Microsoft Business IntelligenceIntroducción

Salvador Ramos

webmaster@helpdna.net

Salvador Ramos

MVP SQL Server

MCP / MCTS SQL Server

Columnista de dotNetManía

Co-autor de varios libros

Mi web: www.helpdna.netwebmaster@helpdna.net

www.sqlserversi.com

• Business Intelligence (BI)

• OLTP vs OLAP

• Datawarehouse, OLAP

• Proyectos de Inteligencia de Negocio (BI) con herramientas de Microsoft

• Conocimientos necesarios para abordar proyectos de BI

Agenda

Balanced ScorecardPerformance Point 2007

Excel

Demo

• Acceso ad-hoc desde Excel

Business Intelligence

• Procesos, herramientas, y tecnologías para convertir datos en información, e información en conocimiento, de forma que nos ayude en la toma de decisiones.

• Nos permite:

• Convertir los datos en información

• Tomar mejores decisiones rápidamente

• Utilizar un método razonable para la gestión empresarial

Performance Management

ForecastingQué sucederá?

Planning, Budgeting, Consolidation

Qué quiero que suceda?

Pasado, presente y futuro

Reporting

Qué ha sucedido?Scorecards & Dashboards

Qué está sucediendo?

Analytics

Por qué?

EstrategiaEstrategia

8

Performance Management

Reporting

Qué ha sucedido?Scorecards & Dashboards

Qué está sucediendo?

Analytics

Por qué?

EstrategiaEstrategia

9© 2008 Solid Quality Mentors

BI: Herramientas y Componentes

E.T.L.

(SSIS)

data

Warehouse

*relacional*

Informes de usuario

Informes analíticos

(SSRS)

Excel

Sharepoint

BI Portal,

Performance Point 2007

Proclarity

Otros…

cubos

(SSAS)

OLAP

OtrosCRM

ERP

• OnLine Transaction Processing

• Sistemas transaccionales, enfocados a gestionar un gran número de transacciones concurrentes

• Permiten insertar, actualizar, borrar y consultar una pequeña cantidad de registros

• OnLine Analytical Processing

• Enfocados al análisis de grandes cantidades de datos

• Proporcionan respuestas rápidas y complejas

Tecnologías OLTP vs OLAP

Tecnologías OLTP vs OLAP (II)

OLTP

• Orientado a lo operativo (procesos)

• Predomina la actualización

• Se accede a pocos registros

• Datos altamente normalizados

• Estructura relacional

• Rápidos tiempos de respuesta.

• Estructura estática

OLAP• Orientado a temas

• Predomina la consulta.Datos históricos

• Procesos masivos, se accede a muchos registros

• Datos Denormalizados

• Estructura multidimensional• Respuesta masiva, no

inmediata• Estructura dinámica,

abundantes cambios

Sistemas relacionales vs Sistemas OLAP

• Sistemas Relacionales

• Tablas: Información en 2 dimensiones

– Consultas estáticas

– Lentas si leen muchos datos

– Nuevos informes necesitan desarrollo

• Sistemas OLAP (multidimensionales)

• Cubos: Información en N dimensiones

– Consultas dinámicas

– Información al instante

– El usuario diseña con facilidad y flexibilidad sus informes

cubos

SSAScubos

SSAScubos

SSASCUBOS

Dimensiones

• Jerarquías y niveles

o Tiempo (año, trim, mes, dia)

o Geografía (país, prov, poblac)

o Artículo (fam, grupo, art)

• Agregaciones

• Son sumas precalculadas de los datos para acelerar el tiempo de respuesta

• MiembrosProducto1

Producto2

Producto 3

Cubos, dimensiones y medidas

ArticulosPC’s

Monitores

Periféricos

Portátiles

Cableado

Portátiles

06

Tiempo

03 04 05

GeografíaMadrid

Barcelona

Murcia

27 Unidades

28.300€ Importe

26.300€ Costo

2.000€ Benef.

Murcia

06

Mostrar las ventas de

Portátiles

Durante el año 2006

En Murcia

Sistemas OLAP con Datawarehouse

E.T.L.

(SSIS)

data

Warehouse

*relacional*

Informes de usuario

Informes analíticos

(SSRS)

Excel

Sharepoint

BI Portal,

Performance Point 2007

Proclarity

Otros…

cubos

(SSAS)

OLAP

OtrosCRM

ERP

Plataforma Microsoft Business Intelligence

END USER TOOLS & PERFORMANCE MANAGEMENT APPS

ExcelExcel PerformancePoint ServerPerformancePoint Server

BI PLATFORM

SQL Server SQL Server Reporting ServicesReporting Services

SQL Server SQL Server Analysis ServicesAnalysis Services

SQL Server DBMSSQL Server DBMS

SQL Server Integration ServicesSQL Server Integration Services

SharePoint ServerSharePoint Server

DELIVERY

ReportsReports DashboardsDashboards Excel Excel WorkbooksWorkbooks

AnalyticAnalyticViewsViews ScorecardsScorecards PlansPlans

Sistemas transaccionales

• Reporting sobre el relacional

Otros

CRM

ERP

Datawarehouse

• Almacén de datos procedentes de los sistemas OLTP. Repositorio colectivo.

