1

Gestin del conocimiento

Business Intelligence

Profesor: Julio Iglesias

Curso: 2011-12

2

Presentacin

Presentacin

3

Julio Iglesias

Presentacin

4

BUSINESS INTELLIGENCE

TECNOLOGAS DEL MUNDO BI: DATAWAREHOUSE, OLAP, DSS, EIS, DATA MINING...

CONOCER LAS POSIBILIDADES TECNOLGICAS PARA LOS S.I.(D).

EL AMBITO SANITARIO

DEMOS

Qu hay de men

5

Presentacin

Presentacin

6 HERRAMIENTAS QUE PERMITEN ABSTRAER LA INFORMACION EN CONOCIMIENTO

7

A broad category of applications and technologies for gathering, storing, analyzing, sharing and providing access to data to help enterprise users make better business decisions.

Gartner

Qu es la Business Intelligence?

http://www.youtube.com/watch?v=_1y5jBESLPE

Qu es la Business Intelligence?

Business Intelligence

http://www.businessintelligence.info/

11

Tipos y caractersticas

La informacin

12

INFORMACIN OPERATIVA

Informacin necesaria para que cada rea

funcional pueda realizar la parte de trabajo que

tiene encomendada

Tipos de informacin

- Fiabilidad

- Correcta

- Actualizada (Tiempo real)

- Disponibilidad

- Buen tiempo de respuesta (segundos)

13

INFORMACIN DE GESTIN

Seleccin, agrupacin y tratamiento de la

informacin operativa, para realizar funciones de

Control, Planificacin, Presupuestacin y Gestin

especializada de la reas funcionales

- Fiabilidad

- Correcta

- Actualizada (diariamente)

- Disponibilidad

- Facilidad de uso

Tipos de informacin

14

INFORMACIN DE DIRECCIN

Seleccin, agrupacin y tratamiento de las

informaciones operativas y de gestin para

controlar el cumplimiento de las politicas de la

empresa, y realizar anlisis y estudios de

excepcin con la misma

- Fiabilidad

- Correcta

- Actualizada (Al nivel planteado - Semanal, Mensual..)

- Disponibilidad

- Facilidad de Uso

- Capacidad de presentacin

Tipos de informacin

15

ERP

Herramientas

SCM

- PROVEEDORES

EDI

Mk. Place

Herramientas

Bussines Intelligence

- DWH

- CUBOS

- EIS

- DATA MINING

Herramientas

B to E Herramientas

CPFR

Planificacin

Previsiones

Reaprovisionamiento

Herramientas

CRM

Call Center

Soporte F.V.

Integracin N.C.

EDI

- CLIENTES

Administracin

Componentes S.I. Empresas

16

Nivel de madurez de los S.I. operacional y de gestin de la

empresa.

Procedimientos de toma de decisiones.

Infraestructura de Informacin y Tecnologa en la empresa.

Condiciones existencia de los S.I.

Tip

os

de

info

rmac

in

I.

Direccin

Informacin de

Gestin

Informacin Operativa

Creando la pirmide

Tip

os

de

info

rmac

in

Informacin

Direccin

Informacin de

Gestin

Informacin

Operativa

+ A

greg

ado

- A

greg

ado

I.

Direccin

Informacin de

Gestin

Informacin Operativa

Creando la pirmide

Info

rmaci

n

An

altica

Info

rmaci

n

Transaccio

nal

Informacin

Direccin

Informacin

Gestin

Informacin

Operativa

I.

Direccin

Informacin de

Gestin

Informacin Operativa

Tip

os

de

info

rmac

in

Creando la pirmide

I.

Direccin

Informacin de

Gestin

Informacin Operativa

Tip

os

de

info

rmac

in

+ Ag

regad

o

- Ag

regad

o

Info

rmaci

n

An

altica

Info

rmaci

n

Transaccio

nal

Creando la pirmide

I.

