Implementación de inteligencia de negocios para el área comercial de la empresa Azaleia basado en metodología Ágil Scrum

Texto completo

(1)FACULTAD DE INGENIERÍA Ingeniería Empresarial y de Sistemas. IMPLEMENTACIÓN DE INTELIGENCIA DE NEGOCIOS PARA EL ÁREA COMERCIAL DE LA EMPRESA AZALEIA - BASADO EN METODOLOGÍA ÁGIL SCRUM Tesis para optar el Título Profesional de Ingeniero Empresarial y de Sistemas. JUBITZA LISBETH SALAZAR TATAJE Asesor: Aures García, Álvaro Antonio Lima – Perú 2017 1.

(2) DEDICATORIA A Dios, por permitirme llegar a este momento tan importante en mi carrera profesional. A la vida que a pesar de todos los momentos difíciles me ha enseñado que con esfuerzo, dedicación y fe, se puede conseguir los objetivos trazados. A mis padres que con su inmenso amor incondicional me han apoyado en cada etapa de mi vida y en especial a mi abuela Mela Povis Matos, quien es y será el gran pilar de mi vida, que desde el cielo sigue mis triunfos y es el ángel que siempre me acompaña.. 2.

(3) AGRADECIMIENTO Agradezco a mi asesor de tesis el Ing. Alvaro Aures, por haber invertido tiempo y dedicación durante todo el proceso y desarrollo de la tesis. Sus conocimientos y orientaciones basados en la experiencia, inculcando el sentido de la seriedad, el compromiso, y responsabilidad que un profesional debe de tener. Más que un asesor, es un amigo que ha sido capaz de ganarse mi confianza y admiración a nivel profesional y como persona.. 3.

(4) ÍNDICE ÍNDICE DE TABLAS ............................................................................................... 7 Resumen................................................................................................................. 8 Abstract .................................................................................................................. 9 Capítulo 1: Introducción ...................................................................................... 10 1.1. Problema de Investigación ........................................................................... 10 1.1.1. Planteamiento del problema. ............................................................... 10 1.2. Formulación del problema............................................................................ 12 1.2.1. Justificación de la investigación ........................................................... 12 1.3. Marco referencial .......................................................................................... 14 1.3.1. Antecedentes ....................................................................................... 14 1.3.2. Marco teórico ....................................................................................... 17 1.3.2.1. Plataforma de Inteligencia de Negocios ............................... 17 1.3.2.2. Beneficios ............................................................................ 20 1.3.2.3. Componentes de la inteligencia de negocio ......................... 21 1.3.2.4. Repositorio de información................................................... 23 1.3.2.5. Metodología de Inteligencia de Negocios ............................. 24 1.3.2.5.1. Metodología Ralph Kimball .................................................. 25 1.3.2.5.2. Metodología Bill Inmon......................................................... 26 1.3.2.5.3. Metodología Hefestos .......................................................... 27 1.3.2.5.4. Metodología Ágil .................................................................. 27 1.3.2.5.5. Scrum .................................................................................. 28 1.3.2.6. Repositorio Data Mart .......................................................... 30 1.3.2.7. Crecimiento de los Data Marts ............................................. 31 1.3.2.8. Data Marts Virtuales y Meta Vistas ...................................... 33 1.3.2.9. Administración de los Data Marts ......................................... 34 1.3.2.10. Paquetes Data Marts ........................................................... 35 1.3.2.11. Cubo Olap de estructura dimensional .................................. 36 1.3.2.12. Tableros de control .............................................................. 39 1.3.2.13. Software de explotación de información ............................... 40 1.3.2.14. Extracción, transformación y carga (ETL) ............................ 41 1.4. Objetivo e Hipótesis ...................................................................................... 42 1.4.1. Objetivo general ................................................................................... 42 1.4.2. Objetivos específicos ........................................................................... 42 1.4.3. Operacionalización de las variables e hipótesis ................................... 43 1.4.3.1. Hipótesis general ................................................................. 43 1.4.3.2. Hipótesis secundarias .......................................................... 43 1.4.3.3. Variables .............................................................................. 44 1.5.1. Alcance ................................................................................................ 45 1.5.2. Limitaciones ......................................................................................... 46 1.6. Breve resumen de las fases ......................................................................... 46 Capítulo 2: Marco Contextual .............................................................................. 47 2.1. Descripción de la Empresa........................................................................... 47 2.2. Presentación del área funcional................................................................... 51 2.3. Cadena de Valor ............................................................................................ 51 2.4. Cadena de Valor – Macro Procesos Misionales .......................................... 52 2.5. Procesos de venta e importaciones Nivel 0 ................................................ 53 4.

(5) Capítulo 3: Marco Metodológico ......................................................................... 55 3.1. Modelo de negocio ........................................................................................ 55 3.3. Metodología de desarrollo ............................................................................ 55 3.3.1. EDT Implementación de Inteligencia de Negocios ............................... 56 3.3.2. Tablero Kanban ................................................................................... 57 3.4. Dimensionamiento del Proyecto .................................................................. 57 3.5. Roles y responsabilidades ........................................................................... 57 3.6. Sprint Backlog ............................................................................................... 58 3.7. Desarrollo Sprint I ......................................................................................... 60 3.7.1. Entregables.......................................................................................... 60 3.7.2. Diseño de Arquitectura Azaleia ............................................................ 60 3.7.3. Indicadores de gestión ......................................................................... 61 3.7.4. Historias de Usuarios ........................................................................... 66 3.7.5. Diseño de Prototipos............................................................................ 68 3.7.5.1. Tablero Gerencial ................................................................ 68 3.7.5.2. Ventas por Mayor ................................................................. 69 3.7.5.3. Ventas por Tienda................................................................ 70 3.7.5.4. Ventas por Catálogo ............................................................ 71 3.8. Desarrollo Sprint II ........................................................................................ 72 3.8.1. Entregables.......................................................................................... 72 3.8.1.2. Modelo Dimensional ............................................................ 73 3.8.1.3. Diseño físico de la base de datos ........................................ 73 3.8.1.4. Diseño físico de la base de datos intermedia ....................... 74 3.8.1.5. Diseño de la arquitectura técnica ......................................... 74 3.8.1.6. Selección e instalación de productos ................................... 74 3.8.1.7. Especificación de la aplicación de usuarios ......................... 75 3.8.1.8. Implementación.................................................................... 75 3.8.1.9. Diseño de Extracción Transformación y Limpieza (ETL) ...... 75 3.8.1.10. Tablas identificadas ............................................................. 77 3.8.1.11. Tabla de extracción – Esquema SSIS .................................. 79 3.8.1.12. Modelo entidad relación / Diagrama E-R .............................. 79 3.9. Desarrollo Sprint III ....................................................................................... 81 3.9.1. Entregables.......................................................................................... 81 3.9.2. Implementación de interfaz de usuario................................................. 81 3.9.2.1. Pruebas integrales ............................................................... 87 3.9.2.2. Carga de Datos .................................................................... 87 3.9.2.3. Afinamiento de rendimiento.................................................. 87 3.9.2.4. Estabilización y pase a producción ...................................... 87 3.9.2.5. Criterios de aceptación ........................................................ 88 3.10. Pruebas y resultados ............................................................................. 90 3.10.1 Contrastación de Hipótesis ................................................................... 90 3.11. Retorno de Inversión ............................................................................. 92 Conclusiones ....................................................................................................... 93 Recomendaciones ............................................................................................... 94 Referencias Bibliografía ...................................................................................... 95 Anexos .................................................................................................................. 98. 5.

