IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
1
ÍNDICE
INTRODUCCIÓN ........................................................................................ 5
1. PLANTEAMIENTO DEL PROBLEMA ..................................................... 6
1.1 DESCRIPCIÓN DE LA REALIDAD PROBLEMÁTICA ......................... 6
1.2 JUSTIFICACIÓN DEL PROBLEMA ...................................................... 7
1.3 DELIMITACIÓN DE LA INVESTIGACIÓN ............................................ 8
1.3.1 ESPACIAL ...................................................................................... 8
1.3.2 TEMPORAL .................................................................................... 8
1.3.3 SOCIAL ........................................................................................... 9
1.4 FORMULACIÓN DEL PROBLEMA ....................................................... 9
1.5 OBJETIVO ............................................................................................. 9
2. MARCO TEÓRICO .................................................................................. 10
2.1 ANTECEDENTES .............................................................................. 10
2.2 BASES TEÓRICAS ............................................................................ 12
2.3 MARCO CONCEPTUAL .................................................................... 24
3. DISEÑO E MPLEMENTACIÓN ............................................................... 51
3.1 ANÁLISIS DEL MODELO ................................................................. 51
3.2 DISEÑO, CONSTRUCCIÓN E IMPLEMENTACIÓN ......................... 59
3.3 REVISIÓN Y CONSOLIDACIÓN DE RESULTADOS ........................ 75
CONCLUSIONES .................................................................................... 78
RECOMENDACIONES ............................................................................ 79
BIBLIOGRAFÍA ....................................................................................... 80
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
2
ÍNDICE DE FIGURAS
Figura N° 1 Arquitectura Sistema de Inteligencia de Negocios ............................................ 13
Figura N° 2 Proceso de Inteligencia de Negocios ................................................................ 14
Figura N°3 Arquitectura BI .................................................................................................... 18
Figura N°4 Tipos de Tecnología OLAP ................................................................................. 21
Figura N° 5 Esquema Estrella ............................................................................................... 23
Figura N° 6 Esquema Copo de Nieve ................................................................................... 23
Figura N° 7 Clasificación de Sistemas a Nivel Organizacional ............................................. 26
Figura N° 8 Diseño de Call Center ........................................................................................ 29
Figura N° 9 Estructura de un Centro de Llamadas ............................................................... 32
Figura N° 10 Tareas de la Metodología de Kimball .............................................................. 33
Figura N° 11 Arquitectura back room .................................................................................... 37
Figura N° 12 Arquitectura front room .................................................................................... 38
Figura N° 13 Herramientas de integración de datos (ETL) ................................................... 45
Figura N° 14 Herramientas de OLAP .................................................................................... 45
Figura N° 15 Suites de Inteligencia de Negocios .................................................................. 46
Figura Nº 16 Cronograma del Proyecto ................................................................................ 56
Figura N° 17 Proceso de Negocio del Área de Operaciones – Gestión de Ventas ............. 58
Figura N° 18 Diseño de la Arquitectura................................................................................. 59
Figura N° 19 SQL Server 2008 R2........................................................................................ 60
Figura N° 20 SQL Server Conexión ...................................................................................... 60
Figura N° 21 SQL Server ...................................................................................................... 61
Figura N° 22 Visual Studio 2008 ........................................................................................... 61
Figura N° 23 Modelo Transaccional de la Base de Datos de Ventas TC ............................. 62
Figura N° 24 Modelo Estrella de la Base de Datos de Ventas TC ....................................... 63
Figura N° 25 Población de Dimensiones y Fact ................................................................... 66
Figura Nº 26 Datos Dimensión Agente ................................................................................. 67
Figura Nº 27 Datos Dimensión Calling_List .......................................................................... 67
Figura Nº 28 Datos Dimensión Cliente ................................................................................. 68
Figura Nº 29 Datos Dimensión Tarjeta TC ............................................................................ 68
Figura Nº 30 Datos Dimensión Tarjeta ................................................................................. 69
Figura Nº 31 Datos Dimensión Tiempo ................................................................................. 69
Figura Nº 32 Datos Dimensión Ubigeo ................................................................................. 70
Figura Nº 33 Datos Fact Gestión Ventaa .............................................................................. 70
Figura N° 34 Fact_Gestion_Ventas ...................................................................................... 71
Figura Nº 35 Cubo 1 Tiempo, Tarjeta, Ubigeo ...................................................................... 72
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
3
Figura N° 36 Resultado Cubo – Ventas por Tipo de Tarjeta ................................................ 72
Figura Nº 37 Cubo 2 Tiempo, Tarjeta, Ubigeo ...................................................................... 73
Figura N° 38 Resultado Cubo – Ventas x Distrito según Tarjeta TC .................................... 73
Figura Nº 39 Cubo 3 Tiempo, Calling_List, Ubigeo .............................................................. 74
Figura N° 40 Resultado Cubo – Ingresos Vs Costo según Tarjeta TC ................................. 74
Figura N° 41 Cantidad de Tarjetas según tipo de Tarjeta..................................................... 75
Figura N° 42 Ventas x Distrito según Tarjeta TC .................................................................. 76
Figura N° 43 Ingresos Vs Costo según Tarjeta TC ............................................................... 77
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
4
ÍNDICE DE CUADROS
Cuadro N° 1 Descripción de los Stakeholders ...................................................................... 53
Cuadro N° 2 Requisitos del Proyecto Humanos – Gestión .................................................. 53
Cuadro N° 3 Requisitos del Proyecto Humanos – TI ............................................................ 54
Cuadro N° 4 Requisitos del Proyecto Equipamiento – Hardware ......................................... 54
Cuadro N° 5 Requisitos del Proyecto Equipamiento – software ........................................... 55
Cuadro N° 6 Procesos de Negocio Vs Dimensiones ............................................................ 57
Cuadro Nº 7 Tipos de Datos DIM_AGENTE ......................................................................... 63
Cuadro Nº 8 Tipos de Datos DIM_CALLING_LIST .............................................................. 64
Cuadro Nº 9 Tipos de Datos DIM_CLIENTE ........................................................................ 64
Cuadro Nº 10 Tipos de Datos DIM_ESTADO_TC ................................................................ 64
Cuadro Nº 11 Tipos de Datos DIM_TARJETA...................................................................... 64
Cuadro Nº 12 Tipos de Datos DIM_TIEMPO ........................................................................ 65
Cuadro Nº 13 Tipos de Datos DIM_UBIGEO ........................................................................ 65
Cuadro Nº 14 Tipos de Datos FACT_GESTION_VENTAS ................................................. 65
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
5
INTRODUCCIÓN
Actualmente nos encontramos en un mundo muy competitivo con una economía
globalizada y ampliamente interconectada, los flujos de información se han
potenciado tremendamente dentro de la empresa y de fuentes externas. Los
Sistemas de Información (IS) juegan un rol muy relevante en la economía
moderna, permitiendo que las organizaciones y empresas realicen miles de
funciones simples y complicadas a altas velocidades, almacenen mucha
información, permiten tener una comunicación a todo nivel, convierten la data e
información en conocimiento, automatizan rutinas, y permite interpretar data y
situaciones estratégicas muy sofisticadas, entre otras.
La Inteligencia de Negocios (BI) y la Data Warehouse (DW), como componentes
de alto nivel de los Sistemas de Información, tienen una serie de ventajas y
beneficios para toda organización, entre los más saltantes manejar vastas
cantidades de información y sacar conocimiento de ellas permitiendo un mejor
desempeño de la empresa. Con esa información más precisa y conocimiento que
se logra, se puede mejorar el manejo operativo de la empresa, se pueden tomar
decisiones estratégicas, y se mejora el desempeño de muchas de sus funciones:
marketing y ventas, precios, pronósticos, finanzas, cadena de abastecimientos, y
atención al cliente. La Inteligencia de Negocios la podemos definir como la
obtención, administración y reporte de la data orientada a la toma de decisiones, y
las técnicas analíticas y procesos computarizados que se usan para el análisis de
la misma
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
6
CAPITULO I
1. PLANTEAMIENTO DEL PROBLEMA
1.1. DESCRIPCIÓN DE LA REALIDAD PROBLEMÁTICA
La empresa Servicios Call Center del Perú (SCCP), es una empresa
recientemente fundada, con poca trayectoria en el mercado, el cual tiene la
misión de satisfacer las necesidades de comunicación de las empresas,
para establecer vínculos eficientes y eficaces entre sus Clientes y los
usuarios finales.
La empresa gestiona diversos servicios en dos segmentos distintos
(Inbound y Outbound), donde cada servicio cuenta con un Cliente
(empresa). El cual el Gerente de Operaciones requiere que la gestión
década servicio sea de manera personalizada, teniendo la información
organizada y procesada, para poder realizar un mejor análisis de la
información en cuanto a las Gestiones de los servicios y tomar
eficientemente las decisiones para obtener una mejor rentabilidad y calidad
en el servicio, ya que toda la información con que cuenta la empresa, se
encuentran almacenados en bases de datos operacionales, cuyas tablas no
se encuentran normalizadas, existiendo excesiva información y redundancia
de datos.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
7
La empresa para un mayor apoyo en cuanto a la organización de la
información, realiza reportes vía web, el cual es realizado de forma manual,
mediante consultas y ejecutando procedimientos almacenados, donde
requiere demasiado tiempo para ejecutarse y procesar los datos,
congestionando la base de datos y aumentando el tiempo de espera para
cada consulta que se realiza, originando un desfase de casi 2 horas para
poder visualizar los reportes vía web, donde en muchas ocasiones se
genera incomodidades y malestar por parte del Gerente Operaciones y los
Jefes de Plataforma que constantemente se reúnen para ver la Gestión de
los servicios y al no tener la información adecuada y oportuna, no se puede
tomar decisiones de inmediato, llegando a perder tiempo y en algunos
casos originando el retiro de los Clientes, prescindiendo de los servicios del
Call.
Debido a este uso de la información de manera conglomerada no se tiene
una adecuada utilización de la información de forma específica para los
distintos servicios. De tal manera que no se cuenta con una herramienta
necesaria para poder analizar la información y tomar las decisiones
correctas sin tener un soporte en la toma de decisiones.
1.2. JUSTIFICACIÓN DEL PROBLEMA
Ante la falta de una herramienta para el análisis de la información y el
apoyo en la toma de decisiones, se pretende desarrollar este proyecto para
brindar el soporte a la toma de decisiones para la Gerencia de operaciones.
La solución que se plantea está basada en la utilización de la herramienta
Tecnológica de Business Intelligence, el cual se pretende realizar el diseño
de un DataMart para el área de operaciones, donde se busca extraer e
integrar los datos del negocio para obtener información relevante y
específica sobre las Ventas que se realizan a diario, el cual nos permitirá
depurar los datos redundantes, y obtener información estructurada y
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
8
procesada para un mejor análisis para entregar un mejor servicio al cliente y
tomar mejores decisiones, en base al manejo de información con valor.
Aplicando este sistema de Business Intelligence, se minimiza el tiempo de
carga de los datos, debido a que todos se encuentran en un mismo
repositorio, optimizando tiempos y costos para el procesamiento de los
datos y la entrega de información de manera rápida y oportuna, el cual
permitirá al Gerente de Operaciones realizar análisis de manera más ágil y
comprensible, estableciendo comparaciones para el apoyo en la toma de
decisiones.
También permitirá que los usuarios no dependan de reportes
programados, ya que los que se generan se realizan de forma dinámica,
donde el usuario puede personalizarlo y adaptarlo a su necesidad,
accediendo y analizando directamente los indicadores que se generan
para evaluar la efectividad de los diferentes servicios que se gestionan.
