Inicio

Semestre 2019-20

Nombre del curso: Inteligencia de negocios
Course Name: Inteligencia de negocios
Créditos:
Profesor: María del Pilar Villamil
Versión PDF Click Aquí

Propósito

El propósito de este curso es estudiar diferentes escenarios en los procesos de toma de decisiones en las organizaciones, los tipos de análisis e información requeridos en cada uno de ellos, las estrategias de integración y estructuras de datos que se utilizan para soportar dichos análisis, así como algunas metodologías, tecnologías y herramientas de apoyo.

Objetivos

El objetivo de este curso es estudiar diferentes escenarios en los procesos de toma de decisiones en las organizaciones, los tipos de análisis e información requeridos en cada uno de ellos, las estrategias de integración y estructuras de datos que se utilizan para soportar dichos análisis, así como algunas metodologías, tecnologías y herramientas de apoyo.

Se pretende que al final del curso el estudiante sea capaz de:

    • Entender el papel que puede jugar un programa de Inteligencia de Negocios en el logro de los objetivos estratégicos de una organización.
    • Utilizar una metodología para desarrollar un sistema de inteligencia de negocios.
    • Identificar tipos de análisis requeridos en el contexto de una organización.
    • Modelar datos de manera Multidimensional.
    • Identificar los elementos involucrados en el planteamiento y selección de una arquitectura de solución.
    • Diseñar procesos de ETL.
    • Diseñar e implantar DataMarts basados en modelos multidimensionales
    • Considerar aspectos propios del diseño físico de una Bodega de Datos.
    • Construir modelos para resolver problemas usando técnicas de Minería de Datos.
  • Usar herramientas para construir soluciones de BI.

Categorias de habilidades y objetivos pedagógicos

Objetivo Pedagógico
Metas específicas
%
O2
Entender el papel que puede jugar un programa de BI en el logro de los objetivos estratégicos de una organización 6%
O4
Identificar tipos de análisis requeridos 4%
O5
Priorizar requerimientos y definir proyectos 3%
O8
Plantear y evaluar arquitecturas de datos para satisfacer requerimientos de BI 13%
O9
Modelar datos de manera muldimensional y realizar diseño físico 26%
O11
Diseñar procesos de ETL 13%
O13
Implementar solución de BI en un contexto restringido. 26%
O14
Documentar solución de BI en un contexto restringido 6%
O18
Entender los beneficios y responsabilidades de los centros de competencia para BI 3%

Objetivos pedagógicos transversales

Objetivo Pedagógico
Metas específicas
OT1
Usar herramientas modernas para construir soluciones de BI
OT3
Analizar alternativas de solución y justificar escogencia
OT4
Trabajar en grupo
OT8
Autoaprender desarrollando

Manejo de los Aspectos Transversales

Aspecto transversal
Descripción
Gerencia
Se trabaja a dos niveles:

  • Estudio de una metodología para el manejo de proyectos de inteligencia de negocios, en particular la propuesta por Ralph Kimball and all.
  • Todo el trabajo del curso es en equipos utilizando lo visto en cursos anteriores, en particular del curso Trabajo en equipo + gerencia básica.
Calidad
La metodología de desarrollo de sistemas de inteligencia de negocios incluye la validación de cada actividad
Sector Externo
Traer invitados del sector externo para presentar casos (exitosos o no) de implantación de programas de Inteligencia de negocios en empresas
Seguridad
Se trabaja en: levantamiento de requerimientos, diseño y construcción

Metodología

Habrá clases teóricas y laboratorios de familiarización con herramientas y técnicas de construcción de soluciones de BI. Es importante que los estudiantes preparen con anticipación el tema asignado para cada sesión, para poder participar (ver cronograma con temas y lecturas asignadas). Habrá un proyecto de curso con 6 entregas. El proyecto se hará en grupo de dos personas.

Temas a tratar

    1. Inteligencia de Negocios y sus tecnologías de apoyo.
    2. Arquitectura de un Sistema de Inteligencia de Negocios/Bodega de Datos.
    3. Metodología para el desarrollo de Sistemas de Inteligencia de Negocios/Bodega de Datos.
    4. Modelo de Datos MultiDimensional.
    5. Diseño Físico de una Bodega de Datos.
    6. Proceso de ETL.
    7. Bases de Datos Multidimensionales (Cubos).
    8. KPIs.
    9. MDX.
    10. Minería de Datos: Clustering, Clasificación.