(6) INDICE DE FIGURAS. FIGURA 1 USO DE HERRAMIENTAS BI ....................................................................................11 FIGURA 2 NIVELES DE ANÁLISIS DE INTELIGENCIA DE NEGOCIO................................................18 FIGURA 3. MODELO INTEGRAL SOLUCIÓN BI ..........................................................................22 FIGURA 4. COMPONENTES DE LA INTELIGENCIA DE NEGOCIO ..................................................23 FIGURA 5. ESQUEMA TRANSACCIONAL ERP ..........................................................................23 FIGURA 6. THE KIMBALL DATA LIFECYCLE .............................................................................26 FIGURA 7. THE INMON W AREHOUSE ......................................................................................26 FIGURA 8. FASES DE LA METODOLOGÍA HEFESTO...................................................................27 FIGURA 9. SCRUM FRAMEWORK ...........................................................................................29 FIGURA 10. INTEGRACIÓN DE DATA MARTS ...........................................................................34 FIGURA 11. DATA W AREHOUSE CENTRALIZADO .....................................................................35 FIGURA 12. ESQUEMA OLAP ................................................................................................36 FIGURA 13. ESQUEMA M-OLAP............................................................................................37 FIGURA 14. ESQUEMA R-OLAP ............................................................................................38 FIGURA 15. ESQUEMA H-OLAP ............................................................................................38 FIGURA 16. CUADRO DE MANDO MICROSTRATEGY ................................................................40 FIGURA 17. CUADRANTE GARTNER 2015 ..............................................................................41 FIGURA 18. PROCESO ETL...................................................................................................42 FIGURA 19. ORGANIGRAMA AZALEIA PERÚ ............................................................................51 FIGURA 20. CADENA DE VALOR AZALEIA PERÚ.......................................................................52 FIGURA 21. MACRO PROCESOS MISIONALES .........................................................................53 FIGURA 22. PEDIDO VENTA AZALEIA ......................................................................................53 FIGURA 23. PEDIDO BRASIL ..................................................................................................54 FIGURA 24. PEDIDO ASIA .....................................................................................................54 FIGURA 25. TABLERO KANBAN ..............................................................................................57 FIGURA 26. ARQUITECTURA AZALEIA PERÚ ...........................................................................61 FIGURA 27. PROTOTIPO TABLERO GERENCIAL........................................................................69 FIGURA 28. PROTOTIPO VENTA POR MAYOR ..........................................................................70 FIGURA 29. PROTOTIPO VENTA POR TIENDA ..........................................................................71 FIGURA 30. PROTOTIPO VENTA POR CATALOGO .....................................................................72 FIGURA 31. MODELO DIMENSIONAL DATA MART.....................................................................80 FIGURA 32. MODELO DIMENSIONAL QLIKVIEW ........................................................................80 FIGURA 33. TABLERO GERENCIAL .........................................................................................82 FIGURA 34. TABLERO CANAL DE VENTAS POR TIENDA .............................................................83 FIGURA 35. TABLERO CANAL DE VENTAS POR TIENDA .............................................................84 FIGURA 36. TABLERO VENTAS POR MAYOR ............................................................................85 FIGURA 37. TABLERO DE VENTAS POR CATALOGO ..................................................................86 FIGURA 38. EVALUACIÓN CALIDAD DE INFORMACIÓN ..............................................................90 FIGURA 39. EVALUACIÓN EFICIENCIA Y EFECTIVIDAD ..............................................................90 FIGURA 40. EVALUACIÓN AUMENTO DE PRODUCTIVIDAD DE VENTAS .......................................91 FIGURA 41. CRECIMIENTO DE VENTAS ANUAL ........................................................................91 FIGURA 42. CRECIMIENTO DE PUNTOS DE VENTA ...................................................................91. 6.

(7) ÍNDICE DE TABLAS. TABLA 1. ACCIONES E INDICADORES SEGÚN METODOLOGÍA ....................................................20 TABLA 2. OPERALIZACIÓN DE VARIABLES ...............................................................................43 TABLA 3.INDICADORES DE LAS VARIABLES INDEPENDIENTES ...................................................44 TABLA 4. INDICADORES DE LAS VARIABLES DEPENDIENTES .....................................................45 TABLA 5. VENTAS ANUAL AZALEIA PERÚ ................................................................................49 TABLA 6. SPRINT BACKLOG ..................................................................................................59 TABLA 7. INDICADOR TOTAL DE VENTAS NETAS ......................................................................62 TABLA 8.INDICADOR COSTO PROMEDIO .................................................................................63 TABLA 9. INDICADOR DESCUENTO .........................................................................................64 TABLA 10. INDICADOR ÍNDICE DE ROTACIÓN ...........................................................................64 TABLA 11. INDICADOR METAS POR COBRANZA .......................................................................65 TABLA 12. CONTROL DE ACCESO A USUARIOS .......................................................................66 TABLA 13. DIMENSIONES DEL TIEMPO Y LUGAR ......................................................................66 TABLA 14. VISUALIZACIÓN DE ANÁLISIS DE LAS VENTAS ..........................................................67 TABLA 15. INDICADORES DE VENTAS .....................................................................................67 TABLA 16. VISUALIZACIÓN POR CATEGORÍAS .........................................................................68 TABLA 17. FUENTE DE DATOS TRANSACCIONALES_AZALEIA....................................................78 TABLA 18.DIMENSIONES Y MÉTRICAS ....................................................................................79. 7.

(8) Resumen. El principal objetivo de este trabajo, ha sido la implementación de un Datamart enfocado para el área comercial – Ventas de la empresa Azaleia del Perú, que permita apoyar la toma de decisiones y crecimiento de ventas en el mercado bajo los lineamientos estratégicos de la empresa. La implementación parte desde el análisis realizado al proceso del área de ventas de la empresa Azaleia del Perú, dónde se pudo evidenciar varios puntos importantes de los cuales resaltan tres. Como primer punto, el manejo de diferentes sistemas que contienen información del área, genera para el usuario carga operativa en la obtención y consolidación de esta. Como segundo punto, se encuentra la dependencia generada con el área de sistemas, debido al mantenimiento que realizan en la estructura de la base de datos para poder obtener la información solicitada por los diferentes usuarios generando un cuello de botella lo cual impacta en tiempo de respuesta en las ventas. Y como tercer punto, la integridad en la información como soporte a la toma de decisiones de la gerencia general. Como resultado de la investigación se tendrá el diagnóstico y solución a implementar en la empresa Azaleia del Perú, la cual se enfoca en dos puntos relevantes: mejora en la obtención de la información por parte de los usuarios, reduciendo la carga operativa y dependencia al área de tecnología de información y un mejor monitoreo de los indicadores, que permita a la gerencia general identificar patrones en el comportamiento de las ventas, permitiendo obtener respuestas más acertadas basado en la demanda del mercado, para la toma de decisiones. Palabras clave: inteligencia de negocios, metodología ágil, data marts, scrum, olap, dashboard.. 8.

(9) Abstract. The main objective of this work has been the implementation of a Datamart focused to the commercial area of the company Azaleia of Peru, which allows support decision making and sales growth in the market under the strategic guidelines of the company. The implementation part from the analysis process the business area of the company Azaleia of Peru, where it was evident several important points, which stand 3. As a first point, handling different information systems containing commercial area generated for the user an operational burden in obtaining and consolidating this. As according point is, the dependence generated by the systems area due to maintenance performed on the structure of the database to obtain the information requested by different users creating a bottleneck, which affects the time response to decision making in sales. Moreover, the third point, the integrity of the information to support the decision of the general management. Because of research the diagnosis and solution to be implemented in the company Azaleia of Peru, which focuses on two important points, shall be improvement in obtaining information from users, reducing dependence on technology area information and improved decision -making, allowing the general management have more right answers depending on market demand. Key words: Business Intelligence, agile methodology, data marts, scrum, olap, dashboard.. 9.

