Syllabus

IFF-1016 INTELIGENCIA DE NEGOCIOS

DR. JOSE MANUEL LIRA TURRIZA

jmlira@itescam.edu.mx

Semestre Horas Teoría Horas Práctica Créditos Clasificación
8 3 2 5 Ingeniería Aplicada

Prerrequisitos
  • Diseñar y manipular bases de datos relacionales
  • Administrar bases de datos utilizando sistemas de gestión de base de datos.

Competencias Atributos de Ingeniería
Identificar los conceptos básicos de la inteligencia de negocios   Reconocer la necesidad permanente de conocimiento adicional y tener la habilidad para localizar, evaluar, integrar y aplicar este conocimiento adecuadamente
Identificar las herramientas de la Inteligencia de negocios   Reconocer la necesidad permanente de conocimiento adicional y tener la habilidad para localizar, evaluar, integrar y aplicar este conocimiento adecuadamente
Identificar los componentes de la inteligencia de negocios   Reconocer la necesidad permanente de conocimiento adicional y tener la habilidad para localizar, evaluar, integrar y aplicar este conocimiento adecuadamente
Explotar los esquemas de base de datos multidimensionales utilizando herramientas de visualización, pivoteo y consultas en línea   Identificar, formular y resolver problemas de ingeniería aplicando los principios de las ciencias básicas e ingeniería
Construir una solución de inteligencia de negocios para un caso práctico   Trabajar efectivamente en equipos que establecen metas, planean tareas, cumplen fechas límite y analizan riesgos e incertidumbre
Diseñar un pequeño datawarehouse o datamart definiendo los metadatos necesarios a utilizar para integrarse a soluciones de inteligencia empresarial haciendo una descripción de los usos y aplicaciones que tiene cada una de ellas.   Aplicar, analizar y sintetizar procesos de diseño de ingeniería que resulten en proyectos que cumplen las necesidades específicas
Implementar un pequeño datawarehouse o datamart definiendo los metadatos necesarios a utilizar para integrarse a soluciones de inteligencia empresarial haciendo una descripción de los usos y aplicaciones que tiene cada una de ellas.   Aplicar, analizar y sintetizar procesos de diseño de ingeniería que resulten en proyectos que cumplen las necesidades específicas

Normatividad
  1. Cumplir con todos los trabajos marcados en clases y extra clases.
  2. Participar en el salón de clases cuando se le requiera.
  3. Tener el mínimo de asistencias requerido por la subdirección académica (80%)
  4. Tener un comportamiento de disciplina dentro del salón de clases.
  5. Estar a más tardar 15 min. después de la hora de entrada indicada en su horario, después de lo cual no se le dejará entrar
  6. En caso de no entregar por lo menos el 70% de las actividades no tendrá derecho a primera reevaluación y/o segunda

Materiales
  1. Material Syllabus.
  2. USB.
  3. Material adicional, en caso de que el docente lo indique.
  4. Libreta.
  5. Lápiz, goma de borrar y lapicero.

Bibliografía disponible en el Itescam
Título
Autor
Editorial
Edición/Año
Ejemplares
Data warehouse management handbook /
Kachur, Richard J.
Prentice hall,
2000.
6
-

Parámetros de Examen
PARCIAL 1 De la actividad 1.1.1 a la actividad 2.1.8
PARCIAL 2 De la actividad 3.1.1 a la actividad 4.1.2

Contenido (Unidad / Competencia / Actividad / Material de Aprendizaje)
1. Introducción a la Inteligencia de Negocios
          1.1. Identificar los conceptos básicos de la inteligencia de negocios
                   1.1.1. Investigar la definición de inteligencia de negocios
                           DataWarehouse ( bytes)
                           Introducción a Datawarehousing ( bytes)
                           DataWarehouse ( bytes)
                          
                   1.1.2. Discutir el objetivo y las ventajas de la inteligencia de negocios
                           DataMart ( bytes)
                           Introducción a los DataMart ( bytes)
                           Variables de Medición ( bytes)
                           Variables de Medición Art ( bytes)
                           Variables de Medición ( bytes)
                           Variables de análisis ( bytes)
                          
