SlideShare una empresa de Scribd logo
1 de 31
Inteligencia de negocios Introducción a Business Intelligence
INTELIGENCIA DE NEGOCIOS ,[object Object]
¿Qué es la Inteligencia de Negocios? ,[object Object]
Objetivos de la Inteligencia de Negocios Accesibilidad a la información  Las herramientas y técnicas  de BI permiten a los usuarios un acceso a los datos apropiado.  Apoyo en la toma de decisiones  Los usuarios tienen acceso a herramientas de análisis y de presentación de la información que facilitan la importante tarea de decidir ciertas situaciones. Orientación al usuario final  Se busca independencia entre los conocimientos técnicos de los usuarios y su capacidad para utilizar estas herramientas.
Ventajas que aporta la Inteligencia de Negocios en su empresa. Controlar los gastos de TI Posee un único entorno para administrar. Mejorar la colaboración y la calidad de las decisiones La información  queda a disposición del personal de la empresa en todos los niveles. Reducir el número de sesiones de aprendizaje para los empleados Interfaz sencilla e intuitiva. Proporcionar al personal una visión detallada de las operaciones empresariales  Posee un conjunto de aplicaciones analíticas, cálculos, escritorios digitales, informes, análisis, minería de almacenamiento de datos y otras tecnologías. Asistir a los directivos en la organización y previsión del trabajo Proporciona una visión general única y común de todos los procesos empresariales en los distintos departamentos.
Herramientas para la Inteligencia de Negocios
Conceptos básicos Business Intelligence UDM (Modelo unidimensional unificado) Estandarización de los orígenes de datos. Almacén de datos Colección de orígenes de datos orientados a la ayuda de toma de decisiones empresariales. Cubo Un cubo OLAP es una vista lógica de los datos y representan un conjunto de datos relacionados con un tema en particular como Ventas, Operaciones, Recursos Humanos, etc., y están a disposición de los "clientes" a quienes les pueden interesar. Dimensión Son catálogos de información complementaria necesaria para la presentación de los datos a los usuarios. Descripciones, Nombres, Zonas, Rangos de tiempo, etc. Medidas Aspectos cuantificables o medibles de los objetos o eventos a analizar. Importes ventas, recuento empleados, etc.
Almacén de datos frente a ERP o base de datos convencional. ,[object Object],[object Object],[object Object],[object Object]
Almacén de datos ,[object Object],[object Object],[object Object],[object Object],[object Object]
Elementos de un almacén de datos ,[object Object],[object Object]
Tablas de hecho ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Tablas de dimensión ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Dimensión de Tiempo. ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Microsoft SQL  Server ( Motor de base de datos) ,[object Object],[object Object],[object Object]
Estructura del almacén de datos
Microsoft SQL  Server Análysis Services (SSAS) ,[object Object],[object Object],[object Object],[object Object],[object Object]
Elementos de Analysis Services Orígenes  de datos Vistas de orígenes de datos Cubos Dimensiones Estructuras de minería  Funciones  Ensamblados
Origen de datos ,[object Object],[object Object]
Vista de origen de datos ,[object Object],[object Object]
Cubos ,[object Object],[object Object],[object Object],[object Object]
Dimensiones ,[object Object],[object Object]
Inteligencia de negocios Data Mining
Minería de Datos ,[object Object],[object Object]
Importancia de la Minería de Datos ,[object Object],[object Object]
Ciclo de un Proyecto de Minería de Datos ,[object Object],[object Object]
Ciclo de un Proyecto de Minería de Datos ,[object Object],[object Object]
Ciclo de un Proyecto de Minería de Datos ,[object Object],[object Object],[object Object],[object Object],[object Object]
Ciclo de un Proyecto de Minería de Datos ,[object Object],[object Object],[object Object]
Ciclo de un Proyecto de Minería de Datos ,[object Object],[object Object],[object Object],[object Object]
Ciclo de un Proyecto de Minería de Datos ,[object Object],[object Object]
Ciclo de un Proyecto de Minería de Datos ,[object Object],[object Object]

Más contenido relacionado

La actualidad más candente

Presentacion de BI asignacion 5
Presentacion de BI asignacion 5Presentacion de BI asignacion 5
Presentacion de BI asignacion 5siusma
 
