Bussiness inteligence

UNIVERSIDAD TECNOLÓGICA DE
TEHUACÁN ING.
TECNOLOGÍAS DE LA INFORMACIÓN Y
COMUNICACIÓN
BD PARA APLICACION

Marzo de 2013

ALUMNA: MARINA MONTALVO DE LA CRUZ

Data Warehouse
Este término asignado por Bill Inmon, se traduce literalmente como Almacén de Datos. El
Data Warehouse se caracteriza por ser:

Integrado: los datos almacenados en el Data Warehouse deben integrarse en una
estructura consistente, por lo que las inconsistencias existentes entre los diversos
sistemas operacionales deben ser eliminadas. La información suele estructurarse también
en distintos niveles de detalle para adecuarse a las distintas necesidades de los usuarios.
Temático: sólo los datos necesarios para el proceso de generación del conocimiento del
negocio se integran desde el entorno operacional. Los datos se organizan por temas para
facilitar su acceso y entendimiento por parte de los usuarios finales. Por ejemplo, todos
los datos sobre clientes pueden ser consolidados en una única tabla del Data Warehouse.
De esta forma, las peticiones de información sobre clientes serán más fáciles de
responder dado que toda la información reside en el mismo lugar.
Histórico: el tiempo es parte implícita de la información contenida en un Data
Warehouse. En los sistemas operacionales, los datos siempre reflejan el estado de la
actividad del negocio en el momento presente. Por el contrario, la información
almacenada en el Data Warehouse sirve, entre otras cosas, para realizar análisis de
tendencias. Por lo tanto, el Data Warehouse se carga con los distintos valores que toma
una variable en el tiempo para permitir comparaciones.
No volátil: el almacén de información de un Data Warehouse existe para ser leído, y no
modificado. La información es por tanto permanente, significando la actualización del Data
Warehouse la incorporación de los últimos valores que tomaron las distintas variables
contenidas en él sin ningún tipo de acción sobre lo que ya existía.
E.F. Codd, considerado como el padre de las bases de datos relacionales, ha venido
insistiendo desde principio de los noventa, que disponer de un sistema de bases de datos
relacionales, no significa disponer de un soporte directo para la toma de decisiones.
Muchas de estas decisiones se basan en un análisis de naturaleza multidimensional, que
se intentan resolver con la tecnología no orientada para esta naturaleza. Este análisis
multidimensional, parte de una visión de la información como dimensiones de negocio.
Estas dimensiones de negocio se comprenden mejor fijando un ejemplo, para lo que
vamos a mostrar, para un sistema de gestión de expedientes, las jerarquías que se
podrían manejar para el número del mismo para las dimensiones: zona geográfica, tipo de
expediente y tiempo de resolución. La visión general de la información de ventas para
estas dimensiones definidas, la representaremos, gráficamente como el cubo de la
derecha:

Un gerente de una zona estaría interesado en visualizar la información
para su zona en el tiempo para todos los productos que distribuye, lo
podría tener una representación gráfica como el cubo de la derecha:

Un director de producto, sin embargo querría examinar la distribución geográfica de sus

productos, para toda la información histórica almacenada en el Data Warehouse.
Esto se podría representar como la siguiente figura:
O se podría también examinar los datos en un determinado momento o una visión
particularizada.

A su vez estas dimensiones tienen una jerarquía, interpretándose en el cubo como que
cada cubo elemental es un dato elemental, del que se puede extraer información
agregada. En el ejemplo anterior podría ser:

Otra característica del Data Warehouse es que contiene datos relativos a los datos,
concepto que se ha venido asociando al término de metadatos. Los metadatos permiten
mantener información de la procedencia de la información, la periodicidad de refresco, su
fiabilidad, forma de cálculo, etc., relativa a los datos de nuestro almacén.
Estos metadatos serán los que permitan simplificar y automatizar la obtención de la
información desde los sistemas operacionales a los sistemas informacionales.
Los objetivos que deben cumplir los metadatos, según el colectivo al que va dirigido,
serían:

 Soportar al usuario final, ayudándole a acceder al Data Warehouse con su propio
lenguaje de negocio, indicando qué información hay y qué significado tiene.