          1.2. Identificar las herramientas de la Inteligencia de negocios
                   1.2.1. Ejercitar la toma de desiciones
                           Introducción Minería de Datos ( bytes)
                           Minería de Datos ( bytes)
                           Minería de datos art ( bytes)
                          
                   1.2.2. Diseñar el esquema de un almacén de datos (Data Warehouse): que consiga unificar de manera operativa toda la información recogida.
                           Administración del Conocimiento ( bytes)
                           Administración del Conocimiento 2 ( bytes)
                           Administración del Conocimiento P ( bytes)
                          
                   1.2.3. Seleccionar y aplicar el método de minería de datos apropiado
                           Aplicaciones Analíticas ( bytes)
                          
                   1.2.4. Evaluar, interpretar, transformar y representar los patrones extraídos.
                           Sistemas de Reportes ( bytes)
                          
          1.3. Identificar los componentes de la inteligencia de negocios
                   1.3.1. Analizar las soluciones de la IB desarrollando ejemplos de cada uno de sus componentes
                           Herramientas de Inteligencia de Negocios ( bytes)
                           Herramientas BI ( bytes)
                          
                   1.3.2. Tomar decisiones más acertadas para planear los próximos objetivos o corregir alguna desviación a los mismos.
                           Sistemas de Información ( bytes)
                           Multidimensionalidad ( bytes)
                           Tipos de Sistemas de Información ( bytes)
                           Multidimensional ( bytes)
                          
2. Base de datos para la toma de decisiones
          2.1. Explotar los esquemas de base de datos multidimensionales utilizando herramientas de visualización, pivoteo y consultas en línea
                   2.1.1. Identificar ventajas y desventajas para la elección de un sistema de base de datos que den soporte a la toma de decisiones y consultas en línea. con base a la naturaleza de la información: ¿Qué tipos de datos se usarán?: ¿relacional, transaccional, t
                           Base de Datos Multidimensionales ( bytes)
                           DataWarehouse ( bytes)
                           DataWarehouse2 ( bytes)
                          
                   2.1.2. Identificar los tipos de escalabilidad de los sistemas de bases de datos: (1) Por Filas (ó tamaño de la base de datos), (2) Por Columnas (ó dimensión)
                           DataMart2 ( bytes)
                           DataMart ( bytes)
                          
                   2.1.3. Identificar la configuración del sistema de base de datos: ¿Se utilizará en uno o varios sistemas operativos? ¿Proveerá interfaces basadas en Web y permitirá datos XML como entrada y / o salida? ¿Arquitectura Cliente / Servidor?
                           Sistemas OLTP ( bytes)
                          
                   2.1.4. Identificar las diferentes categorías de visualización de los sistemas de bases de datos: (1) Visualización de datos, (2) Visualización de resultados de minería, (3) Visualización del proceso de minería, (4) Minería de datos visual
                           Sistemas OLAP ( bytes)
                          
                   2.1.5. Ejemplificar las operaciones analíticas básicas de los sistemas OLAP tales como Roll-Up, Drill-Down, Slicing and Dicing.
                           Operaciones Analíticas Básicas de los Sistemas OLAP ( bytes)
                           Operaciones Analíticas Básicas de los Sistemas OLAP2 ( bytes)
                          
                   2.1.6. Ejemplificar las ventajas y desventajas de ROLAP y MOLAP, así como los diferentes esquemas de los modelos
                           Vista de Datos de los sistemas OLAP ( bytes)
                          
                   2.1.7. Ejemplificar un modelo de datos multidimensional organizando los atributos en un hipercubo mediante jerarquías: • Producto: nombre -> línea -> marca • Tiempo: día -> mes -> año • Lugar: ciudad-> región -> país
                           Modelo de Datos de los sistemas OLAP ( bytes)
                           Modelo de Datos de los sistemas OLAP2 ( bytes)
                          
                   2.1.8. Discutir en clase las fase es extracción de conocimiento en bases de datos
                           Preparación de los datos ( bytes)
                           Patrones ( bytes)
                           Preparación de los datos -P ( bytes)
                           Minería de datos ( bytes)
                           Patrones ( bytes)
                           Evaluación-Interpretación-Visualización ( bytes)
                          
3. Componentes del Entorno de Inteligencia de Negocios
          3.1. Diseñar un pequeño datawarehouse o datamart definiendo los metadatos necesarios a utilizar para integrarse a soluciones de inteligencia empresarial haciendo una descripción de los usos y aplicaciones que tiene cada una de ellas.
                   3.1.1. Investigar en distintas fuentes de información sobre los componentes que integran una solución de inteligencia de negocios y elaborar un diagrama con los componentes de una solución de inteligencia de negocios.
                          