Data warehouse
Data warehouseData warehouse
Data warehouseMarian C.
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negociosjeffersonjsk
 
Big Data: conceptos generales e impacto en los negocios
Big Data: conceptos generales e impacto en los negociosBig Data: conceptos generales e impacto en los negocios
Big Data: conceptos generales e impacto en los negociosCelestino Güemes Seoane
 
Los Sistemas De InformacióN Y Su Importancia Para
Los Sistemas De InformacióN Y Su Importancia ParaLos Sistemas De InformacióN Y Su Importancia Para
Los Sistemas De InformacióN Y Su Importancia ParaWylmar
 
Diferencias y similitudes entre los tipos de si
Diferencias y similitudes entre los tipos de siDiferencias y similitudes entre los tipos de si
Diferencias y similitudes entre los tipos de sifranciscogarcia1303
 
Conceptos básicos sobre sistemas de información
Conceptos básicos sobre sistemas de información Conceptos básicos sobre sistemas de información
Conceptos básicos sobre sistemas de información Yaskelly Yedra
 
Introducción a Big Data. HDInsight - Webcast Technet SolidQ
Introducción a Big Data. HDInsight - Webcast Technet SolidQIntroducción a Big Data. HDInsight - Webcast Technet SolidQ
Introducción a Big Data. HDInsight - Webcast Technet SolidQSolidQ
 
Big Data, Big Customer Value, Big Results
Big Data, Big Customer Value, Big ResultsBig Data, Big Customer Value, Big Results
Big Data, Big Customer Value, Big ResultsMundo Contact
 
Procesamiento de datos
Procesamiento de datosProcesamiento de datos
Procesamiento de datoslady
 
Sistemas de informacion para la toma de decisiones
Sistemas de informacion para la toma de decisionesSistemas de informacion para la toma de decisiones
Sistemas de informacion para la toma de decisionesJhonn Daniel Yepez
 

La actualidad más candente (20)

Presentacion de BI asignacion 5
Presentacion de BI asignacion 5Presentacion de BI asignacion 5
Presentacion de BI asignacion 5
 
Data warehouse
Data warehouseData warehouse
Data warehouse
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 
Big Data: conceptos generales e impacto en los negocios
Big Data: conceptos generales e impacto en los negociosBig Data: conceptos generales e impacto en los negocios
Big Data: conceptos generales e impacto en los negocios
 
Los Sistemas De InformacióN Y Su Importancia Para
Los Sistemas De InformacióN Y Su Importancia ParaLos Sistemas De InformacióN Y Su Importancia Para
Los Sistemas De InformacióN Y Su Importancia Para
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 
Big data
Big dataBig data
Big data
 
Sistemas de informacion gerencial diapositivas
Sistemas de informacion gerencial diapositivasSistemas de informacion gerencial diapositivas
Sistemas de informacion gerencial diapositivas
 
Big data presentacion diapositiva
Big data presentacion diapositivaBig data presentacion diapositiva
Big data presentacion diapositiva
 
Diferencias y similitudes entre los tipos de si
Diferencias y similitudes entre los tipos de siDiferencias y similitudes entre los tipos de si
Diferencias y similitudes entre los tipos de si
 
Base de datos
Base de datosBase de datos
Base de datos
 
Conceptos básicos sobre sistemas de información
Conceptos básicos sobre sistemas de información Conceptos básicos sobre sistemas de información
Conceptos básicos sobre sistemas de información
 
Introducción a Big Data. HDInsight - Webcast Technet SolidQ
Introducción a Big Data. HDInsight - Webcast Technet SolidQIntroducción a Big Data. HDInsight - Webcast Technet SolidQ
Introducción a Big Data. HDInsight - Webcast Technet SolidQ
 
Big Data, Big Customer Value, Big Results
Big Data, Big Customer Value, Big ResultsBig Data, Big Customer Value, Big Results
Big Data, Big Customer Value, Big Results
 
IN Unidad 3: Minería de datos
IN Unidad 3: Minería de datosIN Unidad 3: Minería de datos
IN Unidad 3: Minería de datos
 