Ayudar a construir consultas, informes y análisis, mediante herramientas de
navegación.
 Soportar a los responsables técnicos del Data Warehouse en aspectos de
auditoría, gestión de la información histórica, administración del Data Warehouse,
elaboración de programas de extracción de la información, especificación de las
interfaces para la realimentación a los sistemas operacionales de los resultados
obtenidos, etc.

Para comprender el concepto de Data Warehouse, es importante considerar los procesos
que lo conforman. A continuación se describen dichos procesos clave en la gestión de un
Data Warehouse:

Extracción: obtención de información de las distintas fuentes tanto internas como
externas.
Elaboración: filtrado, limpieza, depuración, homogeneización y agrupación de la
información.
Carga: organización y actualización de los datos y los metadatos en la base de datos.
Explotación: extracción y análisis de la información en los distintos niveles de
agrupación.
Desde el punto de vista del usuario, el único proceso visible es la explotación del almacén
de datos, aunque el éxito del Data Warehouse radica en los tres procesos iniciales que
alimentan la información del mismo y suponen el mayor porcentaje de esfuerzo (en torno
a un 80%) a la hora de desarrollar el almacén.
Las diferencias de un Data Warehouse con un sistema tradicional las podríamos resumir
en el siguiente esquema:

SISTEMA TRADICIONAL DATA WAREHOUSE
 Predomina la actualización  Predomina la consulta

 La actividad más importante es de  La actividad más importante es el
tipo operativo (día a día) análisis y la decisión estratégica

 Predomina el proceso puntual  Predomina el proceso masivo

 Mayor importancia a la estabilidad  Mayor importancia al dinamismo

 Datos en general desagregados  Datos en distintos niveles de detalle y
agregación

 Importancia del dato actual  Importancia del dato histórico

 Importante del tiempo de respuesta  Importancia de la respuesta masiva
de la transacción instantánea

 Estructura relacional  Visión multidimensional

 Usuarios de perfiles medios o bajos  Usuarios de perfiles altos

 Explotación de la información  Explotación de toda la información
relacionada con la operativa de interna y externa relacionada con el
cada aplicación negocio

Una de las claves del éxito en la construcción de un Data Warehouse es el desarrollo de
forma gradual, seleccionando a un departamento usuario como piloto y expandiendo
progresivamente el almacén de datos a los demás usuarios. Por ello es importante elegir
este usuario inicial o piloto, siendo importante que sea un departamento con pocos
usuarios, en el que la necesidad de este tipo de sistemas es muy alta y se pueda obtener
y medir resultados a corto plazo.

Datamart
Datamart: Es un gran almacén de datos al cual puedo consultar rápidamente. Si
escuchaste antes DataWarehouse te diré que es lo mismo simplemente que el Datamart
es a un nivel más pequeño (áreas, jefaturas, etc.) y el Datawarehouse es a nivel de toda
la empresa. ¿Cual me conviene hacer primero? Existen metodologías para decidir eso.
Para que me sirve:
 Conocer a detalle la información de la empresa de manera rápida. Ejemplo: Si tienes una
empresa que vende podrás saber quién te compra y sobre todo podrás averiguar qué
puntos en común tienen esos compradores y enfocarte.
 Si eres parte de la gerencia. Al conocer estos datos podrás tomar decisiones a tiempo.
 Si aplicas a un Datamart algo de Minería de datos podrías encontrar nuevos clientes.
 etc. etc. etc.
Por eso definamos el público al que esta dirigido
Público Objetivo: Personas con conocimientos básicos de:
 Modelado dimensional

