126 6.5. Programa de estudio
Nombre del doc ume nto: Progr ama de estudio d e Asi gnat ura de E spe cialidad .
C ó d i g o : I T V H - AC - PO - 0 1 1 - 0 2 R e v i s i ó n : O
Refere ncia a la Nor ma ISO 9001:20 08 7.3 P á g i n a 1 d e 1 0
1.- DATOS DE LA ASIGNATURA
Nombre de la asignatura: Inteligencia de Negocios I
Carrera: Ingeniería en Tecnologías de la Información y Comunicaciones Clave de la asignatura: GTD-1301
(Créditos) SATCA1 2-3-5
2.- PRESENTACIÓN
Caracterización de la asignatura.
Esta asignatura aporta al perfil del Ingeniero en Tecnología de la Información y Comunicación la capacidad para diseñar e implementar sistemas de información para la toma de decisiones, basadas en los procesos de análisis, transformación y extracción de diferentes fuentes de datos, y el uso de las diferentes tecnologías para el almacenamiento y análisis de datos.
Tiene como propósito que el egresado construya soluciones de inteligencias de negocios que apoyen la toma de decisiones en una empresa. Se pretende que conozca y aplique las tecnologías emergentes de bases de datos, así como, las metodologías y tecnologías existentes para el desarrollo de las soluciones. El reto es formar egresados con la capacidad de proponer a las empresas soluciones que le permitan un análisis estratégico que contribuya a la mejora de su productividad y rentabilidad, para lograr una ventaja estratégica en el mundo altamente competitivo.
Intención didáctica.
La asignatura pretende proporcionar al alumno los conceptos esenciales de la Inteligencia de Negocios. Se organiza el temario en seis unidades.
En la primera unidad se estudian los conceptos básicos de la Inteligencia de Negocios ofreciendo y proporcionando una visión integral de la importancia que tiene en el entorno actual y cómo utilizarla como herramienta estratégica para alcanzar los objetivos de la organización.
127 Inteligencia de Negocios como lo es el proceso ETL, extracción, transformación y carga de datos, considerando también la estandarización y limpieza de datos. Se analizarán las principales herramientas propietarias y open source para llevar a cado el modelado y desarrollo de procesos ETL.
En la cuarta unidad se diseñarán los modelos de almacenes de datos para la toma de decisiones. Se revisarán algunas estructuras para la construcción de modelos de estrella y copo de nieve, y las principales tecnologías de almacenamiento: datawarehouse y datamart. Lo referente a las metodologías y tecnologías de análisis de datos, se abordará en la unidad 5, comprendiendo procesos OLTP, OLAP, y Minería de Datos.
Finalmente, en la sexta unidad se analizarán las principales herramientas para la visualización de información en un sistema de inteligencia de negocios. En esta unidad se aborda la creación, desarrollo e integración de reportes, cuadros de mando y tableros de control para la toma de decisiones, basados en indicares claves del negocio.
Los contenidos presentados constituyen los elementos básicos indispensables de la Inteligencia de Negocios. Para abordar estos contenidos se proponen actividades de aprendizaje que permitan al alumno conocer la herramientas que dan origen a los conceptos básicos, y a partir de ellas extender el conocimiento. Se sugiere una actividad integradora con el objeto de reforzar y de evidenciar lo aprendido en el curso. En las actividad integradora, se propone el desarrollo de un caso práctico de un sistema de inteligencia de negocios, que de presente una solución a una problemática real, buscando que el alumno tenga contacto con los conceptos en forma concreta y sea a través del análisis, creatividad e imaginación que se logre tal objetivo; La actividad integradora se propone que se defina en el transcurso de la primera unidad de esta competencia.
En el transcurso de las actividades programadas es muy importante que el estudiante aprenda a valorar las actividades que lleva a cabo y entienda que está construyendo su hacer futuro y en consecuencia actúe de una manera profesional; de igual manera, aprecie la importancia del conocimiento y los hábitos de trabajo; desarrolle la capacidad de análisis, precisión y la curiosidad, la puntualidad, el entusiasmo y el interés, la tenacidad, la flexibilidad y la autonomía.