1.3. DELIMITACIÓN DE LA INVESTIGACIÓN
A. Delimitación Espacial
El presente Proyecto se desarrollará en la empresa Servicios Call Center
del Perú – SCCP, en el área de Operaciones – Ventas, donde se realiza
toda la Gestión de Ventas por llamadas telefónicas por parte de los
agentes.
B. Delimitación Temporal
El Proyecto se pretende desarrollar en 3 meses, ya que es el tiempo
asignado para la implementación del Data Mart, para la recolección de la
información, diseño y aplicación del Data Mart para el área de Operaciones
– Ventas de la Empresa SCCP
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
9
C. Delimitación Social
La investigación involucra2 niveles jerárquicos de la empresa.
Nivel táctico: Gerente de Operaciones
Nivel operativo: Jefes de Plataforma
1.4. FORMULACIÓN DEL PROBLEMA
1.4.1. Problema principal
¿De qué manera la implementación de un Data Mart permitirá analizar la
información para el soporte a la toma de decisiones aplicado al área de
Operaciones – Ventas en la empresa Servicios Call Center del Perú?
1.5. OBJETIVO DE LA INVESTIGACIÓN
1.5.1. Objetivos General
Implementar un Data Mart que permita analizar la información para el
soporte a la toma de decisiones aplicado al área de Operaciones – Ventas
en la empresa Servicios Call Center del Perú.
1.5.2. Objetivos Específicos
Desarrollar el Data Mart para tomar mejores decisiones en cuanto a
la Gestión de Ventas de Tarjetas de Crédito según el sector, los
registros consumidos y la temporada de ventas que tienen mayores
ingresos.
Diseñar la Base de Datos Dimensional.
Minimizar el tiempo de carga optimizando tiempos para el
procesamiento de los datos y la entrega de información de manera
rápida y oportuna.
Generar reportes de forma dinámica, donde el usuario puede
personalizarlo y adaptarlo a su necesidad.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
10
CAPITULO II
2. MARCO TEÓRICO
2.1. ANTECEDENTES
A fin de verificar la autenticidad y originalidad de la presente investigación
se revisaron diversas fuentes bibliográficas encontrando las siguientes
investigaciones relacionadas al tema propuesto:
El Ingeniero Rolando A. Gonzales López, de la Universidad ESAN, realizó
una investigación con la finalidad de estimar el impacto que tienen el Data
Warehouse (DW) y la Inteligencia de Negocios (BI) en el desempeño de las
empresas en un país en vías de desarrollo, la que en comparación con la
investigación propuesta, también se requiere estimar el impacto de la
aplicación de Inteligencia de Negocios para la toma de decisiones en la
empresa SCCP, con el fin de obtener información relevante y oportuna.
En este trabajo se establece las preguntas de investigación y se utilizaron
dos modelos para resolver las mismas. El primero un modelo Cualitativo
Exploratorio, mediante entrevistas semi estructuradas, y el segundo un
modelo Cuantitativo, mediante cuestionarios.
El modelo Cualitativo Exploratorio utilizó 23 entrevistas en 16 empresas de
diversos segmentos de negocios, que utilizan la DW y BI. Se entrevistaron a
Gerentes de Inteligencia de Negocios de empresas que desarrollan el
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
11
sistema de DW y BI, luego a Gerentes de DW y BI de empresas que utilizan
el sistema y a usuarios directos del sistema de DW y BI.
El modelo Cuantitativo utilizó 110 cuestionarios de 13 empresas de diversos
segmentos de negocios que utilizan la DW y BI. Se utilizó el modelo del
éxito de IS de De Lone y McLean de 2003, con las variables verificadas en
el estudio cualitativo. Éste tiene los constructos independientes, Calidad de
la Información, Calidad del Sistema y Calidad del Servicio. Luego los
constructos mediadores, Uso del Sistema y Satisfacción del Usuario, y
finalmente el constructo dependiente, el Impacto Individual. Como se indica
el constructo dependiente, la unidad de análisis fue el usuario individual,
dado el número limitado de empresas que usan el sistema de DW y BI, lo
cual no permitía trabajar con las empresas como unidad de análisis. Para la
resolución del modelo se utilizaron las Ecuaciones Estructurales, las cuales
son una herramienta de análisis multivariable de última generación que
permite trabajar con varios ítems para cada constructo y solucionar el
modelo con todos los constructos a la vez. De esta manera se establecieron
las variables o constructos más relevantes, por grado de importancia, y sus
componentes, y luego se determinó la significancia de cada uno de ellos,
respondiéndose de esta manera las preguntas de investigación y
confirmándose las hipótesis más relevantes del estudio cuantitativo. Se
determinó adicionalmente aspectos como el uso que le dan las empresas a
la Inteligencia de Negocios.
De otro lado, se encontró la investigación desarrollada por el Sr. Boada
Byron y el Sr. Tituaña Alvaro, donde desarrollaron una aplicación de
Business Intelligence para la empresa Empaqplast, con la finalidad de dar
soporte en la toma de decisiones para las gerencias de las áreas de
negocio de compras, ventas e inventarios.
Para el desarrollo del proyecto se utilizó la metodología de Ralph Kimball,
ya que es una de las más usadas, seguras y probadas al momento de
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
12
implementar un proyecto de Business Intellgence, cubriendo todas las fases
de ciclo de vida de un proyecto de BI. Todas las etapas del proyecto se
realizaron con las herramientas de la suite Pentaho. El datawarehouse está
almacenado en una base de datos Oracle 10g perteneciente a la empresa.
Actualmente la empresa hace uso de la aplicación para generar reportes de
las áreas de negocio involucradas, vista de análisis y monitoreo del negocio
mediante los tableros de control, logrando así un acceso a la información
organizada, depurada en tiempo real para la toma de decisiones acertadas.
2.2. BASES TEÓRICAS
En este capítulo se presenta un resumen de la teoría referente a
Inteligencia de Negocios, Data Warehouse y Data Mart. El propósito del
capítulo es proveer los conocimientos teóricos necesarios y técnicas
utilizadas a lo largo de la realización de este proyecto.
2.2.1 INTELIGENCIA DE NEGOCIOS
Son herramientas de soporte de decisiones que permiten en tiempo
real, acceso interactivo, análisis y manipulación de información crítica
para la empresa. Estas aplicaciones proporcionan a los usuarios un
mayor entendimiento que les permite identificar las oportunidades y
los problemas de los negocios.
Los sistemas de soporte de decisiones constituyen una tendencia creciente
en empresas medianas y grandes que desean una gerencia eficiente.
Mejorar la tarea de toma de decisiones y planeamiento estratégico,
transformando miles de datos en conocimiento útil, es la razón por la que la
inteligencia de negocios es manejada como: la solución de sistemas para
integración de información y de tecnología inteligente para el soporte a la
toma de decisiones gerenciales.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
13
Figura N° 1 Arquitectura Sistema de Inteligencia de Negocios.
Fuente: Obtenido del Proyecto de Aplicación de BI. Universidad Rey Juan Carlos, España, 2010.
Business Intelligence es la habilidad de consolidar información y analizarla
con la suficiente velocidad y precisión para descubrir ventajas y tomar
mejores decisiones de negocios1.
La tecnología que apoya a Inteligencia de Negocios, se basa en los
siguientes conceptos:
Procesos Analíticos en Línea (Online Analytic Processing,
OLAP).
Almacenes de Datos (DataWarehouse).
Minería de Datos.
Inteligencia de Negocios se compone de todas las actividades relacionadas
a la organización y entrega de información así como el análisis del negocio.
Esto incluye Minería de Datos, Administración del Conocimiento,
Aplicaciones Analíticas, Sistemas de Reportes y principalmente
DataWarehouse.
1 Flores Esquivel. Bussines Intelligence - El soporte de decisiones en la empresa Casa Marzam [Tesis], 2009.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
14
Inteligencia de Negocios (Business Intelligence) es la habilidad de
consolidar información y analizarla con la suficiente velocidad y precisión
para descubrir ventajas y tomar mejores decisiones de negocios.
La Inteligencia de Negocios se puede definir como el proceso de analizar
los bienes o datos acumulados en la empresa y extraer una cierta
inteligencia o conocimiento de ellos. Dentro de la categoría de bienes se
incluyen las bases de datos de clientes, información de la cadena de
suministro, ventas personales y cualquier actividad de marketing o fuente
de información relevante para la empresa.
BI apoya a los tomadores de decisiones con la información correcta, en el
momento y lugar correcto, lo que les permite tomar mejores decisiones de
negocios.
Figura N° 2 Proceso de Inteligencia de Negocios.
Fuente: Obtenido del Proyecto de Implementación de un sistema de Inteligencia de Negocios,
basado en minería de datos para las Pymes. Universidad de los Andes. Mérida, 2006.
La información es el activo más importante en los negocios actuales. Esto
debido a que el éxito de un negocio depende de que tan bien conozca a sus
clientes, que tan bien entienda sus procesos internos y que tan efectivo sea
para realizar todas sus operaciones.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
15
Todas las soluciones de BI tienen funciones parecidas, pero deben reunir al
menos los siguientes componentes:
Multidimensionalidad: La información multidimensional se puede
encontrar en hojas de cálculo, bases de datos, entre otros. Una herramienta
de BI debe ser capaz de reunir información dispersa en toda la empresa e
incluso en diferentes fuentes, para así proporcionar a los departamentos la
accesibilidad, poder y flexibilidad que necesitan para analizar la
información2.
Minería de Datos: Las empresas suelen generar grandes cantidades de
información sobre sus procesos productivos, desempeño operacional,
mercados y clientes, pero el éxito de los negocios depende, por lo general,
de la habilidad para ver nuevas tendencias o cambios en las tendencias
actuales. Las aplicaciones o técnicas de Minería de Datos, pueden
identificar tendencias y comportamientos, no sólo para extraer información,
sino también, para descubrir las relaciones que contienen bases de datos,
permitiendo obtener y reconocer, comportamientos no muy evidentes.
Agentes: Los agentes son programas que "piensan". Ellos pueden realizar
tareas a un nivel muy básico, sin necesidad de intervención humana.
DataWarehouse: Es la respuesta de la tecnología de información a la
descentralización en la toma de decisiones, destinando información de
todas las áreas funcionales de la organización, en manos de quienes toman
las decisiones. También proporciona herramientas para búsqueda y
análisis.
Características
Para que una herramienta software sea considerada de inteligencia de
2 Ian Trujillo, Modelo Multidimensional, 2005.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
16
negocio, debe garantizar las siguientes características:
Accesibilidad: debe garantizar el acceso de los usuarios a los datos,
siendo independiente la procedencia de los mismos.
Orientada al usuario: buscar la independencia entre los conocimientos
técnicos que puedan poseer los distintos usuarios.
Apoyo a la toma de decisiones: debe distinguirse de una simple
presentación de la información, debe poseer herramientas de análisis que
permita seleccionar y manipular solamente aquellos datos que sean
interesantes para el usuario.
2.2.1.1 Importancia de BI
Generalmente, en las organizaciones se genera una gran cantidad
de datos e información que en muchos de los casos el análisis de
la misma se convierte en un verdadero problema para los directivos.
Las tecnologías y los sistemas de BI permiten realizar un análisis
mucho más ágil y compresible para la toma de decisiones
empresariales, las aplicaciones BI buscan incrementar la eficiencia en
la organización. Podemos decir que la información, correctamente
analizada e interpretada, es la mayor fuente de poder de las empresas,
ya que da pistas muy claras acerca del camino a seguir en futuras acciones.
2.2.1.2 Beneficios de BI
Entre los beneficios más importantes que brinda una aplicación BI a las
organizaciones, se puede mencionar los siguientes:
Minimiza el tiempo de carga de datos, debido a que todos los datos
se encuentran en un mismo repositorio o fuente de información.