 Metodología Kimball
 SQL 2000
 BI (Business Intelligence)
 Cubos OLAP
 OLTP
 ETL

Herramientas:
 SQL 2000 (aún se usa en muchas empresas)
 Analisis Services: Parte del Sql2000
 Excel: Para explotar los cubos creados
 MOWC: Microsfot Office Web Component. Para mostrar tu cubo por web
Escenario de prueba: Perteneces al área de ventas y quieres conocer más a tus
compradores y los productos que han comprado

Cuadro de Mando Integral
El Cuadro de Mando Integral (CMI), también conocido como Balanced Scorecard
(BSC) o dashboard, es una herramienta de control empresarial que permite establecer y
monitorizar los objetivos de una empresa y de sus diferentes áreas o unidades.
También se puede considerar como una aplicación que ayuda a una compañía a expresar
los objetivos e iniciativas necesarias para cumplir con su estrategia, mostrando de forma
continuada cuándo la empresa y los empleados alcanzan los resultados definidos en
su plan estratégico.
Diferencia con otras herramientas de Business Intelligence
El Cuadro de Mando Integral se diferencia de otras herramientas de Business Intelligence,
como los Sistemas de Soporte a la Decisión (DSS) o los Sistemas de Información
Ejecutiva (EIS), en que está más orientado al seguimiento de indicadores que al análisis
minucioso de información. Por otro lado, es muy común que un CMI sea controlado por la
dirección general de una compañía, frente a otras herramientas de Business Intelligence
más enfocadas a la dirección departamental. El CMI requiere, por tanto, que los directivos
analicen el mercado y la estrategia para construir un modelo de negocio que refleje las
interrelaciones entre los diferentes componentes de la empresa (plan estratégico). Una
vez que lo han construido, los responsables de la organización utilizan este modelo como
mapa para seleccionar los indicadores del CMI.

Tipos de Cuadros de Mando
El Cuadro de Mando Operativo (CMO), es una herramienta de control enfocada al
seguimiento de variables operativas, es decir, variables pertenecientes a áreas o
departamentos específicos de la empresa. La periodicidad de los CMO puede ser diaria,
semanal o mensual, y está centrada en indicadores que generalmente representan
procesos, por lo que su implantación y puesta en marcha es más sencilla y rápida. Un
CMO debería estar siempre ligado a un DSS (Sistema de Soporte a Decisiones) para
indagar en profundidad sobre los datos.
El Cuadro de Mando Integral (CMI), por el contrario, representa la ejecución de la
estrategia de una compañía desde el punto de vista de la Dirección General (lo que hace
que ésta deba estar plenamente involucrada en todas sus fases, desde la definición a la
implantación). Existen diferentes tipos de cuadros de mando integral, si bien los más
utilizados son los que se basan en la metodología de Kaplan & Norton. Las principales
características de esta metodología son que utilizan tanto indicadores financieros como no
financieros, y que los objetivos estratégicos se organizan en cuatro áreas o perspectivas:
financiera, cliente, interna y aprendizaje/crecimiento.
La perspectiva financiera incorpora la visión de los accionistas y mide la creación de
valor de la empresa. Responde a la pregunta: ¿Qué indicadores tienen que ir bien para
que los esfuerzos de la empresa realmente se transformen en valor? Esta perspectiva
valora uno de los objetivos más relevantes de organizaciones con ánimo de lucro, que es,
precisamente, crear valor para la sociedad.
La perspectiva del cliente refleja el posicionamiento de la empresa en el mercado o,
más concretamente, en los segmentos de mercado donde quiere competir. Por ejemplo, si
una empresa sigue una estrategia de costes es muy posible que la clave de su éxito
dependa de una cuota de mercado alta y unos precios más bajos que la competencia.
Dos indicadores que reflejan este posicionamiento son la cuota de mercado y un índice
que compare los precios de la empresa con los de la competencia.
La perspectiva interna recoge indicadores de procesos internos que son críticos para
el posicionamiento en el mercado y para llevar la estrategia a buen puerto. En el caso de
la empresa que compite en coste, posiblemente los indicadores de productividad, calidad
e innovación de procesos sean importantes. El éxito en estas dimensiones no sólo afecta
a la perspectiva interna, sino también a la financiera, por el impacto que tienen sobre las
rúbricas de gasto.
La perspectiva de aprendizaje y crecimiento es la última que se plantea en este
modelo de CMI. Para cualquier estrategia, los recursos materiales y las personas son la
clave del éxito. Pero sin un modelo de negocio apropiado, muchas veces es difícil apreciar
la importancia de invertir, y en épocas de crisis lo primero que se recorta es precisamente
la fuente primaria de creación de valor: se recortan inversiones en la mejora y el
desarrollo de los recursos.