Es necesario que el profesor ponga atención y cuidado en estos aspectos en el desarrollo de las actividades de aprendizaje de esta asignatura
1
128
3.- COMPETENCIAS A DESARROLLAR
Competencias específicas:
• Identifica los principales componentes de un Sistema de Inteligencia de negocios.
• Evalúa e integra las diferentes fuentes de información que requiere un sistema de inteligencia de negocios. • Conoce y aplica las principales
técnicas, procedimientos y herramientas para el diseño y desarrollo de procesos ETL.
• Desarrolla modelos de almacenamientos de datos para la
toma de decisiones.
• Selecciona la tecnología mas adecuada que dará soporte al almacenamiento de datos conforme a los requerimientos organizacionales • Aplica tecnologías de análisis de
datos utilizando OLAP, OLTP y Minería de Datos.
• Selecciona y emplea herramientas de presentación de información en un entorno de inteligencia de negocios.
Competencias genéricas: Competencias instrumentales
• Capacidad de análisis y síntesis • Capacidad de organizar y planificar • Conocimientos básicos de la
carrera
• Comunicación oral y escrita
• Habilidades básicas de manejo de la computadora
• Habilidad para buscar y analizar información proveniente de fuentes diversas
• Solución de problemas • Toma de decisiones.
Competencias interpersonales • Capacidad crítica y autocrítica • Trabajo en equipo
• Habilidades interpersonales Competencias sistémicas • Capacidad de aplicar los
conocimientos en la práctica • Habilidades de investigación • Capacidad de aprender
• Capacidad de generar nuevas ideas (creatividad)
• Habilidad para trabajar en forma autónoma
• Búsqueda del logro
4.- HISTORIA DEL PROGRAMA
129
5.- OBJETIVO(S) GENERAL(ES) DEL CURSO (competencias específicas a desarrollar).
• Identifica los principales componentes de un Sistema de Inteligencia de negocios • Evalúa e integra las diferentes fuentes de información que requiere un sistema de
inteligencia de negocios
• Conoce y aplica las principales técnicas, procedimientos y herramientas para el diseño y desarrollo de procesos ETL
• Desarrolla modelos de almacenamientos de datos para la toma de decisiones. • Selecciona la tecnología mas adecuada que dará soporte al almacenamiento de
datos conforme a los requerimientos organizacionales
• Aplica tecnologías de análisis de datos utilizando OLAP, OLTP y Minería de Datos • Selecciona y emplea herramientas de presentación de información en un entorno
de inteligencia de negocios.
6.- COMPETENCIAS PREVIAS
• Utiliza técnicas de modelado para la solución de problemas • Diseña y manipula bases de datos relacionales
• Administra bases de datos utilizando sistemas de gestión de base de datos
7.- TEMARIO
1. Introducción a la Inteligencia de Negocios
1.1. Concepto básicos
1.2. Comparativa de un Sistema Transaccional vs. Sistema de Análisis 1.3. Principales beneficios que
aporta
1.4. Componentes de un Sistema de Inteligencia de Negocios
1.5. Herramientas y Tecnologías de Inteligencia de Negocios
1.6. Modelo de Procesos aplicados a la Inteligencia de Negocios
2 Análisis de fuentes de información
2.1 Orígenes del XML 2.2 Sistemas Operacionales 2.3 Sistemas Heredados 2.4 Sistemas ERP 2.5 Sistemas CRM
2.6 Fuentes de datos externas 3.1 Extracción de datos
130
3 Técnicas de diseño y desarrollo de procesos ETL
3.2 Transformación 3.3 Carga de datos
3.4 Estandarización y Limpieza de datos 3.5 Herramientas para procesos ETL
4 Modelos de diseño de almacenes de datos para la toma de decisiones
4.1 Diseño de almacenes de datos 4.2 Modelos de datos
4.2.1 Esquema Estrella
4.2.2 Esquema Copo de Nieve 4.2.3 Granularidad,
multidimensionalidad
4.3 Bodega de Datos (Data warehouse) 4.4 Mercado de Datos (Data Mart)
5 Metodología de Análisis de Datos
5.1 OLAP 5.2 OLTP
5.3 Minería de Datos 5.4 Otras metodologías
6 Herramientas de visualización
6.1 Selección de indicares claves de negocio
6.2 Reporteadores 6.3 Tableros de Control 6.4 Cuadros de Mando 6.5 Otras herramientas
8.-SUGERENCIAS DIDÁCTICAS (desarrollo de competencias genéricas)
El profesor debe:
• Propiciar el uso de las nuevas tecnologías en el desarrollo e implantación de sistemas
• Fomentar actividades grupales que propicien la comunicación, el intercambio argumentado de ideas, la reflexión, la integración y la colaboración de y entre los estudiantes. Ejemplo: Realizar prácticas en equipo que permitan obtener un resultado a partir del trabajo de todos.
