Data Warehouse y Sistemas de Soporte a la Decisión

1. Data Warehouse y Sistemas de Soporte a la Decisión Un Enfoque Práctico Hugo M. Castro

2. El Caso • RapiServ es una empresa de comidas rápidas con 20 locales que se distribuyen en tres zonas: • Capital • Provincia de Buenos Aires • Interior

3. RapiServ • Sus menúes comprenden platos de carne y pollo, papas fritas y una variedad de ensaladas y postres • Por supuesto ofrecen bebidas frías (gaseosas y agua mineral) y también bebidas calientes (té, café) y pastelería, principalmente a la mañana.

4. RapiServ • Pero su plato distintivo es una especialidad que recibe el nombre de Cordon Bleu, una comida con carne y verduras que tiene bastante aceptación.

5. RapiServ • José, el Presidente, dice: Hay que aumentar las ventas

6. RapiServ • Mario, Director de Marketing, se pregunta: ¿Qué podemos ofrecer a nuestros clientes?

7. RapiServ • Para responder a esa pregunta, Mario necesita saber: • ¿Qué productos se venden más? • ¿Qué sucursales venden mejor? • ¿En qué horas hay más clientes? • ¿Qué días de la semana son más flojos?

8. RapiServ • ¿Quién puede darle esa información? • Mario sabe que Sistemas procesa los tickets de las sucursales en los procesos de stock de mercadería y contabilidad • Por eso se dirige a Carlos, Encargado de Sistemas

9. RapiServ • Carlos, el Encargado de Sistemas, recibe el pedido y estima que tendrá lista la información en un plazo de veinte días a un mes

10. RapiServ • Mario pregunta: ¿Cómo un mes? ¿Acaso la información no está dentro de su computadora?

11. RapiServ • Carlos responde: Sí, los datos están en la computadora, pero no tienen la estructura adecuada para contestar esas preguntas

12. RapiServ • Mario queda convencido de que si los datos están guardados en la computadora tan difícil no debe ser obtener las respuestas que busca

13. RapiServ • Carlos queda convencido de que Mario siempre pide cosas diferentes y todo lo quiere para ayer

14. RapiServ Este es el momento en que recurren a nosotros para que los ayudemos

15. RapiServ Antes de actuar analicemos la situación ¿Dónde está el problema? • Mario tiene razón en que los datos están en la computadora • Y Carlos tiene razón en que no es fácil darles la forma que Mario necesita

16. RapiServ Ambos hacen uso de los mismos datos, pero... • Mario necesita analizar la información para saber qué ocurre y tomar decisiones estratégicas • Carlos necesita llevar a cabo los procesos que requiere la operatoria diaria de la empresa

17. RapiServ Hay una diferencia fundamental • A Carlos le basta con manejar datos • Mario necesita extraer información de esos datos

18. Cadena de Valores • Decisión • Hagan propaganda del producto X en la zona Capital • Estudien promociones para la franja horaria 1 • Ofrezcan el servicio en auto en la zona Buenos Aires • Conocimiento • En la zona Capital hubo H • pedidos del producto X • En la franja horaria 1 se vende menos que en la 2 • Información • La sucursal X está en el distrito Z de la zona W • El producto P cuesta $Q • La franja horaria 1 comprende las horas de la mañana • Datos • Sucursales • Poductos • Franjas Horarias • Estacionamiento • Servicio en auto

19. El proceso de toma de decisiones • Se encuentran hechos destacados • Se explican en términos de negocios • Se toman las decisiones correspondientes

20. Una Nueva Estructura Si los datos están en la computadora pero la forma no es la adecuada, la solución es • CREAR UNA BASE DE DATOS CON LA FORMA ADECUADA

21. Un Nuevo Tipo de BD La base de datos con la estructura adecuada es lo que se denomina DATA WAREHOUSE Es una base de datos separada de los sistemas transaccionales e independiente de ellos.

22. Data Warehouse Un Data Warehouse es una Base de Datos con una estructura • Orientada al negocio • Integrada • Variable en el tiempo • No Volátil

23. Orientada al negocio • Organiza y presenta los datos desde la perspectiva de los conceptos que maneja la empresa (fecha, franja horaria, producto, sucursal, ventas). • Los datos tienen el nivel de detalle y la estructura que necesitan los que toman decisiones

24. Integrada • Se construye a partir de fuentes de datos heterogéneas • Bases de datos relacionales, archivos planos, hojas de cálculo, documentos impresos • Se unifican denominaciones, codificaciones, formatos • Limpieza • Integración

25. Variable en el Tiempo • El horizonte temporal del Data Warehouse es más amplio que el de los sistemas transaccionales • Vida útil de los datos • Datos históricos • La fecha es un dato fundamental • Marcación temporal

