Capítulo 1 - Introducción Al Business Intelligence

Programa Business Intelligence SQL Server 2012

Introduccin al Business Intelligence

Objetivo: Al finalizar el captulo, el alumno:

Reconoce la terminologa usada en Inteligencia de negocios. Temas

1. Qu es la Inteligencia de Negocios?

2. Necesidades de negocio insatisfechas por las soluciones tradicionales.

3. Historia y evolucin de los conceptos de Inteligencia de negocios.

4. Visin actual: el proceso de la Inteligencia de Negocios.

5. Conceptos y terminologa comunes en Inteligencia de negocios.

6. Anexos

Introduccin al Business Intelligence 2

1. Qu es la Inteligencia de Negocios?

La Inteligencia de Negocios o Business Intelligence (BI) se puede definir como el proceso de extraer datos de cualquier fuente: archivos o base de datos para transformarlos en informacin, de tal manera que sta apoye a la toma de decisiones de las empresas. BI provee la informacin que requiere el usuario de negocio en la manera como lo desea y en el momento que lo necesite, mejorando enormemente la efectividad para la toma de decisiones, revelando tendencias de negocio no perceptibles fcilmente.


2. Necesidades del Negocio Insatisfechas por las soluciones

tradicionales

Las empresas actualmente poseen las siguientes necesidades de negocios que no pueden ser resueltas por los sistemas tradicionales:

- Pasn ms tiempo recolectando y preparando informacin que analizndola. - Se frustan al no poder encontrar informacin que esta seguro existe en la empresa. - Quieren saber que productos fueron ms rentables durante un periodo de tiempo - No saben cual es el patrn de compra de sus clientes dependiendo de las zonas - Pasan mucho tiempo tratando de hacer que los reportes en Excel luzcan bien. - Han perdido oportunidades de negocios por recibir informacin retrasada. - No sabe con certeza si sus empleados estn alcanzando los objetivos planeados.

Es decir las empresas empiezan a valorar ya no como registrar la informacin sino como recuperarla adecuadamente, ya que han descubierto que siendo esta informacin ms oportuna y exacta, la empresa se volver ms competitiva. Visto as, la informacin corporativa es un activo importante de la empresa que genera valor y la falta de ella generar prdidas. Las organizaciones y sus requerimientos de sistemas de informacin Con el fin soportar la gran cantidad de informacin que maneja una empresa, muchas de ellas despliegan una gran infraestructura tecnolgica que soportan Sistemas de Informacin. El crecimiento tecnolgico tiene varias etapas que van desde la integracin de sistemas, el crecimiento y la implementacin. Las condiciones actuales de competencia ha provocado el que sea necesaria tecnologa cada vez ms sofisticadas para responder a las peticiones muy particulares de informacin. Sistemas de Procesamiento de Datos (SPD), Sistemas de Manufactura, Administracin de Recursos Empresariales (ERP), Sistemas de Informacin Ejecutiva (EIS), Sistemas de Soporte a las Decisiones (DSS), Manejo de Relacin con Clientes (CRM), Suministro de la Cadena de Distribucin (SCM), Sistemas en la nube (CLOUD Computing), etc., son algunos de los sistemas que afloran y se ponen de moda y luego desaparecen acorde a la evolucin de las empresas. Pero algo que no va a desaparecer y es la


necesidad de las empresas de consumir informacin para atender los distintos requerimientos del negocio dependiendo de la funcin que cada empleado desempee en la empresa. La informacin que las empresas necesitan

La informacin se est extendiendo a todo nivel dentro de la organizacin, reas donde la toma de decisiones se basaba en la experiencia o la intuicin requieren cada vez ms de soporte basado en informacin. Si bien es cierto, los niveles operativos y tcticos siempre han requerido de informacin para el da a da del negocio, est no ha estado restringida para su uso. El avance vertiginoso de las tecnologas de la informacin ha permitido que la informacin estratgica sea puesta en las computadoras de los directivos, este comportamiento se ha generalizado principalmente motivado no slo por la facilidad y utilidad de la informacin compartida sino por los software de toma de decisiones cada vez ms sencillos de usar. Actualmente, la informacin es enviada a todos los niveles de la empresa con diferentes fines (comunicacin, control, administracin, evaluacin, planeamiento, etc.). Las organizaciones estn entendiendo que los niveles directivos tienen una gran responsabilidad al tomar decisiones, ya que ellas recaen sobre toda la empresa, pero tambin existen ms empleados que toman decisiones y, a pesar de que stas no tienen un impacto global, deben ser tambin adecuadas y oportunas, pues ciertos grupos dependen de las mismas. Directores, gerentes, supervisores, jefes, coordinadores todos aquellos que toman decisiones deben tener suficiente informacin para apoyarse en su trabajo diario, el lugar que ocupen en la pirmide organizacional se vuelve secundario cuando el enfoque es hacia el manejo de procesos y todos los puestos tienen cierta relacin y dependencia entre s. De manera general dentro de la organizacin, los requerimientos de informacin se dividen en 3 partes:

