REPUBLICA BOLIVARIANA DE
VENEZUELA
UNIVERSIDAD YACAMBU
MAESTRIA DE GERENCIA DE LAS
FINANZAS Y DE LOS NEGOCIOS
Catedra: Seminario
Elaborado por: Lixbeth Rodriguez
Facilitador: Prof. Mary Alonso
Caracas, 05 Febrero de 2007
MODELAJE DE UN DATAWAREHOUSE DE CLIENTES PYME PARA
INDICE
1.- Planteamiento del problema.
3.- Sistematización del Problema
4.- Objetivo General del Problema.
6.- Justificación de
Clasificación de la
investigación.
Operacionalización de
Variables.
CAPITULO
I
1.- Planteamiento del problema.
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
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
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
¿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
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
b)
Identificar las fuentes y los caminos
para la obtención de los datos críticos de
c)
Identificar cuales son los indicadores
de gestión que utiliza
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 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.
·
Montos, llamadas
y minutos facturados.
·
Productos y
servicios facturados.
·
Llamadas en
suspenso.
·
Ajustes a la
facturación.
·
Planes de
precios de facturación.
·
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
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.
CAPITULO
II
1.- 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
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
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.
2.- 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
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.
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 ventajas 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.
Definición de un Operational Data Store
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.
·
Contiene datos
detallados, 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.
Objetivos y Ventajas de un Operational Data Store
Un
Operational Data Store tiene los mismos objetivos del Data Warehouse, con la
diferencia que soporta la toma de decisiones en las áreas tácticas, es decir
toma de decisiones de corto a mediano plazo.
En
cuanto a las ventajas de un ODS, básicamente son las mismas ventajas de un Data
Warehouse, con la diferencia de que la información está a nivel operacional y
dirigida a usuarios operacionales. Cabe destacar algunas desventajas que tienen
los sistemas operacionales contra un ODS:
·
Los sistemas
operacionales, en especial los viejos o pre-fabricados, no cubren todos los
requerimientos para el análisis operativo del negocio.
·
Los sistemas
operacionales, en muchos casos, son construidos uno a la vez, siendo la integración
entre ellos débil o inexistente.
·
Los sistemas
operacionales tienden a ser frágiles, no soportando modificaciones o
alteraciones sustanciales.
Procesos que componen un Data Warehouse
El
proceso para obtener un Data Warehouse se compone por una serie de pasos que
permiten lograr los objetivos planteados anteriormente.
El
primer paso consiste en un proceso de extracción de los datos requeridos de los
sistemas fuente de la organización, de fuentes manuales, de fuentes externas, y
del Operational Data Store (prefiriéndose esta última fuente sobre las otras,
ya que en ella se encuentran los datos depurados e integrados). Estos datos son
almacenados en un área de trabajo (Staging Area), en la cual los datos se
combinan, se depuran y se transforman mediante la aplicación de reglas de
negocio y de sintaxis que permiten obtener un conjunto de datos consistentes,
veraces y con sentido de negocio.
El
siguiente paso consiste en un proceso de carga de los datos al repositorio
central, que físicamente se puede traducir en una base de datos o un conjunto
de bases de datos (relacionales), las cuales pueden ser accedidas a través de
numerosas herramientas en el mercado que trabajan bajo el enfoque OLAP (Online
Analytical Process, cuyo concepto es explicado más adelante). En este
repositorio central, se puede almacenar los datos al más bajo nivel de detalle
y consolidarlos en diferentes niveles, en función de la estrategia que se
defina para la presentación de la información. El alcance de este proyecto no
conlleva la implementación de herramientas OLAP enfocadas a Inteligencia de
negocio, sino que propone el uso de una herramienta OLAP de visualización que
facilita el análisis de los datos y
provee técnicas básicas para comenzar a conocer los datos del negocio.
Con
esta serie de pasos, el usuario tiene a su disposición un conjunto de
información consistente, veraz y oportuna y la posibilidad de consultar de una
forma muy rápida la información más solicitada, y a la vez acceso confiable a
los datos de un mayor nivel de detalle.