Inteligencia de negocios - Business Intelligence
Inteligencia de negocios - Business IntelligenceInteligencia de negocios - Business Intelligence
Inteligencia de negocios - Business Intelligence
 
DSS
DSSDSS
DSS
 
Minería de datos
Minería de datosMinería de datos
Minería de datos
 
Procesamiento de datos
Procesamiento de datosProcesamiento de datos
Procesamiento de datos
 
Sistemas de informacion para la toma de decisiones
Sistemas de informacion para la toma de decisionesSistemas de informacion para la toma de decisiones
Sistemas de informacion para la toma de decisiones
 

Destacado

Métodos predictivos y Descriptivos - MINERÍA DE DATOS
Métodos predictivos y Descriptivos - MINERÍA DE DATOSMétodos predictivos y Descriptivos - MINERÍA DE DATOS
Métodos predictivos y Descriptivos - MINERÍA DE DATOSlalopg
 
Data Mining
Data MiningData Mining
Data Miningbrobelo
 
¿Qué es un modelo predictivo y para qué vale?
¿Qué es un modelo predictivo y para qué vale?¿Qué es un modelo predictivo y para qué vale?
¿Qué es un modelo predictivo y para qué vale?Scoremind
 
Modelos predictivos: datos, métodos, problemas y aplicaciones
Modelos predictivos: datos, métodos, problemas y aplicacionesModelos predictivos: datos, métodos, problemas y aplicaciones
Modelos predictivos: datos, métodos, problemas y aplicacionesÁngel M. Felicísimo
 
Make Growth Happen for all Employees
Make Growth Happen for all EmployeesMake Growth Happen for all Employees
Make Growth Happen for all EmployeesTalent Innovations
 
Minería de datos en redes sociales
Minería de datos en redes socialesMinería de datos en redes sociales
Minería de datos en redes socialesMaría Muñoz Parra
 
Minería de datos y kdd
Minería de datos y kddMinería de datos y kdd
Minería de datos y kddYaz_Cuapio
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datosArnoldo Gil
 
Minería de datos
Minería de datosMinería de datos
Minería de datosanag catal
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datoselsemieni
 
Minería de datos
Minería de datosMinería de datos
Minería de datosKeopx
 

Destacado (20)

Mineria De Datos
Mineria De DatosMineria De Datos
Mineria De Datos
 
Minería de datos
Minería de datosMinería de datos
Minería de datos
 
Aplicaciones de la mineria de datos
Aplicaciones de la mineria de datosAplicaciones de la mineria de datos
Aplicaciones de la mineria de datos
 
Métodos predictivos y Descriptivos - MINERÍA DE DATOS
Métodos predictivos y Descriptivos - MINERÍA DE DATOSMétodos predictivos y Descriptivos - MINERÍA DE DATOS
Métodos predictivos y Descriptivos - MINERÍA DE DATOS
 
Data Mining
Data MiningData Mining
Data Mining
 
¿Qué es un modelo predictivo y para qué vale?
¿Qué es un modelo predictivo y para qué vale?¿Qué es un modelo predictivo y para qué vale?
¿Qué es un modelo predictivo y para qué vale?
 
Modelos predictivos: datos, métodos, problemas y aplicaciones
Modelos predictivos: datos, métodos, problemas y aplicacionesModelos predictivos: datos, métodos, problemas y aplicaciones
Modelos predictivos: datos, métodos, problemas y aplicaciones
 
Make Growth Happen for all Employees
Make Growth Happen for all EmployeesMake Growth Happen for all Employees
Make Growth Happen for all Employees
 
Minería de datos en redes sociales
Minería de datos en redes socialesMinería de datos en redes sociales
Minería de datos en redes sociales
 
Minería de datos y kdd
Minería de datos y kddMinería de datos y kdd
Minería de datos y kdd
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 
Minería de datos
Minería de datosMinería de datos
Minería de datos
 
Mapa conceptual mineria de datos 1
Mapa conceptual mineria de datos 1Mapa conceptual mineria de datos 1
Mapa conceptual mineria de datos 1
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 
mineria de datos
mineria de datosmineria de datos
mineria de datos
 
Minería de datos
Minería de datosMinería de datos
Minería de datos
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 
Minería de datos
Minería de datosMinería de datos
Minería de datos
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 

