INTELIGENCIA DE NEGOCIOS

OBJETIVO GENERAL DEL CURSO

Aplicar Tecnologías Emergentes de Base de Datos para construir soluciones de Inteligencia de Negocios de soporte a la Toma de Decisiones.

1: Componentes del Entorno de Inteligencia de Negocios

1.1. Conceptos básicos.

1.1.1. Data Warehouse.

1.1.2. Data Mart.

1.1.3. Tipos de sistemas de información.

1.1.4. Variables de medición.

1.1.5. Variables de análisis.

1.2. Componentes de la Inteligencia de Negocios.

1.2.1. Minería de Datos.

1.2.2. Administración del Conocimiento.

1.2.3. Aplicaciones Analíticas.

1.2.4. Sistemas de Reportes.

1.2.5. Multidimensionalidad.

1.2.6. Data Warehouse.

1.3. Principales Herramientas de la Inteligencia de Negocios.

2: Base de Datos para la Toma de Decisiones

2.1. Base de Datos Multidimensionales.

2.1.1. DataWareHouse

2.1.2. Data Mart

2.1.3. Sistemas OLTP

2.1.4. Sistemas OLAP

2.1.5. Operaciones Analíticas Básicas de los Sistemas OLAP

2.1.6. Vista de Datos de los sistemas OLAP

2.1.7. Modelo de Datos de los sistemas OLAP.

2.2. Sistemas de Gestión del conocimiento.

2.2.1. Preparación de los Datos.

2.2.2. Minería de Datos.

2.2.3. Patrones.

2.2.4. Evaluación / Interpretación /Visualización.

3: Componentes del Entorno de Inteligencia de Negocios

3.1. Orígenes de datos.

3.1.1. Sistemas operacionales.

3.1.2. Sistemas Heredados.

3.1.3. ERP’s, CRM’s.

3.1.4. Otros.

3.2. Bodegas de datos.

3.2.1. Diseño.

3.2.2. Implementación.

3.3. Procesos de ETL.

3.4. Procesos de Minería de datos.

3.5. Vistas Multidimensionales (hipercubos de datos).

3.6. Reporteadores.

3.7. Alertas, tableros de control (dashboards) e indicadores clave de desempeño (KPI’s).

3.8. Procesadores de consultas ad-hoc.

4: Construcción a la solución de la inteligencia de negocios

4.1. Creación del proyecto final integrando las técnicas y herramientas vistas anteriormente tomando en cuenta cada uno de los componentes para la toma de decisiones en la inteligencia de negocios.

FUENTES DE INFORMACIÓN

1. Margaret H. Dunham. Data Mining: Introductory and Advanced Topics. Prentice Hall.2. J. Han and M. Kamber. Data Mining: Concepts and Techniques. Morgan Kaufmann Publishers.3. D. Hand, H. Mannila and P. Smyth. Principles of Data Mining. MIT Press.4. Ian H. Witten, Eibe Frank. Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations. Morgan Kaufmann Publishers.5. Mehmed Kantardzic. Data Mining: Concepts, Models, Methods, and Algorithms Wiley- IEEE Press.6. Tan, Steinbach, Kumar. Introduction to Data Mining. Addison-Wesley.7. Usama M. Fayyad, Gregory Piatetsky-Shapiro, Padhraic Smyth. Advances in Knowledge Discovery and Data Mining. AAAI/MIT Press.8. Ian H. Witten, Eibe Frank. Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann, 2nd edition.9. Dorian Pyle. Data Preparation for Data Mining. Morgan Kaufmann.10. Daniel T. Larose. Discovering Knowledge in Data : An Introduction to Data Mining. Wiley-Interscience.11. Mastering Data Warehouse Design - Relational And Dimensional Techniques. Ed Wiley. 2003.12. Data Analysis -The Data Warehouse Toolkit - Second Edition. Ed Wiley.13. Building The Data Warehouse – Third Edition. Ed Wiley.14. The Data Warehouse ETL Toolkit. Ed Wiley 2005.15. The Data Warehouse Lifecycle Toolkit. Ed Wiley. 1998.

Competencias específicas:

􀂃 Investigar en distintas fuentes de información los conceptos básicos de la inteligencia de negocios.

􀂃 identificar los componentes de la Inteligencia de Negocios.

􀂃 Identificar las herramientas de la inteligencia de Negocios.

􀂃 Buscar información de sistemas de bases de datos que den soporte a la toma de decisiones.

􀂃 Elaborar esquemas de bases de datos multidimensionales considerando el origen de los datos (base de datos OLTP).

􀂃 Explotar los esquemas de base de datos multidimensionales utilizando herramientas de visualización, pivoteo y consultas en línea.

􀂃 Buscar información sobre los componentes que integran una solución de inteligencia de negocios haciendo una descripción de cada uno de ellos y las tecnologías de información involucradas.

􀂃 Diseñar e implementar un pequeño datawarehouse o datamart definiendo los metadatos necesarios a utilizar en un caso práctico.

􀂃 Buscar información sobre herramientas de análisis que pueden integrarse a soluciones de inteligencia empresarial haciendo una descripción de los usos y aplicaciones que tiene cada una de ellas.

Competencias genéricas:

Competencias instrumentales

• Capacidad de análisis y síntesis.

• Capacidad de organizar y planificar.

• Comunicación oral y escrita.

• Habilidades básicas de manejo de la computadora.

• Habilidad para buscar y analizar información proveniente de fuentes diversas.

• Solución de problemas.

• Toma de decisiones.

Competencias interpersonales

• Capacidad crítica y autocrítica.

• Trabajo en equipo.