CANTV, se enfrenta a un entorno dinámico y cambiante, como lo es la reciente apertura en el sector de Telecomunicaciones en Venezuela, sector donde operaba de forma única; lo cual le obliga a utilizar cualquier información actual e histórica de su negocio medular, con el fin de tomar las decisiones más oportunas y precisas, asumiendo los cambios de estrategia que les permita mantener y aumentar su posicionamiento en el mercado de las telecomunicaciones.

La recopilación de toda la información referente a la Facturación, Recaudación y Tráfico de llamadas de los clientes del sector Empresas, valiosa e indispensable para análisis de gestión, estimación de presupuestos, de comportamientos de los clientes, estrategias de mercadeo de la competencia, y todo aquello que le permite a la empresa ser más competitiva, requiere de un gran esfuerzo en tiempo para ser integrada y luego reportada, ya que proviene de muy variados sistemas y fuentes.

Con los sistemas y procesos actualmente utilizados, se convierte la integración en un proceso complejo, que necesita una dedicación especial de parte de los usuarios finales que deben verificar de forma manual la consistencia e integridad de los datos obtenidos, y al mismo tiempo arriesga oportunidades de negocio por no disponer de información clave en el momento oportuno.

2.- Formulación del Problema.

Los datos críticos de la Facturación, Recaudación y Tráfico de llamadas de clientes del sector empresas de CANTV, no pueden ser obtenidos efectiva y eficientemente para garantizar la oportuna toma de decisiones de Mercadeo y Ventas.

3.- Sistematización del Problema

¿Como se impacta la calidad de la información al obtener los datos de diferentes fuentes y de forma manual?

¿Con que periodicidad es requerida la información de Facturación, Recaudación y Tráfico de llamadas por parte de la Gerencia de Mercadeo y Ventas?

¿Que características de los datos son consideradas para el estudio y análisis de la información?

¿Como se afecta el proceso de toma de decisiones de la Gerencia de Mercadeo y Ventas, al no contar con información oportuna y consistente?

4.- Objetivo General del Problema.

Proponer la implantación de un sistema de tipo ‘Data Warehouse’ de almacenamiento de la información estratégica, conformando un ambiente centralizado de datos con herramientas para optimizar la capacidad de análisis y la toma de decisiones del área en cuestión.

5.- Objetivos Específicos.

a) Identificar los elementos que causan demora en la consolidación de la información de las áreas de Facturación, Recaudación y Tráfico de llamadas de los clientes del sector Empresas, para la toma de decisión de la Gerencia de Mercadeo y Venta.

b) Identificar las fuentes y los caminos para la obtención de los datos críticos de la Facturación, Recaudación y Tráfico de llamadas de los clientes del sector Empresas.

c) Identificar cuales son los indicadores de gestión que utiliza la Gerencia de Mercadeo y Venta para la evaluación y análisis de la información

d) Realizar un estudio de factibilidad y riesgo de los procesos y de los indicadores a generar para apoyar la toma de decisiones.

6.- Justificación de la Investigación.

Para que una organización sobreviva y sea exitosa, debe tener un plan estratégico que guíe sus acciones. El estratega del negocio normalmente está falto de la información necesaria para detectar comportamientos dentro del ambiente de negocios, ya que la infraestructura de la organización no puede proveérsela, porque está basada en sistemas operacionales no integrados y no sumarizados en los niveles adecuados (por ejemplo, cuando se estudia el comportamiento del mercado no se analiza lo que hace un solo cliente, sino el conjunto de clientes). Es por esto que se necesita otra clase de estructura que soporte estas necesidades, la cual hemos definido como una aplicación integrada de Data Warehouse.

Un Data Warehouse es parte de una estructura integral, la Inteligencia del Negocio, la cual podemos conceptualizar como el razonamiento acerca del negocio, para definir y ejecutar una estrategia. El Data Warehouse existe para ampliar las habilidades gerenciales para la toma de decisiones.

La tecnología en la cual se apoya esta filosofía permite que la visualización de la información se efectúe de manera flexible, rápida y en los niveles de consolidación requeridos al momento de la consulta, basada en un conjunto de datos consistentes, confiables y veraces de la organización.

