Business Intelligence Roadmap the Complete Project Lifecycle for Decision Support Applications Larissa T. Moss; Shaku At

Document Sample
Business Intelligence Roadmap the Complete Project Lifecycle for Decision Support Applications Larissa T. Moss; Shaku At Powered By Docstoc
					Business Intelligent
    Roadmap
      Ricardo Pérez
     Business Intelligent
Business Intelligent no es un producto ni
un sistema.
Es una arquitectura y una colección de
aplicaciones y bases de datos integradas
y orientadas al soporte de decisiones que
provee un acceso fácil a los datos del
negocio.
Business Intelligent facilita
Análisis multidimensional (como por
ejemplo OLAP).
Data Mining.
Análisis del negocio.
Predicciones a partir de análisis.
Consulta, reportes y gráficos de los datos.
Administración del conocimiento.
Características de los proyectos
              de BI
Las aplicaciones de BI están mayormente orientadas por
las oportunidades de negocio, más que por las
necesidades del negocio.
Las aplicaciones de BI implementan una estrategia inter-
organizacional en lugar de una orientada a
departamentos aislados.
Los requerimientos de BI son mayormente de
información más que requerimientos funcionales
El análisis de los proyectos de BI enfatizan el análisis
del negocio más que el análisis del sistema. Y el análisis
es la actividad más importante en el desarrollo de un
proyecto de BI.
     Problemas Comunes
Dificultades para entender la complejidad
de los proyectos de BI.
Ausencia de Representantes del negocio.
Falta de análisis del negocio y actividades
no estandarizadas
No apreciación del impacto que tiene la
información basura sobre la rentabilidad
del negocio.
Deficiente manejo del proyecto.
Pasos a Seguir
     Paso 1. Justificación
Se define el problema ó la oportunidad del
negocio y una solución de BI es
propuesta.
Cada aplicación de BI debe justificar los
costos y debe definir claramente los
beneficios de resolver el problema del
negocio o de aprovechar la oportunidad
del negocio.
Determine las motivaciones
Identifique las motivaciones, las
estrategias, las metas del negocio y los
objetivos de la aplicación de BI.
Asegúrese que los objetivos de la
aplicación de BI soporten las metas
estratégicas del negocio.
        Analice el negocio
Necesidades de Información
Tipos de fuentes de datos
   Datos Operacionales
   Datos Privados
   Datos Externos
Calidad de las fuentes de datos
  Análisis costo-beneficio
Incremento de los ingresos
Incremento de las ganancias
Incremento en la satisfacción del cliente
Reducción de los gastos
Incremento en la
participación en el
mercado
    Determine el Riesgo
La tecnología usada para la implementación
del negocio.
La complejidad de las capacidades y procesos
a ser implementados.
La integración entre varios componentes y
datos.
La organización y su soporte tanto financiero
como moral.
Las capacidades del equipo de trabajo, su
actitud y el nivel de acuerdo entre ellos.
La inversión financiera en términos del ROI
   Paso 2. Evaluación de la
infraestructura de la empresa
Infraestructura técnica: incluye hardware,
software, middleware, DBMS, sistemas
operativos, componentes de red, repositorios
de metadatos, entre otros.
Infraestructura no técnica: incluye los
estándares de los metadatos y del nombrado
de los datos, el modelo lógico de los datos,
metodología, guías, procedimientos de testeo,
procedimientos para el control de problemas y
la resolución de disputas, entre otros.
Evaluación de la Infraestructura
           Técnica
Esta evaluación debe determinar la
escalabilidad y limitaciones del hardware, el
middleware, los DBMS y las demás
herramientas de la aplicación.
La importancia de este paso radica en que la
tecnología avanza muy rápido, y si no se esta
actualizado ni se aprovechan las nuevas y
características, pueden tornar la aplicación de BI
en un dinosaurio extinto en muy corto tiempo.
Evaluación de la Infraestructura
         No Técnica
Usualmente se busca reducir el riesgo,
dividiendo un problema complejo en partes más
pequeñas y manejables. Sin embargo este
punto de vista tiene un serio inconveniente
cuando se aplica sin una infraestructura no
técnica.
Una organización necesita crear una
infraestructura no técnica para prevenir que el
entorno de BI se vuelva fragmentado al igual
que los tradicionales entornos de soporte de
decisiones, desde el cual las preguntas inter-
organizacionales no pueden ser contestadas.
Paso 3. Planeación del Proyecto
Los proyectos de BI son extremadamente
dinámicos. Cambios en el alcance del
proyecto, el equipo de trabajo, el
presupuesto, la tecnología y los
representantes del negocio pueden
impactar en gran medida el buen termino
de un proyecto. Por tal razón la
planeación del proyecto debe ser
detallada y los progresos deben ser
monitoreados y reportados.
   Definición del Proyecto
Metas y objetivos
Alcance (lo que se espera del proyecto)
Riesgos
Reglas (Constraints)
Asunciones
Procedimientos para el control de cambios
Procedimientos para el control de problemas
      Creando el Proyecto
Crear una lista de las actividades, tares y sub-
tareas
Estimar el tiempo requerido para estas
actividades, tareas y sub-tareas
Asignar recursos a las actividades, tareas y sub-
tareas
Determinar la dependencia entre las tareas
Determinar la dependencia entre los recursos
Determinar el camino critico basado en las
dependencias
Crear el plan detallado del proyecto.
   Paso 4. Definición de los
 Requerimientos del Proyecto
Determinar el alcance del proyecto es una de
las más difíciles tareas. El deseo por tener todo
al instante es difícil de evitar, pero evitar ese
deseo es el aspecto más importante al momento
de negociar los requerimientos para cada etapa.
Los equipos de desarrollo deben esperar que
los requerimientos cambien a medida que las
personas conocen las posibilidades y
limitaciones de la tecnología de BI.
Requerimientos Generales del
          Negocio
Las estrategias de mercadeo usualmente
impulsan las iniciativas de BI en las
organizaciones debido al constante reto
de mantenerse con la competencia y
conservar la participación en el mercado.
En un sentido muy amplio es el marketing
el que enfoca el esfuerzo en adquirir más
conocimiento acerca del negocio, en
particular acerca de los clientes.
Requerimientos en la Calidad de
          los Datos
La calidad de los datos puede ser discutida por medio
de entrevistas.
Las preguntas a realizar estan enmarcadas en tres
categorías:
    Calidad de los datos existentes: Cada entrevistado puede
     tener su propio punto de vista acerca de lo que esta limpio y lo
     que no lo esta.
    Calidad deseada de los datos: “Knowledge workers” son
     típicamente más tolerantes a trabajar con información basura
     que los ejecutivos del negocio.
    Priorización en la limpieza de los datos: La información critica
     e importante debe ser separada de los datos insignificantes.
Requerimientos específicos del
          Proyecto
Los requerimientos del sistemas deben ser
dados en términos del negocio, y deben
describir el problema del negocio a ser resuelto
como también el criterio a aceptación de a
aplicación de BI.

