentos pueden acceder y actualizar el almacenamiento de la información centralizada en el CRM.

Ejemplo

1. Salesforce

Este CRM te permite sacar el máximo partido a la parte más comunicativa del software con Chatter, la “red social” de dicho software.

Todo tu equipo podrá acceder a los datos corporativos necesarios para llevar a cabo dicha gestión desde cualquier dispositivo. De este modo, todo el equipo está perfectamente coordinados con sus tareas.

Además, ofrece la posibilidad de que los reportes que nos lleguen sobre distintos sucesos relevantes sean personalizables 100%, así como el hecho de poder llevar un seguimiento total de cada evento y tarea o sobre nuestras cuentas o contactos.

Como ventaja destacar que este software es uno de los que más confianza da al ser uno de los más populares y extendidos que, además, puede estar integrado con otros softwares. Tiene gran cantidad de opciones personalizables. Además, se adapta perfectamente a las dimensiones de tu empresa, por lo que es altamente recomendable.

¿Porque las empresas adquieren CRM?

Fuentes de información:

https://www.sumacrm.com/soporte/customer-relationship-management

https://www.zewsweb.com/faq/ventajas-desventajas-usar-crm/

https://www.ticportal.es/temas/enterprise-resource-planning/que-es-sistema-erp

Sistema ERP

Definición de un sistema ERP

El término ERP se refiere a Enterprise Resource Planning, que significa “sistema de planificación de recursos empresariales”. Estos programas se hacen cargo de distintas operaciones internas de una empresa, desde producción a distribución o incluso recursos humanos.Los sistemas ERP suponen una gran inversión para las empresas. Según una encuesta de Panorama Consulting de 2013, un 40% de las empresas que adquieren un ERP notan un aumento la productividad.

Ventajas de un sistema ERP

·         Las principales ventajas de estos sistemas son:

·         Automatización de procesos de la empresa.

·         Disponibilidad de la información de la empresa en una misma plataforma.

·         Integración de las distintas bases de datos de una compañía en un solo programa.

·         Ahorro de tiempo y costes.

Además, los ERP ofrecen integración con soluciones de BI o Business Intelligence, permitiendo realizar informes sobre el estado de su empresa directamente con los datos del sistema ERP. Esto ofrece un nivel de conocimiento detallado y actualizado del estado de la empresa que resulta indispensable a la hora de analizar y mejorar procesos internos como el marketing y ventas, la organización u otros aspectos clave de una compañía.

Desventajas de un sistema ERP

El inconveniente más común suele ser el coste del software ERP. Esto se debe normalmente al nivel de personalización que necesita un sistema ERP para cubrir las necesidades de la empresa: a mayor nivel de personalización, mayor precio. Además, algunos de los costes que un ERP conlleva pueden aparecer de forma posterior a su instalación y adquisición, lo que se denomina costes ocultos. Puede encontrar una descripción detallada de estos costes ocultos, junto con ejemplos y cálculos reales de presupuestos de los ERP más usados en la Guía ERP.

Otra desventaja a tener cuenta al elegir un paquete ERP está en la implementación. En algunos casos, puede que la instalación, el hardware necesario para su funcionamiento y la preparación de su infraestructura tarden demasiado. Esto puede provocar retrasos en el funcionamiento interno de su empresa que pueden causar pérdidas. No obstante, existen sistemas en la nube que pueden prevenir este tipo de inconvenientes, al no tener que ser implementados físicamente en la empresa.

Características del ERP

Las dos características principales que diferencian a los ERP de otros programas de gestión empresarial es que son modulares y configurables:

Modulares: los ERP cuentan con diferentes programas o módulos que gestionan los diferentes departamentos de la empresa, tales como ventas, marketing, almacenes o recursos humanos. Todos estos módulos comparten información en torno a una base de datos común que vertebra el funcionamiento del ERP.

Configurables: los ERP deben poder modificarse para adaptarse a las necesidades específicas de cada empresa, por ejemplo, a la hora de gestionar el inventario o los puntos de venta. Por eso es necesario que el ERP se pueda configurar para adaptarse a diferentes organizaciones y procesos, teniendo en cuenta además que las necesidades de una misma empresa varían a través del tiempo.

