El Desafío de las Aplicaciones de Apoyo a Decisiones

Las aplicaciones de apoyo a decisiones difieren significativamente de las aplicaciones operacionales:

• El usuario es un ejecutivo o profesional del negocio.
• Los requerimientos son muy variables.
• Los procesos son a la vez interactivos y por lotes.
• La responsabilidad se comparte con el usuario.
• Los datos operacionales no son, en general, adecuados para las aplicaciones de Gestión Gerencial basadas en Inteligencia de Negocios (BI).

¿Qué es Business Intelligence (BI)?

• Término general que cubre todos los procesos, técnicas y herramientas que apoyan la toma de decisiones de los negocios.
• Los datos necesarios para los sistemas de BI se ubican en distintos ambientes, lo que puede generar situaciones múltiples, datos heterogéneos y problemas de conectividad.
• BI representa un conjunto de tecnologías para proporcionar a los usuarios la información que necesitan para tomar decisiones estratégicas.

Definición de Business Intelligence (BI)

• Es una arquitectura y una colección integrada de operaciones como aplicaciones de apoyo a las decisiones y bases de datos que proporcionan acceso simple a los datos del negocio.
• BI son aplicaciones para el soporte de decisiones que facilitan muchas actividades.

Técnicas de BI

• Análisis multidimensional, por ejemplo, online analytical processing (OLAP)
• Data mining (Minería de Datos)
• Forecasting (Pronósticos)
• Análisis de Negocios (Business analysis)
• Preparación de Balanced scorecard (Indicadores de alertas de gestión)
• Visualización
• Querying, reporte, y charting (incluyendo just-in-time y agentes-basados en alertas)
• Análisis Geoespacial
• Administrando el Conocimiento (Knowledge management)
• Implementación de Portales Empresariales

Proceso de Desarrollo de un Proyecto BI

• Justificación
• Planteamiento
• Análisis de negocio
• Diseño
• Construcción
• Desarrollo

Fases del diseño y pasos de desarrollo:

Paso 1: La Valoración del Caso Comercial

El problema de los negocios o la oportunidad de negocio es identificada y una propuesta de solución es BI.

Paso 2: Evaluación de la Infraestructura de la Empresa

Tiene dos componentes:

• Infraestructura Técnica: incluye hardware, software, middleware, sistemas de administración de base de datos, sistemas operativos, componentes de red, repositorios de meta data, utilidades, etc.
• Infraestructura No técnica: incluye normas de meta data, estándares de nombramiento de datos, el modelo lógico de los datos de la empresa, metodologías, pautas, procedimientos de prueba, procesos de cambio de control, procedimientos para la resolución de problemas, etc.

Paso 3: Planeamiento del Proyecto

Los proyectos de BI para el apoyo de las decisiones son sumamente dinámicos. Los cambios de alcance, personal, presupuesto, tecnología, representantes comerciales y patrocinadores pueden impactar severamente en el éxito de un proyecto.

Paso 4: Definición de Requerimientos del Proyecto

El alcance de la administración de un proyecto es una de las tareas más difíciles en proyectos BI. Los equipos del proyecto deben esperar que los requerimientos cambien a lo largo del ciclo de desarrollo, a medida que las personas que administran aprenden más sobre las posibilidades y limitaciones de la tecnología de BI durante el proyecto.

Paso 5: Análisis de los Datos

El desafío más grande para todos los proyectos de BI es la calidad de las fuentes de datos. Los malos hábitos desarrollados durante décadas son difíciles de romper, y los daños y perjuicios que resultan de estos hábitos son muy costosos, consumen tiempo y son tediosos de encontrar y corregir. Además, el análisis de los datos en el pasado se confinó a la vista de una línea de negocio y nunca fue consolidado o reconciliado con otras vistas en la organización.

Paso 6: Prototipo de la Aplicación

El análisis funcional se realiza mejor a través del prototipado para que pueda combinarse con el diseño de la aplicación.

Paso 7: Análisis del Repositorio de Meta Data

Teniendo más herramientas que obtienen el significado de los datos, la meta data, que normalmente se capturan con un software de asistencia que diseña (CASE) el modelo.

Paso 8: Diseño de la Base de Datos

Una o más de las bases de datos destino designadas al BI guardarán los datos comerciales en detalle o consolidados, dependiendo de los requisitos identificados por el área de negocios. No todos los requisitos son estratégicos, y no todos ellos son multidimensionales.