Pese a que estas cuatro son las perspectivas más genéricas, no son “obligatorias”. Por
ejemplo, una empresa de fabricación de ropa deportiva tiene, además de la perspectiva
de clientes, una perspectiva de consumidores. Para esta empresa son tan importantes
sus distribuidores como sus clientes finales.
Una vez que se tienen claros los objetivos de cada perspectiva, es necesario definir los
indicadores que se utilizan para realizar su seguimiento. Para ello, debemos tener en
cuenta varios criterios: el primero es que el número de indicadores no supere los siete por
perspectiva, y si son menos, mejor. La razón es que demasiados indicadores difuminan el
mensaje que comunica el CMI y, como resultado, los esfuerzos se dispersan intentando
perseguir demasiados objetivos al mismo tiempo. Puede ser recomendable durante el
diseño empezar con una lista más extensa de indicadores. Pero es necesario un proceso
de síntesis para disponer de toda la fuerza de esta herramienta.
No obstante, la aportación que ha convertido al CMI en una de las herramientas más
significativas de los últimos años es que se cimenta en un modelo de negocio. El éxito de
su implantación radica en que el equipo de dirección se involucre y dedique tiempo al
desarrollo de su propio modelo de negocio.

Beneficios de la implantación de un Cuadro de Riesgos de la implantación de un Cuadro de
Mando Integral Mando Integral
•La fuerza de explicitar un modelo de negocio y •Un modelo poco elaborado y sin la colaboración
traducirlo en indicadores facilita el consenso en de la dirección es papel mojado, y el esfuerzo
toda la empresa, no sólo de la dirección, sino será en vano.
también de cómo alcanzarlo. •Si los indicadores no se escogen con cuidado, el
•Clarifica cómo las acciones del día a día afectan CMI pierde una buena parte de sus virtudes,
no sólo al corto plazo, sino también al largo porque no comunica el mensaje que se quiere
plazo. transmitir.
•Una vez el CMI está en marcha, se puede utilizar •Cuando la estrategia de la empresa está todavía
para comunicar los planes de la empresa, aunar en evolución, es contraproducente que el CMI
los esfuerzos en una sola dirección y evitar la se utilice como un sistema de control clásico y
dispersión. En este caso, el CMI actúa como un por excepción, en lugar de usarlo como una
sistema de control por excepción. herramienta de aprendizaje.
•Permita detectar de forma automática •Existe el riesgo de que lo mejor sea enemigo de
desviaciones en el plan estratégico u operativo, lo bueno, de que el CMI sea perfecto, pero
e incluso indagar en los datos operativos de la desfasado e inútil.
compañía hasta descubrir la causa original que
dio lugar a esas desviaciones.

Sistemas de Soporte a la Decisión (DSS)
Un Sistema de Soporte a la Decisión (DSS) es una herramienta de Business
Intelligence enfocada al análisis de los datos de una organización.
En principio, puede parecer que el análisis de datos es un proceso sencillo, y fácil de
conseguir mediante una aplicación hecha a
medida o un ERP sofisticado. Sin embargo, no
es así: estas aplicaciones suelen disponer de
una serie de informes predefinidos en los que
presentan la información de manera estática,
pero no permiten profundizar en los datos,
navegar entre ellos, manejarlos desde distintas
perspectivas… etc.

El DSS es una de las herramientas más
emblemáticas del Business Intelligence ya que,
entre otras propiedades, permiten resolver gran
parte de las limitaciones de los programas de gestión. Estas son algunas de sus
características principales:
Informes dinámicos, flexibles e interactivos, de manera que el usuario no tenga que
ceñirse a los listados predefinidos que se configuraron en el momento de la implantación,
y que no siempre responden a sus dudas reales.

No requiere conocimientos
técnicos. Un usuario no técnico
puede crear nuevos gráficos e
informes y navegar entre ellos,
haciendo drag&drop o drill
through. Por tanto, para examinar
la información disponible o crear
nuevas métricas no es
imprescindible buscar auxilio en
el departamento de informática.
Rapidez en el tiempo de
respuesta, ya que la base de datos subyacente suele ser un datawarehouse corporativo
o un datamart, con modelos de datos en estrella o copo de nieve. Este tipo de bases de
datos están optimizadas para el análisis de grandes volúmenes de información
Integración entre todos los sistemas/departamentos de la compañía. El proceso de
ETL previo a la implantación de un Sistema de Soporte a la Decisión garantiza la calidad y
la integración de los datos entre las diferentes unidades de la empresa. Existe lo que se
llama: integridad referencial absoluta.
Cada usuario dispone de información adecuada a su perfil. No se trata de que todo
el mundo tenga acceso a toda la información, sino de que tenga acceso a la información
que necesita para que su trabajo sea lo más eficiente posible.
Disponibilidad de información histórica. En estos sistemas está a la orden del día
comparar los datos actuales con información de otros períodos históricos de la compañía,
con el fin de analizar tendencias, fijar la evolución de parámetros de negocio… etc.
Diferencia con otras herramientas de Business Intelligence
El principal objetivo de los Sistemas de Soporte a Decisiones es, a diferencia de otras
herramientas como los Cuadros de Mando (CMI) o los Sistemas de Información
Ejecutiva (EIS), explotar al máximo la información residente en una base de datos
corporativa (datawarehouse o datamart), mostrando informes muy dinámicos y con gran
potencial de navegación, pero siempre con una interfaz gráfica amigable, vistosa y
sencilla.

Otra diferencia fundamental radica en los usuarios a los que están destinadas las
plataformas DSS: cualquier nivel gerencial dentro de una organización, tanto para
situaciones estructuradas como no estructuradas. (En este sentido, por ejemplo, los CMI
están más orientados a la alta dirección).
Por último, destacar que los DSS suelen requerir (aunque no es imprescindible) un motor
OLAP subyacente, que facilite el análisis casi ilimitado de los datos para hallar las causas
raíces de los problemas/pormenores de la compañía.
Tipos de Sistemas de Soporte a Decisiones
Sistemas de información gerencial (MIS)
Los sistemas de información gerencial (MIS, Management Information Systems), también
llamados Sistemas de Información Administrativa (AIS) dan soporte a un espectro más
amplio de tareas organizacionales, encontrándose a medio camino entre un DSS
tradicional y una aplicación CRM/ERP implantada en la misma compañía.

Sistemas de información ejecutiva (EIS)
Los sistemas de información ejecutiva (EIS, Executive Information System) son el tipo de
DSS que más se suele emplear en Business Intelligence, ya que proveen a los gerentes
de un acceso sencillo a información interna y externa de su compañía, y que es relevante
para sus factores clave de éxito.
Sistemas expertos basados en inteligencia
artificial (SSEE)
Los sistemas expertos, también llamados
sistemas basados en conocimiento, utilizan redes
neuronales para simular el conocimiento de un
experto y utilizarlo de forma efectiva para resolver
un problema concreto. Este concepto está muy
relacionado con el datamining.
Sistemas de apoyo a decisiones de grupo
(GDSS)
Un sistema de apoyo a decisiones en grupos
(GDSS, Group Decision Support Systems) es “un
sistema basado en computadoras que apoya a
grupos de personas que tienen una tarea (u objetivo) común, y que sirve como interfaz
con un entorno compartido”. El supuesto en que se basa el GDSS es que si se mejoran
las comunicaciones se pueden mejorar las decisiones.