Ejemplo

Entre las soluciones informáticas más comunes para las empresas, podemos encontrar múltiples ejemplos de ERP. Del inglés Enterprise Resource Planning (sistema de planificación de recursos empresariales), un ERP es un software de gestión empresarial que permite planificar y controlar los procesos y recursos de negocio de una empresa.

Se trata de conseguir que todos los datos de la compañía estén integrados y conectados. Por ejemplo, una operación en Valencia se refleja automáticamente en el departamento administrativo de Barcelona y se notifica a su vez a los almacenes de stock situados en Polonia. Contar con un ERP facilita enormemente la trazabilidad de las operaciones y con ello la resolución rápida de problemas. En definitiva, un ERP bien gestionado optimiza los procesos de la empresa, da acceso a la información a todos los actores que la necesitan y agiliza la respuesta de cara al cliente.

Fuentes de información:

https://www.sumacrm.com/soporte/customer-relationship-management

https://www.zewsweb.com/faq/ventajas-desventajas-usar-crm/

https://www.ticportal.es/temas/enterprise-resource-planning/que-es-sistema-erp

Origen de datos y Sistemas Operacionales

En términos de bases de datos, un origen de datos comprende un conjunto de datos específico, la información requerida para tener acceso a esos datos y la ubicación del origen de datos, que se puede describir por medio de un nombre de origen de datos. Para trabajar con la clase CDatabase, el origen de datos debe ser uno de los que se han configurado mediante el Administrador de ODBC. Ejemplos de orígenes de datos son una base de datos remota que funciona en Microsoft SQL Server a través de una red o un archivo de Microsoft Access de un directorio local. Desde la aplicación se puede tener acceso a cualquier origen de datos para el que se tenga un controlador ODBC.

Se pueden tener uno o varios orígenes de datos activos en la aplicación al mismo tiempo, cada uno de ellos representado por un objeto CDatabase. También se pueden tener varias conexiones simultáneas a cualquier origen de datos. La conexión se puede establecer tanto con orígenes de datos remotos como locales, dependiendo de los controladores que estén instalados y de las capacidades de los controladores ODBC. Para obtener más información sobre los orígenes de datos y el Administrador de ODBC, vea ODBC y Administrador de ODBC.

Sistemas Operacionales

El análisis de cada sistema se realizará en forma bastante general pues, se supone que será fuente de futuros trabajos al respecto. El objetivo explícito de este capítulo es comprender el ámbito de los Sistemas considerados necesarios para cualquier empresa que contemple el uso de TI acorde a la época actual. El objetivo implícito, es concebir un modelo que permita relacionar los sistemas mencionados, y determinar los datos por ellos obtenidos que permitan gestionar adecuadamente una empresa.

Cada sistema maneja cierta información de índole estratégica, por lo cual se debe restringir el acceso de cualquier interesado, y proveer de permisos y perfiles de usuario, que delimiten las acciones a ejecutar por cada usuario autorizado, e inhabiliten a los que no lo estén. Como en el Sistema de Personal deben ser Sistemas de Gestión 2 ingresados los datos de todos los Funcionarios que pertenecen a la Institución, en el Módulo Central que coordina el funcionamiento de todos los sistemas corporativos, probablemente manejado por el Administrador del Sistema, se realizará la definición del ambiente de acceso al sistema para cada funcionario, es decir, los llamados perfiles de usuario. De acuerdo a los perfiles diseñados, los usuarios para ingresar a los distintos sistemas corporativos, deberán hacerlo a través del Rut, el cual se valida con el Archivo de Datos Personales, para verificar el Rut y rescatar el perfil asignado, lo cual determinará si su acceso está permitido o no.

Fuentes:
https://msdn.microsoft.com/es-es/library/w558zwfc.aspx
https://www.inf.utfsm.cl/~lhevia/asignaturas/sdeg/topicos/Gestion/cap3pdf.pdf

¿Cuál base de datos es mejor OLAP VS OLTP?