Direccin

Informacin de

Gestin

Informacin Operativa

+ A

greg

ado

- A

greg

ado

Info

rmaci

n A

naltica

Info

rmaci

n Tran

saccion

al T

ipo

s d

e in

form

aci

n

EIS

CUBOS DDS (Decision Support System)

- Sistemas de previsiones, estadsticas y modelado -

Informes+consultas

CUBOS

Informes y consultas

Sistemas Empresariales

Reporting

CUBOS /DM/DSS Support System)

- Sistemas de previsiones, estadsticas y modelado -

Informes y consultas

Balance ScoreCard

Creando la pirmide

22

OLAP, DW, DM, EIS, DM, DSS... BI

23

DATOS

INFORMACION

INTELIGENCIA

CONOCIMIENTO

DESEO

DATA WAREHOUSE

BUSINESS INTELLIGENCE

GESTION DEL CONOCIMIENTO

FEED-BACK

SYSTEMS PRIMARIOS

De los datos al deseo

24

Data

Warehouse

Data

Mart

OLAP

Query and

reporting Data mining

DSS

EIS

Anlisis

estadstico

Demasiadas siglas asociadas a BI

Drill Across

Balance

Scorecard

ETL

Drill Through

BI

GIS

KPI

25

Green bar

reports

Early tools

1970s

Document the

Business

E-comm

Analytic

merchandising

2000+

Predict the

Business

OLAP

Web-based

reporting

Data Mining

1990s

Improve the

Business

1980s

Understand the

Business

First DWs

Data Marts

DSS

Spreadsheets

Reports

Evolucin

26

Mezcla de conceptos.

Productos con ms de una funcionalidad

Hablar de infraestructura y aplicaciones

en lugar de productos.

Componentes del mercado

27

Muchos datos a bajo nivel

Pocos datos a alto nivel

Sin comparaciones Vs. ao anterior

Demasiado tiempo en encontrar respuestas

Dificultades

28

Bases de datos multidimensionales

Multidimensionales

29

Mar cas

Pases

El qu vs el cmo

30

Marcas

Pases

Meses

Dim4 Dimensin desconocida

31

Responsable Supermercado Project Server

Windwos 2003

32

Los Modelos dimensionales organizan la informacin

en Mtricas y Dimensiones

Mtricas son valores cuantificables que expresan las mgnitudes

fundamentales del negocio, tambin se denominan Hechos (Ventas en ptas., Unidades, Personal, Cantidad producida, etc.)

Dimensiones son los distintos puntos de vista para analizar las

mtricas (Tiempo, Geografa, Tipo producto, etc.)

Los miembros de una Dimensin se organizan de manera

Jerrquica, por niveles. Ej. (Dimensin Geogrfica: )

Los miembros de determinado nivel

son hijos de los del nivel superior y

agrupan en ellos.

CCAA

Provincia

Localidad

Multidmensionalidad

33

Los cubos son otra forma de ver un modelo

Multidimensional

El valor de un determinada mtrica por un conjunto de

Dimensiones se hallara en la interseccin de los ejes de las

mismas.

Aunque hablamos de cubo no estamos restringidos a 3

Dimensiones, en la prctica puede haber muchas ms.

Dime las ventas del producto 2, en el

ao 2000 en Madrid

Producto1

Producto2

Producto 3

Ventas Dime las ventas durante 1999 de todos

los productos en todas las Provincias

Ventas

Producto1

Producto2

Producto 3

OLAP

34

UN MISMO DISEO PARA VARIOS USUARIOS.

Capacidad de anlisis

Vista Direccin Funcional

Vista Gestin Vista Operativa

Vista Direccin

General

Pro1

Pro2

Pro3

35

Multidimensionalidad

Fichas (V/N/P)

Importe

Solicitudes

Envos

Impresiones

Mes

Ao

Trimestre

D.TIEMPO

T.Centros

Agrupacin2

Agrupacin1

D.CENTRO

Provincia

Pas

Comunidad

D.GEOGRFICA

Total Regist.