• Facilitar el contacto directo con problemas de su entorno para que plantee la solución mediante el modelado y programe la solución utilizando el lenguaje de programación para dispositivos móviles.
• Proponer problemas que permitan al estudiante la integración de contenidos de la asignatura y entre distintas asignaturas, para su análisis y solución.
• Cuando los temas lo requieran, utilizar medios audiovisuales para una mejor comprensión del estudiante.
131
• Problemas propuestos para comprobar la aplicación de las técnicas, procedimientos, y modelado de sistemas de inteligencia de negocios.
• Reportes escritos de las observaciones hechas durante las actividades, así como de las conclusiones obtenidas de dichas observaciones.
• Información obtenida durante las investigaciones solicitadas plasmada en documentos escritos.
• Descripción de otras experiencias concretas que podrían realizarse adicionalmente. • Exámenes escritos para comprobar el manejo de aspectos teóricos y declarativos. • La construcción de una solución de inteligencia de negocios para un caso práctico.
10.-UNIDADES DE APRENDIZAJE
Unidad 1: Introducción a la Inteligencia de Negocios Competencia específica a
desarrollar Actividades de Aprendizaje
Identifica los principales componentes de un Sistema de Inteligencia de negocios
• Describir el estado del arte de la Inteligencia de Negocios y los principales beneficios que aporta
• Análisis comparativo de los Sistemas Transaccionales vs. Sistemas de Análisis • Exploración web y documental sobre los
componentes de un Sistema de Inteligencia de Negocios.
• Exploración de campo que permita identificar las principales herramientas y Tecnologías de Inteligencia de Negocios • Conocer los principales modelos de
procesos aplicados a la Inteligencia de Negocios.
Unidad 2: Análisis de fuentes de Información Competencia específica a
desarrollar Actividades de Aprendizaje
Evalúa e integra las diferentes fuentes de información que requiere un sistema de inteligencia de negocios
• Exploración de campo que permita identificar los principales sistemas de
información existentes en las organizaciones. • Identificar las principales características y
funciones de los sistemas operacionales, heredados, ERP y CRM
• Caso de estudio que presente la
integración de los sistemas ERP y CRM como fuentes de información de un Sistema de Inteligencia de Negocios.
132 Unidad 3: Técnicas de diseño y desarrollo de procesos ETL
Competencia específica a
desarrollar Actividades de Aprendizaje
Conoce y aplica las principales técnicas, procedimientos y herramientas para el diseño y desarrollo de procesos ETL
• Exploración de videos y tutoriales en línea sobre el diseño y desarrollo de procesos ETL aplicados las diversas fuentes de datos para la construcción de bodega de datos
(datawarehouse)
• Elaborar un análisis comparativo de las principales herramientas para el diseño de procesos ETL y la factibilidad de
implementación.
• Diseñar y desarrollar procedimientos de procesos ETL aplicados a un caso práctico Unidad 4: Modelos de diseño de almacenes de datos para la toma de decisiones
Competencia específica a
desarrollar Actividades de Aprendizaje
Desarrolla modelos de almacenamientos de datos para la
toma de decisiones.