Los procesos de extracción y carga de la información son automáticos
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
17
debido al uso de procesos definidos y metodologías.
Las herramientas BI permiten realizar análisis, y establecer
comparaciones para la toma de decisiones.
Permite a los usuarios no depender de reportes o informes
programados, porque los mismos serán generados de manera dinámica.
Posibilita la formulación preguntas y respuestas que son claves para
el desempeño de la organización.
Permite acceder y analizar directamente los indicadores de éxito.
Permite consultar y analizar los datos de manera sencilla e intuitiva.
Elimina los gastos innecesarios en la organización.
Mejora el conocimiento de la empresa sobre clientes, empleados, costos
etc. Lo que facilita la gestión de los directivos.
2.2.1.3 Arquitectura
Una solución BI empieza, desde los sistemas de origen o los sistemas
operacionales de la organización es decir las bases de datos, archivos
planos, hojas de cálculo, sistemas ERP que son los que generan datos
de la organización. Sobre los datos obtenidos se realiza un proceso
de extracción de los datos de sus diferentes fuentes, transformación
que consiste en una estandarización de los datos y carga de los
datos en un nuevo repositorio como un Data Warehouse o en varios
Data Marts para de esta manera ser estructurados y presentados a
los usuarios finales en forma de Reportes, Tableros de mando, etc.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
18
Figura N°3 Arquitectura BI.
Fuente: Obtenido de la Tesis Desarrollo de una Aplicación de Business Intelligence para la empresa
Empaqplast. Escuela Politécnica del Ejército. Ecuador, 2012.
2.2.2 DataWarehouse
Es un almacén o repositorio de datos que integra información de diferentes
fuentes de datos (base de datos, archivos de texto, hojas de cálculo) y permite
un análisis para la toma de decisiones. Muchos expertos definen el
DataWarehouse como un almacén de datos centralizados que introduce datos de
un almacén de datos específico llamado DataMart.
Es integrado, no volátil y variable en el tiempo, el contribuye al soporte de
la toma de decisiones en la entidad en la que se utiliza. Es un expediente
completo de una organización, más allá de la información transaccional y
operacional, almacenado en una base de datos diseñada para favorecer el
análisis y la divulgación eficiente de datos3.
3 Jiménez Agosta, A Time of Growth for Data Warehousing, 2004.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
19
2.2.2.1 Características de un DataWarehouse:
Orientado a un tema: Los datos en la base de datos están organizados de
manera que todos los elementos de datos relativos al mismo evento u objeto
del mundo real queden unidos entre sí.
Variante en el tiempo: Registra los cambios que se producen a lo largo
del tiempo, reflejando los datos originales en el informe final.
No volátil: esta es información solo de lectura, no se puede eliminar ni
modificar una vez almacenada.
Integrado: La base de datos contiene los datos de los sistemas operacionales
que existen en la organización, estos datos deben ser consistentes.
2.2.2.2 Función de un Data Warehouse
En la creación de un Data Warehouse lo que se busca es almacenar los
datos que son necesarios o útiles para la organización. De esta
manera se trata de crear un repositorio de datos estructurados y
depurados y convertir estos datos en información útil para el usuario final. El
usuario puede realizar consultas e informes de manera óptima y segura.
2.2.3 Data Mart
Es un conjunto de datos que son estructurados de una forma que facilite su
posterior análisis. Los Data Marts contienen la información referente a un área
específica de la organización, se caracteriza por tener una estructura óptima de
los datos que pueden ser alimentados desde una base de datos transaccional y
son los que formarán parte de un Data Warehouse.
2.2.3.1 Características de un Data Mart
Mayor rapidez de consulta.
Área específica.
Tiene un propósito específico.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
20
Consultas SQL sencillas.
Permite llevar un historial de la información.
2.2.4 Cubos OLAP
Los cubos OLAP (On Line Analytical Processing) se crean en función a
bases de datos multidimensionales, que permiten procesar grandes
volúmenes de información, en campos bien definidos, dando un acceso
inmediato a los datos para su consulta y posterior análisis.
Esta estructura multidimensional de los cubos OLAP es gracias a que son
formados por vectores.
2.2.4.1 OLAP: Procesamiento Analítico en Línea
El procesamiento analítico en línea (OLAP, del inglés On Line Analitycal
Processing) es una solución utilizada en el campo de la inteligencia de negocio.
Básicamente consiste en la realización de consultas a estructuras
multidimensionales, también conocidas como cubos OLAP que contienen datos
resumidos de grandes bases de datos o sistemas transaccionales en línea
conocidos como OLTP.
El procesamiento analítico en línea (OLAP), nace como contraposición al
procesamiento transaccional en línea (OLTP, del inglés On Line Transacctional
Processing). La principal razón de usar OLAP es la velocidad de respuestas en
las consultas. Una base de datos relacional almacena las entidades en tablas
que han sido normalizadas. Esta estructura es buena en un sistema OLTP, pero
para consultas más complejas, es relativamente lenta. Un mejor modelo para las
búsquedas, aunque peor desde el punto de vista operativo, es una base de datos
multidimensional.
El acceso y las consultas a estas bases de datos, también conocido como
análisis del hiper cubo, organiza la información según los parámetros que se
consulten, de tal manera que a partir de estructuras multidimensionales que
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
21
contienen los datos resumidos de Sistemas Transaccionales, OLTP o de grandes
bases, se obtendrá la información requerida.
Figura N°4 Tipos de Tecnología OLAP.
Fuente: Obtenido del Proyecto de Aplicación de Business Intelligence para la toma de
decisiones con QlikView. Universidad Rey Juan Carlos, 2010.
2.2.4.2 MOLAP: Procesamiento Analítico Multidimensional en Línea
La diferencia más significativa que presenta un sistema MOLAP (del inglés,
Multidimensional On Line Analitycal Processing) es que requiere un pre-
procesamiento y almacenamiento de la información contenida en el cubo OLAP.
MOLAP almacena los datos en una matriz de almacenamiento multidimensional
optimizada, en lugar de utilizar una base de datos relacional.
2.2.4.3 ROLAP: Procesamiento Analítico en Línea Relacional
ROLAP (del inglés, Relational On Line Analytical Processing) es una alternativa a
la tecnología MOLAP. Mientras las herramientas de análisis MOLAP están
diseñadas para permitir análisis de datos a través del uso de modelos de datos
multidimensionales, ROLAP difiere significativamente en que no requiere la
computación previa ni el almacenamiento de la información. En lugar de eso, las
herramientas ROLAP acceden a los datos de una base de datos relacional y
generan consultas SQL para calcular la información al nivel apropiado, cuando un
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
22
usuario final lo requiere. Con ROLAP, es posible crear tablas de base de datos
adicionales (tablas resumen o agregaciones) las cuales resumen los datos en
cualquier combinación deseada de dimensiones.
2.2.4.4 HOLAP: Procesamiento Analítico en Línea Híbrido
En este tipo de implementación, se utiliza un almacenamiento mixto: los datos
agregados y pre calculados se almacenan en estructuras multidimensionales,
mientras que los datos de menor nivel de detalle se almacenan en estructuras
relacionales. La principal dificultad que presenta, reside en identificar cada tipo de
dato.
Estos sistemas resuelven el problema de almacenamiento de los datos de mayor
granularidad en bases de datos relacionales, y almacenan las agregaciones en
formato multidimensional.
Los cubos almacenados como HOLAP, son más pequeños que los MOLAP
y responden más rápidos que los ROLAP. HOLAP es generalmente usado
para cubos que requieren rápida respuesta, para sumarizaciones basadas en
una gran cantidad de datos.
2.2.5 MODELO MULTIDIMENSIONAL
Tablas de hechos Contiene todas las claves primarias de cada una de las
dimensiones y las medidas que nos ayudarán en el análisis de los cubos.
2.2.5.1 Tablas de dimensiones
En estas tablas encontraremos todos los valores que se utilizarán en la
tabla de hechos.
2.2.5.2 Tablas de hechos
Las tablas de hechos del almacén de datos se relacionan entre sí a
través de las dimensiones que comparten.
2.2.5.3 Esquema en estrella
Este esquema se caracteriza por tener una tabla de hechos en el
centro de su estructura, a la cual llegan las tablas de dimensiones
mediante las claves primarias simples de cada dimensión. Concentrando
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
23
de esta manera la información en una tabla denominada tabla de
hechos.
Figura N° 5 Esquema Estrella
Fuente: Extraído de página de internet. http://www.dataprix.com/data-warehousing-y-metodologia-
hefesto/arquitectura-del-data-warehouse/34-datawarehouse-manager. Lima, 2014.
2.2.5.4 Esquema en copo de nieve
En este esquema encontramos la particularidad que una tabla de
dimensiones puede estar formada por más de una tabla de datos lo que
le hace diferente a el esquema de estrella permitiéndonos tener varios
caminos para llegar a los datos influyendo directamente sobre el
rendimiento de las consultas.
Figura N° 6 Esquema Copo de Nieve
Fuente: Obtenido del Proyecto de Aplicación de Business Intelligence para la toma de
decisiones con QlikView. Universidad Rey Juan Carlos, 2010.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
24
2.3 MARCO CONCEPTUAL
2.3.1 SISTEMAS DE INFORMACIÓN
Conjunto de componentes interrelacionados que capturan, almacenan, procesan y
suministran información, para que ésta sea utilizada eficientemente y de esta
forma soporte la toma de decisiones, el control, análisis y visión integral en una
institución.
2.3.1.1 Sistemas de Nivel Estratégico
A nivel estratégico de la compañía los ejecutivos de alta gerencia pueden
analizar y evaluar tendencias, patrones y relaciones del negocio, anticipar
problemas potenciales y hacer los correctivos necesarios, convirtiendo las
decisiones inteligentes en una ventaja competitiva.
En el nivel estratégico estas herramientas comprenden métricas,
indicadores de desempeño y tableros de control, entre otros, que ayudan al
mejoramiento del desempeño de la empresa a través de la alineación de la
planeación estratégica de la empresa con la actividad real del negocio, la
visualización y el rastreo del cumplimiento de indicadores, la asignación de
metas a usuarios y la comunicación de resultados a lo largo de las áreas
funcionales de la empresa.
2.3.1.2 Sistemas de nivel Táctico
Las soluciones de Inteligencia de Negocios útiles a nivel táctico de la
compañía son básicamente herramientas de consulta y análisis, que
permiten a los analistas y cargos medios interactuar con información y
responder preguntas de negocio por si mismos, sin intervención del
departamento de Sistemas, con un mínimo conocimiento de las fuentes y
estructura de datos empresariales. Un gran segmento de usuarios
empresariales, desde analistas experimentados hasta usuarios de negocio,
pueden fácilmente crear consultas y desarrollar cálculos sin tener que
entender los complejos lenguajes de desarrollo de informes y sus
estructuras; y luego pueden compartir esta información con otros a lo largo
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
25
de la organización y más allá de ésta.
Con las herramientas de Consulta y Análisis los directivos en cargos medios
de la organización, pueden acceder a un análisis más detallado e interactivo
de las actividades del negocio que combinan múltiples variables de acuerdo
a los objetivos del área funcional de la empresa y le ayudan a optimizar sus
procesos de negocio.
2.3.1.3 Sistemas de nivel operativo
Registran y procesan las operaciones básicas y de rutina necesarias para el
funcionamiento de la empresa como contabilidad, inventarios, etc. Las
razones del procesamiento son: registro, orden, cálculo, síntesis,
almacenamiento y visualización de los resultados.