Cuadro de información ejecutiva
Soluciones que permiten visualizar, de una forma rápida y fácil, el estado de una
determinada situación empresarial, presente o pasada, y que permite detectar anomalías
u oportunidades. Aplicaciones de alto nivel que pretenden, mediante el acceso a las
diferentes bases de datos de una empresa, ofrecer a sus directivos los elementos clave
para que puedan tomar decisiones sobre la marcha de sus negocios. Generalmente el
directivo accede a pantallas gráficas o cuadros de mando en las que se resumen los
elementos más importantes que debe tener en cuenta para la toma de decisiones.
Podrían contestar a la pregunta: ¿que necesito conocer ahora?
Un Sistema de Información para Ejecutivos o Sistema de Información Ejecutiva es
una herramienta software, basada en un DSS, que provee a los gerentes de un acceso
sencillo a información interna y externa de su compañía, y que es relevante para sus
factores clave de éxito.
La finalidad principal es que el ejecutivo tenga a su disposición un panorama completo del
estado de los indicadores de negocio que le afectan al instante, manteniendo también la
posibilidad de analizar con detalle aquellos que no estén cumpliendo con las expectativas
establecidas, para determinar el plan de acción más adecuado.
De forma más pragmática, se puede definir un EIS como una aplicación informática que
muestra informes y listados (query &reporting) de las diferentes áreas de negocio, de
forma consolidada, para facilitar la monitorización de la empresa o de una unidad de la
misma.

El EIS se caracteriza por ofrecer al ejecutivo un acceso rápido y efectivo a la información
compartida, utilizando interfaces gráficas visuales e intuitivas. Suele incluir alertas e
informes basados en excepción, así como históricos y análisis de tendencias. También es
frecuente que permita la domiciliación por correo de los informes más relevantes.
A través de esta solución se puede contar con un resumen del comportamiento de una
organización o área específica, y poder compararla a través del tiempo. Es posible,
además, ajustar la visión de la información a la teoría de Balanced Scorecard o Cuadro
de Mando Integral impulsada por Norton y Kaplan, o bien a cualquier modelo estratégico
de indicadores que maneje la compañía.

Sistema de soporte de decisión
¿Qué es un Sistema de Soporte de Decisión?
Un sistema de soporte a la decisión es una forma de modelar datos y hacer decisiones de
calidad basadas en estos. Tomar la decisión correcta en los negocios se suele basar en la
calidad de sus datos y su capacidad para filtrar y analizar los datos para encontrar las
tendencias en cual usted puede crear soluciones y estrategias. DSS o sistemas de
soporte a las decisiones son generalmente aplicaciones de computador, junto con un
componente humano que puede filtrar a través de grandes cantidades de datos y escoger
entre numerosas opciones.

Mientras mucha gente piensa en un sistema de soporte a la decisión como una parte
especializada de un negocio, la mayoría de las empresas han integrado a este sistema en
sus actividades día a día de explotación. Por ejemplo, muchas empresas constantemente
descargan y analizan datos de ventas, hojas de presupuesto y las previsiones de
actualización, y su estrategia una vez que analizan y evalúan los resultados actuales. Los
Sistemas de soporte a las decisiones tienen una estructura definida en las empresas, pero
en realidad, los datos y las decisiones se basan en que son fluidas y en constante
evolución.