Selecciona la tecnología más adecuada que dará soporte al almacenamiento de datos conforme a los requerimientos organizacionales
• En base a un caso práctico, aplicar las técnicas y procedimientos para la
determinación de requerimientos de un almacén de datos para inteligencia de negocios
• Investigar en diversas fuentes de información los principales modelos de almacenamiento de datos para la toma de decisiones.
• Realizar una presentación acerca de las tecnologías para almacenamiento de datos: datawarehouse y datamarts.
• Diseñar y desarrollar modelos de
almacenamiento de datos para datawarehouse y datamarts.
Unidad 5: Metodología de Análisis de Datos Competencia específica a
rrollar Actividades de Aprendizaje
Aplica tecnologías de análisis de datos utilizando OLAP, OLTP y Minería de Datos
• Realizar una tabla comparativa entre OLAP y OLTP, identificando sus principales
133 • Seleccionar y aplicar una tecnología de
análisis de datos en un caso práctico Unidad 6: Herramientas de visualización
Competencia específica a
desarrollar Actividades de Aprendizaje
Selecciona y emplea herramientas de presentación de información en un entorno de inteligencia de negocios.
• Desarrollar una presentación electrónica acerca de los principales esquemas de presentación de información de análisis de la información : Reportes, Tableros de Control, Cuadros de Mando y otros.
• Realizar un análisis comparativo de las principales herramientas de visualización de la información para la toma de decisiones. • Presentación de un caso práctico
desarrollado durante el semestre en el cual se integre cada uno de los componentes de un Sistema de Inteligencia de Negocios. El caso práctico debe responder a las necesidades de información para la toma de decisiones de una empresa.
11.-FUENTES DE INFORMACIÓN
1. Conesa, J., Curto, J.(2010). Introduccion al Business Intelligence. Universidad Oberta de Cataluña.
2. Delen, D. (2011). Decision Support and Business Intelligence Systems( 9 ed.) Editorial Pearson.
3. Fernández, F.(2010). Guía Tecnica Esencial de Sap Netweaver Bw. RA-MA. 4. Howson, C.(2012). Business Intelligence de Exito. Mcgraw-Hill.
5. Kimball, R.(2008). Data Warehouse Lifecycle Toolkit (2da. Ed.). LEA 6. Langit, L., Goff, K., Mauri, D., Malik, S., Welch, J. (2009). Smart Business
Intelligence Solutions with Microsoft® SQL Server® 2008.
7. Laursen, G., Thorlund, J., (2010). Business Analytics for Managers. The New Era of Enterprise Business Intelligence: Using Analytics to Achieve a Global Competitive Advantage.
8. Pérez, C. (2006). Data Mining: Soluciones con Enterprise Miner. RA-MA.
9. Sharda, R.(2011). Business Intelligence. A Managerial Approach ( 2 ed.). Editorial Pearson.
10. Dunham, M. Data Mining: Introductory and dvanced Topics. Prentice Hall. Referencias en Internet
1. Cano, J. (n.d.). Bussines Intelligence : Competir con Informacion. Recuperado de http://www.iwith.org/pdf/Libro_BI_Competir_con_Informacion.pdf
2. Bussiness Intelligence Journal. Volume 4 - Number 1 - January 2011. Recuperado de http://ebs.edu.sg/wp-content/uploads/2011/09/BIJ-Vol4No1-January2011.pdf
134 3. Bussiness Intelligence Tutorial IBM(2007).
