martes, 3 de diciembre de 2013

SUMARIO DEL BLOG

Hola, en estos 5 meses dimos un gran recorrido por los aspectos más importantes de Business Inteligence, o en español Inteligencia de Negocios, a continuación miraremos el listado de post que contiene nuestro Blog y los interrogantes que podrás responder:






  • Introducción BI: Qué es B.I?
  • Vídeo de Inteligencia de Negocios: Como aprendo que es B.I en dos minutos?
  • Historia de la inteligencia de negocios: De donde surge B.I? Tiene una historia Concreta? Es algo Nuevo?
  • De donde vienen los datos para B.I?: Como deben estar los datos en mi compañía para que pueda hacer B.I?
  • ETL y los Productos de B.I: Que es ETL? Que productos hace la solución de Software
  • Tres casos de Éxito de B.I: Quienes han hecho B.I en compañías grandes y han sido un éxito?
  • DSS-MIS-EIS Otros Productos de B.I: Que es un sistema de soporte a la decisión? cuales son los otros tipos de productos de B.I?
  • Por qué implementar una solución B.I?: En verdad necesito Implementar B.I?
  • Ventajas y "Desventajas" de B.I: Que es lo bueno y lo malo de B.I para mi compañía?
  • Miremos un Proveedor SAP BusinessObjects: Como se vende B.I?
  • Como Implementar Business Intelligence y no fracasar en el intento: Como implementar B.I exitosamente?
  • Introducción a la Minería de Datos como Herramienta de B.I: Como se relaciona minería de Datos y B.I
  • Tareas o pasos del Data Mining: Cual es el proceso de la Minería de datos?
  • Modelos de Datos que genera la Minería de Datos: Como funciona Minería de datos?
  • Modelos de Datos que genera la Minería de Datos Parte 2 








domingo, 24 de noviembre de 2013

Modelos de Datos que genera la Minería de Datos Parte 2

Modelo Predictivo

Intenta predecir posibles hechos y tendencias  con este modelo de datos se podrían responder interrogantes como:
¿Qué tal se venderá el próximo año un producto X?
¿X tipo de persona, qué producto comprará?
¿Dónde se producirá el siguiente atentado terrorista?
¿Qué riesgo tiene cierta persona de contraer una enfermedad X en base a sus características?
¿Qué clientes tienen más riesgos de darse de baja de nuestra empresa?

Ejemplo:





Agrupamos los datos:



De aquí se infiere por algoritmo de aprendizaje de arboles de decisión:


Otras técnicas:



  • Regresión Lineal: que es una técnica estadística mediante el cual las fórmulas matemáticas se usan para predecir los resultados futuros, tales como los márgenes de beneficio, los valores de la casa, o las cifras de ventas.
  • Clasificador Bayesiano
  • Redes Neuronales
  • Máquina de Vectores Soporte 
Bibliografía



domingo, 17 de noviembre de 2013

Modelos de Datos que genera la Minería de Datos

Las técnicas de minería de datos crean modelos que son predictivos y/o descriptivos, hoy hablaremos de los descriptivos.


Modelo descriptivo: 

Un modelo descriptivo proporciona información sobre las relaciones entre los datos y sus características. Cada modelo usa sus propias técnicas, por ejemplo acá veremos dos:


1) Reglas de asociación: Una regla de asociación entre dos atributos ocurre cuando la frecuencia de que se den dos valores determinados de cada uno conjuntamente es relativamente alta. Un ejemplo de algoritmo aplicado es el Apriori.

Ejemplo:

  • Los compradores de pañales también suelen comprar cerveza.
2) Clustering: Un cluster no es más que un "grupo", un grupo de datos en este caso, que comparten características comunes. Un ejemplo de algoritmo usado para descubrir clústeres es K-means.


Ejemplo:


      Segmentación de los clientes de un supermercado:

  • Clientes ocasionales que gastan mucho. Clientes ocasionales que gastan mucho.
  • Clientes habituales con presupuesto limitado. Clientes habituales con presupuesto limitado.
  • Clientes ocasionales con presupuesto limitado. Clientes ocasionales con presupuesto limitado.