El nivel operativo de la organización es responsable de acceder a
información crítica del negocio y tenerla capacidad de distribuir dicha
información a los diferentes niveles de la organización y usuarios, para
asegurar la toma de decisiones basada en información exacta, confiable y
oportuna que puede impactar el desarrollo y el éxito del negocio.
Los requerimientos de información en este nivel de la organización, en las
diferentes áreas funcionales, están basados en reportes operativos que
respondan básicamente preguntas predefinidas de la actividad del negocio
en un periodo determinado de tiempo.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
26
Figura N° 7 Clasificación de Sistemas a Nivel Organizacional.
Fuente: Obtenido del Proyecto de Implementación de un sistema de Inteligencia de Negocios, basado en
minería de datos para las Pymes. Universidad de los Andes. Mérida, 2006.
2.3.2 TOMA DE DECISIONES
2.3.2.1 Administración de Datos
La disminución del tiempo transcurrido entre la obtención de datos y la toma
de decisiones, supone una ventaja empresarial. Cuanta más información se
disponga sobre los clientes y socios, mejores servicios y más
personalizados, podrá ofrecer la organización, además de establecer unas
relaciones mejores y más productivas. Sólo si se posee un adecuado acceso
a la información de la organización, se podrá conseguir que un negocio sea
más eficaz y detectar los problemas antes de que estén fuera de control.
2.3.2.2 Administración del Conocimiento
El conocimiento es una mezcla fluida de experiencia estructurada, valores,
información contextual e internalización experta que proporciona un marco
para la evaluación e incorporación de nuevas experiencias e información. A
nivel organización queda registrado el conocimiento no solo en documentos
sino también en procedimientos, rutinas y normas institucionales.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
27
2.3.2.3 Apoyo a los Sistemas de Toma de Decisiones
Hoy en día, las organizaciones están buscando mejorar sus sistemas de
toma de decisiones, ya que pueden ser desbordados por el volumen y la
complejidad de los datos disponibles, provenientes de sus sistemas de
producción y transaccionales.
A lo largo del tiempo, en el desarrollo de sistemas, se ha tratado de dar
solución a esa necesidad intrínseca de los altos mandos gerenciales, acerca
de poseer la información de manera resumida, que permita de un modo corto
y rápido, darse cuenta de todo lo que pasa en los sistemas transaccionales
de los niveles bajos de la empresa. Sin embargo, esto ya no es suficiente ya
que actualmente se requiere conocer lo que sucede en todos y cada uno de
los procesos, tanto críticos como triviales, que se originan en una empresa o
negocio, ya que es el conocimiento de éstos lo que da una visión clara de lo
que ocurre en ella.
Los requerimientos de información no son difíciles de resolver, dado que ésta
se encuentra, efectivamente, en los sistemas operacionales; pero, la
complicación surge debido a que difícilmente ella está disponible en el
tiempo y estructura correcta. Dado el caso y, buscando la administración de
ese conocimiento tan importante en nuestros días, surge una de las opciones
que se han implementado para cubrir esta necesidad de las empresas, los
denominados DataWarehouse o Sistemas de Información Integrados, es
decir sistemas que, con el objetivo de facilitar la integración de los datos
organizativos, extraen datos de diferentes sistemas o bases de datos,
funciones y lugares de la empresa, según se van generando, los almacenan
conforme a un lenguaje común y los hacen ampliamente disponibles. El
DataWarehouse se explicará en mayor detalle en la sección posterior
correspondiente a Minería de Datos.
Para obtener la información, es importante determinar cuál va acorde con la
necesidad de la empresa, y extraerla de las fuentes disponibles para
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
28
acumularla en un repositorio central (DataWarehouse). De esta manera se
obtiene una sola versión de la verdad, y los datos son transformados en
información limpia siguiendo unas reglas de negocio que dicte la
organización. (Rivera F. Luis. 2004).
Las herramientas para acceder a la información pueden ser generadores de
reportes, o de minería de datos, haciéndose pertinente el concepto de
Inteligencia de Negocios.
2.3.3 CALL CENTER
2.3.3.1 Definición
Es un área donde agentes, asesores, supervisores o ejecutivos,
especialmente entrenados, realizan llamadas (Outbound) y/o reciben
llamadas (Inbound) desde o hacia: clientes (externos o internos), socios
comerciales, compañías asociadas u otros.
Es una herramienta de comunicación y relación con los Clientes que utiliza
el teléfono como medio de comunicación básico gestionado por personas
humanas en conjunto a los recursos humanos, físicos y tecnológicos
necesarios y disponibles, basados en metodologías de trabajo y procesos
determinados y adecuados, para atender las necesidades y dar servicio a
cada cliente único con el objeto de atraerlo y fidelizarlo con la organización
y permitir su viabilidad.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
29
Figura N° 8 Diseño de Call Center.
Fuente: Obtenido de Bassher CRM Call Center. Delegación Benito Juárez. México D.F.
2.3.3.2 Tecnologías utilizadas
Las tecnologías tradicionales que se ocupan en los Centros de Llamadas
son las siguientes:
Infraestructura telefónica (conmutador, teléfonos, Voz sobre IP, diademas
o cintillos).
Infraestructura de datos (computadoras, bases de datos, CRM).
Distribuidor automático de llamadas entrantes (ACD).
Sistema de Respuesta Interactiva de Voz (IVR).
Grabador de llamadas (que muchas veces también graba las pantallas de
los agentes).
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
30
Marcador asistido, progresivo o automático y predictivo.
2.3.3.3 Llamadas Entrantes (INBOUND)
Los objetivos de un centro especializado en las llamadas entrantes pueden
ser múltiples:
Número verde de información establecido tras un acontecimiento cualquiera
(catástrofe aérea, por ejemplo): que permite difundir la información poco a
poco y tranquilizar, dando una imagen positiva de la situación (una ayuda
existe). Se habla así no solamente de centro de llamada, sino también de
"centro de contacto".
Servicio postventa: las hot line, muy a menudo para administrar los
problemas encontrados por los clientes de FAI, funcionan gracias a centros
de llamadas.
Toma de citas (por ejemplo, para gabinetes médicos) o pedidos, en particular,
para la venta por correspondencia.
Servicio al Cliente: resolución de consultas, entrega de información, atención
de requerimientos.
Mesa de Ayuda (HelpDesk): Servicio que permite entregar un apoyo
especializado por teléfono a través de un ejecutivo de call center
especializado con conocimientos técnicos sobre una materia específica.
2.3.3.4 Llamadas Salientes (OUTBOUND)
Los Centros especializados en las llamadas salientes pueden:
Efectuar sondeos: la recolección de la información es fácil, efectuándose
inmediatamente su distribución y tratamiento.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
31
Superficie de la publicidad para una marca, o incluso de la prospección o
la venta a distancia: es allí la sustitución de los buhoneros y de la venta
al detalle (de puerta en puerta).
Tele-ventas: Actividad de venta a través de un ejecutivo de venta
especializado y con competencias para vender de forma remota.
Tele-encuestas: Actividad de encuesta telefónica a través de un ejecutivo
de tele-encuesta capaz de brindar un rápido relevamiento de información
de parte de un cliente.
Programación de reuniones: Actividad que permite programar reuniones
o citas con clientes para ofrecer un producto o servicio que por su
complejidad no se puede vender por teléfono y requiere entrevista
personal.
Tele-cobranzas: Actividad que permite cobrar en sus diversas etapas,
mora temprana, mora tardía o mora pre-judicial, proporcionando las
alertas necesarias al cliente y ayudándolo en el proceso de regularizar
sus pagos para que pueda seguir utilizando el servicio.
2.3.3.5 Estructura de un centro de llamadas
Usualmente un centro de llamadas está formado por gerentes de
operaciones y analistas, grupos de capacitación, agentes de calidad, soporte
de operaciones, soporte tecnológico, supervisores, team leaders y agentes
telefónicos. Generalmente, un supervisor tiene a cargo un grupo de agentes
telefónicos. Igualmente existen los especialistas en datos o de suministro de
información estadística (data marshall).
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
32
Figura N° 9 Estructura de un Centro de Llamadas.
Fuente: Obtenido de Bassher CRM Call Center. Delegación Benito Juárez. México D.F.
2.3.4 METODOLOGÍAS DE DESARROLLO DE UN PROYECTO BI
Elección de La Metodología para el Desarrollo del Proyecto
Tomando en cuenta que la metodología de Ralph Kimball conduce a
una solución completa de BI en un corto periodo de tiempo, acceso
a documentación que se puede encontrar y a los numerosos ejemplos
aportados en diferentes entornos de negocio, esta metodología permite
encontrar una respuesta a casi todas las preguntas que puedan
surgir, sobre todo cuando no se dispone de la experiencia previa
necesaria.
Por otro lado, este tipo de metodología bottom-up permite que, partiendo
de cero, se pueda empezar a obtener información útil en cuestión de
días y después de los prototipos iníciales, comenzar el ciclo de vida
normal que nos ofrezca una solución completa de BI.
Los Data Marts resultantes son fácilmente consultables tanto para
los desarrolladores como para los usuarios finales. La relación directa
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
33
entre los hechos y dimensiones conceden a cualquier usuario la
posibilidad de construir consultas sencillas.
Metodología de Ralph Kimball
Ralph Kimball es considerado uno de los representantes más
importantes del Data Warehouse y Business Intelligence. Su
metodología ha sido probada en muchos escenarios de negocio y se
podría decir que se ha llegado a convertir en un estándar de proyectos
BI. En el año 1998 se publica la primera edición del libro “The Data
Ware house Lifecycle Tool kit” donde se expone dicha metodología4.
En la siguiente figura se muestra el ciclo de vida propuesta por
Ralph Kimball y sus fases.
Figura N° 10 Tareas de la Metodología de Kimball.
Fuente: obtenido de La Metodología de Kimball. Business Dimensional Lifecycle.
Cuadernos de la Facultad UCASAL, 2010.
4 Gustavo R. Rivadera. La Metodología de Kimball para el diseño de almacenes de datos. Cuadernos de
Facultad n. 5: 2010.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
34
2.3.4.1 Planificación y Administración del Proyecto
La planificación busca identificar la definición y el alcance del
proyecto, incluyendo las justificaciones del negocio y las evaluaciones de
factibilidad. La metodología en esta etapa propone identificar el
alcance basado en requerimientos de negocios y no en fechas
establecidas. Así el cumplimiento del proyecto ser á directamente
relacionado con el negocio de la empresa.
2.3.4.2 Definición del proyecto
Como paso inicial para el desarrollo de un proyecto de BI se debe
identificar de donde proviene la necesidad de información la cual
puede darse de un sector específico como los directivos o gerentes
de la organización o a su vez puede provenir de varios sectores de la
empresa.
2.3.4.3 Preparación para un proyecto de Data Warehouse
Ralph Kimball indica que se deben tomar en cuenta factores como el
apoyo y patrocinio de la gerencia, interés de la empresa en un
proyecto de BI, apoyo del departamento de sistemas y tecnología de la
empresa, la empresa debe presentar un entorno factible para la realización
del proyecto.
2.3.4.4 Alcance
Se debe definir los límites del proyecto para poder desarrollarlo
satisfactoriamente en base a los requerimientos del negocio.
2.3.4.5 Justificación
Se debe tomar en cuenta cual será la inversión para el proyecto y
cuál será el beneficio para la empresa.
En esta fase de debe definir justificaciones en términos de negocio que
sustentan el proyecto y hacer las respectivas evaluaciones de factibilidad.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
35
2.3.4.6 Planificación del proyecto
A nivel de planificación del proyecto se establece la identidad del mismo es
decir se lo maneja con un nombre, el personal (los usuarios, gerentes
del proyecto, equipo del proyecto, desarrolladores), desarrollo del plan
del proyecto, el seguimiento y la monitorización.