https://apps.state.or.us/tech/db2v7/db2tue71.pdf
4. Contel, B.(n.d.). Desarrollo de una Solucion Bussines Intelligence en una empresa del sector de alimentación. Universidad Politécnica Valencia. Recuperado de http://riunet.upv.es/bitstream/handle/10251/9127/PFC%20Blanca%20Contel%20-%20Desarrollo%20de%20una%20Solucion%20BI.pdf
5. Gladys, R., Mendoza, A.(2011). Tesis: Análisis Diseño e Implementación de una Solución de Inteligencia de Negocios para el Área de Compras y ventas de una Empresa Comercializadora de Electrodomésticos. Pontificia Universidad Católica Del Perú. Recuperado de
http://tesis.pucp.edu.pe/repositorio/bitstream/handle/123456789/931/RODRIGUEZ_ CABANILLAS_KELLER_INTELIGENCIA_NEGOCIOS_ELECTRODOMESTICOS.pd f?sequence=1
6. Guia Rápida para lograr Inteligencia Empresarial en Empresas Medianas(n.d.). Recuperado de http://businessintelligence.info/docs/cognos/bi-pymes-ibm-cognos.pdf
7. Inteligencia de Negocios Teoría(n.d.). Recuperado de
http://www.google.com.mx/url?sa=t&rct=j&q=inteligencia%20de%20negocios%20pdf &source=web&cd=89&ved=0CEwQFjAIOFA&url=http%3A%2F%2Fcibertec.googlec ode.com%2Ffiles%2FInteligencia%2520de%2520Negocios%2520Teor%25C3%25A Da.pdf&ei=FTVrUI_ePMjo2QW2g4HgBQ&usg=AFQjCNH5keZ5V3dhOjJhXcupcpuM 2Ir9Dg&cad=rja
8. La inteligencia de negocios aplicada a las organizaciones en Latinoamérica(2007). Universidad Pontificia Bolivariana. Recuperado de
http://www2.epm.com.co/bibliotecaepm/biblioteca_virtual/documents/la_inteligencia_ de_negocios_aplicada_a_las_organizaciones.pdf
9. Memoria: Inteligencia de Negocios y Automatización en la gestión de puntos y fuerza de ventas en una empresa de tecnología(2011). Universidad de chile. Recuperado de
http://www.cybertesis.uchile.cl/tesis/uchile/2011/cf-recasens_js/pdfAmont/cf-recasens_js.pdf
10. Peña, A.(2006). Inteligencia de Negocios: Una Propuesta para su Desarrollo en las organizaciones. Instituto Politécnico Nacional. Recuperado de
http://www.wolnm.org/apa/articulos/Inteligencia_Negocios.pdf?target= 11. Taller de Fundamentos de Bussines Intelligence(n.d.). Recuperado de
http://www.poli.edu.co/comunica/egresados/TallerdeFundamentosdeBIPGCD1.pdf 12. Teoría sobre Business Intelligence(2005). Recuperado de
http://www.microstrategy.com.ar/ExperienciaBI2/teoriadw.pdf 13. Tesis: Sistema de Apoyo Gerencial Universitario. Recuperado de
http://www2.itba.edu.ar/archivos/secciones/nader-tesisdemagister.pdf
14. Tesis Doctoral: Procesos de Explotación de Información Basados en Sistemas Inteligentes(2008). Universidad Nacional de la Plata. Recuperado de
http://postgrado.info.unlp.edu.ar/Carreras/Doctorado/Tesis/Britos_Paola.pdf
15. White Paper: Implementing a Business Intelligence Strategy. Business Objects. (n.d.). Recuperado de http://www.kormoski.com/images/bi_strategy_wp.pdf
135 12.-PRACTICAS PROPUESTAS
1. Definir esquemas de bases de datos multidimensionales 2. Elaborar consultas a bases de datos multidimensionales 3. Diseño e implementación de un datamart o datawarehouse
4. uso de herramientas para la extracción, transformación y carga de datos de una base de datos relacional a una datawarehouse
5. Definir y aplicar esquemas de análisis de datos
6. Definir y aplicar algoritmos de minería de datos a utilizar 7. Desplegar solución
8. elaborar aplicaciones para acceder a la solución desplegada (reportes, consultas mdx, visualización de datos, alertas, conocimiento, etc.).
9. Ejemplos de prácticas:
10. Prácticas de filtrado usando alguna herramienta de minería de datos. 11. Prácticas de aprendizaje usando alguna herramienta de minería de datos. 12. Prácticas de meta-aprendizaje usando alguna herramienta de minería de datos. 13. Prácticas de agrupamiento usando alguna herramienta de minería de datos. 14. Proyecto individual y/o de grupo