Recuerde: Una lista precompilada de deseos en
cuanto a elementos de datos y una lista de
seudo-reportes NO es una definición de
requerimientos.
Paso 5. Análisis de los datos
El mayor reto para todos los proyectos de BI, es
la calidad de la fuente de datos. Malos hábitos
desarrollados por décadas son difíciles de
romper, y los daños resultado de malos hábitos
son muy costosos, requieren tiempo y son
tediosos para buscar y corregir.
Adicionalmente, en el pasado el análisis de
datos se enfocaba en una sola vista del negocio
y nunca se consolidaba con las otras vista de la
organización.
Este paso toma un porcentaje importante del
tiempo asignado al proyecto entero.
Top-Down Logical Data Modeling
 La técnica más efectiva para descubrir y documentar la
 vista entera de los datos inter-organizacionales es el
 modelado Entidad-Relación, también conocido como
 Modelo Lógico de Datos.
 Si la organización sigue la buena práctica de crear
 modelos lógicos para cada una de las unidades
 operacionales y los une todos ellos (con el tiempo) en un
 modelo lógico empresarial, el esfuerzo dedicado al
 desarrollo de un proyecto de BI puede ser
 significativamente reducido. Esto permitiría al equipo del
 proyecto aumentar la velocidad de entrega de
 información importante a las personas del negocio.
Modelo Lógico Empresarial
Bottom-Up Source Data Analysis
 El análisis de datos no puede detenerse
 después del modelado lógico top-down porque
 usualmente la fuente de datos no sigue las
 reglas y políticas del negocio capturadas
 durante las sesione de modelado.

 Si el análisis bottom-up no se realizara, los
 problemas de datos y las violaciones a las
 reglas del negocio se descubrirían solo hasta
 que el proceso de ETL fuera implementado.
    Riesgos de no realizar un
        Análisis de Datos
El análisis de datos involucra el modelado lógico de los
datos, la arqueología de datos (el proceso de encontrar
malos datos) y la limpieza de datos.
Usualmente cuando se mide el éxito de un aplicación de
BI en función de la velocidad en lugar de la calidad, se
ven las labores de análisis de datos como una perdida
de tiempo y esto conlleva a que en lugar de eliminar los
actuales problemas de datos, los combinen todos en la
aplicación de BI.
Este paso es el mayor diferenciador entre los sistemas
tradicionales y uno inter-organizacional.
El análisis de datos fuerza a los consumidores y a los
dueños de los datos a reconstruir una vista inter-
organizacional, limpiando su costoso caos de datos.
Paso 6. Project Prototyping
El análisis de las entregas funcionales, que
usualmente se denomina análisis de sistemas,
es mejor logrado a través de prototipos lo que
permite combinarlo con el diseño de la
aplicación.
Con las nuevas herramientas y lenguajes de
programación es posible que los desarrolladores
aprueben o desaprueben un concepto o una
idea.
Además por medio de los prototipos se permite
a las personas del negocio los limites de la
tecnología, lo que les da la oportunidad de
ajustar sus requerimientos y expectativas.
Paso 7. Análisis del repositorio
         de Metadatos
Al disponerse de mas herramientas se tienen también
mas metadatos adicionales a los metadatos del negocio.

