Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 33 vistas

    Proyecto Final Elpidio Presentacion Videos

    Cargado por

    Chema Delgado
    Este documento presenta un proyecto de Business Intelligence para una empresa de autopartes. El proyecto construirá una base de datos transaccional y un Data Warehouse para almacenar y analizar datos de ventas. Se diseñarán cubos OLAP y se aplicará regresión lineal para predecir ventas futuras basadas en variables como precios y economía. El objetivo general es proponer requisitos de análisis para medir indicadores clave del negocio y apoyar la toma de decisiones.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd

    Proyecto Final Elpidio Presentacion Videos

    Cargado por

    Chema Delgado
    33 vistas18 páginas
    Este documento presenta un proyecto de Business Intelligence para una empresa de autopartes. El proyecto construirá una base de datos transaccional y un Data Warehouse para almacenar y analizar datos de ventas. Se diseñarán cubos OLAP y se aplicará regresión lineal para predecir ventas futuras basadas en variables como precios y economía. El objetivo general es proponer requisitos de análisis para medir indicadores clave del negocio y apoyar la toma de decisiones.

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta un proyecto de Business Intelligence para una empresa de autopartes. El proyecto construirá una base de datos transaccional y un Data Warehouse para almacenar y analizar datos de ventas. Se diseñarán cubos OLAP y se aplicará regresión lineal para predecir ventas futuras basadas en variables como precios y economía. El objetivo general es proponer requisitos de análisis para medir indicadores clave del negocio y apoyar la toma de decisiones.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    33 vistas18 páginas

    Proyecto Final Elpidio Presentacion Videos

    Cargado por

    Chema Delgado
    Este documento presenta un proyecto de Business Intelligence para una empresa de autopartes. El proyecto construirá una base de datos transaccional y un Data Warehouse para almacenar y analizar datos de ventas. Se diseñarán cubos OLAP y se aplicará regresión lineal para predecir ventas futuras basadas en variables como precios y economía. El objetivo general es proponer requisitos de análisis para medir indicadores clave del negocio y apoyar la toma de decisiones.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    Está en la página 1de 18

    Proyecto Final

    Victor Manuel Morales Sauz


    Jose Maria Escoto Delgado
    Jose Jesus Jilote Arriaga
    Introducción
    BUSINESS INTELLIGENCE
    Business Intelligence es un nombre dado a un conjunto de herramientas
    utilizadas por una entidad para optimizar su rendimiento, haciendo un uso
    inteligente de la información.
    Principales ventajas del Business Intelligence:
    • Ahorro en costos y tiempos
    • Aumento de la fiabilidad de los resultados
    • Nuevas oportunidades de negocio
    • Posibilidad de anticiparse a las necesidades de los clientes
    • Incremento en la eficiencia
    • Respuestas oportunas a las preguntas del negocio.
    OBJETIVOS
    General Específicos

    Mediante una base de datos ● Construir un Dataware House para agrupar la


    transaccional y al giro del negocio de información..
    una empresa, proponer los
    requerimientos de análisis, con lo que ● Diseñar cubos OLAP para consultar información
    se definirán los indicadores del mismo, la cual nos oriente al momento de decidir.
    pasando por varias fases el cuales
    son: el modelado analítico, la ● Con la información ya obtenida aplicar el método
    implementación de estructuras de las de Regresión Lineal para la predicción de la
    bases de datos intermedia y misma.
    multidimensional (Dataware House), el
    proceso de ETL, la explotación de ● Establecer una conclusión de los datos
    datos, su publicación y análisis de procesados .
    resultados, como por ende con su
    conclusión final.
    METODOLOGÍA
    1. Selección de las tablas de la base de Datos “Autopartes”.
    2. Analizar la base de datos relacional para a partir de
    la misma generar la intermedia.
    3-La Creación del script de la base de datos intermedia
    y posteriormente crear la base de datos.
    4. Un análisis de la base de datos intermedia para crear
    el DWH.
    5. Generar el script del DWH y la creación del mismo.
    6. Crear un proyecto de “Integration Services” en “Visual Studio” para la
    extracción de los datos de la base de datos de “Autopartes” y su carga a la
    base de datos intermedia.
    Consultas necesarias para la extracción de datos y la
    carga de la base de datos intermedia
    7-Ya cargada la base de datos intermedia hacer un proceso similar al
    punto 6 para la extracción de los datos en la base de datos intermedia y
    su carga al DWH.
    8-Creación de una base de datos “multidimensional y de minería de datos”
    de “Analysis Services” en “Visual Studio” para la extracción de los datos
    del DWH y la generación del CUBO OLAP.
    Exportar los datos del CUBO OLAP creado en el
    punto 8 para su visualización gráfica por medio de
    EXCEL
    Conclusión de la tabla y gráfica

    De los resultados obtenidos de la comparación del total de ventas


    realizadas por categoría de producto, se pudo observar que los tres
    grupos que más se vendían en Autopartes son filtros para aceite,
    aceite sintetico y filtro del aire,
    MINERÍA DE DATOS (data mining)
    Regresión Lineal.

    El objetivo del análisis de regresión como método causal es pronosticar la demanda a


    partir de una o más causas (variables independientes), las cuales pueden ser por
    ejemplo el tiempo, precios del producto o servicio, precios de la competencia,
    economía del país, acciones del gobierno o fomentos publicitarios que son variables
    que no se pueden dejar pasar por alto.
    Resultados de aplicar regresión lineal
    Gráfico aplicando el algoritmo de regresión lineal

    También podría gustarte