Subido por Daniel Ricci

Inteligencia de negocios

Anuncio
https://www.youtube.com/watch?v=jFsRdTcljeU
 Al finalizar esta sesión, el estudiante identifica las principales razones
estratégicas para desarrollar un Datawarehouse.
 Identificar los principales roles y su importancia en la participación de un
proyecto BI.
 Reconoce el aporte del Datawarehouse y los proyectos BI, a las unidades de
Negocio.
DATAWAREHOUSE
AGENDA
 Antecedentes
 Modelo Conceptual del Negocio
 Arquitectura del Datamart SPE
 Objetivo
Antecedentes
La Gerencia de Banca Mayorista se encarga de
velar por la calidad del servicio al cliente, la
creación de valor para el accionista y la
rentabilidad sustentable y perdurable; a través de
nuestra
asesoría personal y profesional,
convirtiéndonos en una parte integral de su
negocio.
La División de Banca Corporativa se encarga de
satisfacer necesidades financieras y transaccionales
de los clientes corporativos nacionales e
internacionales, brindando soluciones vía productos
y
servicios
diferenciados
e
innovadores,
maximizando la rentabilidad para el Banco y
consolidando nuestro liderazgo en el sector
corporativo.
El Área de Servicios para Empresas se encarga de
desarrollar funcional y comercialmente servicios
transaccionales que faciliten los intercambios de
información y dinero para corporaciones, empresas,
instituciones y negocios.
Antecedentes
En el año 2013 se inició la construcción del Datamart de
Servicios Para Empresas con la finalidad de proveer a los
usuarios un repositorio centralizado de la información de los
diversos servicios ofrecidos para la Banca Empresarial.
Antecedentes
Antecedentes
AGENDA
 Antecedentes
 Modelo Conceptual del Negocio
 Arquitectura del Datamart SPE
 Objetivo
Modelo Conceptual del Negocio de SpE
Modelo Conceptual del Negocio
Informes y Conciliación
Autoridades
 Telecrédito
 Cta Cte PJ
 Servicios BCP Miami
 Ctas con Saldos Predefinidos
 Tarjeta VíaBCP Empresarial
 Pagos a SUNAT (Pagofácil,
Detracciones, PDT)
 Pago Electrónico de Aduanas
Proveedores
 Pago a Proveedores
 Factoring Electrónico
 Transferencias al Exterior
 Visa Corporativa y Empresarial
Gestión
Financiera de la
Empresa
Empleados
 Pagos de Haberes
 Pago CTS
 Pago Electrónico de AFPs
Clientes
 Servicio de Recaudación
 Débito Automático
 Cobranza Electrónica
 Pagonet
 Financ. Electr. de Doc
 Cobranza Libre
 Cobranza Garantía
Servicios importantes del área SpE
Servicios para Empresas
Ingresos por
servicios
(en MM$)
%
MC 2010(E)
(en MM$)
Cuenta Corriente
31.4
33%
14.9
Letras
24.9
27%
17.7
Recaudación
18.3
19%
3.2
Transferencias al
exterior
11.5
12%
3.2
Telecrédito
5.0
5%
3.2
Otros
2.9
4%
1.3
93.8
100%
43.4
Producto
Participación de SPE en los
ingresos no financieros del BCP
($275 MM)
35%
Total
65%
Total SpE
Total BCP
Productos Estratégicos
Financiamiento electrónico
Pago de Haberes
Fuente: RIS y GGPP Productos a Noviembre 2010
Letras: Libre + Garantía + Descuento
Recaudación: Débito Automático + SUNAT + Credipago + PASE
Otros: FED + Pagonet + VISA + CTS + PdH + AFPs
AGENDA
 Antecedentes
 Modelo Conceptual del Negocio
 Arquitectura del Datamart SPE
 Objetivo
Servicios y Productos
Arquitectura Datamart SpE
Systematics
DWH
Telecredito
ODS
Factoring
Vision Plus
BDS
Clientes
Telecredito
Factoring
Transacc.
