Contenido del curso
Contenido del curso
Isaac Antonio Martinez Rios
Mateo Montoya Villegas
JHEFERSON ALEXANDER DURAN FIGUEROA
Marina Barraza
Luis Andres Campos Angulo
Gabriel Ferri
Ignacio Robles
Andrés David Muñoz Isaza
Carlos Eduardo Lopez rodriguez
carlos carreno
Luis Cabezas
Luis Cabezas
Luis Cabezas
Jhon Banguera
Daniel David Mármol Rivero
René Valderrama
carlos carreno
Neicer Vásquez
Aldo Mendoza
Jose Cruz
Andres Felipe Peña Meneses
Martin Misael Morales Pacheco
Jonathan Sánchez Bermúdez
JORGE IVAN ALVAREZ ARIAS
JORGE IVAN ALVAREZ ARIAS
Paula Andrea Beltrán Salazar
Jhon Freyman Ramírez Cortés
Resumen:
Pasos para un proyecto de Inteligencia de Negocios (BI)
¡Muchas gracias por el resumen Isaac!
Excelente
Como UX Designer me parece súper interesante seguir adquiriendo conocimientos en datos! Este curso promete!
Para planear un proyecto de Business Intelligence (BI), sigue estos pasos:
Modelo estrella vs modelo copo de nieve:
la última empresa donde estuve y donde más he trabajado (7 años) tenía una pobre gobernanza de datos, de hecho le daban poca importancia y me di cuenta de lo mucho que cuesta tomar decisiones y armar un equipo al no poder visualizar todos los mismos números. La persona encargada de TI era quien suministraba los datos y no era un especialista, lo que hacía que la información fuese muy pobre y llena de errores.
El modelo tipo estrella y el modelo copo de nieve son diseños utilizados en la modelación de datos en proyectos de Business Intelligence.
Modelo Tipo Estrella: Consiste en una tabla central de hechos conectada a varias tablas de dimensiones. Este diseño es simple y eficiente para consultas, ya que facilita el acceso a los datos y la realización de análisis.
Modelo Copo de Nieve: Es una variación del modelo estrella, donde las tablas de dimensiones están normalizadas en tablas adicionales. Esto reduce la redundancia de datos pero puede complicar las consultas, ya que requiere más uniones.
Ambos modelos son útiles para la organización y análisis de datos, dependiendo de los requisitos específicos del proyecto.
en todos los proyectos en los que participado desde 2010 me han llegado todos estos requerimientos pero el mas extraño fue tratar datos de la basura municipal
jajajajaja, pero los datos son hermosos, revelan cosas que no se logran imaginar.
Modelar los datos antes de visualizarlos es fundamental porque permite estructurar y clasificar la información de forma lógica. Esto asegura que las visualizaciones reflejen relaciones reales entre los datos y conduzcan a conclusiones correctas y confiables.
Una mala gestión de permisos puede provocar accesos no autorizados, pérdida de datos sensibles o manipulación indebida de la información. Además, compromete la seguridad del sistema y la confianza de los usuarios en el proyecto.
Pasos para un proyecto de BI
- Comprender las necesidades del negocio
- Análisis de la brecha de datos
- Selección y priorización de objetivos
- Requisitos detallados y diseño
- Selección de la solución de datos
- Preparación de los datos
- Modelado de datos
- Visualización de los datos
- Comentarios de los usuarios
- Gobernanza de los datos
"Planificar los datos es planificar el éxito"
Pasos para un proyecto de BI
La gobernanza de datos es clave para un adecuado ingreso de datos. Sin embargo he notado que se hace difícil esa estandarización ¿Cuáles son esos elementos que bloquean la unificación tanto al interior de la organización como con proveedores externos del software?
Como estás, esto se fundamenta en la investigación de una estrategia de la adopción e implementación, recuerda que los estándares no son camisas de fuerza, puedes ser flexible, lo importante es que consigas tu objetivo de tener una gobernanza de algún nivel.