Finalmente,
el Data Warehouse suministra bases para la toma de decisiones a diversos
niveles y para las distintas necesidades dentro de cualquier organización,
colocando toda la información que la organización necesita disponible para
quien la requiera, respetando los mecanismos apropiados de seguridad y acceso.
Procesos que componen un Operational Data Store
Similarmente al proceso del Data
Warehouse, el Operational Data Store tiene un proceso de extracción de datos de
los sistemas operacionales, fuentes manuales y de las fuentes externa, a los
cuales también se les realiza la limpieza y transformaciones necesarias, ya sea
al momento de extraerlos, o en el área en donde se almacenan temporalmente
antes de pasar al ODS (Staging Area). La diferencia es que los datos extraídos
estarán a un nivel de detalle mayor, y su frecuencia de extracción puede ser
desde en tiempo real (en cuyo caso se tienen que implementar mecanismos en los
sistemas operacionales para que transfieran los datos en tiempo real, tales
como disparadores de base de datos o sistemas de mensajería) hasta extracciones
una vez cada varios días.
Los datos extraídos de los
sistemas operacionales y almacenados en el Staging Area, pasan al ODS de manera consistente e
integrados, el cual es una base de datos relacional o un conjunto de bases de
datos relacionales.
En
el mercado existe una diversidad de productos y herramientas que apoyan a la
implementación del Data Warehouse y del Operational Data Store. Cambridge no
está asociada a ninguna en particular, por lo que el proceso de selección de la
herramienta estará basada en la mayor adaptación a las necesidades y
preferencias del usuario.
Glosario de Términos
A continuación se definen los términos
mas 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:
·
Centralización y
consistencia de la información útil para toda la corporación.
·
Acceso a la data
corporativa y organizacional en forma rápida y clasificada en diversas
dimensiones y en diferentes niveles de detalle.
·
Posibilidad de
combinar y formular nuevos datos a partir de los datos existentes.
·
Proveer, además
de datos, un conjunto de herramientas para consultar, elaborar reportes,
analizar y presentar información.
·
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 ).
·
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.
Las
áreas del negocio que se tomaron para este proyecto fueron : Facturación,
Recaudación y Tráfico de llamadas.
Por
último se evalúan los datos básicos del cliente.
3.- 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.
·
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.
CAPITULO
III
Marco Metodológico
Clasificación
de la investigación.
Para
poder realizar una clasificación acertada del presente proyecto como investigación
dentro del contexto científico, es necesario tener claro el significado de las
diversas formas de conocimiento científico, del método científico, de lo que es
una investigación científica y de las características del método científico.
Sabino
(1992) nos comenta: La investigación científica se define como una actividad
encaminada a la solución de problemas. Su objetivo es hallar respuestas a
preguntas mediante el empleo de procesos científicos o también como un esfuerzo
que se emprende para resolver un problema, claro está, un problema de
conocimiento. (p. 45).
De
todo lo antes expuesto, se puede determinar que la clasificación de la investigación
se divide en tres formas; la primera será según el propósito o razón de la
investigación y se la clasifica como pura o aplicada. La segunda será según el
nivel de conocimiento a obtener con la investigación y podrá ser exploratoria,
descriptiva o explicativa. Por último se la clasifica según sea la estrategia
empleada por el investigador, como documental, de campo o experimental.
Desde
el punto de vista del propósito o razón de este estudio, podemos decir que la
investigación es aplicada por cuanto busca resolver un problema concreto como
es proveer información crítica del negocio a
Arias
(1997) dice: ...”El nivel de la investigación esta referido al grado de
profundidad con que se trata el mismo” (p.47). El proyecto presenta
características que lo coloca como una investigación de nivel descriptivo ya
que trataremos de caracterizar la falta de efectividad y eficacia para proveer
la información crítica del negocio a los niveles gerenciales de mercadeo y
Ventas del sector empresas con la finalidad de poder definir el proceso actual,
su incompatibilidad con las demandas de la información y así poder idear un
esquema de estudio a nivel exploratorio en función de los resultados
descriptivos.