Ejemplo:    



De esta tabla podemos inferir 3 Clusteres o grupos:
  • Cluster 1: Sin hijos y de alquiler. Poco sindicados. Muchas bajas.
  • Cluster 2: Sin hijos y con coche. Muy sindicados. Pocas bajas. Normalmente de alquiler y mujeres.
  • Cluster 3: Con hijos, casados y con coche. Propietarios. Poco sindicados. Hombres.


Bibliografía:

domingo, 10 de noviembre de 2013

Tareas o pasos del Data Mining

Un proceso de Data Mining consta de ciertos pasos repetitivos, en varias fuentes encontrarán pasos comunes los cuales mostraremos a continuación:



Limpieza de Datos: se limpia el "mugre", datos repetitivos, se buscan los faltantes y se eliminan los datos irrelevantes.

Integración de datos: Múltiples y heterogéneos datos son integrados en un solo bloque.

Selección de datos: donde los datos relevantes al análisis son seleccionados de la base de datos.

Transformación de datos: donde los datos son transformados o consolidados para operaciones de agregación o resumen.

Data Mining: Donde se aplica inteligencia a los datos transformados para obtener patrones.

Evaluación de patrones: donde se identifican los patrones que se desean dependiendo de los intereses de la compañía o quien esté a cargo del Data Mining.

Presentación de conocimiento: donde se visualiza el conocimiento generado por el DataMining, se muestran los patrones y tendencias encontradas de forma amigable al usuario final.

Con los resientes data-warehouse y Bases de Datos o sistemas OLAP, los pasos de limpieza de datos, integración, selección y transformación pueden ser ya omitidos, pues la estructura de un DataWarehouse conectado con OLAP en cualquier forma, asume estos procesos con un ETL previo.

Algunas fuentes consideran los pasos Data Mining, evaluación de patrones y presentación del conocimiento como un conjunto total definido en sí como megaconcepto Data Mining.


Bibliografía:

domingo, 3 de noviembre de 2013

Introducción a la Minería de Datos como Herramienta de B.I


BI como su nombre lo explica, basándose en hechos llegamos  a una buena  toma de decisiones de forma inteligente, mediante la extracción de la información y el conocimiento a partir de datos. La minería de datos es una herramienta que extrae información de una gran cantidad de datos, información valiosa, la "gema oculta" que no se ve a simple vista. ta herramienta debe ser parte de BI, 

Una definición interesante es : 

“Un proceso no trivial de identificación válida, novedosa, potencialmente útil y entendible de patrones comprensibles que se encuentran ocultos en los datos” (Fayyad y otros, 1996).


Podríamos decir que Datamining es el conjunto de herramientas que facilitan el proceso de BI más eficiente como las siguientes:



- Business Intelligence o BI Software
- Indicador clave de rendimiento o KPI
- Dashboard
- Almacén de datos
- Data mart
- Tabla pivote

Y permite implementar técnicas como:

- Gestión de Rendimiento de Negocio
- Monitoreo de la actividad empresarial
- Benchmarking

Una referencia clara que diferencia los conceptos podemos encontrarla aquí:


"El objetivo del Data Mining es obtener conocimiento a través de los datos. Por otro lado, las herramientas de Business Intelligence (Inteligencia de Negocio), lo que buscan es una vez hemos analizado los datos y hemos conseguido tener conocimiento, ayudarnos a procesar los datos de las variables críticas de nuestro negocio para poder manejar nuestro cuadro de mando.
Algunas herramientas de Business Intelligence, como Business Objects, Qlick View, Delta Master, Arcplan o Micro Strategy entre otras, integran herramientas más o menos complejas de Data Mining."

La minería de datos es obligatoria para B.I?




No necesariamente, algunos consideran a la minería de datos como una simple tecnología, cuando la empresa dispone de un DataWareHouse eficiente y robusto las herramientas de B.I logran aplicar un proceso de ETL exitoso con sus propios algoritmos, sistemas y métodos,de igual forma sean estos procesos externos a la herramienta B.I. no necesariamente usan Data Mining,





Bibliografía:

http://www.oracle.com/technetwork/middleware/bi-foundation/data-mining-essbase-wp-129552.pdf

domingo, 27 de octubre de 2013

Como Implementar Business Intelligence y no fracasar en el Intento!