(10) Capítulo 1: Introducción. 1.1. Problema de Investigación. 1.1.1. Planteamiento del problema. Según Ponjuán Dante, Gloria. Gestión de la información en las organizaciones: Principios,. conceptos. y. aplicaciones.. (1998).. Se. evidencia. que. algunas. organizaciones carecen de conocimiento y tecnológicas que ayuden a absorber la superabundancia de información contenida en la ingente cantidad de datos 1que disponen y que son generadoras de conocimiento para la toma de decisiones.. Según Peña (2006). En la actualidad las organizaciones tienen la posibilidad de recopilar y almacenar grandes volúmenes de información con datos operativos y de clientes, el reto es como emplearla para que la información fluya en el momento preciso, a cada uno de los niveles que constituyen la organización, ampliando la visión estratégica, reduciendo los riesgos e incertidumbre y dando un mejor soporte en el proceso para la toma de decisiones.. En ese sentido, Peña (2003) señala que la inteligencia de negocios es más que una actitud empresarial o una tecnología, es un marco de referencia para la gestión del rendimiento empresarial que ayuda a los gerentes a tomar mejores decisiones en los niveles estratégicos y operativos.. Según la Consultora Gartner2 (2014), más del 60% de los compradores de herramientas de inteligencia de negocios no son necesariamente profesionales del área de sistemas, sin embargo buscan herramientas que les permita obtener y. 1 2. Representación simbólica de un atributo o variable cuantitativa Empresa consultora y de investigación de las tecnologías de información. 10.

(11) visualizar mejor la información siendo lo más solicitado los tableros de control 3para el análisis (véase Gráfico N° 01). Figura 1 Uso de herramientas BI Fuente: Adaptado de Gartnet, 2014.. La empresa Azaleia Perú, cuenta con más de 20 años en el mercado comercializando calzados, sin embargo presenta sistemas poco integrados que son manejados por aplicaciones independientes las cuales están alimentadas por diferentes fuentes de información, no permitiendo tener la capacidad para monitorear, entender y administrar de manera eficiente el comportamiento de los sus indicadores de ventas, limitando a la empresa a tomar decisiones importantes sin tener todos los elementos imprescindibles a la mano.. Además existe una carencia en la optimización para el análisis de la información y la toma de decisiones de manera proactiva debido a la falta en la centralización de los datos que permitan a los usuarios obtener información de forma fluida sin necesidad de invertir mucho tiempo en la elaboración de estos.. 3. Herramienta de diagnóstico y control permanente de indicadores. 11.

(12) La poca visibilidad, la carencia de análisis y la falta de gestión en la información del área de ventas, convierte a la empresa Azaleia Perú, en un tomador de decisiones reactivo y no proactivo, debido a que no lleva un control de los problemas que normalmente aborda el área comercial como: posibilidad de segmentar correctamente a los clientes, saber por qué los clientes dejan de comprar, saber que marca es la más vendida, cuales son los clientes más rentables y pérdida de oportunidades por falta de control.. 1.2. Formulación del problema ¿Cuál es el efecto que se obtendrá con la implementación de una plataforma de inteligencia de negocios para el área de ventas de la empresa Azaleia Perú que se encuentra focalizada en el crecimiento de sus puntos de venta y que maneja grandes volúmenes de información?. 1.2.1. Justificación de la investigación El comportamiento de las importaciones de calzados en el Perú para el año 2014 y 2015 representó una variación de crecimiento de 73% en el caso de China y 7% para Brasil.. Posicionándose estos dos países como líderes en el sector de calzados. peruano.. La tecnología en el mercado Peruano, viene creciendo constantemente en las empresas, las cuales usan de soporte para los objetivos estratégicos, destinando parte del presupuesto anual, en inversión de herramientas que apoyen en el negocio a la toma de decisiones.. El mercado de calzados en el Perú se caracteriza por ser bastante competitivo, debido a la incursión de varias marcas tanto nacionales como internacionales, razón. 12.

(13) por la cual se han visto en la necesidad de administrar de manera eficiente la información, a efecto de mantener su posicionamiento en el mercado con estrategias y tecnologías que sirvan de apoyo para obtener mayores beneficios económicos.. La empresa Azaleia Perú, en los últimos 3 años se ha expandido de manera agresiva en el mercado Peruano, posicionándose como una de las marcas líderes de calzados, teniendo un crecimiento del 10% anual a través de sus tiendas propias, ventas por catálogo, ventas por internet y su canal de mayorista. Este último es el que concentra la mayor parte de los ingresos (50%) de la empresa, Azaleia Perú. (2014). Reporte de crecimiento por canal.. Tomando en consideración las premisas expuestas, la presente investigación se focaliza en la implementación de una plataforma de inteligencia de negocios para el área comercial, con alcance en las ventas de la empresa Azaleia Perú, que le permita apoyar en la toma de decisiones de manera proactiva, para que se mantenga competitivamente en el mercado.. Se pretende mediante la implementación, brindar al usuario una plataforma que tenga acceso a un solo repositorio de datos centralizado y tableros de control con el fin de optimizar, analizar, compartir y monitorear la información en línea y a nivel de detalle, identificando de manera proactiva el comportamiento de las ventas mediante visualizaciones gráficas que sean de apoyo en las funciones operativas para anticiparse ante cambios y sucesos producidos por la demanda del mercado.. 13.

(14) 1.3. Marco referencial 1.3.1. Antecedentes La inteligencia de negocios data desde los años 60, en donde se establecieron los primeros sistemas de información.. En la década de los 70 aparecieron las primeras bases de datos 4como las primeras aplicaciones empresariales. Estas estaban enfocadas en la introducción de los datos para un mayor control de estos.. Hoy en día las empresas han visto la necesidad de implementar la inteligencia de negocios a nivel corporativo o por áreas funcionales con el fin de mejorar el análisis de la información para obtener ventajas competitivas en el mercado y anticiparse ante los cambios de la demanda, teniendo un mejor control y seguimiento de los indicadores y haciendo de estos la mejor arma para identificar anomalías en el negocio.. En base a estas premisas se viene realizando investigaciones en torno a la inteligencia de negocios tal es el caso de:. Rafael Matamoros Zapata. (2010). En la Investigación titulada. “Implantación en una empresa de un sistema Business Intelligence SaaS / On Demand a través de la plataforma LITEBI5”, caracterizó técnicas de una adecuada gestión de soporte y análisis de datos a una determinada empresa. Para alcanzar tales fines, propuso realizar el análisis, diseño e implementación de una solución de BI sobre la plataforma Business Intelligence SaaS6 / On Demand LITEBI. Asimismo, dicho estudio realizó el análisis de las diferentes técnicas, herramientas y conceptos sobre el Business 4. Conjunto de datos pertenecientes a un mismo contexto almacenados sistemáticamente para su posterior uso. 5 Empresa española dedicada a desarrollo y distribución de plataformas de inteligencia de negocio. 6 Software como servicio. 14.

(15) Intelligence para su posterior aplicación en el planteamiento y diseño de una solución tecnológica. La investigación hace denotar que el autor realizó un estudio de la plataforma de Business Intelligence SaaS / On Demand Litebi a partir de la realización de otros pequeños proyectos, ya que no existía en su día documentación asociada a la plataforma ni manual de usuario, al tratarse de una aplicación en desarrollo constante y con poco tiempo en el mercado. Debido a esto, se planteó estudiar la aplicación de forma práctica y adjuntar en este proyecto la documentación pertinente con sus principales características. También hizo un desarrollo de una solución de Business Intelligence destinada a cubrir las necesidades demandadas por el cliente, implementando, a partir de una arquitectura previamente diseñada, los procesos, extracción, transformación y limpieza que alimenten de forma actualizada la información contenida en el Data Warehouse7, así como el diseño de una capa de metadatos8 capaz de albergar las estructuras que permitan la comunicación entre el usuario y la información necesaria con el fin de poder analizarla de forma rápida y sencilla.. Como resultado de la investigación, la implantación de la solución se hizo efectiva cubriendo todas las necesidades de información demandadas por el cliente tales como: mantener actualizada la información a diario de la empresa y la presentación de sus resultados. En este último punto, el autor procedió analizar aquellos informes que la empresa estaba realizando anteriormente a la implantación de la solución de Business Intelligence BI, encontrando brechas de información en los indicadores de gestión de la empresa.. 7. Almacén de datos organizacional, integrado, no volátil y variable en el tiempo de apoyo a la toma de decisiones 8 Datos que describen otros datos. 15.