Según
la estrategia empleada la investigación es netamente de campo ya que se
realizaran consultas que permitan tomar los datos de interés directamente de la
situación actual, mediante técnicas de entrevistas y cuestionarios a
personalidades involucradas en el área y los procesos en cuestión.
Población
y Muestra
Desde
el punto de vista estadístico, una población o universo puede estar referido a
cualquier conjunto de elementos a indagar o conocer sus características, o una
de ellas, y para el cual serán validas las conclusiones obtenidas en la
investigación. Para poder identificar y definir la población o universo, se
requiere establecer primero las unidades de análisis, sujetos u objetos de ser
estudiados y medidos, por lo que los elementos de la población que también
puede ser instituciones, objetos físicos, etcétera.
La
muestra estadística es una parte de la población; se trata de un numero de
individuos u objetos seleccionados científicamente donde cada uno de ellos es
un elemento del universo. Balestrini (2000:126)
Una
muestra es una parte representativa del universo, seleccionada según ciertos
criterios en forma estadística o aleatoria, cuyas características deben
reproducirse en ella la más exactamente posibles; estadístico por cuanto el
tamaño de la muestra debe ser suficientemente grande como para que permita
aplicar matemáticas estadísticas para su análisis y aleatorio por cuanto debe
ser seleccionado en la mayoría de los casos al azar para que su significancia y
valor no se vean viciados por el observador y así se trate de una muestra
representativa y no manipulada [32].
De
aquí podemos concluir que debido a que tratamos una propuesta de solución a un
problema, nuestro universo de estudio se centra en dos objetivos: el primero relacionada
con los procesos actuales de procesamiento de la información crítica del
negocio y el segundo orientado en el sistema de tecnología que se recomienda
para establecer la provisión de información a la gerencia.
Para
el caso de la situación actual de los procesos que generan la información
crítica del negocio se realizaron los cuestionarios con el personal
involucrado. El cuestionario se dirigió a las 7 Coordinaciones que conforman
La
población objeto de estudio está constituida por la totalidad del personal que
conforma la Gerencia de Mercadeo y Ventas de la Unidad de negocio Empresas
integrada por 17 personas distribuidas de la siguiente manera:
Cuadro 2. Distribución de los usuarios
La
muestra tomada para esta investigación fue del 100%, y es una población finita,
es decir, porque se tiene plena identificación del total de la población, por
lo tanto el nivel de confianza sobre los resultados obtenidos será del 100%.
Para
el caso de la propuesta tecnológica se consideró la experiencia de las empresas
filiales en esta materia y de
A
continuación se realiza el proceso comprobatorio para obtener el tamaño de la
muestra sin ajustar y la varianza.
1.-
Determinar el tamaño de la muestra sin ajustar y la varianza.
2.-
Determinar la muestra real.
3.-
Sustituyendo tenemos:
Todo
esto no lleva a deducir que para que la investigación se utilizará un muestra
del 100%, es decir 7 coordinaciones.
Técnicas e instrumentos de recolección de datos
Tal
como lo comenta Ramírez (1999), las técnicas se refieren al “procedimiento mas
o menos estandarizado que se ha utilizado con éxito en el ámbito de la ciencia.
De las técnicas mas frecuentemente utilizadas en las ciencias sociales,
tenemos, por ejemplo, la técnica de la observación y sus variantes como la
observación participante, la encuesta y la entrevista” (p.137)
También
podemos comentar lo descrito en el libro de Arias F. (1999) donde expresa que
“las técnicas de recolección de datos son las distintas formas o manera de
obtener información”. (p. 35).