    Evaluación

    Proyectos (46%):

      1. (5%) Identificar oportunidades que pueden ofrecer los medios sociales (Social Media) en una empresa seleccionada.
      1. (5%) Identificación de temas analíticos, tipos de análisis, procesos de negocio, priorización de requerimientos y selección del proyecto inicial.
      1. (10%) Diseño y creación del Data Mart.
      1. (8%) Diseño e implantación del ETL.
      1. (8%) Diseño e implantación de un requerimiento de análisis: tablero de control.
    1. (10%) Implantación de un requerimiento de análisis: minería de datos.

    Dos Exámenes (22% cada uno)

     

    Laboratorios (10%)

    La nota de los laboratorios 1 (Tablero de control) y 5 (ETL con fuentes externas) será incluida respectivamente en las entregas 4 y 5 del proyecto.

    Proyectos

    Proyecto Número 1

    Objetivo Identificar oportunidades que pueden ofrecer los medios sociales (Social Media) en una empresa seleccionada

    Proyecto Número 2

    ObjetivoIdentificación de temas analíticos, tipos de análisis, procesos de negocio, priorización de requerimientos y selección del proyecto inicial.

    Proyecto Número 3

    ObjetivoDefinir KPIs

    Proyecto Número 4

    ObjetivoDiseño y creación del Data Mart

    Proyecto Número 5

    ObjetivoDiseño e implantación del ETL.

    Proyecto Número 6

    ObjetivoImplantación de un requerimiento de análisis: tablero de control.

    Proyecto Número 7

    ObjetivoImplantación de un requerimiento de análisis: minería de datos.

    Bibliografía

            • [1] MUNDY, Joy, THORNTHWAITE, Warren. “The Microsoft Data Warehouse Toolkit with SQL Server 2005 and the Microsoft Business Intelligence Tool Set”. John Wiley and Sons, Inc. 2006.
            • [2] KIMBALL, Ralph. “The Data Warehouse Toolkit –The Complete Guide to Dimensional Modelling”. Second Edition. John Wiley & Sons, Inc, 2002.
            • [3] KIMBALL, Ralph; CASERTA, Joe. “The Data Warehouse ETL Toolkit: Practical Techniques for Extracting, Cleaning, Conforming, and Delivering Data”. Wiley, 2004.
            • [4] RASMUSSEN, Nils, CHEN, Claire, BANSAL, Manish. “Business Dashboards- A Visual Catalog for Design and Deployment”. John Wiley & Sons, Inc. 2009.
            • [5] NIVEN, Paul . “Balanced scorecard step-by-step”. John Wiley & Sons, Inc. 2006
            • [6] KIMBALL, Ralph, REEVES, Laura, ROSS, Margy, THORNTHWAITE, Warren. “The Data Warehouse Lifecycle Toolkit – Expert Methods for Designing, Developing, and Deploying Data Warehouses”. John Wiley & Sons, Inc., 1998.
            • [7] SMITH, Bryan, CLAY, Ryan. “SQL Server 2008 MDX Step by Step”. Microsoft Press. 2009.
            • [8] BERRY, Michael, LINOFF, Gordon. “Data Mining Techniques For Marketing, Sales, and Customer Support”. 2nd Edition. John Wiley & Sons, Inc., 2004.
            • [9] BERRY, Michael, LINOFF, Gordon. “Mastering Data Mining – The Art and Science of Customer Relationship Management”. John Wiley & Sons, Inc., 2000.
            • [10] LINOFF, Gordon, BERRY, Michael. “Mining the Web – Transforming Customer Data into Customer Value”. Wiley, 2001.
            • [11] DUNHAM, Margaret H., “DATA MINING – Introductory and Advanced Topics”. Prentice Hall, Pearson Education Inc, 2003.
            • [12] VERCELLIS, Carlo. “Business Intelligence – Data Mining and Optimization for Decision Making”. Wiley, 2009.
            • [13] KAPLAN, Andreas, HAENLEIN, Michael.“Users of the World, Unite! The Challenges and Opportunities of Social Media”. Kelley School of Business – Indiana University, 2009
          • [14] STERNE, Jim. “Social Media Metrics: How to Measure and Optimize your Marketing Investment”, John Wiley & Sons, 2010

    Recursos

          • Esquema de la Base de Datos OLTP de AWC

    Tutoriales

    Recursos para el proyecto del Curso

     

    APIs

     