1. Informacin Estratgica Soporta principalmente las decisiones del primer nivel de la pirmide organizacional, respondiendo a las preguntas estratgicas de la empresa. Su caracterstica principal es que no muestra muchos datos y est asociado a la gerencia visual a travs de indicadores que muestran si se estn alcanzando los objetivos y metas o no a nivel global. Ello permitir saber cmo se encuentra la empresa ahora y poder tomar decisiones oportunas.


2. Informacin Tctica Esta informacin da soporte al segundo nivel de la pirmide organizacional. Est relacionada al plano operativo de la estrategia planteando vas posibles para lograr la estrategia dictada por los ejecutivos y directivos. Esta informacin corresponde a un rea o departamento especfico de la empresa, siendo su alcance departamental y se asocia a gerencias o subdirecciones. 3. Informacin Tcnico Operacional Este nivel de informacin corresponde a la parte operativa de la empresa, compuesta por los sistemas de entrada masiva de datos y procesamiento transaccional. Soporta el da a da del negocio y a sus diversas reas (contabilidad, facturacin, almacn, presupuesto y otros sistemas administrativos). Se asocian a las jefaturas o coordinaciones operativas o de tercer nivel.


3. Historia y evolucin de los conceptos de Inteligencia de Negocios

El concepto de Business Intelligence no es un concepto reciente, hace miles de aos los mayas, incas, fenicios, persas, egipcios y otros pueblos practicaban este principio cuando usaban informacin obtenida de la naturaleza en beneficio propio. Observar y analizar el comportamiento de los astros, las mareas, los perodos de sequa y de lluvias, entre otras, eran maneras de obtener informacin que luego usaban para tomar decisiones que pudieran permitir mejoras en la vida de sus respectivos pueblos. El mundo ha evolucionado pero, el concepto sigue siendo el mismo. La necesidad de relacionar informaciones para realizar una gestin empresarial eficaz y eficiente es hoy una realidad tanto como en el pasado lo fue descubrir si la crecida de la marea sea propicia para obtener una pesca ms abundante. En los aos 60s surgen las tarjetas perforadas como medio de almacenamiento de datos, los transistores como un gran avance electrnico en la arquitectura de computadores y el lenguaje estructurado de programacin COBOL. En esta poca, los ordenadores se mostraban como algo difcil de conocer y el almacenamiento de informacin se realizaba de manera lineal y secuencial. Este nuevo despliegue tecnolgico, es decir, la implementacin de las bases de datos para el procesamiento en lnea, las nuevas tecnologas y los Lenguajes de Cuarta Generacin (4GL), permitieron al usuario la facilitarle el control de los sistemas y de la informacin. Esto dio origen a los primeros Sistemas de Informacin formales. Los Dispositivos de Almacenamiento de Acceso Directo (DASD, Direct Access Storage Device), surgen en los 70s permitiendo que la velocidad de acceso a los datos se mejore enormemente, ya que las bsquedas ya no eran lineales, sino directas. Asimismo, tambin aparecen los Sistemas de Administracin de Bases de Datos (DBMS) que permita al desarrollador el acceso a la informacin al encargarse del almacenamiento e ndices.