Observación Directa
Nos
basamos en lo expresado por Sierra B. (1998) donde dice que la observación
directa es “La inspección y estudio realizada por el investigador, mediante el
empleo de sus propios sentidos, especialmente el de la vista, con o sin
aparatos técnicos, de las cosas y hechos de interés social..” (p. 53). De acuerdo a lo explicado inferimos que la técnica de observación
proporciona información de primera mano en relación con la forma en que se
llevan a cabo las actividades, únicamente
observando detalladamente la forma de procesar la información y las
diversas situaciones que se presentan. Con la aplicación de la técnica de
observación directa se logrará una percepción del funcionamiento,
almacenamiento y el procesamiento de la información
En
adición a lo antes expuesto, para una efectiva práctica de la observación
directa es necesario el empleo de una guía de información para recolectar los
datos o una tabla de referencias, que conduzcan las acciones que se lleven a
cabo durante este proceso.
Según
Flames (2003) “la Observación como técnica de recolección de datos se
materializa por medio de cuatro instrumentos de recolección de datos: Lista de Cotejo,
Escala de estimación, registro anecdótico y/o registro de hechos significativos
y Cuaderno de Protocolo” (p. 36). En vista de lo anterior, para obtener la
información de primera fuente sobre la situación actual se aplicó la técnica de
la observación directa apoyado en el instrumento del Cuaderno de Protocolo, en
el cual se colocó la fecha y la descripción de los aspectos importantes
observados (ver anexo L).
Para
la aplicación de este instrumento se pautaron serie de reuniones con el
personal de las áreas involucradas en la investigación, es decir, la Gerencia
de Mercadeo y Ventas de la unidad de negocio Empresas, con el fin de realizar
un diagnóstico de la situación actual para el conocimiento acerca de las
actividades que llevan a cabo en el desempeño de sus funciones de toma de
decisiones.
Por
consiguiente, la recolección de la información antes descrita permitirá captar
las causas que originan el problema y apoyarán el planteamiento de los
correctivos.
Para
guiar el curso de las reuniones se realizó una agenda de contenido para
discutir en la misma donde se incluyan puntos que conlleven a la obtención de
la información pertinente y el máximo aprovechamiento de los recursos (tiempo,
información, experiencia, etc.).
La Entrevista y el Cuestionario
Según
Sabino (1986) la entrevista es:
“una
forma específica de interacción social, es decir, el investigador se sitúa
rente al investigado y le formula preguntas, a partir de cuyas respuestas
habrán de surgir los datos de interés,
todo esto conlleva al establecimiento de un diálogo, donde una de las
partes busca recoger informaciones y la otra se presenta como fuente de estas
informaciones. La ventaja de ésta técnica está en que son los mismos actores
sociales quienes facilitan los datos relativos a sus conductas, opiniones,
deseos, actitudes, expectativas, etc., cosas que por su misma naturaleza es
casi imposible observar desde fuera”. (p. 140)
Villafranca
(1996) afirma que “Consiste en obtener información, opiniones, sugerencias y
recomendaciones, mediante las técnicas como: La entrevista y el cuestionario”
(p.65).
Según
Sabino (1992), “La entrevista desde un punto de vista del método, es una forma
específica de interacción social que tiene por objeto recolectar datos para una
indagación. El investigador formula preguntas a las personas capaces de
aportarle datos de interés” (p.162).
Según
Alexis G. Pérez (2002), las entrevistas se clasifican en:
a. Estructuradas. Las que se realizan
atendiendo un orden de preguntas.
b. No
estructuradas. Constituidas por una serie de preguntas realizadas libremente
sobre el tema en cuestión. (p.69).
La ventaja que se obtiene al escoger la
entrevista personalizada como instrumento es que existe una identificación y un
contacto físico entre las partes, lo cual otorga carácter al proceso, segundo,
permite manejar el tiempo del desarrollo de la entrevista y facilitar al
entrevistado ante cualquier duda posible. La entrevista no personalizada podría
ahorrar mucho mas tiempo de ambas partes.