La clave de los sistemas de soporte a la decisión es recoger datos, analizar y dar forma a
los datos que se recogen y, a continuación, tratar de tomar decisiones o la construcción
de estrategias de análisis. Si las computadoras, bases de datos o personas están
involucradas generalmente no importa, sin embargo, es este proceso de toma de datos en
bruto o no estructurados, que contiene y percibe y, a continuación, utiliza la ayuda para
ayudar a la toma de decisiones.
Es importante señalar que si bien los ordenadores y la inteligencia artificial consisten en
trabajar o en jugar con los datos, es decisión de los seres humanos ejecutar estas
estrategias o comprender los datos en una hipótesis utilizable.
Es importante señalar que el campo de DSS no tiene un modelo universalmente
aceptado, lo que significa que hay muchas teorías que rivalizan por la supremacía en este
amplio campo. Debido a que hay muchas de las teorías de trabajo en el tema de DSS,
hay muchas maneras de clasificar el DSS.
Por ejemplo, uno de los modelos disponibles es el DSS con la relación del usuario en
mente. Este modelo toma en consideración modelos DSS pasivos, activos y
cooperativos.

Sistemas de soporte a la decisión que sólo recogen datos y organizan de manera eficaz
se llaman modelos pasivos, no sugieren una decisión específica, y sólo se revelan los
datos. Un soporte activo a la decisión procesa datos y muestra explícitamente soluciones
basadas en los datos. Aunque hay muchos sistemas que son capaces de ser activos,
sería difícil poner toda la fe en un modelo de computador sin intervención humana.
Un sistema cooperativo de soporte a las decisiones del sistema recoge datos, analiza y, a
continuación, se presta a un componente humano, que luego puede ayudar a revisar el
sistema o refinarlo. Esto significa que un componente humano y el ordenador trabajan
juntos para encontrar la mejor solución.
Si bien el modelo DSS tiene la relación del usuario en mente, otro popular modelo DSS
tiene en cuenta la modalidad de asistencia como la base subyacente del modelo DSS.
Esto incluye el Modelo Impulsado DSS, DSS impulsado Comunicaciones, de datos
impulsado por DSS, impulsado por el documento del Departamento de Servicios Sociales,
y el conocimiento impulsado por DSS.
El Modelo Impulsado DSS es cuando la toma de decisiones hace uso de estadística,
simulaciones o modelos financieros para llegar a una solución o estrategia. Tenga en
cuenta que estas decisiones se basan en los modelos, pero no tienen que ser
abrumadoras de datos intensivos.
DSS de comunicación impulsada por los modelos es cuando muchos colaboradores
trabajan juntos para llegar a una serie de decisiones para poner en marcha una solución o
estrategia. Este modelo de comunicaciones impulsados DSS puede estar en un entorno
de oficina o en la web.
Un modelo de datos impulsado por DSS pone su énfasis en los datos recogidos a
continuación, que es manipulado para ajustarse a la decisión de las necesidades del
fabricante. Estos datos pueden ser internos, externos y en una variedad de formatos. Es
importante que por lo general los datos se recogen y clasifican como series de tiempo que
es una colección de datos que forman una secuencia, como el diario de ventas,
presupuestos de funcionamiento de un trimestre a otro, los niveles de inventario con

respecto al año anterior, etc.
Un modelo Documento impulsado DSS utiliza documentos en una variedad de tipos de
datos, como documentos de texto, hojas de cálculo y base de datos de los registros para
llegar a decisiones así como una mayor manipulación de la información para afinar las
estrategias.
Un modelo de conocimiento impulsado por DSS utiliza normas especiales almacenados
en un ordenador o utilizados por una persona para determinar si una decisión debe ser
adoptada. Por ejemplo, para muchos comerciantes diurnos dejar de limitar la pérdida
puede ser visto como un modelo del conocimiento DSS. Estas normas o hechos se
utilizan con el fin de tomar una decisión.
También puede buscar en el ámbito en el que las decisiones se toman como un modelo
de DSS. Por ejemplo, una organización amplia de decisión, departamento de decisión o
de usuario único de decisión, se puede ver en el modelo de alcance amplio.

Bussiness inteligence

Más contenido relacionado

La actualidad más candente (20)

Similar a Bussiness inteligence (20)

Más de Maryy Aqua (9)

Bussiness inteligence