La búsqueda de la comprensión de la información se reduce a una ecuación simple. Inteligencia empresarial precisa (BI ) más el acceso a la información oportuna apoya una mejor toma de decisiones, el principal impulsor del rendimiento corporativo.
Dando datos valiosos a las personas pertinentes en el momento adecuado no sólo se les permita tomar las decisiones correctas. Cuando se usan correctamente , los sistemas de BI también ofrecen beneficios reales de negocio y crear valor .
Se proporcionan nuevas perspectivas de rendimiento que mejoran la eficiencia y la eficacia de una organización - lo que permite , mejores y más rápidas decisiones . BI también reduce los costes y simplifica el procesamiento de la información compleja . Un beneficio adicional es que el compromiso de los empleados y el uso de la información puede aumentar a través de la empresa si la estrategia se ha ejecutado correctamente.

Todo tipo de organizaciones se han aferrado a esta combinación ganadora . Como las nuevas tecnologías y métodos de trabajo han cambiado las reglas del juego y la forma en que las empresas compiten , la creciente necesidad de información fiable , conocimiento del mercado continuo y la agilidad para reaccionar rápidamente es cada vez más importante para las empresas a nivel mundial.

En las encuestas de Gartner , CFOs y CIOs regularmente BI ritmo que su tema número uno.
Hazlo bien , y la inteligencia de negocio tiene sentido comercial real. Cuando todos los bloques de construcción están alineados , formas BI hasta lograr un impacto positivo en la cuenta de resultados. Prueba de ello son las cotizaciones de primas tras los anuncios sobre las iniciativas de BI . Los estudios económicos muestran reacciones positivas de los mercados financieros a la inversión de las empresas en BI , tanto en el crecimiento a corto y largo plazo de las cotizaciones.
El problema es que muchas organizaciones están recibiendo BI mal. A pesar de una combinación de inversiones a nivel mundial anual de EE.UU. $ 60 mil millones en soluciones de BI , la mitad de todos los proyectos de BI fracasan según un estudio de KPMG , encargado de la Universidad de Cambridge.








Entonces, ¿cuál es el problema?


Las razones del fracaso


La investigación de Cambridge ofrece una valiosa información sobre por qué fracasan los proyectos de BI . Se sugiere que menos del 10 % de las organizaciones han utilizado BI para rediseñar su infraestructura organizativa y tecnológica al mismo tiempo - lo cual es un factor clave de éxito.
Del mismo modo, los proyectos de BI son a menudo erróneamente considerados como tecnología puramente basado , con la propiedad limitada a los especialistas de TI dentro de la empresa en lugar de estar integradas en la organización.
Sistemas de TI las empresas también pueden ser insuficientemente desarrollados , con sistemas heredados no estar a la altura. Las empresas entonces luchan por dar sentido a múltiples bases de datos , en diferentes lugares, hacen más compleja por las fusiones y adquisiciones.
El no poder hacer frente a los problemas de datos subyacentes puede fácilmente conducir a problemas en la entrega de BI , así como una falta de voluntad para desafiar el status quo de las medidas y los informes existentes .

En algunos casos, las empresas todavía están tratando de utilizar modelos de gestión que se desarrollaron en la década de 1970 , olvidando que los modelos de gestión de ayer no va a funcionar mañana.
Y, por último , los proyectos de BI a menudo se implementan demasiado rápido , con poco pensamiento dado para el diseño y función de los datos . Obtener el derecho básico primera vez , subestimar la complejidad , así como la comprensión del impacto en muchos procesos y sistemas , es esencial.
El reto es cómo diseñar sistemas de BI que facilitan y permiten , no sólo estructuras de mando y de control de gestión . Los ejecutivos ya no son simplemente buscando la manera de controlar vastos imperios , sino por los mecanismos que permiten a las personas a realizar . BI puede ofrecer importantes beneficios a aquellos que realmente capitalizar su potencial .





