viernes, 15 de junio de 2012

1.32 Metodología para proyectos de Inteligencia de Negocio (BI).

DCC. Dafne Rosso Pelayo
La inteligencia de negocio en la empresa, sólo puede lograrse mediante la adopción de medidas para alcanzarla.


En el artículo anterior platicamos sobre los riesgos involucrados en los proyectos de BI ocasionados por el desconocimiento de la tecnología y por emplear esquemas de desarrollos propios de sistemas tradicionales.
En este artículo iniciaremos la construcción de un prototipo empleando una metodología para proyectos que emplean minería de datos y empleando una herramienta gratuita de BI.

¿Por dónde empezar?

Como comentamos en el artículo anterior, es necesario controlar los cambios, los recursos, los costos, y  las expectativas durante el desarrollo del proyecto. La construcción de un prototipo puede aclarar, resolver y ajustar el alcance y los objetivos  que se pueden lograr con la tecnología de BI, si el resultado del prototipo es positivo, pude incurrir en la compra de una herramienta o el desarrollo del  proyecto con alcances y objetivos más realistas.
Para comenzar el prototipo  presentaremos la metodología que emplearemos en su construcción: La metodología  CRISP-DM (Cross Industry Standard Process for Data mining),  propia de aquellos proyectos que emplean minería de datos o sistemas inteligentes en su desarrollo.
CRISP-DM, incluye dentro de sus fases las fases típicas de un proyecto, las tareas relacionadas con cada fase y una explicación de las relaciones entre estas tareas. CRISP-DM puede ser usada como un modelo de referencia que ofrece una visión general del ciclo de vida de los proyecto que emplean sistemas inteligentes ya sean técnicas de  minería de datos, aprendizaje o análisis avanzados.

La siguiente figura muestra las fases que componen la metodología.


El modelo consta de seis fases. La secuencia de las fases no es obligatoria ni rígida. La interacción entre las fases se da de acuerdo a la naturaleza, ritmo y avance  del proyecto. La interacción puede ser en cualquier sentido y el modelo es completamente adaptable al proyecto de BI.

Fases de CRISP-DM: Entendimiento del negocio

El entendimiento del negocio es la primera fase de la CRISP-DM y comprende los siguientes puntos:

1.       Determinar los objetivos del negocio
Antecedentes
Objetivos del negocio
Criterios de éxito

2.       Situación Actual
Inventario de recursos
Requerimientos
Supuestos, restricciones, riesgos y contingencias
                Terminología
                Costos y beneficios

3.       Determinar las metas de la minería de datos
Metas de la minería de datos
Criterio de éxito de la minería de datos

4.       Generar el plan de trabajo
Plan del proyecto inicial
Inventario de técnicas y herramientas

Esta fase es una de las más importantes y requiere que todos los involucrados estén de acuerdo en los puntos que la conforman.

Aplicando la metodología al piloto.

Las fases correspondientes al entendimiento del negocio y el entendimiento de los datos son las más importantes en la preparación del proyecto. Es posible regresar a ajustar detalles a estas fases de acuerdo a los resultados que se obtengan en la preparación de datos.


Determinar los objetivos del negocio
Antecedentes
Planteamiento del contexto (las situaciones, problemática etc.), tanto  anterior como actual de la empresa. Incluyendo los eventos o situaciones que originan y justifican la necesidad de efectuar el proyecto.

Eje.(resumiendo) En el piloto: Las ventas no han sido las esperadas en los años anteriores y el inventario no es óptimo.
Objetivos del negocio
Incrementar las ventas
Incrementar utilidades
Optimizar los inventarios
Criterios de éxito
Realizar un entendimiento adecuado del negocio y de los datos.
Contar con el patrocinio de los directores


Situación Actual
Inventario de recursos
No hay software de BI
Una desarrollador ( técnico de TI)
Gerente y personal de apoyo
Red local
Internet
Requerimientos
Segmentar clientes,
Incrementar ventas,
Eliminar productos que no reditúan un beneficio económico,
Permitir un seguimiento de las ventas.
Supuestos, restricciones, riesgos y contingencias
Ver artículo anterior (art 30).
Terminología

Costos y beneficios
Pueden ser estimados después del prototipo


Determinar las metas de la minería de datos
Metas de la minería de datos
Segmentar clientes,
comportamiento de venta,
pronósticos de ventas a futuro
Criterio de éxito de la minería de datos
Calidad de los datos
Entendimiento de los datos exitoso
Supervisión de los resultados parciales


Generar el plan de trabajo
Plan del proyecto inicial
Puede ser el plan de trabajo del prototipo
Inventario de técnicas y herramientas
En mi opinión aquí hay que regresar una vez que se conoce la naturaleza de los datos.



En el siguiente artículo examinaremos la siguiente fase de CRISP- DM, acoplándola de igual manera al desarrollo de nuestro piloto.

Copyright © 2012 Dafne Rosso Pelayo. Todos los derechos reservados.

No hay comentarios: