1

Finalidad y principios del SIA

• Posicionamiento del SID en relación con el big data y el SIO (sistema de información operativa).
• Tendencias y desarrollos en Business Intelligence. Lago de datos frente a almacén de datos.
• Nuevos retos: aprovechar al máximo la información, correlación rápida.
• La arquitectura de un CIS.
• Opciones estratégicas de arquitectura: integración del lago de datos.
• Un nuevo equilibrio entre la modelización preliminar y el análisis dinámico.

2

Enfoque de diseño de IDS, impacto del modo de descubrimiento

• La tipología universal de las solicitudes en un SIC basada en la gestión y el análisis predictivo del comportamiento.
• Dominar el proceso de diseño de data marts y data labs.
• ¿Cómo pasar de los data marts en silos a un SI abierto al descubrimiento de BI y big data?
• Coherencia de los modelos estrella: multidimensional. Análisis en memoria frente al modelo estrella. Modelo de laboratorio de datos.
• Desnormalización NoSQL frente a la desnormalización BI clásica.
• Diferencia entre análisis multidimensional y predictivo.
• Evitar la proliferación de agregados e indicadores reutilizando los desarrollos.
• Diseño de una arquitectura mixta tradicional BI-Discovery BI-análisis dinámico.

3

Construir sistemas de referencia

• ¿Cómo facilitar el acceso a la información? Conciliando al propietario del proyecto y al gestor del proyecto en torno al repositorio.
• Construcción del marco de referencia de la empresa. Dimensiones de análisis e indicadores compartibles.
• Construir una arquitectura que abarque todas las etapas, desde la dirección hasta el análisis del comportamiento.
• Construir diccionarios para el SID, utilizar metadatos para gestionar la coherencia.

4

Optimizar el acceso a los datos

• ¿Cómo responder a las necesidades y definir las soluciones informáticas óptimas?
• Multidimensional, ROLAP, MOLAP o híbrido: criterios de elección, evolución futura.
• Multidimensional en memoria.
• Organizar su lago de datos. Creación de laboratorios de datos.
• Aplique la normalización de la toma de decisiones a sus modelos estelares.

5

Medir el valor del DIM

• Hacer de la SI una palanca de la estrategia empresarial.
• Combinación de casos de uso en procesos de toma de decisiones.
• Identificar las áreas elegibles para la computación en nube.
• Definir los criterios de un SIC eficaz.
• Gestionar el valor de los datos.
• Mapear su IDS para vincular la finalidad de uso y los datos utilizados para el RGPD.
• Urbanización del SID: evitar el exceso de procesamiento y la sobrecarga de las capas semánticas.

6

Big data en modo industrial

• Principales tipos de casos de uso.
• El problema de la industrialización de los proyectos de Big Data.
• Lista de recomendaciones.
• Analítica - predictiva en tiempo real y streaming (CEP: procesamiento de eventos complejos).

7

Estado actual de las herramientas de toma de decisiones

• Visión general de las suites de inteligencia empresarial: SAS, Microsoft, SAP BusinessObjects, etc.
• Grado de integración del modo de descubrimiento, la analítica y la visualización de datos.
• ETL. Herramientas multidimensionales. Despliegue web.
• Big data integrado en el SID. Base de datos NoSQL. Bases de datos NewSQL. Cohabitación entre diferentes bases de datos.
• Análisis en memoria. Dispositivo o hardware básico.
• Posicionamiento del ecosistema Hadoop en el análisis del comportamiento de los clientes.
• ¿Cambiar el SID a una base de datos NoSQL o NewSQL o integrar los enfoques?
• Combinación de una solución ágil de descubrimiento de datos con capacidades de industrialización de BI.
• Vincular o fusionar su lago de datos y su almacén de datos para crear la fábrica de datos.

8

Oportunidad y creación de valor para la empresa

• Evaluar el valor añadido para la empresa y la utilidad de la gestión del cambio.
• Gestión y priorización de la cartera de proyectos. Criterios de subdivisión.
• Las especificidades de un proyecto de BI y de un proyecto de Big Data.
• Técnicas de análisis de las necesidades de inteligencia empresarial: escollos a evitar.
• ¿Cómo evalúa la complejidad y madurez de sus necesidades?
• Dirigir la transición de la toma de decisiones tradicional a la mixta tradicional-analítica en modo libre.

9

Organización de la gobernanza: equipos - procesos - datos

• Los diferentes actores y sus respectivos papeles. Nueva relación entre la empresa y las TI.
• Posicionar el BI dentro de la empresa. Organizar la gobernanza y la coherencia general de los datos.
• Crear una organización coherente y multidisciplinar.
• Preservar la autonomía del usuario. Gestionar la capacidad de respuesta.
• Integración de las unidades de negocio en la gestión del valor: datos y casos de uso.
• Organizar la fábrica de datos. Administrar los componentes del SID.
• Las palancas del descubrimiento BI, big data y ciencia de datos.
• Garantizar la fiabilidad de los datos y la información.
• Aplicar el proceso de gestión de la calidad y la veracidad.
• Definir los controles de calidad mínimos. Definir el escalonamiento de los controles.
• Impacto de la normativa RGPD en la seguridad del acceso a los datos.