2.3.4.7 Administración del proyecto
En esta etapa se verifica mediante reuniones con los involucrados en el
proyecto el avance del mismo y el cumplimiento de los requerimientos.
2.3.4.8 Definición de los Requerimientos del Negocio
El punto clave para el proceso de desarrollo un Data Warehouse es la
manera como se interpretan y se analizan los requerimientos la
interpretación correcta de los diferentes niveles de requerimientos
proporcionara la visión de cómo se realizara el diseño del Data
Warehouse.
Para iniciar con el proceso de obtención de requerimientos se debe
hablar con los principales encargados del negocio, se debe enfocar
el proceso de toma de requerimientos en cosas como: en base a
qué información se toman decisiones, en qué consisten sus trabajos,
que información es la que se maneja con más frecuencia, en que
actividades invierte más tiempo.
Los diseñadores del Data Warehouse deben comprender cuales son
los factores y las reglas que dirigen el negocio, cual es el
funcionamiento y los procesos que se llevan a cabo para la actividad de
negocio, determinar y analizar los requerimientos para traducirlos en
consideraciones de diseño apropiadas.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
36
2.3.4.9 Entrevistas
Para iniciar el proceso de entrevistas se debe formar un equipo
entrevistador, el cual este conformado del entrevistador y una persona
que tome nota, es importante iniciar el levantamiento de
requerimientos observando los reportes que ya se maneja en la
empresa, cuales son las fuentes de datos y conocer las maneras como
se lleva a cabo el análisis la información dentro de la empresa, saber en
base a que parámetros se toman las decisiones del negocio esto
contribuye al análisis de requerimientos. Esto proporciona una guía
para la elaboración del modelo dimensional de datos se puede tener
una visión general de las dimensiones que se necesitarán para el
diseño del Data Warehouse.
Es de vital importancia dirigir las entrevistas a los directivos debido a
que son los que tienen un mejor conocimiento de las reglas de
negocio, las entrevistas también deben ser realizadas al departamento
de tecnología para conocer con que recursos se cuenta para el
desarrollo del proyecto.
2.3.4.10 Diseño Técnico de la arquitectura
El diseño de un Data Warehouse requiere la integración de varias
tecnologías por lo que se debe tener en cuenta elementos como:
requerimientos del negocio, el entorno técnico y las estrategias de
diseño.
Entorno Back Room:
Es el sitio donde toman lugar los procesos de Data Staging
(Adquisición de los datos) consiste en el proceso de Extracción,
Transformación y carga (ETL) de los datos desde las fuentes de origen
y la carga de los mismo en el Data Warehouse.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
37
Figura N° 11 Arquitectura back room.
Fuente: Obtenido de Tesis Doctoral. Impacto de la Data Warehouse e Inteligencia de Negocios
en el desempeño de las empresas. Universidad Esan 2013.
Entorno Front Room
Es la carta de presentación de todo Data Warehouse por
tanto debe ser capaz de explotar al máximo todas las
funcionalidades y características que puede ofrecer el sistema en
general. Entre los servicios del Front Room se encuentra
navegación, seguridad, monitoreo, generación de reportes y por
supuesto manejo de consultas y otros servicios de escritorio. El
Front Room corresponde a la capa que representa los datos al
usuario, escondiendo toda la complejidad y el origen de los datos.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
38
Figura N° 12 Arquitectura front room.
Fuente: Obtenido de Tesis Doctoral. Impacto de la Data Warehouse e Inteligencia de Negocios en el
desempeño de las empresas. Universidad Esan 2013.
2.3.4.11 Selección de Productos e Instalación
Utilizando el diseño de arquitectura técnica como marco es necesario
evaluar en base a costos y factores de desempeño los componentes
específicos de la arquitectura, como la plataforma de hardware, el
motor de base de datos, la herramienta de ETL, las herramientas de
acceso. Una vez evaluados y seleccionados los componentes se procede
con la instalación y prueba de los mismos en un ambiente integrado de
Data Warehouse.
2.3.4.12 Modelado Dimensional
Ralph Kimball menciona que el modelado dimensional proporciona
varias ventajas en el desempeño del sistema BI en cuanto a las consultas.
El Modelado Dimensional, según su creador Ralph Kimball, “es el
diseño físico y lógico que transformará las antiguas fuentes de datos
en las estructuras finales del Data Warehouse, a través de una
técnica que busca la presentación de los datos en un marco de
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
39
trabajo estándar que es intuitivo y permite un acceso de alto
desempeño. Cada modelo dimensional está compuesto de una tabla
que tiene una llave compuesta llamada tabla de hechos y un
conjunto de tablas más pequeñas llamadas dimensiones. Cada tabla
dimensión tiene una llave primaria simple, que corresponde
exactamente a una de las partes de la llave compuesta en la tabla
de hechos. Esta estructura característica es usualmente llamada esquema
estrella” Los pasos necesarios para convertir un Diagrama Entidad-
Relación (ERD) a un conjunto de diagramas de modelado dimensional
son:
Separar el ERD de la organización: Se debe separar los procesos
de negocios y modelar cada uno separadamente.
Seleccionar las relaciones: Las relaciones de varios a varios en el
modelo entidad - relación que contengan cantidades numéricas y
aditivas se las designa a las tablas de hechos.
Des normalizar tablas: las tablas restantes con llaves simples que
conectan directamente a las tablas de hechos son las tablas se
convierten en las dimensiones.
En los casos que una tabla dimensión se conecte a más de una tabla
de hechos, se representa esta misma tabla dimensión en ambos
esquemas estas tablas adquieren el nombre de dimensiones
conformadas.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
40
2.3.4.13 La Arquitectura del Data Warehouse
Un Data Warehouse está hecho de las unión de muchos de sus Data
Marts. Cada DataMart debe ser representado por un modelo
dimensional y dentro de un único Data Warehouse, todos estos
Data Marts deben ser construidos a partir de dimensiones
conformadas y hechos. Esta es la base de la arquitectura de bus
del Data Warehouse.
La planeación del Data Warehouse debe iniciarse con un fase
pequeña de arquitectura de datos que cubra todo y que a la vez
tenga metas mu y finitas y específicas, luego se debe seguir esta
arquitectura con una implementación paso a paso de Data Marts
separados, donde cada implementación se adhiere a la
arquitectura predefinida”
El autor Ralph Kimball sugiere las siguientes recomendaciones para la
construcción de un Data Warehouse. Crear una arquitectura que defina
el alcance e implementación del Data Warehouse completo.
Supervisar la construcción de cada pieza del Data Warehouse. Una
tabla dimensión puede ser usada contra múltiples tablas de hechos en
el mismo espacio de base de datos.
2.3.4.14 Técnicas de Modelado Dimensional
La idea fundamental del modelado dimensional es que casi cada
tipo de datos de negocio puede ser representado como un tipo de
cubo de datos, donde cada celda del cubo contiene un valor
medido y las aristas del cubo definen las dimensiones naturales de
los datos
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
41
2.3.4.15 Seleccionar el proceso de Negocio
En base a los requerimientos que ya se han tomado se debe
determinar cuál es el proceso de negocio que se va a modelar el
cual puede tener una o más tablas de hechos.
2.3.4.16 Declaración de la granularidad
El nivel de granularidad se refiere a la presentación de las
medidas en la tabla de hechos e es decir una granularidad fina o
menor presenta mayor detalle de los datos y una granularidad gruesa o
mayor presenta menor detalle en los datos.
2.3.4.17 Identificación de las dimensiones
Cuando se agregan las diferentes dimensiones estás deben ser de
un objeto del negocio por ejemplo un cliente, producto etc. y deben
cumplir con la granularidad establecida previamente.
2.3.4.18 Identificación de los hechos
Los hechos vienen a ser las medidas, son generalmente cantidades
y están orientados a los procesos del negocio. Ejemplos de
medidas son totales, precios, cantidades etc.
2.3.4.19 Diseño Físico
En lo que se refiere a la estructura física la etapa incluye tareas
como la configuración de la base de datos debe incluir los nombres de
columna físicos, los tipos de datos y constraints.
La creación de tablas para datos y metadatos, donde se alojarán
dimensiones y tablas de hechos. Creación de secuencias para los
procesos ETL. Creación de tablas temporales, tablas históricas, tablas
para errores. Generación de Scripts y diagramas físicos de base de
datos.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
42
2.3.4.20 Diseño y Desarrollo de la Presentación de Datos
Esta etapa está conformada primeramente por las actividades de
extracción, transformación y carga de datos (ETL). Se realiza un
análisis de los datos como se van a integrar y como se pueden
resolver problemas de inconsistencias.
Se definen como proceso de extracción obtención de los datos de
diferentes fuentes que permitirán efectuar la carga del Modelo Físico
diseñado.
El proceso de transformación consiste en estandarizar y
estructurar los datos extraídos de las diferentes fuentes para
convertir los datos y finalmente cargarlos en el Data Warehouse.
Actividades para el proceso ETL
Realizar un plan cada proceso de ETL.
Seleccionar una herramienta ETL.
Estrategias para proceso de carga.
Carga inicial de Datos(Dimensiones y Hechos)
Carga incremental de Datos(Dimensiones y Hechos)
Automatización del proceso ETL
Las tareas de ETL son altamente críticas pues tienen que ver con
parte medular del negocio ya que manejan directamente los datos.
La calidad de los datos en un Data Warehouse es un factor
determinante en el éxito de un proyecto de BI. En la etapa de ETL
se debe resolver todos los inconvenientes relacionados con la
calidad de los datos fuente. Para que los datos del Data
Warehouse sean confiables.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
43
2.3.4.21 Especificación de Aplicaciones para Usuarios Finales
Cada usuario del Sistema de Bussiness Intelligence necesita un role
o perfile de usuario para los diferentes tipos de aplicaciones, acceso
a carpetas, acceso a cierto tipo de reportes, entre otras por lo que en
esta etapa se definen los diferentes tipos de permisos para los
usuarios.
2.3.4.22 Desarrollo de Aplicaciones para Usuarios Finales
Los usuarios acceden al Data Warehouse por medio del BI Server
herramienta gráfica, que contiene la información de cada área de
negocio, se pueden desplegar reportes, vistas de análisis, tableros
de control. Los cubos, reportes y tableros de control son
implementados conforme a los requerimientos.
2.3.4.23 Implementación
La implementación representa la unión de la herramienta de BI,
los datos y las aplicaciones de usuarios finales. Existen factores
extras que aseguran el correcto funcionamiento de todos los
elementos, entre ellos se encuentran la capacitación, el soporte técnico
y la comunicación. Todas estas tareas deben tenerse en cuenta
antes de que cualquier usuario pueda tener acceso al sistema de BI.
2.3.4.24 Mantenimiento y crecimiento
Como en todo proyecto se necesita tener actualizaciones de forma
constante para poder dar un ciclo de vida adecuado al producto.
Es importante establecer las prioridades para poder manejar los
nuevos requerimientos de los usuarios y de esa forma poder
evolucionar y crecer.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
44
2.3.4.25 Gestión del proyecto
La gestión del proyecto asegura que las actividades del ciclo de
vida se lleven a cabo de manera sincronizada. La gestión del
proyecto acompaña todo el ciclo de vida. Entre sus actividades
principales se encuentra la monitorización del estado del proyecto y el
acoplamiento entre los requerimientos del negocio y las restricciones
de los sistemas de información para poder manejar correctamente
las expectativas en ambos sentidos.