Dentro del área de apoyo a la toma de decisiones, ha tomado un auge impactante la filosofía y las soluciones de Data Warehouse, apoyando e impulsando de forma acelerada el soporte a las decisiones de impacto en la gestión de las empresas del mercado.

En un Data Warehouse la información de los sistemas operacionales de la empresa se extrae, se depura y se almacena, eliminando las discrepancias que comúnmente existen entre los mismos. De esta forma, la información contenida en el repositorio logra reflejar una visión de empresa, y es especialmente útil para el análisis y toma de decisiones a diferentes niveles.

Según otros reconocido autor Michael Corvey (experto en Oracle) en su libro “Oracle Data Warehousing”,1.997. pp.3, un Data Warehouse se puede definir como una colección de información corporativa derivada directamente de los sistemas operacionales y de algunos orígenes de datos externos.

Su propósito específico es soportar la toma de decisiones en un negocio, no las operaciones de un negocio. De esto es de lo que se trata un Data Warehouse, de ayudar a un negocio a plantearse preguntas del tipo ... ¿qué pasaría si...?. Las respuestas a estas preguntas asegurarán que el negocio sea activo, y no reactivo, lo cual es una necesidad en la actual era de la información.

7.- Alcance.

Las áreas del negocio que se tomaron para este proyecto fueron: Facturación, Recaudación y Tráfico de llamadas.

La Facturación comprende todo lo relacionado a la facturación de los servicios y planes que el cliente tiene contratado con CANTV. Proporciona datos como:

· Montos, llamadas y minutos facturados.

· Productos y servicios facturados.

· Llamadas en suspenso.

· Ajustes a la facturación.

· Planes de precios de facturación.

La Recaudación comprende todo lo recaudado ó cobrado a los clientes, a partir de lo facturado. Proporciona datos como:

· Análisis de deuda y monto recaudado.

El Tráfico de llamadas lleva el control de uso de las redes de Cantv para la realización de las llamadas desde ó a través de los servicios de CANTV. Proporciona datos como:

· Análisis de uso de la red por tráfico CANTV (voz).

· Análisis de uso de la red por tráfico de otras operadoras.

Por último se evalúan los datos básicos del cliente.

Entre las actividades a desarrollarse están: el análisis funcional de alto nivel en cada una de los procesos de Facturación, Recaudación y Ventas de la Gerencia de Mercadeo y Ventas, y un estudio de las diferentes aplicaciones existentes que apoyan actualmente la obtención de la información requerida por los usuarios de la Organización.

A partir del análisis realizado se generará una matriz de ponderación para definir los procesos más importantes y posteriormente desarrollar las reglas de negocio asociadas a dicha información. Posterior a la priorización de funcionalidades se llevará a cabo la factibilidad de las mismas, expresada en complejidad técnica y riesgo para garantizar su generación oportuna y su veracidad.

8.- Antecedentes

En la actualidad las industrias están a la búsqueda de nuevos procesos y herramientas que les permitan posible procesar grandes volúmenes de información analíticamente; para manipular su información actual e histórica, con el fin de enfrentar la toma decisiones con fundamento. De la misma manera estas compañías están minadas de grandes cantidades de información sin depurar debido al enfoque tecnológico adquirido desde sus inicios, ahora, un negocio que no utilice de forma efectiva la tecnología para manipular y viajar por la información, no sobrevive. El negocio que logre conseguir acceso y comprensión de su información tendrá poder, que es equivalente a tener la ventaja competitiva frente a los otros.

Una de las formas claves para gestionar la información es usar la tecnología adecuada. Así lo demuestran dos casos de grandes empresas norteamericanas que destacan este punto y que fueron comentados por Corey y Abbey (2002), cuando se refirieron a las compañías “Hertz y Victoria’s Secret, quienes pudieron gestionar los datos de sus empresas y manipular los grandes volúmenes de información gracias al Data Warehouse” (p.7). Ambas empresas llegaron a ser líderes en la industria, logrando acercarse más a sus clientes y ofrecerles un servicio de alto nivel. Pero esto solo se logra cuando se tiene información acerca de los clientes, la necesaria para batir a la competencia.