Sexo D.Usuario

T.Categoras Subcategora2

Subcategora1

J. Categorias

Total Cursos

Agrupacin2

Agrupacin1

J. Cursos D.Curso

Consideraciones

Volumen, Tiempo de Calculo, Rendimiento Consultas

36

Caractersticas OLAP

Fuente: SQL Server 2000 Data Warehousing with Analysis Services. Ed. Wrox

37

El proyecto de BI BI

38

Anlisis

ALMACENAMIENTO

ACCESO

Consultas

Informes

Integracin de Datos

Suministro de

informacin

ORIGEN

Datos Operacionales

Data Warehouse

ERP

Datos Externos

Transformacin DWH / Data Mart Explotacin de

datos

Metadatos

El proyecto de BI

39

DataWarehouse vs Data Mart

DW/DM

40

Un datawarehouse es un entorno

estructurado diseado para el anlisis de

datos no voltiles, transformados de manera

lgica y fsica de mltiples apps de origen

para obtener una estructura de negocio y

obtener un rpido anlisis

Datawarehosue

41

El Data Warehouse es el

repositorio corporativo de Informacin

Almacn consolidado de Informacin

Se alimenta de los sistemas operacionales ya existentes

y de otros orgenes externos de datos

Proporciona una visin en el tiempo de la informacin (cunto hemos vendido este ao en relacin con el pasado?)

Presupone la existencia de sistemas a partir de los cuales crear

el Data Warehouse

Propsito

Su propsito es proporcionar a las organizaciones la capacidad de

analizar las magnitudes que expresan la marcha del negocio para

permitir la toma de decisiones estratgicas.

Dar una visin nica, a toda la organizacin, de la informacin

fundamental del negocio

Conceptos

RRHH

MARKET.

FINANZA

VTAS

?

Es una cuestin de tamao

43

Extract, Transformation and Load ETL

44

Steps in data reconciliation

Static extract = capturing a

snapshot of the source data at

a point in time

Incremental extract =

capturing changes that have

occurred since the last static

extract

Capture = extractobtaining a snapshot

of a chosen subset of the source data for

loading into the data warehouse

45

Steps in data reconciliation (continued)

Scrub = cleanseuses pattern

recognition and AI techniques to

upgrade data quality

Fixing errors: misspellings, erroneous dates, incorrect field usage,

mismatched addresses, missing data,

duplicate data, inconsistencies

Also: decoding, reformatting, time stamping, conversion, key generation,

merging, error detection/logging,

locating missing data

46

Steps in data reconciliation (continued)

Transform = convert data from format

of operational system to format of data

warehouse

Record-level: Selection data partitioning

Joining data combining

Aggregation data summarization

Field-level: single-field from one field to one field

multi-field from many fields to one, or

one field to many

47

Steps in data reconciliation (continued)

Load/Index= place transformed data

into the warehouse and create indexes

Refresh mode: bulk rewriting of target data at periodic intervals

Update mode: only changes in source data are written to data

warehouse

Single-field transformation

48

In general some transformation function

translates data from old form to new form

Algorithmic transformation uses a

formula or logical expression

Table lookup

another approach

49

M:1 from many source

fields to one target field

1:M from one

source field to

many target fields

Multifield transformation

50

Typical operational data is:

Transient not historical

Not normalized (perhaps due to denormalization for performance)

Restricted in scope not comprehensive

Sometimes poor quality inconsistencies and errors

After ETL, data should be:

Detailed not summarized yet

Historical periodic

Normalized 3rd normal form or higher

Comprehensive enterprise-wide perspective

Quality controlled accurate with full integrity

Reconciliarse con los datos

Data Transformation Services

Data Transformation Services

53

Capturas otras herramientas

An hay ms..

54

GIS

55

EIS / DashBoard

56

Balanced Scorecard

IT

SALES

MARKETING

CUSTOMER SERVICE

HR

OPERATIONS

PRODUCT DEVELOPMENT

FINANCE

Por qu? Cmo vamos?

Qu deberiamos hacer?

Tres preguntas para mejorar el rendimiento

El Scorecard o el dashboard nos muestran que el tiempo de envo a los clientes esta por debajo del plan

Cmo lo estamos haciendo?

58

Gran cantidad de estilos y opciones, incluyendo vistas con grficos en formato flash, mapas,

Proporciona informacin compleja de forma visual y en tiempo real.