A inicios del ao 1990, las ms importantes empresas ya contaban con grandes Centros de Informacin (CI) que funcionaban como repositorio de datos, brindando informacin poco disponible. A pesar de esta limitante, los CI otorgaban de cierta manera, la informacin que los ejecutivos requeran para tomar decisiones. Pero a medida que los aos avanzaron, el


mercado empez a comportarse de un modo ms complejo y cambiante, lo que oblig a que la tecnologa de la informacin comenzara perfeccionando las herramientas de soporte a las decisiones de tal manera que ofrezcan informaciones precisas y en el momento adecuado para poder definir acciones mejorando el desempeo de la organizacin. El concepto de Data Warehouse nace entre los aos 1992 y 1993, este concepto se asocia a una gran base de datos, es decir, un "recipiente - depsito" nico de datos (los cuales pasaron por un proceso de extraccin, transformacin). ste repositorio es la parte fundamental para la ejecucin prctica de un proyecto de Business Intelligence. Pero al hablar de Business Intelligence, encontramos varios puntos de vista. Para algunos autores es muy importante que la empresa que desea implementar herramientas de Business Intelligence cuente con un "repositorio" nico para reunir los datos ya transformados en informaciones. Este "repositorio" no necesariamente es, un Data Warehouse, puede ser algo ms pequeo y menos complejo como, por ejemplo, un Data Mart (banco de datos diseado para reas especficas en forma personalizada), o un banco de datos relacional comn, pero independiente del ambiente transaccional (operacional) y exclusivo para contener informacin que ser usada como base para la realizacin de diversos anlisis y proyecciones. El trmino de Business Intelligence es bastante antiguo. Sin embargo, el avance de la tecnologa de la informacin permiti crear herramientas que facilit en gran medida todo el proceso de extraccin, almacenamiento, consolidacin, filtrado, validacin y disponibilidad de los datos. Gracias a ello, las empresas empezaron a interesarse en las soluciones de BI de una forma ms decisiva, esto a finales de 1996, cuando el concepto se difundi como un proceso de evolucin del Executive Information Systems (EIS) - un sistema creado a finales de la dcada del 70 en el MIT (Massachusets Institute of Tecnology-EUA). El trmino Business Intelligence se extendi hacia otras herramientas como por ejemplo: Executive Information System - Sistema de Informacin Ejecutiva (EIS), soluciones Decision Support System - Sistema de Soporte a las Decisiones (DSS), Balanced Scorecard (Indicadores de Gestin), Dashboard (Cuadros de Mando), ER (Reporteadores Empresariales), Data Marts, Data Mining, Herramientas OLAP, cuyo fin principal es dinamizar la capacidad de tomar decisiones, afinar estrategias de relaciones con los clientes y satisfacer las necesidades del sector empresarial.


4. Visin Actual: el proceso de Inteligencia de Negocios

El proceso de realizar Inteligencia de Negocios es conocido como Datawarehousing y comprenden los siguientes pasos:

1. Extraccin

El proceso de extraccin consiste en estudiar y entender los datos fuente, tomando aquellos que son de utilidad para el Data Warehouse.

2. Transformacin

Una vez que los datos son extrados, stos se transforman. Este proceso incluye correccin de errores, resolucin de problemas de dominio, borrado de campos que no son de inters, generacin de claves, aumento de informacin, etc.

3. Carga e Indices

Al terminar el proceso de transformacin, se cargan los datos en el Data Warehouse.

4. Chequeo de Calidad

Una vez ingresada la informacin al Data Warehouse, se realizan controles de calidad para asegurar que la misma sea correcta.

5. Liberacin/Publicacin

Cuando la informacin se encuentra disponible, se le informa al usuario. Es importante publicar todo cambio que se hayan realizado.


6. Consulta

El usuario final debe disponer de herramientas de consulta y procesamiento de datos. Este proceso incluye consultas ad hoc, reportes, aplicaciones DSS, Data Mining, etc.

7. Feedback

Muchas veces es aconsejable seguir el camino inverso de carga. Por ejemplo, puede alimentarse los sistemas legales con informacin depurada del Data Warehouse o almacenar en el mismo alguna consulta generada por el usuario que sea de inters.

8. Auditoria

Los procesos de auditoria permiten conocer de donde proviene la informacin as como tambin qu clculos la generaron.

9. Seguridad

Una vez construido el Data Warehouse, es de inters para la organizacin que la informacin llegue a la mayor cantidad de usuarios pero, por otro lado, se tiene sumo cuidado de protegerla contra posibles 'hackers', 'snoopers' o espas. El desarrollo de Internet ha incrementado este dilema.

10.Respaldo y Recuperacin

Se deben realizar actividades de backup y restore de la informacin, tanto la almacenada en el Data Warehouse como la que circula desde los sistemas fuente al Data Warehouse.