2.3.5 HERRAMIENTAS
2.3.5.1 HERRAMIENTAS Y SUITES DE INTELIGENCIA DE NEGOCIOS
En la actualidad se han desarrollado diversas herramientas que ofrecen
soluciones a los problemas de Inteligencia de Negocios y que
implementan todas o alguna de sus tecnologías. Para poder entender
mejor el conjunto de herramientas para Inteligencia de Negocios , en
esta tesis se ha realizado una clasificación de dichas herramientas, las
cuales se muestran en la tabla 5 en donde los sistemas se dividen en 2
clases:
A continuación veremos las herramientas simples y las suites más
populares que existen en el mercado para cada una de las
clasificaciones propuestas, junto con sus características principales.
2.3.5.2 HERRAMIENTAS
Las herramientas simples son aquellas que dan soporte a las tecnologías
de la inteligencia empresarial individualmente. Estas herramientas han
sido clasificadas a su vez de acuerdo a la tecnología de inteligencia
empresarial a la que dan soporte, en seguida mencionaremos las más
importantes y populares para cada una.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
45
Herramientas de integración de datos
En la figura 14 vemos algunas de las herramientas más populares que apoyan
la integración de datos, las cuales se describirán con más detalle en seguida.
Figura N° 13 Herramientas de integración de datos (ETL).
Fuente: obtenido de la Tesis Desarrollo de una Aplicación de Business Intelligence para la empresa
Empaqplast. Escuela Politécnica del Ejército. Ecuador, 2012.
2.3.5.3 Herramientas para OLAP
En la figura 15 se muestran algunos de los proveedores de OLAP más
populares que se describen más detalladamente a continuación.
Figura N° 14 Herramientas de OLAP.
Fuente: obtenido de la Tesis Desarrollo de una Aplicación de Business Intelligence para la empresa
Empaqplast. Escuela Politécnica del Ejército. Ecuador, 2012.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
46
Mondrian
Es un motor de ROLAP desarrollado en Java, que permite analizar
grandes conjuntos de datos que se encuentran almacenados en el
datawarehouse. Mondrian se considera un motor, porque se encarga de
recibir consultas dimensionales en lenguaje MDX y devolver los datos del
cubo que correspondan a la consulta. El cubo se representa como un
conjunto de metadatos que definen cómo se han de mapear estas
consultas dimensionales a sentencias SQL para obtener de la base de
datos la información necesaria para satisfacer la consulta dimensional.
Utiliza una memoria caché para almacenar los resultados de las
consultas que se acceden múltiples veces.
2.3.5.3 SUITES
Las suites, son sistemas que ofrecen la implementación de todas las
tecnologías de Inteligencia de Negocios. En la figura 17 podemos ver
algunas de las más populares que se describen a continuación.
Figura N° 15 Suites de Inteligencia de Negocios.
Fuente: Obtenido de la Tesis Desarrollo de una Aplicación de Business Intelligence para la empresa
Empaqplast. Escuela Politécnica del Ejército. Ecuador, 2012.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
47
Pentaho BI
Pentaho BI es la única suite que existe de código abierto, ya que ha
adoptado las herramientas de Kettle, Mondrian y WEKA para conformar una
sola plataforma de Inteligencia de Negocios. Tiene las funcionalidades de
reportes, análisis, data mining e integración de datos (Pentaho, 2011).
Permite a los desarrolladores de Java diseñar componentes que pueden ser
rápidamente ensamblados en soluciones de inteligencia empresarial y a los
usuarios finales desplegar rápidamente las soluciones existentes de
Inteligencia de Negocios.
A pesar de que Pentaho BI se conforma ya como una suite que satisface las
necesidades de inteligencia empresarial, sus componentes no se integran
perfectamente ya que surgieron de manera individual. Sin embargo la
compañía Pentaho ofrece soporte comercial para todas ellas como conjunto,
por eso se considera una suite.
Oracle
Oracle BI es la plataforma más completa para Inteligencia de Negocios ,
cubre un amplio rango de necesidades, incluidos los tableros interactivos, el
análisis ad-hoc, alertas e inteligencia proactivas, publicación e informes
avanzados, análisis predictivo en tiempo real, y análisis de tecnología móvil
(Oracle, 2012).
Existen varias versiones de las plataformas:
Oracle BI Suite Enterprise Edition (EE): es una plataforma completa e
innovadora que ofrece bases para crear soluciones empresariales desde
fuentes de datos heterogéneas para la distribución de datos, con sistemas
Oracle y que no son de Oracle.
Oracle BI Standard Edition (SE): incluye Oracle Discoverer, está optimizado
para trabajar con los datos y las aplicaciones Oracle, y ofrecer análisis e
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
48
inteligencia avanzados al menor costo.
Oracle BI Publisher: también denominado Oracle XML Publisher, ofrece la
solución más eficiente y escalable para informes y publicaciones, disponible
para entornos complejos y distribuidos.
Disponible con Oracle BI Suite EE o como solución independiente. Oracle
Real-Time Decisión: combina los requerimientos comerciales y de
información del cliente para hacer la mejor recomendación en cada
interacción con el cliente y en cada decisión operacional al adaptarse de
manera inteligente, la información en constante cambio.
SQL Server 2012
Constituye la alternativa de Microsoft a otros potentes gestores de bases de
datos como son Oracle o MySQL. Generalmente no se lo asocia como una
suite de BI, sin embargo, posee potentes herramientas de productos
integrados que ofrecen cobertura en la toma de decisiones. Estos productos
son: Integration Services, Analysis Services y Reporting Services, que junto
al alcance de SQL Server se convierten en el motor de potentes aplicaciones
de inteligencia de negocios para empresas, manteniendo los costos bajo
control.
Entre sus principales características tenemos:
Integra bases de datos en almacenes de datos (datawarehouses) y aumenta
la capacidad de gestión de grandes tablas.
Permite la construcción de soluciones Inteligencia de Negocios robustas y
de alto rendimiento para el análisis de datos.
Posee el módulo SQL Server Inteligencia de Negocios Development Studio
para desarrollar, probar, implementar y mantener segura, escalable la
integración de datos. Además de generar reportes y análisis optimizado de
soluciones.
SQL Server Analysis Services permite el diseño de cubos de datos y facilita
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
49
el diseño de dimensiones.
SQL Server Integration Services proporciona las características y el
rendimiento necesario para construir aplicaciones de clase empresarial de
integración de datos desde diversas fuentes de datos.
SQL Server Reporting Services extiende la plataforma de almacenes de
datos para llevar la información que el trabajador necesita y tener acceso a
los datos del negocio.
Genera directamente reportes a herramientas familiares como Microsoft
Excel y Microsoft Word.
Soporta código en transact-sql y ansi-sql.
2.3.5.4 Herramientas de Business Inteligence
Oracle BI Enterprise Edition Plus
Oracle BI Enterprise Edition Plus es una suite integrada de productos de
business inteligence que aporta al negocio funcionalidades tales como
tableros de control interactivos (Dashboard), consultas puntuales (Answers),
alertas e inteligencia proactiva (Delivers), reportes operacionales y
financieros, inteligencia tiempo real, análisis offline, plugin de Microsoft Office
y un poderoso motor business inteligence altamente escalable con grandes
capacidades de integración de múltiples fuentes de datos, fuentes no
estructuradas, tales como hojas de Excel, OLAP y aplicaciones Oracle y no
Oracle. Las principales ventajas de esta herramienta son:
Velocidad: Gran Velocidad de acceso a la información.
Seguridad: integra módulos de seguridad de acceso a la información,
adaptables a cada perfil de usuario e incluso a cada usuario mismo, con una
interfaz muy intuitiva para su mantenimiento.
Robustez: Las aplicaciones desarrolladas son muy estables, incluso cuando
los orígenes de datos tienen problemas de actualización de la información o
han sido reestructurados.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
50
MicroStrategy
MicroStrategy es un proveedor de software OLAP, de inteligencia de
negocio y de informes de empresa. El software de MicroStrategy permite
crear informes y análisis de los datos almacenados en una Base de datos
relacional y de otras fuentes. MicroStrategy describe su software de
informes núcleo como ROLAP para remarcar el uso de la tecnología de
base de datos relacional y distinguirlo del OLAP tradicional, aunque también
soporta tecnología MOLAP desde la versión 7i.
Las principales ventajas que presenta son:
- El desarrollo de aplicaciones Business Intelligence con
MicroStrategy es relativamente sencillo, con una interfaz fácil de
manejar.
- Permite a los usuarios diseñar nuevos informes, mediante una
interfaz una serie de herramientas muy intuitivas.
- Asimismo, presenta algunos inconvenientes, tales como:
- La implantación de la herramienta es costosa, tanto
económicamente como en tiempo, lo cual se complementa de
alguna manera con la facilidad para el desarrollo.
- Precio moderado para la gran empresa, pero sigue siendo muy
elevado para la mediana empresa.
- En el aspecto técnico la facilidad de implementación a veces
limita las posibilidades que este tipo de herramientas debe
ofrecer.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
51
CAPITULO III
3. DISEÑO E IMPLEMENTACIÓN
3.1 ANÁLISIS DEL MODELO
3.1.1 Planificación del proyecto
Misión: Brindar una solución rápida y precisa a nuestros usuarios finales,
logrando un alto nivel de satisfacción de nuestros clientes.
Visión: Ser el mejor Call Center en innovación, productividad y calidad de
servicio para nuestros clientes y usuarios finales.
3.1.2 Descripción del Requerimiento:
La empresa Servicios Call Center del Perú (SCCP), es la empresa donde se
desarrollará la presente solución, el cual tiene la misión de satisfacer las
necesidades de comunicación de las empresas que las contratan con los
usuarios finales, realizando Ventas y coordinaciones. En este proyecto se
pretende desarrollar un DataMart que permitirá explotar toda la información
existente para mejorar la toma de decisiones en el área de Ventas.
La solución propuesta servirá de respaldo para obtener la información
organizada y procesada y tomar eficientemente las decisiones de las
gestiones de los servicios para obtener una mejor rentabilidad y calidad en el
servicio.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
52
a) Introducción del Proyecto
La implementación del Datamart, tiene como sustento dar soporte al
área de Ventas de la Empresa SCCP, teniendo como principales
dificultades la toma de decisiones, ya que la información no se tiene en
el momento oportuno, por la demora de la reportería web que es
realizado mediante consultas, el cual requiere demasiado tiempo para
ejecutar y procesar los datos.
b) Objetivos del Proyecto
Determinar de qué manera la implementación de un Data Mart permitirá
analizar la información para el soporte a la toma de decisiones aplicado
al área de Operaciones – Ventas en la empresa Servicios Call Center
del Perú.
c) Alcance del Proyecto
Se desarrollará la implementación del Data Mart para brindar el soporte
a la toma de decisiones para el área de Operaciones de la Empresa
SCCP,
La solución que se plantea está basada en la utilización de una
herramienta Tecnológica de Business Intelligence (SQL Visual Estudio
2008), donde se realizará el diseño y desarrollo de un Data Mart para el
área de operaciones, donde se busca extraer e integrar los datos del
negocio para obtener información relevante y específica sobre el servicio
de Ventas, el cual nos permitirá la depuración de los datos redundantes,
y obtener información estructurada y procesada para un mejor análisis.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
53
3.1.3 Descripción de los Stakeholders
Cuadro N° 1 Descripción de los Stakeholders
Fuente: Elaboración Propia.
3.1.4 Requisitos del Proyecto
3.1.4.1 Humanos
Gestión:
Cuadro N° 2 Requisitos del Proyecto Humanos – Gestión
Fuente: Elaboración Propia.
Stakeholders Cargo Función que desempeña en el proyecto
Allan Torres Gerente de OperacionesBrinda la información necesaria sobre la gestión
operativa de los servicios.