Similar a Introducción a la Inteligencia de Negocios y sus herramientas

C:\Documents And Settings\Administrador\Escritorio\Sistemas\Trabajo Ayudantia
C:\Documents And Settings\Administrador\Escritorio\Sistemas\Trabajo AyudantiaC:\Documents And Settings\Administrador\Escritorio\Sistemas\Trabajo Ayudantia
C:\Documents And Settings\Administrador\Escritorio\Sistemas\Trabajo Ayudantiaanabarrospineda
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negociosjo_unwell
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negociosjo_unwell
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negociosjo_unwell
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negociosjo_unwell
 
Inteligencia de Negocios
Inteligencia de NegociosInteligencia de Negocios
Inteligencia de Negociosanghun
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negociosperezparga
 
Bussiness inteligence
Bussiness inteligenceBussiness inteligence
Bussiness inteligenceMaryy Aqua
 
Taller De Inteligencia De Negocios
Taller De Inteligencia De NegociosTaller De Inteligencia De Negocios
Taller De Inteligencia De Negociosromangm
 
Taller De Inteligencia De Negocios
Taller De Inteligencia De NegociosTaller De Inteligencia De Negocios
Taller De Inteligencia De NegociosUJAP
 
Bussines Intelligence
Bussines IntelligenceBussines Intelligence
Bussines Intelligencebrobelo
 
Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)
Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)
Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)Titiushko Jazz
 

Similar a Introducción a la Inteligencia de Negocios y sus herramientas (20)

C:\Documents And Settings\Administrador\Escritorio\Sistemas\Trabajo Ayudantia
C:\Documents And Settings\Administrador\Escritorio\Sistemas\Trabajo AyudantiaC:\Documents And Settings\Administrador\Escritorio\Sistemas\Trabajo Ayudantia
C:\Documents And Settings\Administrador\Escritorio\Sistemas\Trabajo Ayudantia
 
Curso : Inteligencia de Negocios - Dia1
Curso : Inteligencia de Negocios - Dia1Curso : Inteligencia de Negocios - Dia1
Curso : Inteligencia de Negocios - Dia1
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 
Inteligencia de Negocios – Data Warehouse
Inteligencia de Negocios – Data WarehouseInteligencia de Negocios – Data Warehouse
Inteligencia de Negocios – Data Warehouse
 
Datawarehouse
DatawarehouseDatawarehouse
Datawarehouse
 
S15 bi v1-1
S15 bi v1-1S15 bi v1-1
S15 bi v1-1
 
Inteligencia de Negocios
Inteligencia de NegociosInteligencia de Negocios
Inteligencia de Negocios
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 
Bussiness inteligence
Bussiness inteligenceBussiness inteligence
Bussiness inteligence
 
Data Warehouse
Data WarehouseData Warehouse
Data Warehouse
 
Kdd fase1
Kdd fase1Kdd fase1
Kdd fase1
 
BUSINESS INTELLIGENCE
BUSINESS INTELLIGENCEBUSINESS INTELLIGENCE
BUSINESS INTELLIGENCE
 
Unidad 5 mercadotecnia
Unidad 5 mercadotecniaUnidad 5 mercadotecnia
Unidad 5 mercadotecnia
 
Taller De Inteligencia De Negocios
Taller De Inteligencia De NegociosTaller De Inteligencia De Negocios
Taller De Inteligencia De Negocios
 
Taller De Inteligencia De Negocios
Taller De Inteligencia De NegociosTaller De Inteligencia De Negocios
Taller De Inteligencia De Negocios
 
Bussines Intelligence
Bussines IntelligenceBussines Intelligence
Bussines Intelligence
 
Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)
Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)
Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)
 

Último

International Women's Day Sucre 2024 (IWD)
International Women's Day Sucre 2024 (IWD)International Women's Day Sucre 2024 (IWD)
International Women's Day Sucre 2024 (IWD)GDGSucre
 