26. No Volátil • En el Data Warehouse los datos no se modifican • El Data Warehouse se renueva • Los datos permanecen intactos entre renovaciones • Sólo existen dos operaciones • Carga • Acceso

27. Data Warehouse • UN DATA WAREHOUSE CONTIENE • Información histórica • Para visualizar tendencias y efectuar comparaciones • Información consolidada • Para acelerar la respuesta a las consultas Las bases de datos más voluminosas son Data Warehouses

28. Procesos Extracción, Transformación y Carga • Extracción • Se eligen qué datos se van a llevar al DWh desde las diversas fuentes • Transformación • Los datos se depuran, completan y transforman • Carga • Los datos se ordenan, se consolidan, se calculan los datos derivados, severifica la integridad y se incorporan al DWh Este es un proceso repetitivo

29. Procesos Explotación de datos • Guardar y estructurar los datos en un Data Warehouse es sólo parte de la tarea • Necesitamos analizar los datos para la toma de decisiones

30. Explotación de datos • Herramienta de redacción de informes orientada al usuario • Empezamos porproducir los mismos informes que el profesional de negocios estaba recibiendo hasta ahora • Pero ahora él puede armarlos en forma interactiva

31. Informes • Para obtener los informes no es necesario escribir ningún programa • Lo puede definir el propio profesional de negocios • La herramienta que produce los informes está preparada para que él la utilice

32. Informes El profesional de negocios decide • Qué criterios de selección va a usar sobre la base de datos • Qué datos va a incluir en el informe • Cómo se van a ordenar los datos • Cómo se van a agrupar los datos

33. Informes • Con estas herramientas queda resuelto el problema de la producción de informes, pero Mario y su gente encuentran que LAS RESPUESTAS GENERAN PREGUNTAS

34. Preguntas • ¿Cómo se vende en cada sucursal por franja horaria? • ¿Qué productos se venden más en las tardes? • ¿Venden más las sucursales que tienen servicio en el auto? • ¿Y las que tienen estacionamiento?

35. Modelo de datos • Modelo de Entidad-Relación • Orientado a la implementación de los procesos transaccionales • Tareas operativas • Modelo dimensional • Orientado a las características del negocio (variables del negocio) • Tareas de análisis

36. Modelo dimensional • Dimensiones • Variables del negocio • Productos, sucursales, fechas • Medidas • Valores numéricos • Sumas, consolidaciones, operaciones aritméticas

37. Modelo dimensional • Cantidad de pedidos por fecha, producto y sucursal Dimensiones: Producto, Sucursal, Fecha Estructura Jerárquica Sucursal Categoría Zona Año Subcategoría Distrito Trimestre Producto Sucursal Mes Día Producto Fecha

38. Cubo • Es una forma de presentar los datos al usuario • No existe físicamente • El usuario puede trabajar con los datos como si existiera • Es independiente de la forma en que realmente se almacenan los datos

39. OLAP • Sistemas transaccionales: OLTP • T identifica transacciones • Sistema de Análisis: OLAP • A identifica análisis

40. OLAP • Es el proceso de almacenar y administrar datos sobre la base de las variables del negocio (dimensiones), para permitir a los profesionales de negocios visualizarlos y analizarlos para entender cuál es su significado

41. Preguntas • ¿Cómo se vende en cada sucursal por franja horaria? • ¿ Qué productos se venden más en las tardes? • ¿Venden más las sucursales que tienen servicio en el auto? • ¿Y las que tienen estacionamiento?

42. Navegación • Cambio de dimensiones • Cambio de ejes • Cambio de forma de presentación • Cambio de medidas • Cambio de nivel de detalle • Drill down • Drill up • Conexión con otras tablas de hechos • Drill across • Conexión con tablas externas • Drill through/Drill Out

43. Análisis OLAP Se elige la dimensión para las filas Se elige la dimensión para las columnas Se elige la medida a representar DIMENSIONES MEDIDAS FECHA VENTAS FECHA ARTICULO UNIDADES Unidades ARTICULO SUCURSAL TICKETS

44. Unidades vendidas por tipo de artículo durante 2004

45. “Drill down”: Mayor detalle sobre Comestibles

46. Unidades de comestibles vendidas por ciudad

47. “Drill down”: unidades de comestibles vendidas en sucursales de Capital

48. Tablero de Comando Enfoque tradicional • Indicadores financieros • Ventas • Ganancias • Cobranza • Stock valorizado • El resto carece de importancia

49. Tablero de Comando Enfoque tradicional • No tiene en cuenta aspectos tales como • Relación con los clientes • Análisis de los procesos internos • Capacitación y crecimiento del personal • Descubrir esta falta demasiado tarde puede traer graves consecuencias

50. Tablero de Comando Tablero de Comando Integral (BSC) • Distintas perspectivas • Fijación de objetivos • Máximo (ej. gastos) • Mínimo (ej. ventas) • Establecimiento de metas y tolerancias