(16) Como conclusión, se determinó que gracias a esta solución se eliminó completamente la dependencia de los anteriores sistemas heterogéneos de reporte, integrando toda la información de los análisis de los laboratorios de la organización en un único lugar de una manera rápida, sencilla y fiable. Además cabe destacar en la investigación la escalabilidad de la solución, que permitirá en un futuro de una forma sencilla, desplegar el uso del sistema a otros departamentos, si se diera el caso, así como a otras áreas de la empresa (finanzas, producción, administración, etc.).. Otro de los estudios que podemos mencionar es de Jonathan Narvaez y Otros (2013) titulado “Business intelligence solution for managing educational resources and physical spaces in Magdalena University”, la cual caracteriza una solución de inteligencia de negocios para la gestión de recursos educativos y espacios físicos en la Universidad del Magdalena de Colombia. Con esta solución se pueden obtener informes históricos y actuales de los procesos, gestionar el rendimiento, tomar decisiones de compra, prever la ocupación y mejorar la disponibilidad de los recursos, etc. Para el desarrollo e implementación de la solución, se usó la plataforma Business Intelligence, de Microsoft SQL Server 92008 R2.. Para ello y en procura de aumentar el rendimiento de las consultas, facilitar el auto suministro de datos y permitir monitorear el rendimiento de los procesos en base a indicadores, la solución de inteligencia de negocios desarrollada por Narvaez & Otros, incluye los Cubos OLAP10 e Indicadores de Rendimiento.. Como resultado de la investigación, se determinó que los avances en tecnologías de información y la reducción de sus costos, hacen posible que las soluciones de inteligencia de negocios, que solían ser exclusividad de las grandes compañías, sean 9. Sistema de manejo de base de datos On-Line Analytical Processing. 10. 16.

(17) utilizadas por pequeñas empresas. No obstante a la creciente crítica de las soluciones de Inteligencia de negocios Stand – Alone dentro de la comunidad de académicos, ha permitido que este tipo de solución se oriente también a unidades funcionales específicos dentro de una organización a efectos de disponer sus beneficios inmediatos, sin esperar una inversión empresarial que pueda nunca llegar.. 1.3.2. Marco teórico 1.3.2.1.. Plataforma de Inteligencia de Negocios. La mayor parte de las empresas existentes generan, almacenan y modifican una enorme cantidad de datos de cualquier actividad que se registre en la empresa a través de aplicaciones de gestión de datos, cada vez más complicadas de utilizar y más obsoletas. A causa de esta necesidad, sobre los años 80 comenzaron aparecer sistemas que ofrecían soluciones de apoyo para la toma de decisiones que actualmente se conoce como el término Business Intelligence, acuñado por Howard Dresner del grupo Gartner en 1989. Este término pretende ser la base para reunir todo tipo de tecnologías capaces de extraer los datos corporativos almacenados por los diferentes sistemas de gestión y tratarlos de manera que, al presentarlos a cualquier persona o usuario, pueda obtener un conocimiento intelectual para así llevar a cabo las tareas necesarias de la consecución exitosa de las metas propuestas en su negocio.. El enfoque metodológico de Business Intelligence es también conocido como modelo de inteligencia de negocio, el cual tiene diferentes niveles en cuanto al tipo y tratamiento de información. Está basado en tres acciones: Procesos/actividades, Gestión y Estrategia, cada una de ellas asociada al Cuadro de Mando Operativo, Cuadro de Mando de Gestión y Cuadro de Mando Integral (véase Figura N° 2):. 17.

(18) Figura 2 Niveles de análisis de inteligencia de negocio Fuente: Elaboración propia. El objetivo básico es apoyar de forma sostenible y continuada a las organizaciones para mejorar su competitividad, facilitando la información necesaria para la toma de decisiones. El primero que acuñó el término fue Howard Dresner que, cuando era consultor de Gartner, popularizó la inteligencia de negocio (Business Intelligence o BI) como un término paraguas para describir un conjunto de conceptos y métodos que mejoraran la toma de decisiones, utilizando información sobre qué había sucedido (hechos).. Para definir la inteligencia de negocio utilizamos la definición de Gartner11: “BI es un proceso interactivo para explorar y analizar información estructurada sobre un área (normalmente almacenada en un Data Warehouse), para descubrir tendencias o patrones, a partir de los cuales derivar ideas y extraer conclusiones”. Por ejemplo:. 11. Gartner es una consultora internacional especializada en Tecnologías de Información y Comunicación. www.gartner.com. 18.

(19) -. Proceso interactivo: al hablar de inteligencia de negocio estamos suponiendo que se trata de un análisis de información continuado en el tiempo.. -. Explorar: En todo proyecto de inteligencia de negocio hay un momento inicial en el que por primera vez accedemos a información que nos facilita su interpretación. En esta primera fase lo que hacemos es “explorar” para comprender qué sucede en nuestro negocio.. -. Analizar: Pretendemos descubrir relaciones entre variables, tendencias, es decir, cuál puede ser la evolución de la variable, o patrones.. -. Información estructurada y Data Warehouse: La información que utilizamos en inteligencia de negocio está almacenada en tablas relacionadas entre ellas. Las tablas tienen registros y cada uno de los registros tiene distintos valores para cada uno de los atributos. Estas tablas están almacenadas en lo que conocemos como Data Warehouse, datamart12 o almacén de datos.. -. Área de análisis: Todo proyecto de inteligencia de negocio debe tener un objeto de análisis concreto.. -. Comunicar los resultados y efectuar los cambios: Un objetivo fundamental de la inteligencia de negocio es que, una vez descubierto algo, sea comunicado a aquellas personas que tengan que realizar los cambios pertinentes en la organización para mejorar nuestra competitividad.. 12. Subconjunto de datos que apoyo a un área específica dentro de una organización.. 19.

(20) Tabla 1. Acciones e indicadores según metodología ¿Qué tipo de indicadores son?. Modelo orientado a la implantación y gestión de la estrategia de la organización. Objetivos estratégicos. Indicadores orientados al seguimiento de los objetivos estratégicos de las unidades estratégicas de la empresa. No solamente son financieros sino, balanceados en la perspectiva del cliente, procesos internos, personas, etc.. ESTRATEGIA. ¿Qué es y para qué sirve?. Iniciativa orientadas al cumplimiento de los objetivos. Indicadores de gestión y desempeño. Indicadores clave y metas que definen el grado de cumplimiento. Actualizado de forma mensual. Modelo orientado al análisis de la gestión del negocio. Mayor número de indicadores que pueden ser analizados. Sistema y control orientado a la gestión operativa y de procesos específicos claves Diseñado e implementado para determinadas unidades o áreas de la organización. GESTIÓN. Fundamentalmente indicadores de resultados y estructurados Actualizado de forma mensual. Refleja el nivel de actividad. PROCESOS Y ACTIVIDADE S. La información puede ser analizada a un nivel agregado o desglosado de detalle deseado Se caracteriza por la flexibilidad para realizar una amplia variedad de análisis por tipo de usuario Unifica en una misma aplicación la información de diferentes sistemas fuentes. Indicadores de resultados, actualizado diariamente. Fuente: Adaptado de Navarro, 2013.. 1.3.2.2.. Beneficios. Uno de los objetivos básicos de los sistemas de información es que nos ayuden a la toma de decisiones. Sin embargo, aunque todos la utilicen, no todos los responsables recogen la misma información. Depende de muchos factores, como pueden ser su experiencia, formación, disponibilidad, etc. Acuñado por Braulio Arturo Macedo, 2012. 20.