Las entrevistas no estructuradas, nos
permiten incluir preguntas no planeadas que nos permitirán indagar libremente
en el entrevistado aspectos relevantes para la investigación Flames (2003) en
“la entrevista como técnica de
recoleccion de datos, se materializa por medio de un instrumento de recoleccion
de datos: la guia de entrevista” (p.38)
En
vista de lo anterior, para el presente estudio, la aplicación de este
instrumento de recolección de datos es de suma importancia, ya que sus
características permiten recabar el mayor detalle sobre la información
requerida para el diagnóstico de la situación actual, detección de necesidades
y la búsqueda de la solución más adecuada.
Por
otra parte, se seleccionará al personal experto en la materia objeto de este
estudio para aplicarle este importante instrumento, a fin de obtener la
información más veraz, amplia y precisa, utilizando un esquema predeterminado
sobre los datos que se pretender obtener de cada una de las entrevistas en
relación a la especialización profesional y el rol que posea cada entrevistado
con respecto al tema de estudio, para aprovechar al máximo el recurso de la
información que pueda aportar el entrevistado.
Para
Flames (2003) “La Encuesta como técnica de recolección de datos, se
materializa por medio de instrumento de recolección de datos: el cuestionario;
pudiendo ser este de preguntas cerradas de una o varias opciones de respuestas
y de preguntas abiertas” (p. 38)
En
nuestro estudio realizaremos una encuesta con preguntas cerradas de 2 opciones
(SI/NO), para conocer la realidad sobre la necesidad de que la herramienta
realmente sea requerida por los usuarios.
Después de haber
definido los instrumentos adecuados para la recolección de los datos y teniendo
identificada la población y la muestra, se procede a la planificación del
instrumento con el que se registrará y organizará la información.
Sabino (1992) define el
instrumento como “cualquier recurso del que se vale el investigador para
acercarse a los fenómenos y extraer de ellos información” (p.143).
Así mismo, lo expresa
Ramírez (1999) como “es un dispositivo
de sustrato material que sirve para registrar los datos obtenidos a través de
las diferentes fuentes”. (p.137)
Sin embargo, ambos
conceptos difieren el algo importante: en el segundo concepto resalta la
palabra material, con lo cual Ramírez deja claro que el
instrumento debe ser asequible, es decir, debe quedar registrado en algún
medio.
Si
fuera el caso de una entrevista, la cual es memorizada perfectamente por el
entrevistador, esta no se consideraría a simple vista, de tipo material, pero
si por el contrario la misma queda asentada en un medio como el impreso,
grabación, video, .... Sería perfectamente un instrumento confiable.
En
este proyecto existen tres instrumentos: la entrevista con las diferentes
coordinaciones de la Gerencia a fin de concretar cuales eran las fuentes de
información más confiable para obtener la información pertinente a la
recaudación, tráfico y facturación de llamadas, así como también los diferentes
canales que afectan la fuente y la forma de acceder a esta información, la
observación directa aplicada sobre los procesos actuales de obtención de la
información y toma de decisiones y la encuesta con preguntas cerradas de 2
opciones (si/no) para conocer o de obtener la información necesaria para la
propuesta de un modelo.
Con
respecto al tipo de la investigación recordemos que esta surge de fuentes de
información primaria, es decir, del estudio del fenómeno en su ambiente natural
y el nivel descriptivo infiere en la particularidad de este trabajo que analiza
la necesidad de la Gerencia de Mercadeo y Ventas de proveerse de la información
crítica del negocio para la toma de decisiones de manera eficiente y de la
frecuencia con que esta información es requerida.
En
segundo lugar el resultado del cuadro de operacionalización de variables en
concordancia con los objetivos planteados, arrojaron que el tipo de dato que se
desea recabar está en manos del grupo de personas que conforman el nivel
coordinación y de los analistas de mercadeo, y la naturaleza del dato está
basada en la experiencia que cada uno de estos actores tiene al desempeñar las
actividades relacionadas con la generación e interpretación de la información
crítica del negocio.