5. Conceptos y terminologa comunes en Inteligencia de negocios

On Line Transacction Processing (OLTP) El sistema On Line Transaction Processing (OLTP) se encarga de dar soporte a los procesos diarios de ingreso y mantenimiento de datos y son en tiempo real. De esa manera, las aplicaciones OLTP sirven para la captura de las transacciones cotidianas (ventas, compras, control de almacn, cuenta corriente, generacin de notas de crdito, control de la produccin, contabilidad, etc.) y es la fuente principal de datos de las soluciones analticas. Entre las diferencias principales tenemos que las aplicaciones OLTP poseen volatilidad de datos (los datos slo permanecen en el sistema por un periodo corto de tiempo) a diferencia de las soluciones analticas, que requieren de datos histricos para generar diversas perspectivas de anlisis. Otra diferencia es la actualizaciones frecuente de los datos (la informacin es modificada muchas veces en el da), mientras que las aplicaciones analticas realizan operaciones normalmente, de slo lectura. Caractersticas Diseo orientado a la transaccin Volatilidad de los datos Soporte limitado a la toma de decisiones Ejemplos Cobranzas Sistema de control de asistencia Control de almacn


On Line Analytical Processing (OLAP) OnLine Analytical Processing (OLAP) es un proceso en el que se emplean herramientas sofisticadas que permiten agilizar el proceso de anlisis de informacin de la empresa, organizada en perspectivas (dimensiones) y mtricas permitiendo ejecutar anlisis complejos de datos en base a los cuales se tomarn las decisiones del negocio. OLAP permite a los usuarios una fcil y amigable navegacin por la informacin obteniendo el nivel de granularidad (detalle) que requiera para la toma de decisiones. Asimismo, puede generar clculos adicionales en base a los datos existentes. Los servicios OLAP proveen mltiples formas y niveles de anlisis gracias a que los datos se encuentran estructurados con esta finalidad. De esta manera, el usuario puede realizar comparaciones entre periodos anteriores o paralelos, encontrar patrones y tendencias, aislar un grupo de datos con caractersticas especficas para realizar un anlisis ms profundo y sobretodo de una manera amigable, rpida y confiable.

Caractersticas OLAP Es consolidada. La data se centraliza desde diferentes orgenes de datos en un

repositorio central nico a la cual tienen accesos los usuarios de toda la organizacin.

Es consistente. Los usuarios deben obtener una nica versin de los datos no importando de que rea provengan las consultas ni el momento en que ellas se realicen.

Es orientada al objetivo. Slo contiene informacin relevante para la toma de decisiones, de esta manera la orientacin est en cmo se usan los datos y no como se almacenan.

Es histrica. Los sistemas OLAP almacenan toda la informacin histrica de la empresa permitiendo de esta manera, realizar comparaciones entre periodos actuales e histricos.

Es de slo lectura. Los sistema OLAP se disea y optimizan slo para realizar consultas, la operaciones de actualizacin, borrado, etc. son exclusivos de los sistemas transaccionales.

No es atmica. Los sistemas OLAP contienen datos sumarizados que permiten la velocidad en la consulta.

Como se observa en el grfico superior en un modelo de datos OLAP, la informacin es vista como cubos, los cuales consisten de valores cualitativos, atributos (dimensiones) y valores cuantitativos, mtricas (medidas).


Un analista de negocio ve a una consulta analtica en trminos de un cierto nmero de perspectivas de anlisis (dimensiones) tales como productos, cliente, vendedor, tiempo, regiones, fabricantes, o artculos y desea poder analizar un conjunto de valores cuantitativos (cantidades, montos, ratios, etc) de tal manera que usando estos componentes pueda lograr distintas vistas de una misma consulta.

- Ejemplo Para la cadena de tiendas de alquiler de videos que posee 3 sucursales, el

sistema OLAP le permite presentar informacin consolidada por cada sucursal, compararla y tomar decisiones apropiadamente.

Sin embargo, la tienda de alquiler de videos tambin deseara ver cmo se desarrollan las ventas en el tiempo. Para hacer esto, se necesitaran varias hojas de clculo.