Definición de OLTP - On-Line Transactional Processing

Los sistemas OLTP son bases de datos orientadas al procesamiento de transacciones. Una transacción genera un proceso atómico (que debe ser validado con un commit, o invalidado con un rollback), y que puede involucrar operaciones de inserción, modificación y borrado de datos. El proceso transaccional es típico de las bases de datos operacionales.

Definición  de OLAP - On-Line Analytical Processing

Los sistemas OLAP son bases de datos orientadas al procesamiento analítico. Este análisis suele implicar, generalmente, la lectura de grandes cantidades de datos para llegar a extraer algún tipo de información útil: tendencias de ventas, patrones de comportamiento de los consumidores, elaboración de informes complejos… etc. Este sistema es típico de los datamarts.

Cuadro comparativo de OLAP VS OLTP

OLTP - On-Line Transactional Processing	OLAP - On-Line Analytical Processing
El acceso a los datos está optimizado para tareas frecuentes de lectura y escritura. (Por ejemplo, la enorme cantidad de transacciones que tienen que soportar las BD de bancos o hipermercados diariamente).	El acceso a los datos suele ser de sólo lectura. La acción más común es la consulta, con muy pocas inserciones, actualizaciones o eliminaciones.
Los datos se estructuran según el nivel aplicación (programa de gestión a medida, ERP o CRM implantado, sistema de información departamental...).	Los datos se estructuran según las áreas de negocio, y los formatos de los datos están integrados de manera uniforme en toda la organización.
Los formatos de los datos no son necesariamente uniformes en los diferentes departamentos (es común la falta de compatibilidad y la existencia de islas de datos).	El historial de datos es a largo plazo, normalmente de dos a cinco años.
El historial de datos suele limitarse a los datos actuales o recientes.	Las bases de datos OLAP se suelen alimentar de información procedente de los sistemas operacionales existentes, mediante un proceso de extracción, transformación y carga (ETL).

Conclusión del vs entre OLTP Y OLAP

Las aplicaciones OLTP se caracterizan por la creación de muchos usuarios, actualizaciones o recuperación de registros individuales. Por consiguiente, las bases de datos OLTP se perfeccionan para actualización de transacciones. Las aplicaciones OLAP son usadas por analistas y gerentes que frecuentemente quieren una vista de datos de nivel superior, como las ventas totales por línea de producto, por región, etc. Las bases de datos OLAP normalmente se actualizan en lote, a menudo de múltiples fuentes, y proporcionan un back-end analítico poderoso a las aplicaciones de múltiples usuarios. Por tanto, las bases de datos OLAP se perfeccionan para el análisis.

bibliografia:http://www.sinnexus.com/business_intelligence/olap_vs_oltp.aspx

https://oltp.wikispaces.com/Diferencia+entre+OLTP+y+OLAP

Base de datos Multidimensionales

Una base de datos multidimensional (MDB) es un tipo de base de datos que se ha optimizado para data warehouse y aplicaciones de procesamiento analítico en línea (OLAP). Las bases de datos multidimensionales se crean con frecuencia usando entradas de las bases de datos relacionales existentes. Mientras que a una base de datos relacional se accede normalmente mediante una consulta de Lenguaje de Consulta Estructurado (SQL), una base de datos multidimensional permite a un usuario hacer preguntas como: "¿Cuántas Aptivas se han vendido en Nebraska en lo que va del año?" y cuestiones similares relacionadas a resumir operaciones y tendencias de negocios. A una aplicación OLAP que accede a los datos desde una base de datos multidimensional se le conoce como una aplicación MOLAP (OLAP multidimensional).

Ventajas y desventajas de una base de datos multidimensional

Una base de datos multidimensional presenta varias ventajas:Utiliza un espacio en disco menor porque está comprimido y no utiliza la  indexación para buscar datos.

Tiene mejores prestaciones sirviendo necesidades al usuario ya que los datos agregados son precalculados y el formato de almacenamiento reduce el número de operaciones de entrada y salida.

Garantiza un rendimiento superior porque se modelan teniendo en cuenta sólo los requisitos de un solo grupo de usuarios.