                   3.1.2. Describir los diferentes orígenes de datos que pueden alimentar a un datawarehouse.
                           Sistemas Operacionales ( bytes)
                           Sistemas Heredados ( bytes)
                           CRM ( bytes)
                           ERP ( bytes)
                           CMI-DSS ( bytes)
                          
          3.2. Implementar un pequeño datawarehouse o datamart definiendo los metadatos necesarios a utilizar para integrarse a soluciones de inteligencia empresarial haciendo una descripción de los usos y aplicaciones que tiene cada una de ellas.
                   3.2.1. Diseñar e implementar los metadatos que requieren un dataware house.
                           Diseño ( bytes)
                           Implementación ( bytes)
                          
                   3.2.2. Buscar y clasificar información sobre tecnologías y herramientas utilizadas para los procesos de ETL’s.
                           Procesos ETL 2 ( bytes)
                           Procesos de ETL 3 ( bytes)
                           Procesos de ETL ( bytes)
                          
                   3.2.3. Elaborar prácticas donde utilice una herramienta de ETL para mover datos de un sistema operacional a un dataware house.
                           Procesos de Minería de datos ( bytes)
                          
                   3.2.4. Elaborar prácticas de diseño de esquemas multidimensionales y probar su funcionalidad con MDX
                           Vistas Multidimensionales (hipercubos de datos) ( bytes)
                          
                   3.2.5. Elaborar prácticas para elaborar reportes y obtener indicadores clave de desempeño así como tableros de control.
                           Alertas, tableros de control (dashboards) e indicadores clave de desempeño (KPI’s)_2 ( bytes)
                           Alertas, tableros de control (dashboards) e indicadores clave de desempeño (KPI’s) ( bytes)
                           Procesadores de consultas ad-hoc ( bytes)
                          
4. Construcción a la solución de la inteligencia de negocios
          4.1. Construir una solución de inteligencia de negocios para un caso práctico
                   4.1.1. Investigar en distintas fuentes de información sobre los componentes necesarios para una solución de inteligencia de negocios para incluirlos como marco de referencia.
                          
                   4.1.2. Crear, desarrollar e integrar un proyecto con las técnicas apropiadas para la toma de decisiones en la inteligencia de negocios.
                          