(21) Del mismo modo, el autor menciona que los responsables pueden necesitar recoger más o menos información dependiendo de su mayor o menor aversión al riesgo. A partir de los datos que nos proporciona el sistema de inteligencia de negocio podemos descubrir conocimiento. Como hemos visto, la inteligencia de negocio nos servirá como ayuda para la toma de decisiones y, posteriormente, para descubrir cosas que hasta ahora desconocíamos.. Los beneficios que se pueden obtener a través del uso de la inteligencia de negocio pueden ser de distintos tipos:. - Beneficios tangibles, como por ejemplo: reducción de costes, generación de ingresos o reducción de tiempos para las distintas actividades del negocio. - Beneficios intangibles: el hecho de que tengamos disponible la información para la toma de decisiones hará que más usuarios utilicen dicha información y por ende mejoren la posición competitiva. - Beneficios estratégicos: Todos aquellos que nos facilitan la formulación de la estrategia, es decir, a qué clientes, mercados o con qué productos dirigirnos.. 1.3.2.3.. Componentes de la inteligencia de negocio. Según Roberto Espinoza (2010). En un proyecto real debemos definir primero cuáles son los objetivos y el alcance de la solución, qué modelos de negocio queremos analizar. Con esta información es mucho más fácil tomar las decisiones necesarias en cada uno de los componentes. Estos componentes los podemos ver visualmente en la siguiente (véase figura N° 3):. 21.

(22) Figura 3. Modelo integral solución BI Fuente: Adaptado de Navarro, 2013.. Los componentes son: - Fuentes de información, de las cuales partiremos para alimentar de contenidos el Data Warehouse. - Proceso ETL13 de extracción, transformación y carga de los datos en el Data Warehouse. Antes de almacenar los datos en un Data Warehouse, éstos deben ser transformados, limpiados, filtrados y redefinidos.. - El motor OLAP14 , que nos debe proveer capacidad de cálculo, consultas, funciones de planeamiento, pronóstico y análisis de escenarios en grandes volúmenes de datos. - Las herramientas de visualización, que nos permitirán el análisis y la navegación a través de los mismos.. 13. ETL corresponde a las siglas del inglés Extract, Transform and Load (Extracción, transformación y carga) 14. OLAP corresponde a las siglas de inglés Online Analytical Processing.. 22.

(23) Figura 4. Componentes de la inteligencia de negocio Fuente: Navarro, 2013.. 1.3.2.4.. Repositorio de información. Vamos analizar las distintas fuentes de información con las que podemos alimentar un Data Warehouse o un Datamart.. Las fuentes de información a las que podemos acceder son: - Básicamente, de los sistemas operacionales o transaccionales, que incluyen aplicaciones desarrolladas a medida, ERP, CRM, SCM, etc. - Sistemas de información departamentales: previsiones, presupuestos, hojas de cálculo, etc. - Fuentes de información externa, en algunos casos comprada a terceros, como por ejemplo estudios de mercado. (Navarro, 2013).. Figura 5. Esquema transaccional ERP Fuente: Navarro, 2013 23.

(24) Existen muchos factores que contribuyen a la complejidad de cargar la información en un Data Warehouse. Uno de los principales es el número de diferentes fuentes de información que es cargado a un repositorio centralizado (Navarro, 2013).. Según Bernabeu, R., (2007). El Data Warehouse, posibilita la extracción de datos de sistemas operacionales y fuentes externas, permitiendo la integración y homogenización de los datos de toda empresa.. Acceder a distintas bases de datos requiere distintas habilidades y el conocimiento de distintas sintaxis de SQL15. Si el número de bases de datos a las que debemos acceder es elevado, puede provocar que tanto las definiciones como las codificaciones en los distintos entornos sean diferentes, lo que añadirá dificultad a nuestro proyecto.. La información que cargamos en un Data Warehouse o Data mart normalmente es estructurada, es decir, aquella que se puede almacenar en tablas: en la mayoría de los casos es información numérica. Tendremos que analizar si la información que disponemos es la que necesitamos para alimentar los modelos de negocio que hemos definido anteriormente. Una vez decididas las fuentes de información debemos verificar la calidad de los datos. (Navarro, 2013).. 1.3.2.5.. Metodología de Inteligencia de Negocios Existen diversas metodologías para el desarrollo de un proyecto. de inteligencia de negocios, lo mejor es evaluar la que más se ajusta a cada proyecto y para cada organización.. 15. Por sus siglas, Structured Query Language, en español lenguaje de consulta estructurada. 24.

(25) Según los especialistas L.T. Moss, las metodologías de BI deben de cumplir con las siguientes carteristas: 1. Debe orientarse al cambio y no a conseguir un producto final 2. El proyecto debe ser gestionado en forma global y transversal a toda la empresa 3. Debe tener la posibilidad de manejar múltiples proyectos. 4. Debe considerar todas las tareas y procesos de la empresa, seas o no críticos 5. Se debe de basar en la gestión de cambios críticos del workflow empresarial. 6. Debe orientarse a las personas y a las relaciones entre ellas. 7. Debe alinearse con la necesidad de negocio de la organización.. 1.3.2.5.1. Metodología Ralph Kimball El enfoque de Ralph kimball hace referencia al Bottom –up. El cual indica que la forma más flexible y sencilla de trabajar un Data Warehouse es armando primero los Data marts como primer elemento del sistema de análisis y luego ir añadiendo otros Data marts que compartan las dimensiones ya definida o añadan nuevas. Esta metodología incluye cuatro fases: Selección del proceso de negocio, definición de la granularidad de la información, elección de las dimensiones de análisis e identificación de los hechos y métricas y dimensiones lentamente cambiantes (SCD).. 25.

(26) Figura 6. The Kimball Data Lifecycle Fuente: Ian Abramson, 2010. 1.3.2.5.2. Metodología Bill Inmon El enfoque de Bill Inmon hace referencia al Top –down. El cual indica que la forma de construir un Data Warehouse es teniendo el enfoque global “todo” para luego manejar el detalle. El Data Warehouse no está modelado dimensionalmente sino en tercera forma normal. Una vez generado el Data warehouse, se puede proceder a crear los data marts para las áreas de negocio que se necesite.. Figura 7. The Inmon Warehouse Fuente: Ian Abramson, 2010 26.

(27) 1.3.2.5.3. Metodología Hefestos HEFESTOS, es una metodología propia que permite la construcción de un Data warehouse de forma sencilla, ordenada e intuitiva. Es una investigación basada en metodologías existentes, experiencias propias de confección de. almacén de datos. Busca entregar una. primera implementación que satisfaga una parte de la necesidad, con el objetivo de mostrar las ventajas y beneficios del Data Warehouse. Está dividido en 5 fases, que muestra en como los datos serán transformados, para posteriormente ser explotados para la toma de decisiones.. Figura 8. Fases de la metodología Hefesto Fuente: Dario, 2013. 1.3.2.5.4. Metodología Ágil Según Scientia et Technica Año 384 XIII. (2007). “Principios de las metodologías ágiles”. Se basa en garantizar una mayor productividad e interrelación con el equipo, que permita mayor dinamismo y adaptación al cambio, con el objetivo de entregar un producto de acuerdo a las expectativas y exigencias del cliente.. - Individuos e interacciones sobre procesos y herramientas. - Software funcionando sobre documentación extensiva. - Colaboración con el cliente sobre negociación contractual. 27.