Si los comentarios o feedback de los usuarios no son buenos, es crucial analizar y autoevaluar el desarrollo de los datos y el proyecto en general. Esto incluye revisar si los requerimientos iniciales estaban bien definidos y si los datos utilizados son adecuados. La comunicación continua con los interesados es clave para entender sus necesidades. Además, evaluar la gobernanza de datos y la calidad de las visualizaciones puede ayudar a mejorar el proyecto. La autoevaluación permitirá identificar áreas de mejora y ajustar la estrategia para futuros desarrollos.
¿Por qué es vital evaluar la viabilidad técnica?
Imagina que tienes una idea brillante para cruzar las ventas en tiempo real con el clima local, y los directivos están emocionados. Sin embargo, si los sistemas de tu empresa solo exportan las ventas una vez a la semana en un archivo plano, ese requerimiento es técnicamente inviable en este momento.
Evaluar la viabilidad técnica te salva de prometer resultados imposibles. Te obliga a revisar si las bases de datos pueden conectarse, si las APIs están disponibles, si el volumen de información no colapsará tus servidores y si cuentas con las licencias de software adecuadas. Al hacer este filtro temprano, evitas gastar semanas de esfuerzo en un callejón sin salida. En su lugar, puedes priorizar aquellos objetivos que generen alto impacto y que, además, cuenten con la infraestructura tecnológica lista para ser explotada de inmediato, asegurando victorias tempranas para tu equipo.
Gracias por esto Aldo, no sabía que hay limitantes en esto, imagino que será de pagar licencias y listo! lo mantendré en mente mientras lo implementamos!
Pasos aplicados a un ejemplo práctico:
Me ha tocado trabajar con datos para el área de ventas en la rama farmaceutica
Validar las ventas de meses anteriores y desarrollar una estrategia para mejorar las ventas actuales y alcanzar la meta establecida
Solicitando datos a los empleados del área mencionada, graficando y haciendo cuestinonarios y basandonos en la historia de la empresa
Planeación de un proyecto BI:
Diseño de solución:
Modelado de datos:
Gobernanza de datos:
Es complejo llegar a una empresa y descucubrir que no tienen los datos calros, no hay metodología para obtener datos confiables, e inclusive se encuentra la queja de contador de que los datos son demorados o no llegan a el para presentar los infomes
¿Dónde encaja exactamente la gobernanza de datos?
La gobernanza actúa como el sistema nervioso central de toda tu estrategia analítica, operando silenciosamente desde el primer día. No es una fase final, sino el marco de reglas que envuelve cada paso del proyecto.
Encaja exactamente en el momento en que decides quién puede ver qué información y cómo se define cada métrica. Por ejemplo, si el departamento de marketing define "cliente activo" de una forma y ventas lo define de otra, tu proyecto mostrará números contradictorios y perderá credibilidad. La gobernanza entra a solucionar esto creando un diccionario de datos único y estandarizado. Además, establece los protocolos de seguridad: asegura que los datos sensibles estén enmascarados y que solo los perfiles autorizados tengan acceso a reportes críticos. Sin este marco normativo, un proyecto analítico rápidamente se convierte en un caos de métricas poco confiables.
En mi caso, poseo una brecha entre los requerimientos de BI y los datos disponibles. No hay una gobernanza de datos, y los queries de la data que necesito quedan embotellados.
¿Qué pasa si faltan datos para mis requerimientos?
Cuando te enfrentas a una situación donde los objetivos del negocio exigen métricas que no puedes calcular porque la información no existe, debes actuar como un estratega. En lugar de detener el proyecto, el primer paso es crear un plan de captura. Esto significa implementar nuevas herramientas, formularios o integraciones de software que comiencen a registrar esa información desde hoy.
Mientras esa nueva data se acumula, puedes buscar datos proxy o variables alternativas que te den una aproximación al comportamiento que intentas medir. Por ejemplo, si no tienes el tiempo exacto que un usuario pasa en una página, podrías medir la cantidad de clics o interacciones como un indicador de interés. La clave es negociar con los líderes del negocio: entregar un producto mínimo viable con la información actual y establecer un roadmap claro para integrar los datos faltantes en futuras iteraciones del proyecto.