Validez y confiabilidad de
los instrumentos
La validez y confiabilidad que demostraremos a continuación sobre el instrumento
(cuestionario) construido busca garantizar que los resultados obtenidos sean
los indicados para obtener la
información que justifiquen este proyecto.
En este sentido,
se procedió a realizar la
validez y confiabilidad de dicho instrumento. Según Hernández Sampieri y otros
(1991), define validez como “el grado en que un instrumento realmente mide la
variable que se pretende medir” (p.346). Al validar se estableció si realmente
los ítem de los instrumentos miden las variables de estudio.
Se
establecieron dos etapas fundamentales para la validación del cuestionario. La
primera estuvo relacionada con el análisis realizado al instrumento, que se
aplico en el pre-diagnóstico, el cual sirvió para conocer en forma general la situación actual, y también
se destino parte del tiempo, para determinar si el instrumento en cuestión
respondía a lo que se quería examinar. La segunda etapa consistió en presentar
el instrumento a los expertos para que lo evaluaran y dieran sus
recomendaciones en cuanto a la claridad de la redacción, comprensión, sencillez
y dominio específico del tema, con respecto a la variable a medir.
Los expertos involucrados fueron:
|
Nombre
del Experto Validador |
Profesión |
Experiencia Laboral |
|
Lic. En Organización y Métodos |
Coordinador de Procesos y Calidad |
|
|
Lic. Deisy Rivas |
Lic. En Organización y Sistemas |
Consultor de Procesos y Calidad |
|
Lic. Alexis Girón |
Lic. Informática |
Profesor Universitario |
Cuadro.4 Personas vs. áreas evaluadoras
de los instrumentos
Como resultado de la evaluación, se
sugirió no hacer referencias a ejemplos dentro del cuestionario que puedan
cambiar o alterar la percepción que tiene el entrevistado de la pregunta.
Según Hernández Sampieri y otros (2002) “Confiabilidad es el grado en el que la
aplicación repetida de un instrumento de medición al mismo fenómeno genera
resultados similares” (p.348) y para
Aiken (1996) “ningún instrumento de evaluación puede tener valor a menos que
mida algo en forma consistente o confiable. “ (p.87)
Con
relación a los instrumentos utilizados para la determinación de los
requerimientos, es importante destacar, que no fueron objeto de validación y
confiabilidad los mismos fueron implementados de acuerdo a los modelos que
presentan los libros orientados al análisis y desarrollo de sistemas (Senn 1992
Cáp. III, p.76).
Para
medir la validez se diseño un formato específico, en el cual se presentan diez
(10) criterios. Cada uno de los expertos expresó su opinión en cuanto a:
CRITERIOS |
PUNTAJE |
||
|
10
PUNTOS |
5
PUNTOS |
1 PUNTO |
|
|
Relación
con el problema |
|
|
|
|
Relación
con las Interrogantes |
|
|
|
|
Relación
con las Variables |
|
|
|
|
Redacción
de Item |
|
|
|
|
Objetividad
de Item |
|
|
|
|
Pertinencia
de Item |
|
|
|
|
Secuencia
de Item |
|
|
|
|
Contenido |
|
|
|
|
Presentación |
|
|
|
|
Posibilidad
de respuesta |
|
|
|
|
TOTAL |
100 |
50 |
10 |
Cuadro
5 Formato de medición de Instrumentos.
Instrucciones:
Usted deberá seleccionar y marcar en la
casilla el puntaje correspondiente que le asigne a cada aspecto del
cuestionario.
|
ESCALA VALORATIVA |
CRITERIO CUALITATIVO |
|
0-50 |
NO VALIDO |
|
51-74 |
MEDIANAMENTE
VALIDO |
|
75-100 |
VALIDO |
Cuadro 6 Escala
Valorativa.
Recomendaciones:
|
|
|
|
|
|
Resultados:
1.
Puntaje emitido por experto 1: 90
2.