(28) - Respuesta ante el cambio sobre seguir un plan.. En estos 4 valores se resumen los 12 principios del manifiesto ágil. La intención es detallar las partes más prioritarias sobre las que son menos prioritarias cuando tratamos con un proyecto ágil16. Hay que proporcionar una motivación en los individuos y confiarles la ejecución del proyecto. Aunque se utilicen herramientas para la gestión del proyecto, el método más efectivo y eficiente de comunicación es cara a cara.. En las metodologías ágiles podemos encontrar una serie de prácticas o técnicas habituales a la hora de afrontar la ejecución de un proyecto. Por ejemplo, a la hora de hacer reuniones tienen que ser rápidas y frecuentes, lo suficientemente rápidas (ágiles) como para no perder el tiempo pero con una frecuencia suficiente para que los integrantes del equipo estén informados de todo. Suelen ser reuniones diarias. Cuando se trata de una reunión de planificación de iteración en la que hay una parte del producto para entregar se re-planifica la siguiente iteración a partir del feedback obtenido del cliente. El intervalo de tiempo entre entregas se denomina iteración. Como se puede deducir en este tipo de reuniones participa el cliente, al que se considera uno más del equipo. 1.3.2.5.5. Scrum. Scrum parte de la esencia del desarrollo ágil. Se centra en las funcionalidades con más prioridad y que pueden ser ejecutadas en un periodo corto de tiempo. Los ciclos de desarrollo, llamados sprints, producen un incremento de funcionalidad terminado y operativo.. 16. Manifesto for Agile Software Development. http://agilemanifesto.org/. 28.

(29) En Scrum la evolución de una iteración se revisa con reuniones de seguimiento diarias, en las que se reúne todo el equipo de desarrollo, comenta el trabajo que ha terminado, el trabajo que tiene por terminar y los impedimentos que hayan podido surgir.. Scrum toma la inestabilidad como premisa. No se considera que la definición detallada del producto, ni la arquitectura software tengan que estar en una primera fase del proyecto. Como metodología ágil que es, no será un desarrollo por fases.. Es decir, en cada iteración se van añadiendo las nuevas funcionalidades y se hace necesario modificar la estructura de las funcionalidades implementadas para adoptar las nuevas sin modificar el resultado que ya teníamos. Mientras que en una metodología predictiva la responsabilidad de las circunstancias no planificadas las tendrá el gestor de proyectos, en Scrum se parte de equipos auto-organizados con suficiente margen para tomar las decisiones oportunas.. Figura 9. Scrum Framework Fuente: Scrum.Org, 2014. 29.

(30) 1.3.2.6.. Repositorio Data Mart. Un Data Mart es una aplicación de un Data Warehouse construida rápidamente para soportar una línea de negocio simple. Los Data Marts, tienen las mismas características de integración, no volatilidad y orientación temática que el DW. Representan una estrategia de “divide y vencerás” para ámbitos muy genéricos de un Data Warehouse. (Vitt, 2013).. Esta estrategia es particularmente apropiada cuando el DW central crece muy rápido y los distintos departamentos requieren sólo una pequeña porción de los datos contenidos en él. (Inmon, 2012). La creación de los Data Mart requiere de algo más que una simple réplica de datos: se necesitarán tanto la segmentación como algunos métodos adicionales de consolidación.. Dado que un Data Mart soporta menos usuarios que un Data Warehouse se puede optimizar para recuperar más rápidamente los datos que necesitan los usuarios. La arquitectura de un Data Mart es aconsejable porque: - Menores cantidades de datos implican que se procesan, tanto las cargas de datos como las consultas. - Las peticiones pueden acotarse al área o red que sirve esos datos, sin afectar al resto de los usuarios. - La aplicación cliente, que pide la consulta es independiente del servidor que la procesa y del servidor de bases de datos que almacenan la información. (Vitt, 2013).. 30.

(31) El uso efectivo de los Data Marts en un ambiente de Data Warehousing, es un factor importante para la efectividad del Warehouse, y puede también ser determinante en el éxito del proyecto de desarrollo. Los Data Marts son diseñados para satisfacer las necesidades específicas de grupos comunes de usuarios (divisiones geográficas, divisiones organizacionales, etc.). Los Data Marts son generalmente, subconjuntos del Data Warehouse, pero pueden también integrar un número de fuentes heterogéneas, e inclusive ser más grandes, en volumen de datos, que el propio Warehouse central. Como los Data Marts son un factor crítico para el éxito proyecto de Data Warehousing de mayor escala, también lo son su creación y mantenimiento. (Vitt, 2013).. Actualmente, las organizaciones se están convenciendo de que los Data Warehouse corporativos, son complejos tanto para construir como para usar. Implementar un Data Warehouse, requiere de un considerable equipo de desarrolladores, hardware, software, tiempo y dinero. Las necesidades de diferentes áreas de la empresa, a veces conflictivas, deben ser sobrellevadas en su conjunto. Los usuarios los encuentran difíciles de construir, y por lo tanto de navegar. En consecuencia, las empresas están construyendo Data Marts, en lugar de los Data Warehouse. (Inmon, 2012).. 1.3.2.7.. Crecimiento de los Data Marts. Existe un número de sólidas razones detrás del aumento en popularidad de los Data Marts, en comparación con los sistemas de Data Warehouse a nivel de empresa.. Los Data Marts han reducido drásticamente el costo implícito en la creación y operación de un sistema de soporte a las decisiones. El concepto del Data 31.

(32) Mart ha logrado situar la instalación de la tecnología de soporte a las decisiones dentro del rango de posibilidades económicas de un número mucho mayor de usuarios. Mientras que los presupuestos de instalación de Data Warehouse típicamente oscilan entre los $2-5 millones de dólares, los Data Marts típicamente cuestan entre $100.000 y 1 millón de dólares al presupuesto total del proyecto. (Vitt, 2013).. Los Data Marts son los preferidos por los departamentos autónomos y las pequeñas unidades comerciales que los emplean para crear sus propios sistemas de soporte a decisiones. Pero los Data Marts también se han convertido en los favoritos de la mayoría de los departamentos de Sistemas de Información (IS), para crear grandes almacenes centrales de datos. La idea consiste en crear un Data Warehouse paso a paso, añadiendo un Data Mart o área de estudio a la vez, adquiriendo gradualmente la experiencia y el soporte de administradores comerciales clave, quienes ven beneficios concretos cada 3-6 meses. (Vitt, 2013).. Con los Data Marts, resulta mucho más fácil identificar un cliente o patrocinador comprometido dentro de una organización. En comparación con los Data Warehouse, los Data Marts son más limitados en cuanto a alcance, y se concentran más en un grupo específico de necesidades del usuario. La clave aquí radica en concentrarse en un reto y enfrentarlo con un grupo específicamente dedicado a esa tarea.. Los Data Marts permiten una prototificación más rápida para la captura de los requisitos del sistema de soporte a decisiones. Las encuestas realizadas entre los consumidores indican que los pilotos de los Data Marts se montan en 30-120 días.. 32.

(33) La completa instalación del sistema se logra en un período que oscila de 3 a 6 meses. (Vitt, 2013).. En conclusión los Data Marts son: - Más pequeños con tiempo de respuesta más rápido. - Acceso menos complejo para los usuarios a los Data Marts. - Data Marts diseñados para grupos de usuarios específicos.. 1.3.2.8.. Data Marts Virtuales y Meta Vistas. Los vendedores están desarrollando el concepto de Data Marts Virtuales para satisfacer la necesidad de los usuarios de acceder a muchos Data Marts, sin necesidad de excesivas replicaciones entre ellos. Los Datamarts Virtuales son vistas de varios Data Marts Físicos, o del Data Warehouse corporativo, brindadas a grupos específicos de usuarios. (Inmon, 2012). Una Meta Vista es una representación gráfica de una base de datos que incluye tablas, columnas y joins17. Una vez que una Vista Básica es creada, múltiples Meta Vistas se pueden derivar de ella. Una Meta Vista es una representación lógica de partes, de una o más Vistas Básicas. Inicialmente las tablas son desplegadas como categorías, y los campos como partes. Se pueden renombrar o remover categorías o partes de una Meta Vista. (Vitt, 2013).. Esos cambios no afectan a las Vistas Básicas que la soportan. La Meta Vistas permite usar una única Vista Básica para presentar diferentes partes de la información a diferentes grupos de usuarios. (Vitt, 2013).. 17. Sentencia SQL, que permite combinar registros de dos o más tablas en una base de datos relacional. 33.