Paso 9: Diseño de la Extracción/Transformación/Carga (Extract/Transform/Load) (ETL)

El proceso ETL es el proceso más complicado del proyecto entero BI. ETL son procesos por lotes (batch) usualmente pequeños, y la calidad de los datos fuente es de poca calidad, lo que normalmente exige mucho tiempo para ejecutar la transformación y los programas de limpieza.

Paso 10: Diseño del Repositorio de Meta Datos

• La mayoría de los administradores de datos utilizan productos genéricos de diccionario de datos, que usualmente son parte de los SABD.
• Los meta datos a veces son llamados diccionario de datos.
• Soluciones de Diseño Repositorios de Meta Data:
  • Una solución centralizada de la base de datos del repositorio de la meta data.
  • Una solución descentralizada del repositorio de meta datos, que utiliza un modelo integrador de la meta data la cual se distribuye físicamente a través de bases de datos múltiples.
  • Una solución distribuida con XML, en la cual los meta datos XML se marcan con etiquetas y se almacenan en los diversos tipos de diccionarios propietarios de la herramienta en diversas plataformas.

Paso 11: Desarrollo Extract/Transform/Load (ETL)

Consideraciones a tener en cuenta en cuanto a la Extracción de Fuentes de Datos:

• ¿Quién escribirá los programas de ETL? ¿Esos desarrolladores han escrito programas de ETL antes? ¿Entienden el proceso de ETL?
• ¿Existen versiones anteriores de los programas de ETL? ¿Cuántos de ellos tienen que ser ampliados?
• ¿Pueden extraerse los datos de los sistemas que son las fuentes de datos?

Herramientas ETL:

• ¿Hemos trabajado con esta herramienta de ETL antes, o es nueva para nosotros?
• ¿Han entrenado al equipo de desarrollo de ETL suficientemente en la herramienta?
• ¿Puede la herramienta de ETL realizar todas las transformaciones requeridas, o tendremos que escribir un cierto código personalizado? ¿En qué lenguaje (C++, COBOL, Java)?

Dependencias de procesos ETL:

• ¿Cuáles son las dependencias entre los módulos del programa? ¿En qué secuencia tenemos que ejecutar nuestros programas de ETL (o los módulos de la herramienta de ETL)?
• ¿Cuántos módulos del programa podemos ejecutar en paralelo?
• ¿Cuáles son las dependencias entre las tablas? ¿Algunas tablas tienen que ser cargadas antes que otras?
• ¿Cuántas tablas podemos cargar en paralelo?

Testing:

• ¿Conduciremos revisiones de pares? ¿Estamos utilizando las técnicas de programación extremas (XP)?
• ¿Cuántos probadores tenemos en el proyecto?
• ¿El experto del tema y el representante del negocio participarán en la prueba?
• ¿Quién será el coordinador de prueba? ¿Quién registrará los resultados de la prueba y mantiene el registro de la prueba?
• ¿Qué tipo de prueba necesitamos realizar? ¿Integración o prueba de la regresión? ¿Prueba de funcionamiento? ¿Prueba del QA? ¿Prueba de aceptación?
• ¿Qué gente del negocio participará en la prueba de aceptación? ¿Solamente el representante del negocio? ¿El experto del tema? ¿La gente del negocio?

Consideraciones Técnicas:

• ¿Qué plataforma técnica tenemos que tomar en la consideración?
• ¿Cómo se instala el área staging? ¿En un servidor dedicado?
• ¿El proceso de ETL estará dividido entre el mainframe y uno o más servidores?
• ¿En qué ambientes funciona la herramienta de ETL?
• ¿Qué tipo de middleware necesitamos?

Actividades en la transformación de los datos

Paso 12: Desarrollo de la Aplicación

En esta fase debe considerar: Resultados del prototipado, Acceso y herramientas de análisis, Habilidades y entrenamiento del uso de la aplicación, Alcance y requerimientos del proyecto, Consideraciones Web, Consideraciones Técnicas.

Paso 13: Data Mining

• Búsqueda de la información oculta en una base de datos.
• Datos aptos para un modelo.

Paso 14: Desarrollo del Repositorio de Meta Datos

Paso 15: Implementación

Paso 16: Revisión

• Múltiples sistemas de soporte de decisiones.
• Sistema de información ejecutiva.
• Una mejor solución: Almacén de datos (datawarehouse) para BI.
• Técnicas de análisis de datos.
• Atributos de una solución de BI.
• Etapas y roles en BI.