Corey y Abbey (2002), “La velocidad con que Hertz, responde a sus clientes, hace que la seleccionen sin dudar, cuando se trata de obtener el servicio de alquiler de carros, ya que ellos garantizan rapidez, seguridad y conocimiento en las gestiones que llevan a cabo con el cliente.” (p.7).

Estos ejemplos demuestran que cuando los negocios hacen buen uso de la información y logran sacar de ella todo lo que se pueda, pueden entender mejor a los clientes y en consecuencia pueden ocupar una mejor posición en el mercado. De esto precisamente se trata el Data Warehouse, de poner los datos de una corporación en un sistema que se preste para la toma de decisiones, poder hacer análisis basados en la data actual e histórica.

Para conocer otras experiencias realizadas y los resultados obtenidos a través de trabajos de investigación referentes al tópico en estudio que pudieran dar una orientación y apoyo al proyecto, se analizaron en detalle tres tesis:

Morales (1996) realizó una investigación titulada “Creación de un modelo conceptual de un Data Warehouse para el Banco Mercantil e implementación departamental”, con el objetivo de diseñar e implementar un Data Warehouse para una empresa del sector financiero. La investigación fue un trabajo de campo, de tipo descriptiva, la cual consideró una población de 15 personas equivalentes al 100%. La técnica de recolección de datos utilizada fue la entrevista y el cuestionario. La investigación arrojó como resultado la creación de un sistema que almacena la información tanto histórica como actual y que ofrece un análisis de estos datos en forma seleccionada, integrada organizada e historiada. El sistema se implementó con base a un estudio sobre las estrategias de diseño e implementación de Data Warehouse. El sistema se basó en la implementación de dos fases: construcción y análisis.

El problema planteado en esta tesis radica en que existe una descentralización de los datos requeridos por las aplicaciones de los niveles estratégicos de la organización, trayendo como consecuencia que las consultas en línea realizadas por los ejecutivos resulten muy lentas y engorrosas, ocasionando también una disminución del tiempo de respuesta de la máquina central, en donde se llevan a cabo continuamente los procesos operacionales.

En el mismo orden se analizó otra tesis elaborada por Gómez y Ochoa (1998), quien realizó una investigación titulada “Conceptualización del Data Warehouse, análisis, diseño e implementación de un prototipo”, realizado en la Oficina Central de Estadística e Información, y tuvo como objetivo integrar la data de los siguientes programas: Encuesta Anual de la Industria, Encuesta Semestral de Hogares y Encuesta Anual de Indicadores Económicos, para demostrar los alcances de la implementación de un proyecto de esta índole.

La metodología utilizada en esta investigación fue una fusión entre la propuesta por el Sr. William Inmon (1992) en su libro Building The Data Warehouse, para el análisis de modelos de datos de los sistemas origen y de la metodología propuesta por la empresa SAS llamada SAS/WA “System Management Methodology/Data Warehousing". Los resultados obtenidos permitieron a los usuarios entre otros, lo siguiente:

1. Disponer de la información integrada sobre una variable, logrando una visión más amplia del fenómeno analizado.

2. Validar los resultados obtenidos en un subsistema al cruzarlos con otras variables e indicadores asociados.

3. Permitir al investigador el planteamiento de nuevas hipótesis sobre el problema analizado.

4. Acceder a un nivel superior en el manejo de la información, contribuyendo a mejorar el proceso de toma de decisiones y la planificación de los usuarios.

5. Permitir una interrelación armónica entre distintos proyectos de producción estadística que administra la oficina central.

Esta tesis permitió conocer la metodología de sistemas empleada por el autor para el desarrollo de las diferentes etapas que conducen a la consolidación de un Data Warehouse.