Visual e intuitivo

Ayuda a centrarse en lo que realmente es importante

Capaz de combinar informacin de diferentes orgenes

Scorecards

Estado de indicadores en funcin de objetivos o estndares de rendimiento

Permite alinear decisiones y tcticas con iniciativas estratgicas

Soporta metodologa scorecarding

Propiedad de finanzas

Dashboards

Scorecards & Dashboards Medir y monitorizar para comprobar Cmo vamos

BI Operacional BI Estratgico

One-click a todo el contenido del negocio ofrece una visin completa y consistente para un anlisis estratgico de ayuda a la toma de decisiones

Visin focalizada en las mtricas e informacin operacional que ms afecta directamente al xito de una determinada rea del Negocio

Monitorizacin

Tiempo-Real Monitorizar procesos operacionales Link a informes asociados Self-service creacin y edicin

Dashboard

Diario, semanal, mensual Analizar actividad departamental One-click al completo BI Professional/IT creacin y edicin

Scorecard

Mensual, Trimestral actualizac. Seguimiento de la estrategia One-click al BI completo Professional/IT creacin y edicin

60

La gestin del rendimiento

Alineamiento de los empleados con las mtricas del negocio que permiten tener una visin ms amplia de cmo est la empresa

Cuadro de mando integral

How are we doing? Cmo lo estamos haciendo?

Los informes muestran que hay un cuello de botella en la produccin por una escasez de materiales

Porqu?

Autoservicio intuitivo de informes

Capaz de acceder a cualquier origen de datos; los usuarios crean las consultas arrastrando con el ratn

Capacidades de filtro y ordenacin de forma sencilla

Posibilidad de utilizar plantillas corporativas

Reporting

Gran variedad de informes (personalizados, transactionales, de gestin, financieros, de production)

Author once, consume anywhere

Capaz de mezclar diferentes orgenes de datos

No es necesario rehacer informes; permite la reutilizacin de consultas, anlisis, informes ya realizados,

Capacidades de drill y data lineage, glosarios, anotaciones

Ad-hoc Query

Anlisis Para entender cmo vamos

Exploracin y Anlisis

Exploracin en detalle y anlisis por indicadores de gestin claves.

Anlisis flexible a travs de entorno Web o Excel

Diseado para altos volmenes de datos

Fuentes de datos OLAP o Relacional

Potente anlisis comparativo, Anlisis mixto detallado, Filtros simples o compuestos, subconjuntos personalizados

Modelizacin de escenarios What-if

Modelice y compare diferentes escenarios

Anlisis flexible a travs de entorno Web o Excel

Permite reorganizar la informacin y modelos de clculo.

Plena integracin de Cognos TM1 con Cognos 10

Anlisis Para entender cmo vamos

How are we doing? Cmo lo estamos haciendo?

Porqu?

Revisamos la demanda de la produccin y ajustamos el plan de produccin de planta para eliminar el cuello de botella

Qu deberamos Hacer?

65

La mejor forma de reemplazar sistemas basados en hojas de clculo

Para alinear reas funcionales y financieras

La herramienta de modelizacin ms fcil y ms potente

Los Analistas Financieros pueden construir, revisar y mantener modelos

No es necesario esperar das hasta que IT ejecuta un script

Permite alinear las estrategias de todos los departamentos de la empresa para que se tomen las decisiones con mejor informacin. Fomenta la participacin.

Dispone de versiones predefinidas con ejemplos de las mejores prcticas en los modelos y procedimientos de planificacin

Posibilidad de cliente Web o Excel, documentos adjuntos, validacin de datos de entrada,

Enterprise Planning

Planificacin y presupuestacin Para determinar que deberamos hacer

67

Reporting CR, SQL 2K

68

Key Performance Indicator

69

Oficina de proyectos CR, SQL 2K

70

Mineria de Datos

Data Mining

71

Qu es Data Mining?

Extraccin y anlisis de informacin oculta y predecible de

grandes bases de datos mediante identificacin de modelos y

relaciones.

La unidad de anlisis se denomina registro o caso.

Un registro corresponde a:

un cliente en las empresas

un paciente en la sanidad

etc.

La informacin que se va a analizar se le llama:

Base de datos o

Muestra de estudio

DATA MINING

72

DATA MINING

Buscar un patrn dentro del caos

En el ao 1.982, el matemtico Benoit Mandelbrot sac a la luz en San

Francisco, U.S.A., un trabajo titulado The fractal Geometry of Nature. Mandelbrot quiso encontrar una geometra que permitiese describir los mismos

procesos naturales en toda su complejidad y busc patrones de

comportamiento.

73

Para qu sirve el Data Mining?