Prácticas de Laboratorio (20212022P)
Fecha
Hora
Grupo
Aula
Práctica
Descripción

Cronogramas (20212022P)
Grupo Actividad Fecha Carrera
8 A 1.1.1 Investigar la definición de inteligencia de negocios 2022-02-10 IINF-2010-220
8 A 1.1.2 Discutir el objetivo y las ventajas de la inteligencia de negocios 2022-02-11 IINF-2010-220
8 A 1.2.1 Ejercitar la toma de desiciones 2022-02-17 IINF-2010-220
8 A 1.2.2 Diseñar el esquema de un almacén de datos (Data Warehouse): que consiga unificar de manera operativa toda la información recogida. 2022-02-18 IINF-2010-220
8 A 1.2.3 Seleccionar y aplicar el método de minería de datos apropiado 2022-02-24 IINF-2010-220
8 A 1.2.4 Evaluar, interpretar, transformar y representar los patrones extraídos. 2022-02-25 IINF-2010-220
8 A 1.3.1 Analizar las soluciones de la IB desarrollando ejemplos de cada uno de sus componentes 2022-03-03 IINF-2010-220
8 A 1.3.2 Tomar decisiones más acertadas para planear los próximos objetivos o corregir alguna desviación a los mismos. 2022-03-04 IINF-2010-220
8 A 2.1.1 Identificar ventajas y desventajas para la elección de un sistema de base de datos que den soporte a la toma de decisiones y consultas en línea. con base a la naturaleza de la información: ¿Qué tipos de datos se usarán?: ¿relacional, transaccional, t 2022-03-10 IINF-2010-220
8 A 2.1.2 Identificar los tipos de escalabilidad de los sistemas de bases de datos: (1) Por Filas (ó tamaño de la base de datos), (2) Por Columnas (ó dimensión) 2022-03-11 IINF-2010-220
8 A 2.1.3 Identificar la configuración del sistema de base de datos: ¿Se utilizará en uno o varios sistemas operativos? ¿Proveerá interfaces basadas en Web y permitirá datos XML como entrada y / o salida? ¿Arquitectura Cliente / Servidor? 2022-03-17 IINF-2010-220
8 A 2.1.4 Identificar las diferentes categorías de visualización de los sistemas de bases de datos: (1) Visualización de datos, (2) Visualización de resultados de minería, (3) Visualización del proceso de minería, (4) Minería de datos visual 2022-03-17 IINF-2010-220
8 A 2.1.5 Ejemplificar las operaciones analíticas básicas de los sistemas OLAP tales como Roll-Up, Drill-Down, Slicing and Dicing. 2022-03-18 IINF-2010-220
8 A 2.1.6 Ejemplificar las ventajas y desventajas de ROLAP y MOLAP, así como los diferentes esquemas de los modelos 2022-03-18 IINF-2010-220
8 A 2.1.7 Ejemplificar un modelo de datos multidimensional organizando los atributos en un hipercubo mediante jerarquías: • Producto: nombre -> línea -> marca • Tiempo: día -> mes -> año • Lugar: ciudad-> región -> país 2022-03-24 IINF-2010-220
8 A 2.1.8 Discutir en clase las fase es extracción de conocimiento en bases de datos 2022-03-25 IINF-2010-220
8 A 3.1.1 Investigar en distintas fuentes de información sobre los componentes que integran una solución de inteligencia de negocios y elaborar un diagrama con los componentes de una solución de inteligencia de negocios. 2022-04-07 IINF-2010-220
8 A 3.1.1 Investigar en distintas fuentes de información sobre los componentes que integran una solución de inteligencia de negocios y elaborar un diagrama con los componentes de una solución de inteligencia de negocios. 2022-04-08 IINF-2010-220
8 A 3.1.1 Investigar en distintas fuentes de información sobre los componentes que integran una solución de inteligencia de negocios y elaborar un diagrama con los componentes de una solución de inteligencia de negocios. 2022-04-28 IINF-2010-220
8 A 3.1.2 Describir los diferentes orígenes de datos que pueden alimentar a un datawarehouse. 2022-04-29 IINF-2010-220
8 A 3.1.2 Describir los diferentes orígenes de datos que pueden alimentar a un datawarehouse. 2022-05-06 IINF-2010-220
8 A 3.2.1 Diseñar e implementar los metadatos que requieren un dataware house. 2022-05-12 IINF-2010-220
8 A 3.2.2 Buscar y clasificar información sobre tecnologías y herramientas utilizadas para los procesos de ETL’s. 2022-05-13 IINF-2010-220
8 A 3.2.3 Elaborar prácticas donde utilice una herramienta de ETL para mover datos de un sistema operacional a un dataware house. 2022-05-19 IINF-2010-220
8 A 3.2.4 Elaborar prácticas de diseño de esquemas multidimensionales y probar su funcionalidad con MDX 2022-05-20 IINF-2010-220
8 A 3.2.5 Elaborar prácticas para elaborar reportes y obtener indicadores clave de desempeño así como tableros de control. 2022-05-26 IINF-2010-220
8 A 4.1.1 Investigar en distintas fuentes de información sobre los componentes necesarios para una solución de inteligencia de negocios para incluirlos como marco de referencia. 2022-06-02 IINF-2010-220
8 A 4.1.2 Crear, desarrollar e integrar un proyecto con las técnicas apropiadas para la toma de decisiones en la inteligencia de negocios. 2022-06-03 IINF-2010-220

Temas para Segunda Reevaluación