De esta manera, las medidas que deseamos visualizar del negocio se encontrarn almacenadas en la interseccin de las perspectivas de anlisis, en sectores llamados celdas del cubo, como se grafica a continuacin:

Siguiendo con el ejemplo anterior, con este cubo podemos ahora tomar rebanadas del mismo para responder preguntas como: Cunto se alquila por categora de video en cada tienda en un mes dado? Categora de video por tienda en un mes dado


Qu tiendas han mejorado sus alquileres de video dado a travs del

tiempo? Tienda por tiempo de una categora de video dado Cunto se alquila por categora de video a travs del tiempo en una tienda

dada? Categora de video por tiempo en una tienda dada

Sistemas OLTP vs OLAP

En cuanto a las soluciones transaccionales y las soluciones Data Warehousing tambin tenemos diferencias:

Frecuencia de actualizacin: las soluciones transaccionales se encuentran en tiempo real, mantiendo la data actualizada. En cambio, las soluciones Data Warehousing, poseen una periodicidad de carga: diario, semanal, mensual, etc, pudiendo estar sus datos en tiempo real o cercano al tiempo real.

Estructurado para responder a las transacciones diarias de la empresa y diseada para conservar una alta integridad de datos, a diferencia de ello, las soluciones Data Warehousing estn estructurados para proporcionar facilidad y velocidad en la consulta.

Optimizado para las soluciones transaccionales estn optimizados para el registro diario de las operaciones del negocio. Las soluciones Data Warehousing estn optimizados para la consulta, de tal forma que se d la manera ms amigable y rpida.


Data Warehouse

Entonces podemos definir que un Data Warehouse es una coleccin de datos en la cual, se encuentra integrada la informacin de la Institucin y que es usada como soporte para el proceso de toma de decisiones gerenciales. Reunir los elementos de datos apropiados desde diversas fuentes de aplicacin en un ambiente integral centralizado, simplifica el problema de acceso a la informacin y en consecuencia, acelera el proceso de anlisis, consultas y disminuye el tiempo de acceso a la informacin. Las aplicaciones para soporte de decisiones basadas en un Data Warehouse, pueden hacer ms prctica y fcil la explotacin de datos. De esa forma, podemos obtener una mayor eficacia en la toma de decisiones, que no se logra cuando se usan slo los datos que provienen de las aplicaciones operacionales (que ayudan en la operacin de la empresa en sus operaciones cotidianas) en los que la informacin se obtiene realizando procesos independientes y muchas veces complejos. Un Data Warehouse se crea al extraer datos desde una o ms bases de datos de aplicaciones operacionales. La data extrada es transformada para eliminar inconsistencias y resumir si es necesario y luego, cargarlas en el Data Warehouse. El proceso de transformar, crear el detalle de tiempo variante, resumir y combinar los extractos de datos ayuda a crear el ambiente para el acceso a la informacin institucional. Este nuevo enfoque ayuda a las personas individuales, en todos los niveles de la empresa, a efectuar su toma de decisiones con mayor objetividad.

Datamart

Caractersticas

Orientado a un departamento dentro de la organizacin Puede ser implementado como una solucin para problemas inmediatos No es necesario para construir un Data Warehouse.

Beneficios

Implementacin rpida y sencilla Menor costo de implementacin Cubre necesidades especficas del Negocio Respuestas rpidas por el menor volumen de informacin Asegura la consistencia de los datos El empleo de los Datamarts estar determinado por los que toman decisiones. Por ejemplo en una empresa, el gerente de ventas necesitar analizar la informacin de su rea, es decir las ventas de la empresa.

Desventajas

Inadvertidamente se puede usar datos no compatibles con otros Datamarts que luego

alarguen el tiempo de unificacin Si el Data Warehouse es construido primero, se requiere de hardware adicional para

soportar Datamarts individuales. Datos descentralizados debido a que cada Datamart corresponde a una base de datos

individual por tema o por rea.


Metadata

La metadata es definido como los datos acerca de los datos, es considerado como el diccionario de datos del Data Warehouse.

La Metadata abarca todos los procesos de Data Warehousing y contiene los siguientes elementos:

Nombres de campos y definiciones Mapeo de los datos Tablas ndices Cronogramas de extraccin y carga Criterios de seleccin Clculos de los datos derivados Transformacin de los datos

Existes 3 tipos de Metadatos y se mencionan a continuacin:

Metadata del Negocio: Contiene los modelos lgicos y las reglas de negocio.

Metadata Tcnica: Contiene los nombres fsicos de las tablas, ubicacin de

almacenamiento, relaciones, llaves, etc.

Metadata Operacional: Contiene la programacin de cargas, fechas de refrescos de datos, seguridad.