Soporta un acceso, directo, eficiente y rápido a los datos.

Sin embargo, una base de datos multidimensional también tiene desventajas:

El tiempo de procesamiento de los datos es alto ya que los datos agregados deben recalcularse cuando se actualizan las fuentes de datos operacionales.

La escalabilidad disminuye a medida que aumenta el número de dimensiones o cuando la base de datos es muy grande.

La flexibilidad de una base de datos multidimensional es muy baja.

El alcance del diseño es limitado, por lo tanto, a medida que aumenta el número de grupos de usuarios cuyos requerimientos deben ser tomados en cuenta, el modelo corre el riesgo de fallar.

Ejemplos 1 (BRISTOL-MYERS)

 La farmacéutica estadounidense Bristol-Myers Squibb redujo en un 98% el tiempo que se tarda en ejecutar simulaciones de ensayos clínicos mediante la implementación de un entorno de red alojado internamente en los sistemas cloud de AWS (Amazon Web Services). Además, la compañía también ha sido capaz de optimizar los niveles de dosificación de los medicamentos, hacer que éstos sean más seguros y que los ensayos clínicos requieran un menor número de muestras de sangre de los pacientes. Dado que el tema de los ensayos clínicos se refieren a datos muy sensibles, Bristol-Myers Squibb construyó una pasarela encriptada para conectarse a los sistemas de Amazon y se configuró un entorno de nube privada virtual para aislar los datos y mantenerlos en privado.

Antes de pasar a la nube, los científicos utilizaban un entorno interno compartido, por lo que fueron necesarias 60 horas para la migración, teniendo en cuenta que la empresa tiene cientos de puestos de trabajo. Ahora que cada científico tiene un entorno dedicado, el sistema puede procesar 2.000 instrucciones en poco más de una horas sin causar impacto en los otros miembros del equipo. Como resultado de estos cambios, Bristol-Myers Squibb fue capaz de reducir el número de sujetos necesarios para un ensayo clínico de un producto pediátrico de 60 a 40, al tiempo que acortaba la duración del estudio en más de un año.

Ejemplo 2 (THE WEATHER COMPANY E IBM)

Una reciente joint venture entre The Weather Company e IBM permitirá gestionar mejor el impacto del clima sobre el rendimiento de un negocio. Y es que, según afirma la empresa de meteorología, el clima tiene un impacto económico de medio billón de dólares al año sólo en los EEUU.

Los datos sobre climatología están siendo recogidos por más de 100.000 sensores y aviones meteorológicos, así como millones de teléfonos inteligentes, edificios y vehículos en movimiento. Esos datos se combinan con los de otras fuentes para lograr 2,2 millones de puntos de pronóstico únicos, y un promedio de más de 10 mil millones de pronósticos del tiempo en un día activo. Datos que las empresas dirigidas al consumidor final pueden utilizar para ajustar sus necesidades de personal y sus cadenas de suministro, las energéticas para mejorar su oferta y conocer la previsión de la demanda, y las compañías de seguros para advertir a los titulares de pólizas que incluyan daños por condiciones climáticas severas (logrando con ello minimizar la posibilidad de daños en sus coches en caso de una tormenta de granizo, por ejemplo).

bibliográfia:

http://www.ticbeat.com/empresa-b2b/casos-exito-aplicacion-big-data/4/

http://searchdatacenter.techtarget.com/es/definicion/Base-de-datos-multidimensional-MDB

https://blog.powerdata.es/el-valor-de-la-gestion-de-datos/rol-de-la-base-de-datos-multidimensional-en-las-organizaciones-modernas

http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-56092006000300016

1.1.5 Variables de análisis

Son aquellas que se incluyen en el proceso estadístico y realizan estudios analíticos sobre las variables de medición. Las variables de análisis se utilizan principalmente para realizar estudios estadísticos como factores de riesgo, pre valencia del en el mercado, entre otras cosas.

Ejemplo:

En un enfoque "clínico", por ejemplo, si se desea estudiar el comportamiento de las infecciones hospitalarias de un establecimiento, la unidad de análisis podría corresponder al evento "infección hospitalaria" o a "paciente con infección intrahospitalaria". Es evidente que la cifra en ambos casos puede ser diferente: un "paciente" con infección intrahospitalaria puede tener más de un "evento" de infección intrahospitalaria.