La tercera tesis fue realizada en México Ydirín (2004) quien realizó una investigación sobre “Construcción de un Data Warehouse de datos del medio ambiente para la toma de decisiones: aplicación a los datos hidrológicos” y está disponible en Internet en la página: http://140.148.3.250/u_dl_a/servlet/mx.udlap. ict.tales.html., que pertenece a la Universidad de las Américas, Puebla. Esta tesis tiene igualmente características muy similares con el proyecto aquí planteado, se trata de la construcción, implementación y validación de un Data Warehouse sobre los principales ríos y presas de México con la finalidad de apoyar el análisis y toma de decisiones. El problema que se presentó en la investigación estaba relacionado con la dispersión de la información para administrar datos sobre la descripción del comportamiento de los ríos, volumen de aguas y crecimiento de presas con respecto a otras condiciones (meteorología, aspectos sociales, producción). Cada ente observaba, anotaba, manipulaba y analizaba los datos de manera diferente y no proporcionaban herramientas (reportes, gráficos, consultas) orientadas al análisis y explotación de la información. El resultado producto de la ejecución del proyecto fue la construir un soporte de almacenamiento integrado, a la consulta, al análisis, a la visualización y el mantenimiento automático de datos del medio ambiente para tomar decisiones según distintos tipos de necesidades. Este sistema recuperó información proporcionada por otras instituciones del estado para ofrecer un análisis de los datos de manera organizada, integrada, seleccionada e historiada.

En otro orden, también se debe considerar el aporte significativo que se obtuvo de la información consultada en Internet, tanto en universidades como de empresas consultoras en Data Warehouse, que tienen una gran cantidad de documentación y escritos relacionados con su diseño e implementación, tales como: http://www.techguide.com/ y http: //www.datawarehouse.com/, en cuyo sites se puede además encontrar los autores y teorías discutidas sobre el tema en cuestión.

Finalmente, las lecturas realizadas a los textos de quien fuera la primera persona que acuñó el término Data Warehouse y quien ha desarrollado muchos libros explicativos sobre técnicas y herramientas como Data Mining, W.H.Inmon. Y que desde 1990 viene trabajando con el fenómeno del Data Warehouse, fue la base fundamental para entender a través de ejemplos citados, los aspectos fundamentales del Data Warehouse y otras técnicas.

9.- Marco Teórico

Definición de Data Warehouse

Un Data Warehouse es un repositorio de datos provenientes de diversas fuentes de la empresa, que incluye tanto los datos actuales como históricos en un ambiente integrado, para satisfacer las necesidades de consultas, reportes analíticos y soportes de toma de decisiones de los usuarios finales. No se puede interpretar como un software ó hardware, sino como un conjunto de componentes y procesos que integran una arquitectura diseñados para el almacenamiento de información y para dar soporte a los procesos de acción / decisión.

El concepto universalmente aceptado de un Data Warehouse fue definido por Bill Inmon en los años 1.990, y este dice que: “Un Data Warehouse es una colección de datos integrados, no volátiles, orientados a tema y cambiante en el tiempo, que son usados para la toma de decisiones estratégicas” (p.7).

En esta definición el autor recalca la gran ventaja que el Data Warehouse tiene sobre los sistemas operacionales ó “Legacy”, que es la de hacer útil los datos a la gestión corporativa y la de garantizar su permanencia en el tiempo, permitiendo que toda la información pueda ser utilizada cuando sea requerida por los usuarios. Así mismo, cuando explica que “...es una colección de datos integrados...”, se refiere a que se puede explotar esta información obteniéndose sumarizaciones y consolidaciones de la información de acuerdo a una característica única. Otra ventaja que representa una gran diferencia con respecto a las otras filosofías de sistemas, es que la información se clasifica en base a los temas que son de interés para la empresa. Por ejemplo, en el caso de Cantv, los sistemas operacionales manejan la figura de Abonado ó servicio compuesto de un número para la central, área y número de teléfono, para el Data Warehouse se manejaría la figura del cliente (Cédula de Identidad ó Rif), con todos sus servicios asociados.

Podemos concluir que el Data Warehouse surgió de la necesidad de disponer un acceso sencillo e inmediato a determinada información de negocio estructurada y de calidad para ser utilizada por los procesos de toma decisiones.