    Sindicación de información proveniente de Social Media

    Documentación APIs

    Directorio de APIs

    Bibliotecas

    Minería de datos

    Sentiment Analysis con LingPipe

    Para crear una aplicación de Sentiment Analysis con LingPipe hay que realizar las siguientes tareas:

    1. Si se está analizando un párrafo de texto es necesario dividirlo primero en oraciones. Para hacer esto revisar el tutorial Sentence Extraction
    2. Para cada oración se debe identificar si es subjetiva o no. Revisar el tutorial Sentiment Analysis – Basic Subjectivity Analysis. En este punto es necesario entrenar un modelo y aplicarlo.
    3. Para las oraciones subjetivas, identificar su polaridad (positiva o negativa). Revisar el tutorial Sentiment Analysis – Basic Polarity Analysis. En este punto es necesario entrenar un modelo y aplicarlo.

    Caso de estudio: Adventure Works Cycles

    Adventure Works Cycles (AWC), es una gran empresa de fabricación multinacional. La empresa fabrica y vende bicicletas de metal y de metal compuesto en los mercados de Norteamérica, Europa y Asia.

    Tras un año fiscal con muy buenos resultados, Adventure Works Cycles está intentando ampliar su cuota de mercado dirigiendo sus ventas a sus mejores clientes, ampliando la disponibilidad de sus productos en un sitio web externo, y reduciendo los costos de venta a través de costos de producción más bajos.1)

    Calendario Global del Curso

    SEMANA FECHA TEMAS ACTIVIDADES
    1 02-Ago Introducción: Inteligencia de Negocios; Arquitectura de un Sistema de Inteligencia de Negocios. ([12] Cap. 1)  
    1 04-Ago Metodología de desarrollo de un Sistema de Inteligencia de Negocios. ([1] Introducción) Enunciado entrega 1 del proyecto
    2 09-Ago Identificación y priorización de requerimientos. ([1] Cap. 1)  
    2 11-Ago Inteligencia Colectiva, Redes Sociales: Nuevos contextos para los negocios. [13],[14]
    3 16-Ago KPIs. Discusión Entrega 1 del Proyecto. ([4],[5]) Entrega 1 del proyecto
    3 18-Ago Laboratorio: Tableros de Control Enunciado entrega 2 del proyecto
    4 23-Ago Modelamiento Multidimensional.([1] Cap. 2;[2])  
    4 25-Ago Modelamiento Multidimensional.([1] Cap 2;[2])  
    5 30-Ago Presentación en clase temas Proyecto (Grupos) Entrega 2 del proyecto
    5 01-Sep Modelamiento Multidimensional.([1] Cap 2;[2]) Enunciado entrega 3 del proyecto
    6 06-Sep Modelamiento Multidimensional.([1] Cap 2;[2])  
    6 08-Sep Modelo Físico de una Bodega de Datos. ([1] Cap 4)  
    7 13-Sep Modelo Físico de una Bodega de Datos ([1] Cap 4)
    7 15-Sep Modelo Físico de una Bodega de Datos ([1] Cap 4) Entrega 3 del proyecto
    8 20-Sep Parcial 1  
    8 22-Sep Proceso de ETL.([1] Capítulos 5 y 6; [3].) Enunciado entrega 4 del proyecto
    * 27-Sep Semana de trabajo individual  
    * 29-Sep Semana de trabajo individual  
    9 04-Oct Laboratorio:ETL  
    9 06-Oct Bases de Datos Multidimensionales (Cubos)[7]  
    10 11-Oct Bases de Datos Multidimensionales (Cubos)[7]  
    10 13-Oct Laboratorio:Creación de cubos  
    11 18-Oct MDX [7]  
    11 20-Oct MDX [7] Entrega 4 del proyecto
    12 25-Oct Laboratorio:MDX y KPIs Enunciado entrega 5 del proyecto
    12 27-Oct Laboratorio: ETL con fuentes externas (Redes Sociales).  
    13 01-Nov Minería de Datos: Clustering([8],[9])  
    13 03-Nov Laboratorio Minería de datos (Clustering) Entrega 5 del proyecto
    14 08-Nov Minería de Datos: Clasificación([8],[9]) Enunciado entrega 6 del proyecto
    14 10-Nov Minería de Datos: Clasificación [9]  
    15 15-Nov Laboratorio Mineria de Datos (Clasificación) Entrega 6 del proyecto
    15 17-Nov Gobierno de datos Enunciado entrega 7 del proyecto
    01-Dic Entrega del proyecto 7
    Fecha asignada por registro Parcial 2