Esquema de unidades de análisis y Variables con ejemplo.

bibliográfia:http://www.monografias.com/trabajos64/variables-definicion-ejemplo/variables-definicion-ejemplo2.shtml#ixzz58KhG011v

bibliográfia:https://inteligenciadenegocios1107.wordpress.com/variables-de-medicion/

1.1.4 Variables de medición

Las variables de medición son aquellas que representan la medición matemática de un aspecto de negocios. Se utilizan para medir la productividad las perdidas las ganancias, entre otros aspectos que le pueden definir un sin número de indicadores que le permitirá al ejecutivo tomar decisiones operativas o estratégicas.

Ejemplo:

Un ejemplo práctico es que se utilizan dentro de la empresa para poder determinar los diversos riesgos, la pre valencia del producto o el servicio dentro del mercado, local, nacional e internacional y también se obtienen fortalezas y debilidades de la empresa.

bibliografia:https://sites.google.com/site/itsginteligenciadenegocios/home/1-1-conceptos-basicos/1-1-5-variables-de-analisis.

bibliográfia:https://inteligenciadenegocios1107.wordpress.com/variables-de-medicion/

1.1.3 Tipos de Sistemas de Informacion

Un sistema de información es un grupo de elementos utilizados para la administración de datos, los cuales se encuentran coordinados entre sí para su uso ulterior. Estos elementos, además, fueron concebidos con el objeto de lograr un determinado fin.

Desde el punto de vista empresarial, los sistemas de información tienen como propósito perfeccionar las actividades llevadas a cabo en una organización, y así alcanzar ventajas competitivas.

Siguiendo esta línea, y de acuerdo a su función se distinguen tres tipos de sistemas de información:

SISTEMA DE PROCESAMIENTO DE TRANSACCIONES: cuando un sistema recopila, almacena y altera la información creada a partir de transacciones llevadas a cabo dentro de una organización se denomina sistema de procesamiento de transacciones. Tiene como finalidad procesar las transacciones diarias de una empresa, acumulando toda la información recibida en una base de datos para su posterior consulta.

SISTEMA DE INFORMACIÓN GERENCIAL: un sistema de información gerencial es aquel utilizado por la empresa para solventar inconvenientes en la misma. Es decir, el objetivo del mismo es la suministración de información para la resolución de problemas a través de la interacción entre tecnologías y personas.

SISTEMA DE SOPORTE A DECISIONES: este sistema se basa en el estudio y la comparación entre un conjunto de variables con el objeto de contribuir a la toma de decisiones dentro de una empresa. El apoyo dado por el sistema involucra la estimación, valoración y balance entre alternativas. Al igual que el sistema de información gerencial, esta tecnología interacciona con personas en el filtrado de información que permite optar por la decisión más acertada.

SISTEMA DE INFORMACIÓN EJECUTIVA: esta tecnología es utilizada por los gerentes de una empresa, ya que permite acceder a la información interna y externa de la misma, disponiendo de los datos que puedan llegar a afectar su buen rendimiento.

De esta manera, el ejecutivo podrá conocer el estado de todos los indicadores, incluso aquellos que no cumplan con las expectativas y a partir de esto, tomar las medidas que considere adecuadas.

Fuente:http://www.tiposde.org/informatica/89-tipos-de-sistemas-de-informacion/#ixzz57Cip0eov

1.1.2 Data Mart

Datamart

Un Datamart es una base de datos departamental, especializada en el almacenamiento de los datos de un área de negocio específica. Se caracteriza por disponer la estructura óptima de datos para analizar la información al detalle desde todas las perspectivas que afecten a los procesos de dicho departamento. Un datamart puede ser alimentado desde los datos de un datawarehouse, o integrar por si mismo un compendio de distintas fuentes de información.