Antonio EspinalCoordinador de Ventas
Tarjeta BCP
Brinda información sobre la gestión de Venta de las
Tarjetas.
AnalistaAnálisis de las Fuentes de Datos y requerimientos de
los usuarios.
DesarrolladorEjecución de la carga de Información de la fuente de la
BD del Data Mart.
Alex Cruz Jefe de TICoordina los servicios informáticos y tecnológicos para
el desarrollo del negocio.
Edwin EgusquizaAnalista Bussiness
Intelligence
Brinda información sobre los datos de gestión que
ayudan a la toma de decisiones en la empresa.
Carla Segovia
Stakeholders Cargo Función que desempeña en el proyecto
Allan Torres Gerente de OperacionesBrinda la información necesaria sobre la gestión
operativa de los servicios.
Antonio EspinalCoordinador de Ventas
Tarjeta BCP
Brinda información sobre la gestión de Venta de las
Tarjetas
Alex Cruz Jefe de TICoordina los servicios informáticos y tecnológicos para
el desarrollo del negocio.
Edwin EgusquizaAnalista Bussiness
Inteligence
Brinda información sobre los datos de gestión que
ayudan a la toma de decisiones en la empresa.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
54
3.1.4.2 Tecnologías de la Información:
Cuadro N° 3 Requisitos del Proyecto Humanos – TI
Fuente: Elaboración Propia.
3.1.4.3 Equipamiento
Hardware:
Cuadro N° 4 Requisitos del Proyecto Equipamiento – Hardware
Fuente: Elaboración Propia.
Stakeholders Cargo Rol
Alex Cruz Jefe de TICoordina los servicios informáticos y tecnológicos para el
desarrollo del negocio.
Edwin EgusquizaAnalista Bussiness
Inteligence
Brinda información sobre los datos de gestión que ayudan
a la toma de decisiones en la empresa.
Equipo Características Adicionales Cantidad
Pc de escritorioUtilizada por el Analista BI para realizar el
mantenimiento y monitoreo del Sistema.1
Laptop Utilizada por el presentador de las tesis para la
implementación del Data Mart.1
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
55
Software:
Cuadro N° 5 Requisitos del Proyecto Equipamiento – software
Fuente: Elaboración Propia.
3.1.5 Riesgo del Proyecto
El tiempo para el desarrollo del Proyecto.
Acceso a la Base de Datos de la Empresa SCCP
Uso Software Características Cantidad
Analisys Services Creación del Cubo
Integration services Para poblar la BD del Data Mart - ETL
Herramientas de
Desarrollo Operacional
Para diseñar el esquema de las tablas
necesarias de la BD Operacional.
Herramientas de
Desarrollo Dimensional
Diseño de la BD Dimensional y
Generación de Código.
Sql Visual Studio
2008
Sql Managment
Studio 2008
1
1
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
56
3.1.6 Cronograma del Proyecto
El proyecto duró 72 días para su implementación, con una fecha de inicio del
01/11/2013 hasta 10/02/2014.
Figura Nº 16 Cronograma del Proyecto
Fuente: Elaboración Propia.
3.1.7 Definición de los Requerimientos del Negocio
Según la entrevista realizada al Gerente de Operaciones y al analista BI, que
son las personas claves en los Procesos de Negocio, ya que el Gerente es
quien toma las decisiones respecto a las Ventas y las proyecciones que se
da según los resultados que obtiene y por otro lado, el analista que es la
persona quien extrae, transforma y consolida los datos de la organización en
informes de gestión que ayuden a la toma de decisiones en la empresa,
realizando reportes y estadísticas personalizados para los servicios.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
57
A partir de las entrevistas identificamos tres procesos de Negocio que existe
en la empresa SCCP, el cual construimos una matriz con cada Proceso de
Negocio y sus Dimensiones.
Cuadro N° 6 Procesos de Negocio Vs Dimensiones
Fuente: Elaboración Propia.
Luego de ello se procedió a priorizar los requerimientos y el Proceso de
Negocio más Crítico y con mayor rentabilidad para la empresa.
Los requerimientos que se obtuvo en el área de Operaciones del Proceso de
Gestión de Ventas fueron:
Filtrar los datos según los lugares de Ventas realizadas, para la fijación del
mercado destino.
Obtener información concisa en cuanto a la Gestión de Ventas de Tarjetas de
Crédito según los registros cargados y consumidos de forma diaria.
Minimizar el tiempo de carga de datos optimizando tiempos para el
procesamiento de los datos y la entrega de información de manera rápida y
oportuna para su análisis.
Generar reportes de forma dinámica, donde el usuario puede personalizarlo y
adaptarlo a su necesidad.
PROCESO DE NEGOCIO Tiempo Producto TC Agente Cliente Calling List Ubigeo
Gestión de Ventas X X X X X X
Control de Llamadas X X X X
Gestión de Coordinaciones X X X X X X
DIMENSIONES
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
58
3.1.8 Proceso del Negocio
A continuación se muestra en la Figura Nº 16 el proceso de Negocio del Área
de Operaciones – Gestión de Ventas de la empresa SCCP.
Aquí vemos desde que la Base de Datos adquirida por SCCP o Proporcionada
por el Cliente (Empresa) es administrada y cargada al Sistema de Carga, para
luego ser almacenada en el Discador (OutboundContact Manager), y empiece
a discar de forma automática los número cargados en la Base de Datos, para
luego transferir la llamada a un agente y realice la venta al usuario final.
Figura N° 17 Proceso de Negocio del Área de Operaciones – Gestión de Ventas.
Fuente: Obtenido de Difusión de Procedimientos SGC. Área de Operaciones – SCCP. Lima, 2010.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
59
3.2 DISEÑO Y CONSTRUCCIÓN
3.2.1 Diseño de la Arquitectura
El diseño de la arquitectura para el desarrollo del Proyecto se basa
inicialmente en la obtención de la Base de Datos Transaccional SQL el cual
es una base Histórica del Año 2012, luego de ello se procede a la creación
de los ETLs, para extraer los datos relevantes y los que serán analizados,
luego de ello se transformará la data según los tipos de datos y finalmente
se cargará los datos al repositorio del Data Mart, para luego ser analizados
mediante cubos y gráficos estadísticos.
Figura N° 18 Diseño de la Arquitectura.
Fuente: Elaboración Propia.
3.2.2 INSTALACIÓN Y SELECCIÓN DEL PRODUCTO:
En esta etapa se instala y configura el Gestor de Base de Datos y la
Herramienta de Bussines Intelligence que se va a utilizar para la
implementación del Data Mart.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
60
Figura N° 19 SQL Server 2008 R2
Fuente: Microsoft SQL Server 2008 R2 Management Studio.
Figura N° 20 SQL Server Conexión
Fuente: Microsoft SQL Server 2008 R2 Management Studio.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
61
Figura N° 21 SQL Server
Fuente: Microsoft SQL Server 2008 R2 Management Studio.
Figura N° 22 Visual Studio 2008
Fuente: Microsoft SQL Server 2008 R2 Management Studio.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
62
3.2.3 FUENTE DE DATOS
La fuente de datos utilizada para el modelo del análisis multidimensional,
está basada en base de datos Histórico del Servicio Ventas de Tarjeta de
Crédito del BCP de la empresa SCCP, del año 2012, ya que solo se tuvo
acceso a dicha información. A continuación se muestra el Modelo
Transaccional de la Base de Datos de Ventas de TC.
Figura N° 23 Modelo Transaccional de la Base de Datos de Ventas TC.
Fuente: Elaboración Propia.
3.2.4 MODELAMIENTO DIMENSIONAL
El modelo multidimensional utilizado para el Data Mart es un modelo
Estrella, aquí se organiza y presenta los datos definiéndolos en
dimensiones. De esta forma de permite analizar la información a distintos
niveles de agregación dentro de las diferentes dimensiones. Dentro de cada
dimensión se puede definir los niveles de agregación para cada análisis, a
estos niveles de granularidad se les conoce con el nombre de atributos.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
63
Figura N° 24 Modelo Estrella de la Base de Datos de Ventas TC.
Fuente: Elaboración Propia.
3.2.5 DISEÑO FISICO
En este punto nos concentramos en la arquitectura de Base de Datos, en la
selección de las estructuras de almacenamiento necesarias para soportar el
diseño lógico, así como los métodos que garanticen un acceso eficiente a
los Datos.
Cuadro Nº 7 Tipos de Datos DIM_AGENTE
Dimensión Tipos de Datos FactTable
DIM_AGENTE
AGENTE KEY (PK, int, not null) FACT
GESTIÓNVENTAS
(AGENTE KEY)
COD_AGENTE(varchar(20), null)
SERVICIO_AGENTE (varchar(50), null)
N_HORAS_LOGUEADAS(decimal(18,0),null)
Fuente: Elaboración Propia.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
64
Cuadro Nº 8 Tipos de Datos DIM_CALLING_LIST
Dimensión Tipos de Datos FactTable
DIM_CALLING_LIST
CALLING_LIST_KEY (PK, int, not null)
FACT
GESTIÓNVENTAS
(CALLING_LIST_KEY)
COD_CL (varchar(20), null)
NAME_LIST (varchar(50), null)
REG_CONSUMIDOS(int,null)
REG_CONTACT_VAL(int, null)
Fuente: Elaboración Propia.
Cuadro Nº 9 Tipos de Datos DIM_CLIENTE
Dimensión Tipos de Datos FactTable
DIM_CLIENTE
CLIENTE_KEY (PK, int, not null) FACT
GESTIÓNVENTAS
(CLIENTE_KEY)
COD_CLIENTE (varchar(20), null)
NOM_CLIENTE (varchar(50), null)
Fuente: Elaboración Propia.
Cuadro Nº 10 Tipos de Datos DIM_ESTADO_TC
Dimensión Tipos de Datos FactTable
DIM_ESTADO_TC
ESTADO_TC_KEY (PK, int, not null) FACT
GESTIÓN VENTAS
(ESTADO_TC_KEY)
COD_ESTADO (varchar(20), null)
ESTADO_TARJETA (varchar(50), null)
Fuente: Elaboración Propia.
Cuadro Nº 11 Tipos de Datos DIM_TARJETA
Dimensión Tipos de Datos FactTable
DIM_TARJETA
TARJETA_KEY (PK, int, not null) FACT
GESTIÓN VENTAS
(TARJETA_KEY)
COD_TARJETA (varchar(20), null)
TIPO_TARJETA (varchar(20), null)
Fuente: Elaboración Propia.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
65
Cuadro Nº 12 Tipos de Datos DIM_TIEMPO
Dimensión Tipos de Datos FactTable
DIM_TIEMPO
TIEMPO_KEY(PK, int, not null)
FACT
GESTIÓN VENTAS
(TARJETA_KEY)
FECHA(datetime, not null)
NRO_DIA_SEMANA (int, not null)
NRO_DIA_MES(int, not null)
NRO_DIA_ANIO(int, not null)
NOMBRE_DIA_SEMANA (nvarchar(30), notnul
SEMESTRE_CALENDARIO (int, not null)
Fuente: Elaboración Propia.
Cuadro Nº 13 Tipos de Datos DIM_UBIGEO
Dimensión Tipos de Datos FactTable
DIM_UBIGEO
UBIGEO_KEY (PK, int, not null) FACT
GESTIÓN VENTAS
(UBIGEO_KEY)
COD_UBIGEO(varchar(20), null)
NOM_DISTRITO (varchar(20), null)
Fuente: Elaboración Propia.