(34) 1.3.2.9.. Administración de los Data Marts. Dentro de una empresa se hace latente la administración y coordinación a medida que el número de Data Marts crece. Se hace necesario asegurar consistencia e integridad de datos, controlar la seguridad y mantener el rendimiento (performance) global.. La. administración. coordinación,. extracción. de. de. estos. datos,. tiene. lectura,. recientes. requerimientos. procedimientos. de. como. replicación,. procedimientos de respaldo, manejo de metadatos y performance18. (Inmon, 2012). La administración de los Data Marts, pasa a convertirse en un rompecabezas donde la gestión para obtener la información se ha complicado. No obstante, lo que ha fallado no es la integración de Data Marts, sino su forma de integración como se muestra (véase figura N° 6):. Figura 10. Integración de Data Marts Fuente: Vitt, 2013.. 18. Desempeño con respecto al rendimiento del hardware. 34.

(35) El enfoque más adecuado sería la coordinación de la gestión de información de todos los Data Marts en una Data Warehouse centralizado (corporativo) como se muestra en la siguiente figura:. Figura 11. Data Warehouse centralizado Fuente: Vitt, 2013.. 1.3.2.10. Paquetes Data Marts Muchos vendedores han reconocido la necesidad de hacer que los Data Marts sean más fáciles de instalar e implementar que un Data Warehouse corporativo. Los paquetes de Data Marts pueden proveer herramientas convenientes, y de relativamente bajo costo, que pueden ser el puntapié inicial para el desarrollo de los Data Marts. Aunque un Data Mart es relativamente fácil de instalar, hay que tener en cuenta otros aspectos como la lógica de los datos operacionales extraídos, la consistencia en la definición de los datos, y el diseño del Data Mart, para lograr un óptimo performance (rendimiento). (Inmon, 2012). 35.

(36) 1.3.2.11. Cubo Olap de estructura dimensional Estas herramientas manejan una serie de consultas de forma interactiva sobre estructuras multidimensionales19 (Cubos OLAP) cargadas previamente con los datos almacenados en las bases de datos corporativas tradicionales. Permiten realizar informes y obtener grandes cantidades de información a partir de lo que resultaría ser a modo rutinario una serie de complejas consultas sobre una base de datos de forma sencilla. Con estos sistemas es posible analizar la información almacenada en un Data Warehouse, pero no es estrictamente necesario, ya que la información puede provenir de diferentes bases de datos. El objetivo de estas herramientas es obtener una mejor comprensión de lo almacenado en las bases de datos. (Navarro, 2013). Figura 12. Esquema OLAP Fuente: Tomado de Oyarce, 2012. 19. Usado principalmente para crear aplicaciones OLAP, almacena registros dimensionales y métricas para el estudio o análisis.. 36.

(37) Existe una categorización para estas herramientas según su arquitectura: M-OLAP (Multidimensional OLAP): Sistema OLAP que posee los datos almacenados en una base de datos multidimensional. Esta implementación mejora los tiempos de acceso a los datos ya que están pre calculados a costa de necesitar mayor espacio de almacenamiento, aunque algunos sistemas utilizan la compresión. Es un sistema OLAP compuesto por Cubos. (Navarro, 2013). Figura 13. Esquema M-OLAP Fuente: Tomado de Sinnexus, 2007. R-OLAP (Relational OLAP): Sistema OLAP que mantiene los datos almacenados en una base de datos relacional. Para esta implementación se realiza un Cubo virtual o tablas en forma de estrella20 con lo que se consigue una mayor capacidad de almacenamiento sacrificando tiempo de respuesta. (Navarro, 2013). 20. Modelo dimensional que contiene una tabla de métricas que contiene los datos para el análisis y está rodeada de tablas dimensionales.. 37.

(38) Figura 14. Esquema R-OLAP Fuente: Tomado de Sinnexus, 2007. H-OLAP (Hybrid OLAP): Combinación de los dos sistemas anteriores donde los datos se almacenan repartidos en implementaciones M-OLAP y R-OLAP. Esta combinación permite obtener ventajas de ambas implementaciones según donde se almacene el dato y las operaciones que se vayan a realizar sobre él. (Navarro, 2013). Figura 15. Esquema H-OLAP Fuente: Tomado de Sinnexus, 2007. 38.

(39) En cualquier herramienta OLAP encontramos dos tipos de variables características, independientemente del modo en que estén almacenados los datos y Dimensiones, estas variables nos indican los diferentes puntos de vista con los que podemos analizar la información. Las dimensiones son usadas para seleccionar y agregar datos a un cierto nivel deseado de detalle. (Navarro, 2013). Las dimensiones se relacionan en jerarquías o niveles, esto es, un conjunto de niveles cada uno expresando un nivel de profundidad en la información, indicadores o métricas: Es el dato que está siendo analizado, aquello que es cuantificable en lo que se desea analizar, suelen ser valores numéricos. Ejemplo: Número de productos vendidos en el mes de Mayo.. La forma de exploración de los datos en análisis OLAP suele ser en forma de matriz, donde sobre cada uno de los ejes se sitúa una dimensión y sobre las celdas se sitúan las métricas, conteniendo el valor en función de las dimensiones escogidas. (Navarro, 2013). 1.3.2.12. Tableros de control Los cuadros de mando, es una herramienta de dirección que permite realizar el seguimiento y monitorear los procesos operativos para detectar y diagnosticar estados de desempeño de los indicadores. Integra la información resaltante el cual sirve de consumo para los tomadores de decisiones. Su estructura o desarrollo se basa en gráficas, semaforizaciones y alertas que permitan al usuario detectar desviaciones en función a umbrales pre definidos por el negocio.. 39.

(40) Figura 16. Cuadro de mando MicroStrategy Fuente: Tomado de MicroStrategy, 2015. 1.3.2.13. Software de explotación de información El software de inteligencia de negocio son aplicaciones diseñadas para colaborar con la implementación de una plataforma de BI, para el proceso de análisis y visualización de la información.. El cuadrante de Gartner, muestra un informe de las herramientas líderes en el mercado que básicamente tiene una potente capacidad de visualización, fáciles de usar y proporcionan auto servicio a los usuarios.. 40.

(41) Figura 17. Cuadrante Gartner 2015 Fuente: Gartner, 2015. 1.3.2.14. Extracción, transformación y carga (ETL) Este proceso permite extraer los datos de diferentes fuentes de información, procesarlos y transformarlos, de tal manera que la data procesada, esté limpia para ser depositada a otra base de datos la cual es denominada un Data Mart o Data Warehouse, con el objetivo de posteriormente ser analizados.. 41.

(42) Figura 18. Proceso ETL Fuente: Adaptada de dfernang, 2013. 1.4. Objetivo e Hipótesis 1.4.1. Objetivo general Implementar una plataforma de Inteligencia de negocios que permita a la empresa Azaleia Perú, tener un repositorio de información centralizado a efectos de acceder a los datos en línea, optimizar el tiempo en la obtención de los datos y mejorar el análisis de la información para el área de ventas, sirviendo como soporte a la toma de decisiones de manera oportuna a las necesidades del negocio.. 1.4.2. Objetivos específicos -. Realizar un diagnóstico de la situación actual del proceso del área de venta que permita identificar la problemática.. -. Definir indicadores y métricas del área para la explotación de los datos.. -. Elaborar un repositorio centralizado focalizado en un modelo dimensional que permita la resolución de consultas analíticas. 42.