6. Anexos: Casos de xito en Inteligencia de Negocios

WallMart

Pionero en el uso de la informacin para identificar nuevas oportunidades de mercado

Uso de datamining masivo, solucin basada en Teradata

Caso Clsico: Paales y Cerveza Es, sin duda, uno de los ejemplos ms clsicos de la llamada Business Intelligence (BI), utilizado en las escuelas de negocio de todo el mundo para ilustrar cmo el anlisis de los datos de los clientes puede llevar a conclusiones interesantes y aprovechables en el contexto del denominado Market-Basket Analysis: la correlacin entre los paales y la cerveza. Estos dos productos, aparentemente sin ninguna relacin, protagonizan esta historia que los profesores y estudiantes de marketing suelen atribuir a lo que ocurri en los hipermercados WalMart, cuando se empez a utilizar por primera software analtico para combinar el anlisis de los datos de compras de algunas personas obtenidos gracias a sus tarjetas de fidelizacin Segn la historia, se descubrieron una serie de asociaciones, algunas perfectamente obvias, como que las personas que compraban cereal tambin compraban leche, o los que compraban ron, tambin compraban Coca-Cola, y una completamente inesperada: paales y cerveza. Aparentemente, los clientes masculinos cuando compraban paales el fin de semana, tenan adems una gran tendencia a adquirir tambin cerveza. De ah surgi toda una amplia gama de teoras psicolgicas sobre cmo los hombres, cuando eran enviados por paales al supermercado, asociaban la idea con la de obtener alguna recompensa para ellos, o relacionaban el fin de semana con tomar cerveza y, a pesar de ser ya padres, realizaban una accin de solteros, que seguramente era aprobada en sus hogares ya que la diferencia era que estos hombres beban dentro de su casa. Como resultado del descubrimiento de esta correlacin, segn sus estadsticas, el hipermercado decidi mover la cerveza y ponerla al lado de los paales, y obtuvieron gracias a ello un incremento de ventas bastante importante.


NBA

Un resultado interesante fue uno hasta entonces no observado por los entrenadores de los Knicks de Nueva York. El doble marcaje a un jugador puede generalmente dar la oportunidad a otro jugador de encestar ms fcilmente.

Mezcla datos de jugadores de baloncesto con imgenes de partidos para encontrar patrones y apoyar a la generacin de estrategias.

Advanced Scout, basado en IBM DB2 Universal Database, IBM DB2 Intelligent Miner y Virtual Gold's VirtualMiner

AC MILAN

El sistema, creado por Computer Associates International, es alimentado por datos de cada jugador, relacionados con su rendimiento, alimentacin y respuesta a estmulos externos, que se obtienen y analizan cada quince das.

Actualmente el sistema permite predecir alguna posible lesin.

El club est ahorrando dinero evitando comprar jugadores que presenten una alta probabilidad de lesin

ODYSSEY

Gobierno Espaol enjuicia a la empresa Odyssey por apoderarse de 18 toneladas de monedas de Oro.

Un espectacular sistema de tratamiento de datos llamado Data Mining. Su funcionamiento es sencillo: se introducen en una base de datos todas las variables imaginables, desde los lugares en los que hay barcos hundidos hasta las corrientes marinas predominantes, los puntos ms habituales de tormentas o las rutas que probablemente utilizara cada capitn. De todo ese cctel, se extrae un modelo que indica, con una fiabilidad impresionante, en qu puntos exactos hay ms probabilidades de hallar un tesoro. A partir de ese momento, y despus de aos de paciente estudio, esa computadora proporciona a Odyssey un detallado y gigantesco mapa del tesoro sin necesidad de escudriar todo el fondo del Atlntico o el Mediterrneo

SUNAT

SAS, el lder en Inteligencia de Negocios, anunci hoy que la SUNAT, ha logrado una mejor deteccin de la subvaloracin de mercancas en la principal aduana peruana, al incrementar en 14 puntos porcentuales el xito en los hallazgos en el Proceso de Seleccin de Canales de Control.

SUNAT es la primera entidad tributaria en latinoamrica en emplear con xito tcnicas de Minera de Datos en la lucha contra el contrabando y la subvaluacin.

Solucin sobre plataforma SAS, Oracle, Informix, Java.


Laboratorio N 1

Capítulo 1 - Introducción Al Business Intelligence

Documents

Transcript of Capítulo 1 - Introducción Al Business Intelligence