CtaCte, Aho
RIS
Tarjeta
Letras
Clientes
Transfer.
Exterior
Cuentas
Debito
Automatico
Cobranza
Electrónica
Recaudación
Carteras de
Ejec Comerc.
RIS
Metas
Ejecutivos
CIF
Datamart Servicios
para Empresas
Cobranzas Consyst
Giros Y Transfer.
Smart Stream
(RIS)
Dataentry
Recaudación
Carteras de EC.
Pagonet /
CTS Dkt
Analisis
Operativo
Alertas
Comerciales
Usr SpE
Usr SpE
Otras Ftes y App
Metas Ejecutivos
Extra / Renta /
Synergi
Otras Fuentes
Tableros de
Control
Semáforo
Comercial
Gestión
Comercial
Usr SpE
Usr FdN
Usr Planeam. y
Desarollo de Neg
Usr MKT
Usr
Planeamiento
Financiero
13
Las versiones de Bill Inmon y Ralph
Kimball
➢ Paradigma Ralph Kimball: El Data
Warehouse se compone por el
conglomerado de todos los Data
Marts generados en una empresa. La
información siempre se almacena en
un modelo dimensional. Otra forma
forma de denominar ésta
aproximación es como "Bottom-up"
➢ Paradigma Bill Inmon: El Data Warehouse es
una parte del todo que conforma a un sistema
de inteligencia de negocios. Una empresa
tiene un Data Warehouse, y los data marts
tienen como fuente de información ese Data
Warehouse. Ésta aproximación también es
conocida como "Top-Down"
Diferencias entre visiones de
Bill Inmon y Ralph Kimball
1. La presentación de la información para ser almacenada.
Inmon: es necesario normalizar la información antes de
almacenarse.
Kimball: las estructuras de los datos requieren una presentación
dimensional para ser almacenadas.
2. El tratamiento de la información atómica.
Inmon: la información atómica debe almacenarse en un Data
Warehouse normalizado.
Kimball: la información atómica debe estar estructurada
dimensionalmente.
Etapas de un Proceso Data Warehousing
(Metodología Ralph Kimball)
El marco presentado por Kimball bajo el Business Dimensional Lifecycle (BDL)
ilustra las diferentes etapas por las que debe pasar todo proceso de Data
Warehousing. Este enfoque de implementación de DataWarehouses es ilustrado en
la siguiente figura:
Business Dimensional Lifecycle propuesto por Ralph Kimball
Datamart SPE – Estructura Dimensional
Producto
Servicio
Moneda
Canal
Factoring
Cliente
RIS
Tiempo
Banca
Telecrédito
as
Ingresos No Financieros
(Comisiones)
Letras / Operaciones
/ Tarjetas
Inteligencia de Negocios
Jerarquía
Funcional
Tipo
Transacción
Modelo Dimensional:
Representación
Región
Region BS
BS
Lima
Lima
Callao
Callao
Norte
Norte
Retiro
Transacción
Deposito
Transferencia
Transferenica
Cantidad de
Transacciones
Pago de Servicio
Consultas
M1
M2 M3
Tiempo
M4
Modelo Dimensional:
Conceptos Básicos
Dimensiones
Grupo de datos agrupados, sobre los cuales se puede navegar en la
información.
Atributos
Cada uno de los elementos de estas dimensiones son los atributos. Son los
niveles de agrupación, que definen el detalle de un reporte
Elementos de los atributos
Los posibles valores que pueden tomar cada uno de estos atributos.