Global Azure Lima 2024 - Integración de Datos con Microsoft Fabric
Global Azure Lima 2024 - Integración de Datos con Microsoft FabricGlobal Azure Lima 2024 - Integración de Datos con Microsoft Fabric
Global Azure Lima 2024 - Integración de Datos con Microsoft FabricKeyla Dolores Méndez
 
pruebas unitarias unitarias en java con JUNIT
pruebas unitarias unitarias en java con JUNITpruebas unitarias unitarias en java con JUNIT
pruebas unitarias unitarias en java con JUNITMaricarmen Sánchez Ruiz
 
guía de registro de slideshare por Brayan Joseph
guía de registro de slideshare por Brayan Josephguía de registro de slideshare por Brayan Joseph
guía de registro de slideshare por Brayan JosephBRAYANJOSEPHPEREZGOM
 
9egb-lengua y Literatura.pdf_texto del estudiante
9egb-lengua y Literatura.pdf_texto del estudiante9egb-lengua y Literatura.pdf_texto del estudiante
9egb-lengua y Literatura.pdf_texto del estudianteAndreaHuertas24
 
Desarrollo Web Moderno con Svelte 2024.pdf
Desarrollo Web Moderno con Svelte 2024.pdfDesarrollo Web Moderno con Svelte 2024.pdf
Desarrollo Web Moderno con Svelte 2024.pdfJulian Lamprea
 
Trabajo Mas Completo De Excel en clase tecnología
Trabajo Mas Completo De Excel en clase tecnologíaTrabajo Mas Completo De Excel en clase tecnología
Trabajo Mas Completo De Excel en clase tecnologíassuserf18419
 
POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...
POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...
POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...silviayucra2
 
CLASE DE TECNOLOGIA E INFORMATICA PRIMARIA
CLASE  DE TECNOLOGIA E INFORMATICA PRIMARIACLASE  DE TECNOLOGIA E INFORMATICA PRIMARIA
CLASE DE TECNOLOGIA E INFORMATICA PRIMARIAWilbisVega
 
Presentación guía sencilla en Microsoft Excel.pptx
Presentación guía sencilla en Microsoft Excel.pptxPresentación guía sencilla en Microsoft Excel.pptx
Presentación guía sencilla en Microsoft Excel.pptxLolaBunny11
 
Proyecto integrador. Las TIC en la sociedad S4.pptx
Proyecto integrador. Las TIC en la sociedad S4.pptxProyecto integrador. Las TIC en la sociedad S4.pptx
Proyecto integrador. Las TIC en la sociedad S4.pptx241521559
 
Redes direccionamiento y subredes ipv4 2024 .pdf
Redes direccionamiento y subredes ipv4 2024 .pdfRedes direccionamiento y subredes ipv4 2024 .pdf
Redes direccionamiento y subredes ipv4 2024 .pdfsoporteupcology
 
EPA-pdf resultado da prova presencial Uninove
EPA-pdf resultado da prova presencial UninoveEPA-pdf resultado da prova presencial Uninove
EPA-pdf resultado da prova presencial UninoveFagnerLisboa3
 

Último (13)

International Women's Day Sucre 2024 (IWD)
International Women's Day Sucre 2024 (IWD)International Women's Day Sucre 2024 (IWD)
International Women's Day Sucre 2024 (IWD)
 
Global Azure Lima 2024 - Integración de Datos con Microsoft Fabric
Global Azure Lima 2024 - Integración de Datos con Microsoft FabricGlobal Azure Lima 2024 - Integración de Datos con Microsoft Fabric
Global Azure Lima 2024 - Integración de Datos con Microsoft Fabric
 
pruebas unitarias unitarias en java con JUNIT
pruebas unitarias unitarias en java con JUNITpruebas unitarias unitarias en java con JUNIT
pruebas unitarias unitarias en java con JUNIT
 
guía de registro de slideshare por Brayan Joseph
guía de registro de slideshare por Brayan Josephguía de registro de slideshare por Brayan Joseph
guía de registro de slideshare por Brayan Joseph
 
9egb-lengua y Literatura.pdf_texto del estudiante
9egb-lengua y Literatura.pdf_texto del estudiante9egb-lengua y Literatura.pdf_texto del estudiante
9egb-lengua y Literatura.pdf_texto del estudiante
 
Desarrollo Web Moderno con Svelte 2024.pdf
Desarrollo Web Moderno con Svelte 2024.pdfDesarrollo Web Moderno con Svelte 2024.pdf
Desarrollo Web Moderno con Svelte 2024.pdf
 
Trabajo Mas Completo De Excel en clase tecnología
Trabajo Mas Completo De Excel en clase tecnologíaTrabajo Mas Completo De Excel en clase tecnología
Trabajo Mas Completo De Excel en clase tecnología
 
POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...
POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...
POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...
 