Cómo tener éxito


Rendimiento y Tecnología KPMG ha identificado seis bloques de construcción clave, incluyendo varias preguntas críticas de negocio para los líderes empresariales para responder , lo que permitirá a las organizaciones a cosechar las recompensas de BI :

Negocios alineación estrategia
• ¿Qué información es la clave para la entrega de la estrategia ?
• ¿Cómo se puede implementar de una manera que maximiza el rendimiento del negocio de manera rentable ?
Gobernancia
• ¿Cuáles son los procesos principales y la estructura organizativa necesarias para garantizar la integridad y la alineación continua de información a las necesidades del negocio ?
Proceso de gestión del desempeño y presentación de informes
• ¿Cómo se puede mejorar la planificación financiera y la gestión del rendimiento empresarial ?
• ¿Cuáles son los indicadores clave de rendimiento ( KPI) y los requisitos de presentación de informes de la empresa?
• ¿Cómo puede ser mejor ejecutado la consolidación financiera?
Gestión de la información integrada
• ¿Cuál es el contenido de la información y el modelo de datos necesario para soportar los requisitos de información ?
• ¿Dónde están las oportunidades de creación de valor en la normalización de KPI y los datos maestros ?
Plataforma de BI
• ¿Cuál es la aplicación correcta para apoyar la entrega de información , consolidación financiera , la planificación y la gestión del rendimiento ?
• ¿Cómo puede la ejecución de la aplicación se entrega correctamente y hacer que la solución global realmente entregar valor al negocio?
Infraestructura
• ¿Qué significa todo esto desde un punto de vista de la infraestructura técnica ?
• ¿Cómo se puede garantizar la seguridad , el acceso y el rendimiento de la solución?




Estos seis pasos se pueden aplicar de forma individual , pero tienen que estar alineados de forma simultánea si son para desbloquear el verdadero valor de la inteligencia empresarial .

Con éxito la implementación de una solución de BI implica una agenda mucho más amplia que la información correcta a las personas adecuadas en el momento adecuado para que las decisiones correctas se hacen . Para maximizar el retorno de la inversión , las empresas deben mejorar las infraestructuras organizativas y tecnológicas , al mismo tiempo - la creación de la balanza para maximizar el éxito .
Sólo haciendo tanto deberán adoptar las empresas podrán construir las estructuras de gestión y la información necesarias para sobrevivir en el mundo cada vez más competitivo del siglo 21 .
A raíz de la crisis financiera global, con éxito la aplicación de BI es una vez más el centro de atención . Puede ayudar a las empresas a examinar lo que realmente importa y reducir los costos de procesamiento de información , mientras que ayuda a la gestión para centrarse en las prioridades fundamentales para el negocio.
Un sistema de inteligencia de negocios bien diseñado e implementado no sólo mejora la eficiencia y ahorrar costes , sino que también reduce el riesgo - beneficio que está cada vez más valorada en un mundo post- crisis - y su agilidad hace que las empresas más competitivas.
La historia está llena de fracasos de inteligencia de negocios . Con el enfoque adecuado a su proyecto de BI no será uno de ellos .

jueves, 17 de octubre de 2013

Miremos un Proveedor SAP BusinessObjects

Al igual que el ERP, SAP BusinessObjects (B.I) se compone de módulos para cubrir mas mercado, módulos totalmente integrables entre ellos y obviamente con el ERP, el ERP no necesariamente debe ser el mismo, la plataforma Integration se ajusta a los ERP Tier 1 (Los más completos como JDEdwards, PeopleSoft... ). Hoy veremos los módulos que ofrece SAP para Business Inteligence, para más información visite el sitio Web de SAP. http://www.sap.com/latinamerica/solutions/




SAP Crystal Reports: Conéctese prácticamente a cualquier fuente de datos, diseñe y formatee reportes interactivos, y compártalos interna o externamente.




SAP BusinessObjects Analysis, edición para OLAP: Realice análisis de conjuntos de datos multidimensionales con esta herramienta OLAP diseñada para analistas financieros y de negocios.






SAP BusinessObjects Analysis, edición para Microsoft: Lleve a cabo análisis avanzados de datos residentes en su almacén empresarial (BW) con una interfaz de usuario intuitiva dentro de su entorno de Microsoft Office.




SAP BusinessObjects Web Intelligence: Haga consultas y análisis intuitivos en fuentes de datos heterogéneas online u offline.




SAP BusinessObjects Predictive Workbench: Explote sus activos de información para predecir tendencias futuras.



SAP BusinessObjects Dashboards: Cree tableros de control interactivos para visualizar rápidamente datos complejos.


SAP BusinessObjects Explorer: Busque y explore datos del negocio para obtener una inmediata visión informada y SAP BusinessObjects Explorer, versión acelerada: Acelere la exploración de sus datos con análisis en memoria.




SAP BusinessObjects Mobile: Acceda a reportes, métricas y datos desde su dispositivo móvil.