19
Dimensión Tiempo
Ejemplos
Año
Semestre
Trimestre
Mes
Día
2005; 2006
Semestre 1; Semestre 2
Trimestre 1; Trimestre 2
Abril; Mayo; Junio
25 Mayo de 2005
Es el Mundo Externo en él se dan
los eventos que se registran en los
sistemas de la empresa vía las
transacciones
Sistemas Operacionales, son los
típicos OLTP de las empresas que
captan y procesan las
transacciones del Mundo Externo
Capa de Integración y
Transformación, es el ambiente
donde se filtra, limpia y homologan
los datos extraídos de los OLTP’s
Almacenamientos Alternativos,
cuando los tamaños de la información
histórica se incrementan y la utilización
de ésta se espacia, se procede a utilizar
almacenamientos alternativos
Operational Data Store, es un
repositorio orientado a satisfacer las
necesidades operativas de información
integrada. Es un Data Warehouse online, se diferencia del Data Warehouse
porque contiene mucha menos historia
y tiene información más actual
Data Warehouse, es el repositorio
centralizado de la información
corporativa orientado a soportar
labores de análisis.
Data Externa, es información que se
captura del medio ambiente
directamente pues no es capturada por
los OLTP’s.
Exploration Data Warehouse,
ambiente separado del Data
Warehouse que permite realizar
consultas sumamente pesadas
para explorar la información
Data Mining Warehouse, similar al
Exploration Data Warehouse pero
orientado a la minería de datos.
Aplicaciones Analíticas, son
aplicaciones de Business
Intelligence desarrolladas para
explotar el Data Warehouse o Data
Marts
Data Marts, almacenamiento
modelado especialmente para
satisfacer una necesidad
departamental
AGENDA
 Antecedentes
 Modelo Conceptual del Negocio
 Arquitectura del Datamart SPE
 Objetivo
Objetivo del DM de SPE
El objetivo de este Datamart permitirá mejora la gestión estratégica basada
en los pilares de la organización.
Crecimiento
• Información correcta y oportuna influye en la
gestión comercial de los Ejecutivos, permitiendo
identificar oportunidades de negocio para el
crecimiento del banco.
Eficiencia
• Al automatizar los reportes de gestión se van a
eliminar horas-hombre de trabajo utilizadas en
consolidar reportes manualmente.
Riesgos
• Al consolidar la información manualmente está
sujeto a un margen de error, el cual se mitigara con
la centralización de la información en el DWH.
Inteligencia de Negocios
Proceso de Implementación
FEBRERO
2014
DICIEMBRE- ENERO
2013
2014
PASE A PRODUCCIÓN
ANÁLISIS Y DISEÑO
Procesos Modificados
Reproceso de Información Histórica
Modificación de programas y
procesos HOST
Modificación de procesos
impactados.
NOVIEMBRE
DICIEMBRE
ANÁLISIS Y DISEÑO
< Asesoría
2013
CONSTRUCCIÓN
2014
NOVIEMBRE
2013
ENERO - FEBRERO
2014
Inicio del
requerimiento en
DWH
Modificación de procesos impactados.
Restaurar información para el
reproceso de historia
Validación funcional a la información
Inteligencia de Negocios
CONSTRUCCIÓN
IMPLEMENTACIÓN
Beneficios
Tener información correcta y oportuna influye en la gestión comercial de los
Ejecutivos, lo cual se traduce en oportunidades de negocio que hacen crecer al
área y al banco.
Automatizar la generación de los reportes en BO para las horas-hombre de
trabajo utilizadas por los ejecutivos en consolidar reportes manualmente.
Inteligencia de Negocios
https://floreshnos.pe/
CASO PRACTICO DE INTELIGENCIA DE NEGOCIOS
Una empresa de transporte desea implementar un Data Mart, que permita
analizar las zonas con mayor ventas y las mas visitadas en el país al mínimo
nivel de detalle de todos los servicios ofrecidos por la empresa.
Se le pide desarrollar lo siguiente:
 Modelo conceptual de Negocio
 Arquitectura de DataWarehouse
 Modelo Dimensional para la solución del problema planteado.
http://www.cruzdelsur.com.pe/
https://floreshnos.pe/
Descargar