Los metadatos técnicos deben ser mapeados a los
metadatos del negocio y todos estos metadatos deben
ser almacenados en un repositorio de metadatos.
 Paso 8. Diseño de la Base de
            Datos
Una o mas de las bases de datos deben
ser almacenadas en su forma agregada,
esto depende del tipo de reportes que
necesite la comunidad del negocio. No
todos los reportes son estratégicos y no
todos ellos son multidimensionales.
   Paso 9. Diseño del ETL
El proceso de ETL es el más complicado
de todo el proyecto de BI y a la vez el
menos glamoroso.
Paso 10. Diseño del Repositorio
         de Metadatos
Si el repositorio de los metados es licenciado,
puede implicar que debe ser extendido con
características que fueron definidas en el meta
modelo lógico pero que no son proveídas por el
producto.
Si el repositorio de los metadatos se construye,
se debe decidir si el diseño se basará en el
modelo entidad-relación o si será orientado a
objetos. En cualquiera de los casos, el diseño
tiene que cumplir con los requerimientos del
meta modelo lógico.
Paso 11. Desarrollo del ETL
Existen muchas herramientas disponibles para
realizar el proceso de ETL, unas mas
complicadas que otras, dependiendo de los
requerimientos en la transformación y limpieza
de los datos.
Según el análisis de los datos (paso 5) y el
diseño del ETL (paso 9), una herramienta ETL
puede o no ser la mejor opción.
En cualquier caso, se requiere frecuentemente
preprocesar los datos y escribir extensiones
para complementar las capacidades de las
herramientas ETL.
    Paso 12. Desarrollo de la
          Aplicación
Una vez que el desarrollo de prototipos ha
cumplido con los requerimientos técnicos,
comienza el verdadero desarrollo de una
aplicación para acceder y analizar.
Desarrollar una aplicación puede ser
simplemente finalizar un prototipo operacional o
puede implicar un desarrollo que envuelva
herramientas de acceso y análisis más robustas.
En cualquier caso, el desarrollo de la aplicación
de Front-End puede ser realizado en paralelo
con el desarrollo del ETL y el repositorio de
metadatos.
 Paso 13. Minería de Datos
Muchas organizaciones no usan su entorno de
BI al máximo. Usualmente las aplicaciones
están limitadas a un limitado número de
reportes pre-escritos de los cuales muchos son
solo reemplazos de los viejos reportes.
La verdadera ganancia viene de la información
que esta escondida en los datos de la
organización, que puede ser descubierta solo
usando herramientas de bases de datos.
    Paso 14. Desarrollo del
    Repositorio de Metadata
Si la decisión tomado fue la de desarrollar
el repositorio de metadatos, entonces otro
equipo es encargado de dicho desarrollo,
lo que lo convierte en un sub-proyecto de
considerable tamaño dentro de todo el
proyecto de BI.
  Paso 15. Implementación
Una vez que los equipos han terminado y
probado todos los componentes de la aplicación
de BI, se planea un entrenamiento para las
personas del negocio que usarán la aplicación
de BI y el repositorio de metadatos.

Las funciones de soporte comienzan, lo que
incluye help-desk, mantenimiento de las bases
de datos, programación y puesta en marcha de
los procesos batch de ETL, monitoreo del
performance y el tuning de la base de datos.
Paso 16. Evaluación de producto
              final
 Con el concepto del lanzamiento de una aplicación, es
 muy importante beneficiarse de las lecciones aprendidas
 de los proyectos anteriores.
 Cualquier deadline no alcanzado, sobre costos, las
 disputas y la resolución de las mismas, deben ser
 analizadas para hacer los respectivos ajustes antes que
 una nueva versión sea lanzada.

 Cualquier herramienta, técnica, guía y/o proceso que no
 fuera útil, debe ser reevaluado y ajustado o
 posiblemente descartado.
Tomado del libro

Business Intelligence Roadmap: The
 Complete Project Lifecycle for Decision-
 Support Applications
Larissa T. Moss, Shaku Atre

Publisher:    Addison Wesley
Pub Date:     February 28, 2003
ISBN:         0-201-78420-3
Pages:        576

				
DOCUMENT INFO
Description: Business Intelligence Roadmap the Complete Project Lifecycle for Decision Support Applications Larissa T. Moss; Shaku Atre document sample