Puntaje emitido por experto 2: 95
3.
Puntaje emitido por experto 3: 100
Estrategias para el Análisis
e Interpretación de los Resultados
Al concluir la fase de recolección de datos para la
determinación de la necesidad del sistema, fue necesario introducir algunos
criterios que se incorporaron, como parte del proceso de investigación, a fin
de delimitar algunas conclusiones con relación al problema planteado.
Como
se puede apreciar en la matriz metodológica las preguntas fueron elaboradas
basándose en dos aspectos identificados con los números 1 y 2 los cuales
identifican para efecto de la medición la condición 1 y condición 2. La tabla
que a continuación se presenta explica la forma como debe interpretarse cada
condición.
|
Condición |
Interpretación |
Resultado |
|
Condición (1) |
Implica no modificar nada del sistema actual |
El sistema actual permanece |
|
Condición (2) |
Implica la modificación total del sistema actual |
El sistema actual es desechado se desarrolla un nuevo sistema |
Interpretación y Análisis de los resultados
En estas tablas
se totalizaron todos los datos provenientes de las entrevistas, de tal manera
que pueda apreciarse con claridad las fallas y/o problemas que se presentan
actualmente. Según Balestrini (1998) el análisis de la interpretación de los
datos son los que permiten realizar inferencias de las relaciones estudiadas y
extraer conclusiones en cuanto a los hallazgos encontrados. De acuerdo a esto
se determinó la necesidad de desarrollar un Modelaje de Datos para un Data
Warehouse enfocado al área Mercadeo y
Ventas de CANTV.
La interpretación y análisis de los
resultados obtenidos a través de la aplicación de la entrevista a las unidades
de la población, se presentarán en el Capitulo IV, allí se mostrarán la
tabulación de los resultados, los gráficos y análisis respectivos.
BIBLIOGRAFÍA
AIKRN,
LEWIS: Test y Evaluación, 8va edición,
1996.
Editorial
Prentice Hall
ARIAS
Fidias: El proyecto de investigación, 2° edición, 1997.
Editorial
FUNDACA.CULTCA. Los Teques, Venezuela
BALESTRINI
A. Mirian: Como se elabora el proyecto de investigación. Edición 2002.
Editorial Panapo. Caracas
BRITO,
J.: Como elaborar una tesis. Edición 1992. Editado por: CENDES.UCV. Caracas
BROTONS,
Antonio: Trabajo de investigación para el Master Executive en Marketing
Relacional, CRM y Comercio. Electrónico ICEMD. http://www.icemd.com/
CERVO
A. y Bervian P: Metodología científica. Edición 1999.
Editorial
FUNDACA.CULTCA. Los Teques, Venezuela
COREY, Michael “Oracle, Data Warehousing”, Edición 2002.
Editorial McGraw-Hill.
COREY, Michael J & Abbe
Michael ”Oracle Data Warehousing”,
Computer World 1993 - pág. 218.
Flames
Abel. Como elaborar un trabajo de grado
de enfoque cuantitativo. 2da. Edicion. Ipasme, Caracas, 2003
Hernández,
Sampieri, Fernando Collado, Carlos y Baptista Lucio, Pilar: Metodología de la
Investigación, Edit. McGraw Hill 1era Edición, México, 1991
HARJINDER
S. Gill y Prakash C. Rao, “Data Warehousing”, Prentice Hall
Hispanoamericana,
1996. Capitulos 1,2, 4. Pag.5, 6, 21, 305,306
Imhoff,
Claudia; Galemno Nicolas; Geiger, Jonathan G.
Mastering Data Warehouse Design –
Relacional and Dimensional Tecniques.
Wiley Publishing, Inc. Indianapolis, Indiana, 2003.
INMON, Bill “Building the Data Warehouse" and
"Data warehouse
performance”, Edición 1.994.
Editorial Wiley Publishing. Estados Unidos.