(43) -. Elaborar un cubo OLAP de estructura dimensional que permita el procesamiento en Línea, para el análisis de los usuarios de negocio.. -. Analizar los efectos de la implementación de inteligencia de negocios en la empresa Azaleia Perú.. 1.4.3. Operacionalización de las variables e hipótesis 1.4.3.1.. Hipótesis general. La implementación de una plataforma de BI, optimiza el proceso de análisis, monitoreo y toma de decisiones para fortalecer la comercialización de la empresa Azaleia Perú. 1.4.3.2.. Hipótesis secundarias. Las hipótesis secundarias que se van a evaluar serán las siguientes: a) El aumento de la calidad de información, ayuda a los usuarios de negocio a identificar y comercializar mejor los productos de la empresa Azaleia. b) La continuidad de la eficiencia y efectividad en la comercialización genera una mayor rotación de productos c) El aumento en la productividad de las ventas de la empresa Azaleia, incrementa el número de puntos de venta.. Tabla 2. Operacionalización de variables Variable. Definición. Indicador. Calidad de información. Enfocado en la  Reducción en el tiempo de procesamiento de la calidad y información obtención de información, para un mejor consumo y toma de decisiones.. Eficiencia y efectividad en Enfocado en la  Reducción en el Índice 43.

(44) la comercialización. reducción de de fallas reportadas tiempos de  Aumento en el % de rotación de productos respuesta de los usuarios de negocio, que dan soporte al área de ventas y gerencia.. Aumento en la Enfocado en el  Incremento en las ventas productividad de ventas incremento de las ventas, reducción  Reducción en los costos de los costos y mejor posicionamiento en el mercado Fuente: Propia, 2015. 1.4.3.3. a). Variables. Variable Independiente.- Plataforma de inteligencia de negocio para la explotación eficiente de la información. Para la definición de esta variable se ha establecido 3 indicadores diferentes los cuales se muestran en la tabla 2.. Tabla 3.Indicadores de las variables independientes Nombre del indicador. Variable independiente. X1. Calidad de información. X2. Eficiencia y efectividad en la comercialización. Fuente: Propia, 2015. b). Variable dependiente.- En el presente trabajo la variable dependiente general es: explotación de la información para la toma de decisiones a través del análisis de los indicadores de gestión de las ventas en el. 44.

(45) mercado. Para explicar la misma se han utilizado los siguientes indicadores, ver tabla 3.. Tabla 4. Indicadores de las variables dependientes Nombre del indicador Y1. Variable dependientes Aumento en la productividad de ventas. Fuente: Propia, 2015. 1.5. Alcance y limitaciones 1.5.1. Alcance - Implementación basado en la metodología Ágil Scrum y manejo de gestión de proyectos basado en las buenas practicas del PMBOK v5. - Identificación y análisis de procesos relacionados en el área de ventas. - Identificar indicadores y métricas a implementar el área de ventas. - El proceso de la extracción de la información serán de 2 fuentes de datos (AzaleiaPeru y DBBusiness) transaccionales que se encuentran en SQL 2012. - Los prototipos de los dashboard serán desarrollados en Storyboards, de Microsoft Power Point. - El desarrollo de ETL, se trabajará con SQL integration Services y será trabajado únicamente para las tablas referida para el área de ventas. - La elaboración de un (1) cubo OLAP en SQL Analysis Services, que contendrá indicadores y métricas del área de ventas. - Elaboración de tableros dinámicos y reportes en el software de explotación QlikView.21 - Transferencia de conocimiento y capacitación a usuarios técnicos y de negocio.. 21. Software de inteligencia de negocios, para explotación y descubrimiento de datos.. 45.

(46) 1.5.2. Limitaciones - La implementación está basada para el área de ventas, cualquier otro requerimiento fuera del proceso no está considerado. - El trabajo de extracción, transformación y limpieza solo será efectuado para la base de datos AzaleiaPeru y DBBusiness.. 1.6. Breve resumen de las fases La metodología que se propone trabajar en la implementación de inteligencia de negocios es ágil y tiene como marco referencial Scrum22, que consiste en trabajar a base de Sprint, de una duración de un (1) mes por Sprint, la cual se itera y revisa constantemente con los usuarios de Azaleia Perú, para verificar que la implementación se esté ejecutando de acuerdo al alcance y necesidad del cliente.. La implementación consta de 3 Sprint: - Sprint 1: Abarca el levantamiento de información, especificaciones de requerimientos de negocio y diseño de la solución. - Sprint 2: Modelo dimensional, desarrollo ETL y creación de cubo OLAP - Sprint 3: Explotación de Data Mart mediante herramienta Qlikview y capacitaciones a usuarios finales. 22. Marco de trabajo que adopta estrategias de desarrollo incremental e iterativo, bajo un enfoque ágil. 46.

(47) Capítulo 2: Marco Contextual. 2.1. Descripción de la Empresa Azaleia Perú es filial de la empresa Vulcabras Azaleia. Fue fundada en 1958 en la ciudad de Parobé, Brasil. Actualmente es el grupo más grande de América Latina exportando cerca de 20% de su producción para más de 50 países.. Azaleia, maneja todo un proceso para realizar la venta propia de los productos de las diferentes marcas que ofrece. Desde el requerimiento de la necesidad del producto, la solicitud de importación del mismo y la distribución. Cuenta con dos almacenes, de donde se distribuyen todos los pedidos realizados. Además estos almacenes alimentan a las diferentes tiendas, ya que estas funcionan a su vez como pequeños almacenes para abastecer a la demanda de los clientes. Actualmente cuenta con 4 canales de venta los cuales son: Venta al por mayor, venta por tienda, venta por catálogo y venta por internet (Netstore).. Canales de Venta - Canal de Venta al por Mayor: Maneja el mayor ingreso de las ventas, con un 70% de porcentaje de todas las ventas realizadas en el año fiscal.. Las ventas mayoristas son manejadas a crédito, por ende cada vendedor responsable de la cuenta, mantiene el seguimiento constante de la fecha de pagos a ser efectuados por cada establecimiento.. 47.

(48) Cada vendedor maneja una cartera de clientes de los grandes centros comerciales a los cuales mantienen actualizados con las nuevas tendencias y productos de Azaleia Perú.. - Canal de Venta al por Tienda: Este canal genera el segundo ingreso en ventas para la empresa Azaleia Perú, cuenta con 28 tiendas que están distribuidas en lima y provincias. Cada tienda ingresa la información de las ventas del día en un sistema, el cual está integrado con la sede principal. La forma de pago que maneja es en efectivo o por medio de tarjeta de crédito.. - Canal de Venta al por Catalogo: Maneja una venta más consultiva a través de promotoras que ofrecen los productos por medio de catálogos. Cada promotora cuenta con una supervisora, la cual hace seguimiento y registra las ventas realizadas en el día.. - Canal de Venta al por Internet: Tiene un ingreso de solo el 20% de las ventas totales en el año fiscal y está siendo impulsada, para tener un mayor impacto en los próximos años debido a la incursión en las redes sociales.. Volúmenes de facturación Anual Para el año 2014 la empresa Azaleia Perú, tuvo ventas netas en dólares por un monto de: USD 22’065,549.82 y un total de pares vendidos de: 877,444. Para el año 2015 se proyecta crecer un 20% en ventas, para lo cual se estima abrir unas 10 tiendas más distribuidas a nivel nacional. 48.

(49) Tabla 5. Ventas anual Azaleia Perú Marca. Venta Neta. Pares. AZALEIA. 12,390,614.78. 492,992. OLYMPIKUS. 5,659,116.20. 200,078. DIJEAN. 3,831,955.60. 178,406. ORTOPE. 171,787.80. 5,488. BOOM. 6,704.36. 301. TAMARIS. 5,236.93. 153. OPANKA. 134.15. 26. TOTAL. 22,065,549.82. 877,444. Fuente: Azaleia Perú, 2014 Número de empleados Azaleia Perú, cuenta con un total de 229 empleados los cuales están distribuidos en 42 administrativos y 187 personas de ventas.. Misión y Visión a) Misión Ofrecer calzados confortables, elaborados en los más altos estándares de calidad y tecnología a un precio justo, brindando calidad de servicio a nuestros clientes.. b) Visión Ser reconocido como la empresa líder en calzados en el Perú, brindado excelencia en nuestros productos basado en un compromiso de calidad constante el cual brinde satisfacción a nuestros clientes.. 49.