Figura 1. Esquema de un Data Warehouse

La diferencia existente entre un sistema operacional y un Data Warehouse es la siguiente:

Base de Datos Operacional	Data Warehouse
Datos Operacionales	Datos del negocio para Información
Orientado a la aplicación	Orientado al sujeto
Actual	Actual + histórico
Detallada	Detallada + más resumida
Cambia continuamente	Estable

Figura 2 Comparación entre Base de Datos Operacional vs. DW

El ingreso de datos en el Data Warehouse viene desde el ambiente operacional en casi todos los casos. El DW es siempre un almacén de datos transformados y separados físicamente de la aplicación donde se encontraron los datos en el ambiente operacional.

Objetivos y metas del Data Warehouse

Un DW tiene como objetivo la centralización, integración y organización de la información de la organización.

Un DW ofrece funcionalidades como:

1. Integra bases de datos heterogéneas y de orígenes diferentes, internas y externas en una sola base de datos ó repositorio.

2. Ejecuta consultas complejas de la información, no predefinidas, con diferentes niveles de agrupamiento, totalizando datos y permitiendo su visualización de forma gráfica.

3. Tiene adaptabilidad ante los cambios dados por las necesidades del usuario.

4. Analiza los problemas en términos de diferentes dimensiones (por ejemplo, dimensión tiempo).

5. Controla la calidad de los datos para asegurar consistencia, homogeneidad y relevancia.

6. Tiene la posibilidad de combinar y formular nuevos datos a partir de los datos existentes.

7. Provee información histórica, que no necesariamente está en los sistemas operacionales (ya que se puede mantener solo cierta historia de las transacciones en los mismos).

8. Incorpora datos externos que complementan los análisis del negocio, tales como lo es la información de la competencia.

9. Su diseño es fácilmente aceptado por todos los usuarios del DW: lo importante no es construir una solución usando tecnología de punta, sino reducir los riesgos de la no-confiabilidad de los datos, facilitar la manipulación de los mismos y suplir las necesidades de información tan pronto como sea necesario.

10.- Términos Básicos

A continuación se definen los términos más importantes:

Un Data Warehouse es un repositorio de datos de la organización, cuyo objetivo es proveer, a los niveles estratégicos de la empresa, información para el análisis de la gestión y para la toma de decisiones. Dicho repositorio se alimenta de los sistemas operacionales de la organización, del Operational Data Store (cuyo concepto será explicado más adelante), de información de la empresa llevada manualmente y de información externa a la misma.

Las soluciones de Data Warehouse ofrecen en general las siguientes ventajas:

1.· Centralización y consistencia de la información útil para toda la corporación.

2.· Acceso a la data corporativa y organizacional en forma rápida y clasificada en diversas dimensiones y en diferentes niveles de detalle.

3.· Posibilidad de combinar y formular nuevos datos a partir de los datos existentes.

4.· Proveer, además de datos, un conjunto de herramientas para consultar, elaborar reportes, analizar y presentar información.

5.· Proveer información histórica, que no necesariamente está en los sistemas operacionales (ya que se puede mantener solo cierta historia de las transacciones en los mismos).

6.· Incorporar datos externos que complementan los análisis del negocio, tales como lo es la información de la competencia.

Un Operational Data Store (ODS) es un repositorio de datos de la organización, cuyo objetivo es proveer, a los niveles tácticos de la empresa, información integrada para el análisis operacional. Dicho repositorio se alimenta de los sistemas operacionales de la organización, y puede ser enriquecido con información externa a la misma.

Un Operational Data Store puede ser definido como una arquitectura con las siguientes características, algunas iguales al Data Warehouse:

· Orientado al sujeto, el ODS es diseñado y organizado alrededor de los sujetos principales de la corporación, como el Cliente, el Producto, etc.

· Integrado, a medida que los datos pasan de los sistemas operacionales al ODS, los datos son transformados en un todo consistente y unificado, dando una visión corporativa unificada.

· Volátil, los datos en un ODS son actualizados en cada carga.

· Evaluado actual, los datos en un ODS típicamente son actuales, en ningún caso más viejos que unos pocos días, y su historia es de 3 meses en el caso de CANTV.

En resumen, los datos en un ODS sirven más para la comunidad operacional, y de allí surge la necesidad de que sean detallados. A medida que los datos sean un insumo para niveles más altos de la organización, la necesidad es que los mismos sean más agregados, y surge el requerimiento de tenerlos en un Data Warehouse.