Kimball, Ralph; Reeves, Laura;
Ross, Margy; Thornthwaite, Warren. The
Data Warehouse Lifecycle Toolkit. John
Wiley & son, Inc. USA. 1998.
MCGUFF , Frank “Datawarehouse
Modeling”, http://www.techguide.com/
"Managing The Warehouse
Throughout Its Lifecycle,
http://www.techguide.com/
MCGUFF, Frank “Designing The Perfect Datawarehouse”
PADUA,
J (1979). Técnicas de investigación aplicadas a las ciencias sociales.
México.Editorial: Fondo de Cultora Económica.
PEREZ,
G. Alexis: Guía Metodológica para Anteproyectos de Investigación. Edición 2002. Caracas: FEDUPEL
Ponniah,
P. Data Warehousing Fundamentals. John Wiley & sons,
Inc. USA, 2001.
RAMIREZ,
Tulio: Como hacer un proyecto de Investigación. Editorial Panapo. Edición 1999.
Caracas
RPP Revista Profesional para programadores
Nº 45, Noviembre 1998
Computer
World Nº145, 12 Noviembre 1997.
Computer World Nº151 18 Febrero 1998.
SABINO.
C: El proceso de investigación. Buenos Aires. Editorial El Cid. Edición 1994.
SENN,
Jame A: Análisis y Diseño de Sistemas de Información, México, Edit. McGraw Hill
2da Edición, 1992, 942 Págs. Trads, Urbina M. Edmundo y Palucas V.
Universidad
Nacional Abierta, “Técnicas de
documentación e investigación II” 5°
edición, 1985.
VILLAFRANCA
de Alemán, D.: Metodología de la Investigación. Edición 1996. Editorial
FUNDACA.CULTCA. Los Teques, Venezuela.
DELGADO,
Adriana: “Creación de un modelo conceptual de un Data Warehouse para el Banco
Mercantil e implementación departamental”.
Tesis
presentada ante Universidad Metropolitana. Ingeniería. Ingeniería de Sistemas.
1998. Caracas.
GOMEZ
Nelly, OCHOA Claudia: “Conceptualización del Data Warehouse, análisis, diseño e
implementación de un prototipo”. Oficina Central de Estadística e Información.
Tesis presentada ante Universidad Metropolitana. Ingeniería. Ingeniería de
Sistemas. 1998. Caracas.
YDIRIN,
María: “Construcción de un Data Warehouse de datos del medio ambiente para la
toma de decisiones: aplicación a los datos hidrológicos”.
Tesis
presentada ante Universidad de las Américas, Puebla. Escuela de Ingeniería.
Departamento de Ingeniería en Sistemas Computacionales. 2004. México.
INFOGRAFIA
“Building A Decision Support
Architecture For Datawarehousing”,
http://140.148.3.250/u_dl_a/servlet/mx.udlap.ict.tales.html.Block?Thesis=1295&Type=O
“Putting Metadata To Work In The
Warehouse” , http://www.techguide.com/
“A Practical Guide To Getting
Started With Data Warehousing”,
http://www.techguide.com/
“Guía
de la Computación” http://www.guia.com.uy
http://www.gcc.com.mx/soluciones/dwhouse.htm
http://www.bftsystems.com/sol_dataware.htm
http://www.wnet.es/productos/infsagent1.htm
http://www.compag.es/soluciones/dwareymart/Secciones/dwsodwxx.htm
http://www.mtginc.com/spanish/whatwedo/technical/dws.html1
http://www.sun.es/success/warehouse/bankinter
http://www.194.174.14.5/Espanol/es_data_warehouse.htm
http://www.fciencias.unam.mx/revista/soluciones/30s/No34/dataware.htm1
http://www.business.carleton.ca/~aramirez/Espol/Modulo1/index.html1
http://www.datawarehouse.com/
http://www.digital.com/alphaserver/solutions/dataware/dataware.htm1
http://www.intellicomp.cl/datawh.htm
http://www.pwp.starnetinc.com/larryg/defined.html