• Almacén “relacional” de datos centralizado

• Datos organizados en grupos temáticos

• Los datos son:

• Consistentes

• Depurados

• Históricos (no volátiles)

• Suministra datos rápida y eficientemente

• Datamarts

• Ralph Kimball (www.kimballgroup.com)

• Bill Inmon (http://www.inmoncif.com)

data

Warehouse

*relacional*

cubos

(SSAS)

OLAP

Datawarehouse (II)

• Almacén de datos procedentes de los sistemas OLTP. Repositorio colectivo

• Almacén de datos centralizado

• Datos organizados en grupos temáticos

• Los datos son:

• Consistentes (ej: qué entendemos por “margen”)

• Depurados (ej: “taller m. garcia”, “taller mec. Garcia)

• Históricos (no volátiles)

• Suministra datos rápida y eficientemente

• Datamarts

Construyendo un DW

• Definir objetivos y requerimientos• Revisar los informes actuales• Investigar todas las posibles fuentes de información que

alimentarán el DW

• Diseño y modelado• Definir las tablas del área intermedia, que alimentarán

dimensiones y tablas de hechos• Realizar los precálculos necesarios• Crear índices y vistas• Elegir el esquema más adecuado:

o Estrella (star)o Copo de nieve (snowflacke)

Construyendo un DW (II)

• Estrategia de extracción y transformación

• Decidir en cada caso si se realizará una extracción completa o incremental

• Diseño del sistema de extracción incremental

• Utilizar triggers, replicación u otras técnicas

• Transformación de los datos

• Asegurar la validez, integridad y utilidad de los datos

• Comprobar que todas las claves externas encuentren valores, y evitar claves nulas

o (ej: sustituirlas por 0 -> ‘Sin familia’)

Diseño de DW

• Ralph Kimball vs Bill Inmon

• http://sistemasdecisionales.blogspot.com/2006/09/inmon-o-kimball-o-cuanto-apreciamos-la.html

• Slowly Changing Dimensions

• Type 0: no changes

• Type 1: overwrite

• Type 2: partitioning history

• Type 3: alternate realities

• Hybrid

• Inferred members (miembros inferidos)

Construyendo un DW

E.T.L.

(SSIS)

data

Warehouse

(relacional)

Otros

CRM

ERP

Area Intermedia 1

Area Intermedia 2

E.T.L.

(SSIS)

E.T.L.

(SSIS)

Y si no puedo construir un DW …

• No puedo utilizar OLAP ?

•SI QUE PUEDO !!! Y debo hacerlo

PROCESAR

Informes de usuario

Informes analíticos

SSRS

Excel

Sharepoint

BI Portal,

Performance Point 2007

Proclarity

Otros…cubos

(SSAS)

OtrosCRM

ERP

Arquitectura Realista

Arquitectura Propuesta

SQL Server 2005

Servicios Análisis

Universal Data Model (UDM)

Arquitectura sin OLAP

Repositorio

SQL Server

2005

OtrosCRM

ERP

AS/400

Arquitectura con OLAP

Repositorio

SQL Server

2005

cubos

(SSAS)

OtrosCRM

ERP

AS/400

Plataforma completa

SSIS /SSAS /SSRS

• DEMO

• Mostrar proyecto desde BIDS

Integration Services

• DEMO

• Mostrar proyecto desde BIDS

Analysis Services

• Exploración y análisis de grandes cantidades de datos con el fin de obtener o descubrir patrones, reglas y tendencias de utilidad.

• En vez de buscar información concreta que tenemos en mente (como hacemos en los cubos), son los algoritmos de minería los que nos devuelven asociaciones , predicciones, etc para que nosotros las analicemos.

Data Mining

• DEMO

• Report Manager (http://localhost/reports)

• Mostrar proyecto desde BIDS

• Report Builder

Acceso a datos Reporting Services

•MultiDimensional eXpressions(Lenguaje de expresiones multidimensionales)

• Es el equivalente a SQL para bases de datos multidimensionales

• También tiene una instrucción SELECT

SELECT <espec-eje>, <espec-eje> …

FROM <espec-cubo>

WHERE <espec-rebanador>

Muy diferente al SELECT de SQL

• Dispone de múltiples funciones avanzadas

Lenguaje MDX

Necesitamos conocimientos de …

• Para construcción de un Datawarehouse (Relacional)

• SQL Server y Transact SQL

• Teoría de construcción de DW, modelado dimensional

• SQL Server Integration Services

• Para Base de datos multidimensional (“cubos OLAP”)

• Modelado dimensional

• SQL Server Analysis Services

• Lenguaje MDX (?)

Necesitamos conocimientos de …

• Reporting Empresarial

• Reporting Services – Admistración

• Reporting Services – Desarrollo de informes

• Monitorización y Analysis

• Sharepoint

• Base teórica sobre KPIs y Performance Management

• Performance Point Server – Monitoring and Analysis

• (Recomendable conocer metodologías como BSC,…)

Preguntas ?

Salvador Ramos

webmaster@helpdna.net

Sígueme en

• http://helpdna.net

• http://sqlserversi.com

• http://youtube.com/sqlserversi

• http://blogs.solidq.com/ES/BICorner

Estamos en contacto

• https://mvp.support.microsoft.com/profile/salvador

• http://twitter.com/salvador_ramos

• http://www.linkedin.com/in/SalvadorRamos

• https://www.xing.com/profile/Salvador_Ramos

• http://facebook.com/profile.php?id=1144972796

webmaster@helpdna.net