CLASE DE TECNOLOGIA E INFORMATICA PRIMARIA
CLASE  DE TECNOLOGIA E INFORMATICA PRIMARIACLASE  DE TECNOLOGIA E INFORMATICA PRIMARIA
CLASE DE TECNOLOGIA E INFORMATICA PRIMARIA
 
Presentación guía sencilla en Microsoft Excel.pptx
Presentación guía sencilla en Microsoft Excel.pptxPresentación guía sencilla en Microsoft Excel.pptx
Presentación guía sencilla en Microsoft Excel.pptx
 
Proyecto integrador. Las TIC en la sociedad S4.pptx
Proyecto integrador. Las TIC en la sociedad S4.pptxProyecto integrador. Las TIC en la sociedad S4.pptx
Proyecto integrador. Las TIC en la sociedad S4.pptx
 
Redes direccionamiento y subredes ipv4 2024 .pdf
Redes direccionamiento y subredes ipv4 2024 .pdfRedes direccionamiento y subredes ipv4 2024 .pdf
Redes direccionamiento y subredes ipv4 2024 .pdf
 
EPA-pdf resultado da prova presencial Uninove
EPA-pdf resultado da prova presencial UninoveEPA-pdf resultado da prova presencial Uninove
EPA-pdf resultado da prova presencial Uninove
 

Introducción a la Inteligencia de Negocios y sus herramientas

  • 1. Inteligencia de negocios Introducción a Business Intelligence
  • 2.
  • 3.
  • 4. Objetivos de la Inteligencia de Negocios Accesibilidad a la información Las herramientas y técnicas de BI permiten a los usuarios un acceso a los datos apropiado. Apoyo en la toma de decisiones Los usuarios tienen acceso a herramientas de análisis y de presentación de la información que facilitan la importante tarea de decidir ciertas situaciones. Orientación al usuario final Se busca independencia entre los conocimientos técnicos de los usuarios y su capacidad para utilizar estas herramientas.
  • 5. Ventajas que aporta la Inteligencia de Negocios en su empresa. Controlar los gastos de TI Posee un único entorno para administrar. Mejorar la colaboración y la calidad de las decisiones La información queda a disposición del personal de la empresa en todos los niveles. Reducir el número de sesiones de aprendizaje para los empleados Interfaz sencilla e intuitiva. Proporcionar al personal una visión detallada de las operaciones empresariales Posee un conjunto de aplicaciones analíticas, cálculos, escritorios digitales, informes, análisis, minería de almacenamiento de datos y otras tecnologías. Asistir a los directivos en la organización y previsión del trabajo Proporciona una visión general única y común de todos los procesos empresariales en los distintos departamentos.
  • 6. Herramientas para la Inteligencia de Negocios
  • 7. Conceptos básicos Business Intelligence UDM (Modelo unidimensional unificado) Estandarización de los orígenes de datos. Almacén de datos Colección de orígenes de datos orientados a la ayuda de toma de decisiones empresariales. Cubo Un cubo OLAP es una vista lógica de los datos y representan un conjunto de datos relacionados con un tema en particular como Ventas, Operaciones, Recursos Humanos, etc., y están a disposición de los "clientes" a quienes les pueden interesar. Dimensión Son catálogos de información complementaria necesaria para la presentación de los datos a los usuarios. Descripciones, Nombres, Zonas, Rangos de tiempo, etc. Medidas Aspectos cuantificables o medibles de los objetos o eventos a analizar. Importes ventas, recuento empleados, etc.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 16.
  • 17. Elementos de Analysis Services Orígenes de datos Vistas de orígenes de datos Cubos Dimensiones Estructuras de minería Funciones Ensamblados
  • 18.
  • 19.
  • 20.
  • 21.
  • 23.
  • 24.
  • 25.
  • 26.
  • 27.
  • 28.
  • 29.
  • 30.
  • 31.