Por tanto, para crear el datamart de un área funcional de la empresa es preciso encontrar la estructura óptima para el análisis de su información, estructura que puede estar montada sobre una base de datos OLTP, como el propio datawarehouse, o sobre una base de datos OLAP. La designación de una u otra dependerá de los datos, los requisitos y las características específicas de cada departamento. De esta forma se pueden plantear dos tipos de datamarts:

Datamart OLAP

Se basan en los populares cubos OLAP, que se construyen agregando, según los requisitos de cada área o departamento, las dimensiones y los indicadores necesarios de cada cubo relacional. El modo de creación, explotación y mantenimiento de los cubos OLAP es muy heterogéneo, en función de la herramienta final que se utilice.

Datamart OLTP

Pueden basarse en un simple extracto del datawarehouse, no obstante, lo común es introducir mejoras en su rendimiento (las agregaciones y los filtrados suelen ser las operaciones más usuales) aprovechando las características particulares de cada área de la empresa. Las estructuras más comunes en este sentido son las tablas report, que vienen a ser fact-tables reducidas (que agregan las dimensiones oportunas), y las vistas materializadas, que se construyen con la misma estructura que las anteriores, pero con el objetivo de explotar la reescritura de queries (aunque sólo es posibles en algunos SGBD avanzados, como Oracle).

biografía: http://www.sinnexus.com/business_intelligence/datamart.aspx

1.1.1 Data Warehouse

Data Warehouse es una arquitectura de almacenamiento de datos que permite a los ejecutivos de negocios organizar, comprender y utilizar sus datos para tomar decisiones estratégicas. 

Estructuras de un Data Warehouse

La arquitectura de una data warehouse puede ser dividida en tres estructuras simplificadas: básica, básica con un área de ensayo y básica con área de ensayo y data marts.

Con una estructura básica, sistemas operativos y archivos planos proporcionan datos en bruto que se almacenan junto con metadatos. Los usuarios finales pueden acceder a ellos para su análisis, generación de informes y minería.

Al añadir un área de ensayo que se puede colocar entre las fuentes de datos y el almacén, ésta proporciona un lugar donde los datos se pueden limpiar antes de entrar en el almacén. Es posible personalizar la arquitectura del almacén para diferentes grupos dentro de la organización.

Se puede hacer agregando data marts, que son sistemas diseñados para una línea de negocio en particular. Se pueden tener data marts separados para ventas, inventario y compras, por ejemplo, y los usuarios finales pueden acceder a datos de uno o de toda la data marts del departamento.

Ejemplos de Data warehouse: MS SQL SERVER Business Inteligence es la solución para construir data warehouse del manejador de base de datos SQL SERVER.

EXCEL Business Inteligence: La hoja de cálculo EXCEL de Microsoft permite la construcción de cubos y almacenes de datos para realizar análisis de información por medio de escenarios.

Biografía:http://www.ejemplosde.com/8-informatica/1570-ejemplo_de_data_warehouse.html

Biografía: https://www.powerdata.es/data-warehouse 

1.1 Conceptos Básicos de Inteligencia de Negocios

Inteligencia de Negocios

Business Intelligence es la habilidad para transformar los datos en información, y la información en conocimiento, de forma que se pueda optimizar el proceso de toma de decisiones en los negocios.

Desde un punto de vista más pragmático, y asociándolo directamente con las tecnologías de la información, podemos definir Business Intelligence como el conjunto de metodologías, aplicaciones y tecnologías que permiten reunir, depurar y transformar datos de los sistemas transaccionales e información desestructurada (interna y externa a la compañía) en información estructurada, para su explotación directa (reporting, análisis OLTP / OLAP, alertas...) o para su análisis y conversión en conocimiento, dando así soporte a la toma de decisiones sobre el negocio.

La inteligencia de negocio actúa como un factor estratégico para una empresa u organización, generando una potencial ventaja competitiva, que no es otra que proporcionar información privilegiada para responder a los problemas de negocio: entrada a nuevos mercados, promociones u ofertas de productos, eliminación de islas de información, control financiero, optimización de costes, planificación de la producción, análisis de perfiles de clientes, rentabilidad de un producto concreto.

biografiar:http://www.sinnexus.com/business_intelligence/