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 |
|
| 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 |
|
| Materiales |
|
| 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 (92938 bytes)
Introducción a Datawarehousing (91583 bytes)
DataWarehouse (568987 bytes)
Manual de Prácticas Inteligencia de Negocios (503108 bytes)
1.1.2. Discutir el objetivo y las ventajas de la inteligencia de negocios
DataMart (72021 bytes)
Introducción a los DataMart (116154 bytes)
Variables de Medición (22153 bytes)
Variables de Medición Art (162777 bytes)
Variables de Medición (992312 bytes)
Variables de análisis (454397 bytes)
1.2. Identificar las herramientas de la Inteligencia de negocios 1.2.1. Ejercitar la toma de desiciones
Introducción Minería de Datos (33023 bytes)
Minería de Datos (698148 bytes)
Minería de datos art (2830365 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 (25720 bytes)
Administración del Conocimiento 2 (44356 bytes)
Administración del Conocimiento P (689150 bytes)
1.2.3. Seleccionar y aplicar el método de minería de datos apropiado
Aplicaciones Analíticas (39789 bytes)
1.2.4. Evaluar, interpretar, transformar y representar los patrones extraídos.
Sistemas de Reportes (106290 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 (93356 bytes)
Herramientas BI (67506 bytes)
1.3.2. Tomar decisiones más acertadas para planear los próximos objetivos o corregir alguna desviación a los mismos.
Sistemas de Información (110821 bytes)
Multidimensionalidad (65531 bytes)
Tipos de Sistemas de Información (1094211 bytes)
Multidimensional (81670 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 (184212 bytes)
DataWarehouse (2130161 bytes)
DataWarehouse2 (182693 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 (112737 bytes)
DataMart (341071 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 (439410 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 (401880 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 (522690 bytes)
Operaciones Analíticas Básicas de los Sistemas OLAP2 (34073 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 (39808 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 (1675463 bytes)
Modelo de Datos de los sistemas OLAP2 (28942 bytes)
2.1.8. Discutir en clase las fase es extracción de conocimiento en bases de datos
Preparación de los datos (46371 bytes)
Patrones (16552 bytes)
Preparación de los datos -P (606367 bytes)
Minería de datos (81502 bytes)
Patrones (745504 bytes)
Evaluación-Interpretación-Visualización (1235445 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 (98362 bytes)
Sistemas Heredados (243838 bytes)
CRM (503748 bytes)
ERP (193911 bytes)
CMI-DSS (55496 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 (731759 bytes)
Implementación (562634 bytes)
3.2.2. Buscar y clasificar información sobre tecnologías y herramientas utilizadas para los procesos de ETL’s.
Procesos ETL 2 (3033931 bytes)
Procesos de ETL 3 (724390 bytes)
Procesos de ETL (796679 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 (631114 bytes)
3.2.4. Elaborar prácticas de diseño de esquemas multidimensionales y probar su funcionalidad con MDX
Vistas Multidimensionales (hipercubos de datos) (193530 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 (529508 bytes)
Alertas, tableros de control (dashboards) e indicadores clave de desempeño (KPI’s) (140687 bytes)
Procesadores de consultas ad-hoc (167505 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 (20232024P) |
Fecha |
Hora |
Grupo |
Aula |
Práctica |
Descripción |
| Cronogramas (20232024P) | |||
| Grupo | Actividad | Fecha | Carrera |
| 8 A | 1.1.1 Investigar la definición de inteligencia de negocios | 2024-01-29 | IINF-2010-220 |
| 8 A | 1.1.1 Investigar la definición de inteligencia de negocios | 2024-02-02 | IINF-2010-220 |
| 8 A | 1.1.1 Investigar la definición de inteligencia de negocios | 2024-02-09 | IINF-2010-220 |
| 8 A | 1.1.2 Discutir el objetivo y las ventajas de la inteligencia de negocios | 2024-02-16 | IINF-2010-220 |
| 8 A | 1.2.1 Ejercitar la toma de desiciones | 2024-02-19 | 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. | 2024-02-19 | IINF-2010-220 |
| 8 A | 1.2.3 Seleccionar y aplicar el método de minería de datos apropiado | 2024-02-23 | IINF-2010-220 |
| 8 A | 1.2.4 Evaluar, interpretar, transformar y representar los patrones extraídos. | 2024-02-23 | IINF-2010-220 |
| 8 A | 1.3.1 Analizar las soluciones de la IB desarrollando ejemplos de cada uno de sus componentes | 2024-02-26 | IINF-2010-220 |
| 8 A | 1.3.2 Tomar decisiones más acertadas para planear los próximos objetivos o corregir alguna desviación a los mismos. | 2024-02-26 | 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 | 2024-03-01 | 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) | 2024-03-01 | 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? | 2024-03-04 | 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 | 2024-03-04 | 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. | 2024-03-08 | 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 | 2024-03-08 | 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 | 2024-03-11 | IINF-2010-220 |
| 8 A | 2.1.8 Discutir en clase las fase es extracción de conocimiento en bases de datos | 2024-03-11 | IINF-2010-220 |
| 8 A | 2.1.8 Discutir en clase las fase es extracción de conocimiento en bases de datos | 2024-03-15 | 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. | 2024-04-08 | IINF-2010-220 |
| 8 A | 3.1.2 Describir los diferentes orígenes de datos que pueden alimentar a un datawarehouse. | 2024-04-12 | IINF-2010-220 |
| 8 A | 3.2.1 Diseñar e implementar los metadatos que requieren un dataware house. | 2024-04-15 | IINF-2010-220 |
| 8 A | 3.2.2 Buscar y clasificar información sobre tecnologías y herramientas utilizadas para los procesos de ETL’s. | 2024-04-19 | 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. | 2024-04-22 | IINF-2010-220 |
| 8 A | 3.2.4 Elaborar prácticas de diseño de esquemas multidimensionales y probar su funcionalidad con MDX | 2024-04-26 | IINF-2010-220 |
| 8 A | 3.2.5 Elaborar prácticas para elaborar reportes y obtener indicadores clave de desempeño así como tableros de control. | 2024-04-29 | 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. | 2024-05-03 | 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. | 2024-05-13 | 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. | 2024-05-17 | IINF-2010-220 |
| Temas para Segunda Reevaluación |