Cuadro Nº 14 Tipos de Datos FACT_GESTION_VENTAS
FactTable Tipos de Datos FactTable
FACT_GESTION_VENTAS
AGENTE_KEY(FK, int, not null)
FACT
GESTIÓN VENTAS
CALLING_LIST_KEY(FK, int, not null)
CLIENTE_KEY (FK, int, not null)
ESTADO_TC_KEY (FK, int, not null)
TIEMPO_KEY (FK, int, not null)
UBIGEO_KEY (FK, int, not null)
TARJETA_KEY (FK, int, not null)
COD_VENTA(varchar(20), null)
N_HORAS_LOGUEADAS (decimal(18,0),null)
COSTO_CALL(decimal(18,0),null)
VARIABLE_PROMOCION(decimal(18,0),null)
HORA_POSICION (int, null)
Fuente: Elaboración Propia.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
66
3.2.5 POBLANDO LAS DIMENSIONES Y LA FACT TABLE
Creación de un Data FlowTask, para contener a todas las
dimensiones.
Población Dim_Agente
Población Dim_CallingList
Población Dim_Cliente
Población Dim_Tarjeta TC
Población Dim_Tiempo
Población Dim_Ubigeo
Población Gestión Ventas
Para el llenado de las Dimensiones primero limpiamos las tablas para insertar los
datos de la Tabla Transacional a las Tabla Dimensión, una vez llenado todas las
dimensiones, pasamos al poblado de la Fact Table.
Figura N° 25 Población de Dimensiones y Fact.
Fuente: Elaboración Propia.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
67
3.2.6 Datos de la Base de Datos Dimensional
Dimensión Agente
Figura Nº 26 Datos Dimensión Agente.
Fuente: Elaboración Propia.
Dimensión Calling_List
Figura Nº 27 Datos Dimensión Calling_List.
Fuente: Elaboración Propia.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
68
Dimensión Cliente
Figura Nº 28 Datos Dimensión Cliente.
Fuente: Elaboración Propia.
Dimensión Tarjeta TC
Figura Nº 29 Datos Dimensión Tarjeta TC.
Fuente: Elaboración Propia.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
69
Dimensión Tarjeta
Figura Nº 30 Datos Dimensión Tarjeta.
Fuente: Elaboración Propia.
Dimensión Tiempo
Figura Nº 31 Datos Dimensión Tiempo.
Fuente: Elaboración Propia.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
70
Dimensión Ubigeo
Figura Nº 32 Datos Dimensión Ubigeo.
Fuente: Elaboración Propia.
Fact Gestión Ventas
Figura Nº 33 Datos Fact Gestión Ventas.
Fuente: Elaboración Propia.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
71
Después de haber terminado de poblar todas las tablas continuamos con la
realización del Cubo de la Fact_Gestion_Ventas, para ello primero nos
conectamos con nuestra base de Datos Dimensional.
Figura N° 34 Fact_Gestion_Ventas.
Fuente: Elaboración Propia.
3.2.7 DESARROLLO DE CUBOS
3.2.7.1 CUBO Nº1
En el siguiente cubo queremos analizar la Cantidad de Tarjetas Vendidas
por cada tipo de Tarjeta durante todo el año 2012 y en todos los distritos
de Lima, para ello utilizamos las dimensiones DIM_TIEMPO,
DIM_TARJETA_TC y DIM_UBIGEO
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
72
Figura Nº 35 Cubo 1 Tiempo, Tarjeta, Ubigeo.
Fuente: Elaboración Propia.
Resultado del Cubo
Figura N° 36 Resultado Cubo – Ventas por Tipo de Tarjeta.
Fuente: Elaboración Propia.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
73
3.2.7.2 CUBO Nº2
En el siguiente cubo queremos analizar la Cantidad de Tarjetas Vendidas
por cada Distrito de Lima según tipo de Tarjeta durante todo el año 2012,
para ello utilizamos las dimensiones DIM_TIEMPO, DIM_TARJETA_TC y
DIM_UBIGEO
Figura Nº 37 Cubo 2 Tiempo, Tarjeta, Ubigeo.
Fuente: Elaboración Propia.
Resultado del Cubo
Figura N° 38 Resultado Cubo – Ventas x Distrito según Tarjeta TC.
Fuente: Elaboración Propia.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
74
3.2.7.3 CUBO Nº3
En el siguiente cubo queremos analizar los ingresos vs los costos de
todas las Tarjetas TC, en todos los distritos de Lima, según los tipos de
base enviados por los proveedores (Calling_List) durante la evolución
mensual del año 2012 para ello utilizamos las dimensiones
DIM_TIEMPO, DIM_CALLING_LIST y DIM_UBIGEO
Figura Nº 39 Cubo 3 Tiempo, Calling_List, Ubigeo.
Fuente: Elaboración Propia.
Resultado del Cubo
Figura N° 40 Resultado Cubo – Ingresos Vs Costo según Tarjeta TC.
Fuente: Elaboración Propia.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
75
3.3 CONSOLIDACIÓN DE RESULTADOS
3.3.1 Resultado Nº 1
En el siguiente diagrama analizaremos la Cantidad de Tarjetas Vendidas por
cada tipo de Tarjeta durante todo el año 2012 y en todos los distritos de Lima
y observamos la que tuvo mayor demanda en el año 2012 fue la tarjeta TC
EMPRESARIAL, el cual este análisis servirá para que la empresa pueda
ofrecer más Tarjetas TC de estos tipos.
Tipos de Tarjeta:
1 -TC CLÁSICA
2- TC ORO
3- TC EMPRESARIAL
4- TC PLATINUM
5- TC CORPORATIVA
Figura N° 41 Cantidad de Tarjetas según tipo de Tarjeta.
Fuente: Elaboración Propia.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
76
3.3.2 Resultado Nº 2
En el siguiente diagrama analizaremos la Cantidad de Tarjetas Vendidas
por cada distrito de Lima, durante todo el año 2012 ya que la venta de
Tarjeta TC en la empresa Call Center por contrato sólo se da en los
Distritos de Lima. Observamos que los distritos donde tuvo mayor demanda
de Tarjetas TC es en Los Olivos, Pueblo Libre y La Molina.
Figura N° 42 Ventas x Distrito según Tarjeta TC.
Fuente: Elaboración Propia.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
77
3.3.3 Resultado Nº 3
En el siguiente diagrama analizaremos los Ingresos vs los Costos de todas
las Tarjetas TC, en todos los distritos de Lima, según los tipos de base
enviados por los proveedores (Calling_List) durante la evolución mensual del
año 2012. Observamos que el mayor ingreso fue en enero con un monto
mayor a s/.140,000.00 y tuvo una caída en el mes de abril con un monto de
casi s/.40,000.00, a un costo constante.
Figura N° 43 Ingresos Vs Costo según Tarjeta TC.
Fuente: Elaboración Propia.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
78
CONCLUSIONES
A través del presente proyecto, se llegó a cumplir el objetivo Principal el cual
era implementar un Data Mart que permita analizar la información para el
soporte a la toma de decisiones aplicado al área de Operaciones – Ventas en
la empresa Servicios Call Center del Perú,
Se diseñó la Base de Datos Dimensional, para el alojamiento del Data Mart, el
cual minimizó el tiempo de carga, ya que los datos cargados en el repositorio
del Data Mart son datos relevantes, el cual eran importantes para la empresa
analizarlos según sus requerimientos y la gestión de venta que se realiza día a
día, de esta forma se generó también reportes de forma dinámica y
personalizados y obteniendo los resultados en un menor tiempo.
La información analizada que se obtuvo y según requerimiento de la empresa
fue obtener la Cantidad de Tarjetas Vendidas por cada tipo de Tarjeta durante
todo el año 2012, de todos los distritos de Lima, para saber qué tipo de tarjeta
es la que tiene mayor demanda. y según eso ofrecer más de eso tipo de
tarjeta, ya que tiene mayor aceptación por parte de los clientes. la tarjeta con
mayor demanda fue TC EMPRESARIAL.
Otro resultado que se obtuvo fue obtener la Cantidad de Tarjetas Vendidas por
cada distrito de Lima, durante todo el año 2012 ya que la venta de Tarjeta TC
en la empresa Call Center por contrato sólo se da en los Distritos de Lima.
Según ello para adquirir más registros de llamadas de los proveedores y hacer
llamadas con mayor énfasis a aquellos lugares donde hay mayor demanda de
TC. Los distritos donde tuvo mayor demanda de Tarjetas TC es en Los Olivos,
Pueblo Libre y La Molina.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
79
RECOMENDACIONES
Se podría utilizar este proyecto para los futuros trabajos de investigación, ya
que de todas las tesis revisadas e investigadas se observa que hasta el
momento no se ha realizado una implementación de un Data Mart en una
empresa Call Center (Centro de Llamadas), ya que el rubro de la empresa es
nueva y reciente en el mercado.
Se podría utilizar también métodos alternos, como el Estudio de Casos, el cual
permite trabajar con un número menor de informantes, y obtener detalles
particulares, y hechos más detallados.
Se podrían realizar estudios más específicos, como el de empresas que logran
beneficios sustanciales, que podrían simular, factores del éxito y los que
permiten una implementación satisfactoria del sistema y algunos estudios
específicos por el uso que se da al sistema de Data Warehouse e Inteligencia
de Negocios, como puede ser Marketing y Ventas; Créditos y Riesgos.
En el caso del Estudio Cuantitativo de Investigación, se podría trabajar con
una muestra mayor, para tener un análisis más detallado, en el cual se podría
considerar inclusive algunas variables, como podrían ser los años de
experiencia con el sistema de DW y BI, el tipo de negocios al que se dedica la
empresa, y la actividad específica del usuario del sistema.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
80
BIBLIOGRAFÍA
Guillen Rodríguez. Desarrollo de un Data Mart para Mejorar la Toma de
Decisiones en el área de Tesorería de la Municipalidad Provincial de
Cajamarca. Universidad Privada del Norte: 2012.
Jiménez Agosta, L. A Time of Growth for Data Warehousing. DM Review:
1ra Edition 2004.
Paitán, S. M. Análisis, diseño e implementación de un sistema gerencial
basado en una suite integrada de Datamarts para las aéreas de finanzas,
contabilidad [Tesis Doctoral]. Lima: PUCP: 2011.
Sedano, C. P. Análisis, Diseño e implementación de un Datamart para el
soporte de toma de decisiones y evaluación de las estrategias sanitarias en
las direcciones de salud. [Tesis Doctoral] Lima. PUCP: 2009.
Ibermática. Bussines Intelligence. Monografía de Internet, octubre 2012.
Disponible en:
http://www.larioja.org/upload/documents/458269_gestion_proyectos.pdf
Trujillo, I. A. Modelo Multidimensional. La Habana, Cuba:2005
Kimball Group. Block. Página de Internet. Disponible en:
http://www.kimballgroup.com
Flores Esquivel. Bussines Intelligence, el soporte de decisiones en la
empresa Casa Marzam [Tesis] S.A de C.V. México: 2009
Quintana Lecaros. Business Intelligence en las empresas chilenas
[Seminario]. Santiago de Chile. Universidad de Chile: 2013.
IMPLEMENTACIÓN DE UN DATAMART PARA EL ÁREA DE OPERACIONES - VENTAS EN LA EMPRESA SCCP
81
Gonzales López. Impacto de la Data Warehouse e Inteligencia de Negocios
en el Desempeño de las Empresas: Investigación Empírico en Perú, como
país en Vías de Desarrollo. [Tesis Doctoral]. Univesrsitat Ramón Llull: 2010.
Gustavo R. Rivadera. La Metodología de Kimball para el diseño de
almacenes de datos. Cuadernos de Facultad n. 5: 2010.
Henry, Laura. Call Center Tercerizados: Los desafíos para la organización
de los trabajadores en una actividad económica emergente. [Tesis]. Buenos
Aires. Universidad Nacional de la Plata: 2011.
Top Related