Inteligencia de negocios

E. Tuza

Components of Business Intelligence in the Area of Energy, Process Industries and

Non-Renewable Natural Resources.

Abstract— this paper describes a process that is aimed at incorporating components of business intelligence (BI Business Intelligence) in the Area of Energy, Industries and Non-Renewable Natural Resources of the National University of Loja. So two Data Marts (DM) there of which are focused on the academic part of the area in question was built. For the construction and integration of each Data Mart we used the suite of Business Intelligence Open Source Pentaho Business Intelligence, allowing it to support the information requirements and associated with the academic part of AEIRNNR analysis.

Keywords— Business Intelligence, ETL (extraction, transformation, load), OLAP (On Line Analytical Processing), Star Schema, Data Warehouse.

1. Introduccion.

E

n la actualidad, todas las organizaciones están comprendiendo la importancia de la gestión de la información y las ventajas que acarrea consigo su adecuada utilización, este proceso de gestión consiste en dar un buen uso a los distintos tipos de datos de la empresa, por tal motivo se busca  incorporar aplicaciones que abarquen todas las actividades enfocadas al análisis del negocio [3].

El Área de la Energía, las Industrias y los Recursos Naturales no Renovables (AEIRNNR) de la Universidad Nacional de Loja, es un claro ejemplo de esta necesidad, su alto grado de información en cuanto a la parte académica se refiere, ha generado nuevas necesidades a satisfacer desde la perspectiva de la gestión, en donde el ámbito de interés lo constituyen la parte académica y la docencia impartida dentro del área, por tal motivo se ha construido dos Data Marts (docentes, estudiantes), para el análisis de la información académica de la misma, estos Data Marts constituyen el Data Warehouse de la organización.

La arquitectura de inteligencia de negocios en la que se ha puesto énfasis para el desarrollo de cada Data Mart, es la que propone Ralph Kimball [1], considerado como el padre del Data Warehouse, además se ha enfocado el proyecto a la utilización de una plataforma Open Source para Inteligencia de Negocios (Pentaho Business Intelligence [4]).

Adicional a esto, se implementó procesos ETL (Extracción, Transformación y Carga), los mismos que nos permitieron cargar de datos a cada esquema, con información histórica contenida dentro del SGAWebServices de la Universidad Nacional de Loja, para finalmente ponerla a disposición del usuario final.

[pic 1]

E. Tuza, Universidad Nacional de Loja, Loja, Ecuador, eituzac@unl.edu.ec

Adicional a esto, se implementó procesos ETL (Extracción, Transformación y Carga), los mismos que nos permitieron cargar de datos a cada esquema, con información histórica contenida dentro del SGAWebServices de la Universidad Nacional de Loja, para finalmente ponerla a disposición del usuario final.

La estructura del artículo es la siguiente: la Sección II, presenta como estado del arte material bibliográfico sintetizado referente a Inteligencia de Negocios. La Sección III, detalla los requerimientos de información académica que existen dentro del AEIRNNR, la metodología de desarrollo a emplearse y el proceso de construcción del Data Warehouse. La Sección IV, detalla el proceso de presentación de información al usuario, finalmente en la sección V, se establece las conclusiones a las que se ha llegado al término del proyecto.

1. ESTADO DEL ARTE.

1. Inteligencia de negocios.

La inteligencia de negocios, se define como la habilidad corporativa para tomar decisiones. Esto se logra mediante el uso de metodologías, aplicaciones y tecnologías que permiten reunir, depurar, transformar datos, y aplicar en ellos técnicas analíticas de extracción de conocimiento, los datos pueden ser estructurados para que indiquen las características de un área de interés, generando el conocimiento sobre los problemas y oportunidades del negocio, para que puedan ser corregidos y aprovechados respectivamente [6], [11], [12].

Dentro de los principales tipos de análisis que nos proporciona la inteligencia de negocios tenemos:

• Análisis descriptivo (Reporteo, Procesamiento analítico en línea OLAP, etc.).
• Análisis predictivo (Minería de datos) [8].

1. Arquitectura CIF (Corporation Information Factory) vs Arquitectura MD (Multi-Dimensional).

La arquitectura CIF y la arquitectura MD, cumplen la funcionalidad de obtener datos y entregar información. La principal diferencia entre ambas arquitecturas radica en el modelamiento de datos, mientras que la arquitectura CIF propone modelar el Data Warehouse usando un modelo relacional, la arquitectura MD propone utilizar un modelamiento de datos dimensional con el fin de construir los diferentes data marts [1], [2].

La arquitectura CIF se basa en un enfoque TOP - DOWN, es decir primero provee una vista empresarial de los datos a través de un Data Warehouse, y luego a partir de allí ir construyendo los diferentes data marts de las áreas del negocio que se requieran, en el caso de la arquitectura MD posee un enfoque BOTTOM - UP, es decir se parte desde los requerimientos funcionales de cada unidad de negocio o departamento de una empresa, construyendo los Data Marts necesarios para cada departamento del negocio, y es el conjunto de estos Data Marts quienes conforman el Data Warehouse [1], [2].

En la tabla I se muestra de forma resumida una breve comparativa entre ambas arquitecturas (CIF - MD).

TABLA I ARQUITECTURA CIF VS MD.

...