DB BASES DE DATOS BI BUSINESS INTELLIGENCE Por

DB - BASES DE DATOS BI - BUSINESS INTELLIGENCE Por: Ing. Hugo González Olaya

Qué es una Base de Datos (DB) ¡ ¡ Datos almacenados en tablas DB no estructuradas l l ¡ Archivos planos: CSV separados por coma Excel DB estructuradas l l DBMS (database management system) o sistema administrador de bases de datos Modelo Entidad - Relación Respuesta Petición - Datos Aplicación Cliente RDBMS Servidor DB 2

Tipos DB ¡ Relacionales (DBMS) l Transaccionales ¡ ¡ Online Transaction Processing (OLTP) ERP l SA: Staging Area l ODS: Operational Data Store l DW: Data Warehouse (Bodega datos) Analíticas (OLAP) l Multidimensional (Cubos) l Tabular (Cubos tabulares) l Data Mining (Minería de datos) BI 3

Motores DB / Lenguajes / Servicios ¡ Microsoft SQL Server (Transact-SQL) l l l ¡ ¡ ¡ ¡ Enterprise Edition Standar Edition Develorper Edition Express Edition (gratis) SQL Azure (DB en la nube) Microsoft Access Oracle (PL-SQL) Postgres My. SQL Sybase DB 2 No-SQL l Mongo En las instalaciones $ Servicios 4

DISEÑO TABLAS: 1ª Forma normal 2ª Forma normal 3ª Forma normal Objetos DB Índice Clusterado PK Anderson Barr. . . Emp. Num Apellido FK Stored Procedure Trigger Nombre Cod. Ciudad. Extension Ult. Mod longstring varchar(20) char(2) char(6) longstring 10191 Labrie Angela FR x 19891 HRKarl. D 10192 Labrie Eva FR x 19433 HRKarl. D 10202 Martin Jose SP x 21467 HRAmy. L integer viw. Empleado. Tel SELECT lastname, firstname, extension FROM employee Chec kx## ### 5

BI

Necesidad de Analizar Datos ¡ Organizar datos en información l l ¡ ¡ Datos: Conjunto de hechos Información: Medio para cambiar la percepción sobre algo (datos con sentido) Identificar tendencias del negocio, para la toma de decisiones Identificar comportamiento que puede predecir el futuro l Compañías de seguros analizan información de reclamos para predecir fraudes 7

Definición BI ¡ BI es un grupo de aplicaciones y tecnologías orientadas a adquirir, almacenar, analizar y datos que permitan a la organización una mejor toma de decisiones Impacto en el negocio 8

Porqué Necesito una Solución BI ¡ ¡ ¡ ¡ ¿Dedica mucho tiempo a hacer informes en Excel atractivos? ¿Dedica más tiempo recolectando y preparando información que analizándola? ¿ No sabe qué hacer con tanta información? ¿No encuentra información? ¿Ha perdido oportunidades de negocio por recibir información atrasada? ¿Quiere saber qué productos fueron más rentables? ¿Quiere conocer patrones de compra de clientes? ¿Desconoce porqué sus clientes le devuelven la mercancía? BI ayuda a rastrear lo que en realidad funciona y lo que no (Bill Gates) 9

Arquitectura BI 10

Diseño de Data Warehouse Orígenes Datos Área Almacenamiento Data Warehouse Data Marts Herramientas Cliente Paquetes ETL Consumo de datos por el Usuario DW: Bodega de Datos 11

Modelo Multidimensional ¡ ¿Qué información da por sí misma el número 500 en una tabla de ventas? Tabla Hechos (Ventas) 500 12

Un Modelo Estrella da un Contexto Employee_Dim Modelo Copo Nieve Employee. Key Employee. ID. . . Tablas Dimensiones Time_Dim Time. Key The. Date. . . Tabla Hechos Ventas_Fact Time. Key Employee. Key Product. Key Customer. Key Shipper. Key Product_Dim Product. Key Product. ID. . . Sales Amount Unit Sales. . . Shipper_Dim Customer_Dim Shipper. Key Customer. Key Shipper. ID. . . Customer. ID. . . 13

Cubos, Dimensiones y Medidas Hecho Ventas Atlanta Chicago Denver Dallas Q 1 Q 2 Q 3 Q 4 Dimensión Tiempo Pr men od s uc ión to Grapes Cherries Melons Apples Di Dimensión Geografía • Suma • Promedio • Semi-Aditivas 14

Key Performance Indicators (KPIs) ¡ Miden grado de cumplimiento de los objetivos de la empresa ¡ Compara las métricas del negocio (Value) con metas establecidas (Goal) ¡ Visualización depende de la herramienta 15

Data Mining (DM) • • Clúster Árboles de decisión Redes neuronales Regresión lineal Regresión logarítmica Series de tiempo Reglas de asociación Naive Bayes

DM: Entrenamiento del Modelo Datos Entranamiento DM Motor Modelo Minería Datos a Predecir DM Motor Datos Predecidos 17

DM - Árboles de Decisión Todos Estudiantes IQ: Coeficiente Intelectual Asistir Colegio: 33% Yes 67% No Fomento Padres = Yes Fomento Padres ? Fomento Padres = No Asistir Colegio: 57% Yes 43% No 6% Yes 94% No Alto IQ Asistir Colegio: IQ 18% Yes 82% No Alto IQ Bajo IQ Asistir Colegio: 74% Yes 26% No 29% Yes 71% No IQ Bajo IQ Medio IQ Asistir Colegio: 9% Yes 91% No Asistir Colegio: 4% Yes 96% No 18

Analítica Avanzada Con R ¡ ¡ ¡ R lenguaje open source de computación estadísticas Minería de datos Maching learning Big data – Big analítica Científicos de datos 19

Clientes Reportes Excel – Power Pivot Reporting Services Power BI 20