Mediante el Data Mining seremos capaces de realizar

acciones especficas y personalizadas:

fidelizar a los mejores clientes descubrir patrones de comportamiento motivos de xito o fracaso de un nuevo producto/medicamento distinguir los clientes/pacientes potencialmente ms

compradores o usuarios de un servicio/producto

predecir automticamente los comportamientos y futuras compras de un cliente comparando con clientes del mismo perfil

conocer las caractersticas de los clientes desvinculados y sus motivos de abandono

qu variables/caractersticas influyen ms en un medicamento, enfermedad,etc.

...

DATA MINING

74

Para qu sirve el Data Mining?

Segmentacin de objetivos para campaas de Marketing

A que grupos de clientes debo orientar el lanzamiento de

este producto ?

Deteccin de Fraude

En compaas de seguros

Venta cruzada

Que productos tienen a venderse

conjuntamente (cestas)

Control de Riesgo

Financiero

Seguros

DATA MINING

75

Data Mining Demos IFR BI

76

Demo OLAP Prctica SrvDemosBI

77

Perocmo lo hago?

Metodologa

78

En cualquier proyecto

79

Consideraciones

Tecnologa

Project Director

Internal Project Advisors

External Project Advisors

Functional Users

Technical Architecture

Core Project Team

Data

Warehouse

Project

Metodologa

Prototipo Iterativo

Plan de proyecto

Review & Validation Milestones

Desarrollo Faseado

Servidores

Data Warehouse / DM

Development/Production Environment

Data Acquisition & Transformation Tool

Data Delivery Tool

El proyecto de BI

80

Metodologa

METODOLOGIA DE PROTOTIPAJE

CREACIN INCREMENTAL DEL SISTEMA

SEGUIMIENTO DE LA EVOLUCIN DEL PROYECTO

81

La casa por el tejado?

ANALISIS

DISEO

CONSTRUCCION

TRANSICION

MANTENIMIENTO

82

Planificacin

inic. Prototipo 1

Validacin

Planificacin

Sistema 2

Validacin

Planificacin Sistema 3

Validacin

etc.

Prototipaje

83

Conceptual vs Tcnico

GENERAL

11

12

13

14

FACTURACIN

15.1

15.2

16.1

16.2

NAVEGACIN

17

18

19

20

21.1

21.2

IMPACTO

22.1

22.2

23

FICHAS (CURSO)

N,F,VNP

N,F,VNP

N,F,VNP

N,F,VNP,R

N,F,VNP,$

N,F,VNP,$

N,F,VNP

N,F,VNP

MATRCULAS (CURSO)

N,F

N,F

N,F

N,F

SOLICITUDES (CURSO)

N,F

N,F

N,F,GP

N,F,GP

CONCEPTUAL - +

TECNICO - +

cmo conseguir datos es ya un problema tcnico en el que no se debera entrar por quien especifica reports

84

1.- Por demanda del usuario

2.- Cambios en los mercados

3.- Aparicin/Disponibilidad de nuevas tecnologas

4.- Plan estratgico de empresa

5.- La informacin/datos forman parte del producto

6.- Gestin de los sistemas de informacin

7.- Aplanar/integrar la organizacin

8.- Soporte a DDS/EIS (DW)

9.- Reduccin de costes

10.- Fracaso en la implantacin de un DDS/EIS (DW)

Los 40 principales

85

1.- Intangibilidad de los beneficios

2.- Falta de cultura empresarial

3.- Falta de comprensin/paciencia por parte del usuario

4.- Costes de entrada elevados

5.- Falta de spnsor a nivel usuario

6.- Demandas a corto plazo

7.- Desconocimiento de los sistemas transaccionales

8.- Falta de productos adecuados

9.- Falta de estndares

10.- Falta de experiencia

Can the Organization Support a Data Warehouse?

Technical Skills of the IT Staff

Hardware and Software Requirements

Internal Support of Management and Project Sponsor

Inhibidores implantacin

86

1.- Disponibilidad de la informacin 52 %

2.- Descubrir nuevas oportunidades de mercado 37%

3.- Mejor comprensin de los clientes/mercados 33 %

4.- Mejora de la competitividad 33 %

5.- Mejora de la consistencia de los datos 33 %

6.- Mejora de la calidad de la informacin 32 %

7.- Mejora de la explotacin del capital de inform. 24 %

8.- Mayor agilidad obtencin info. para decisiones 19 %

9.- Disminucin de las barreras de comunicacin 16 %

10.- Mayor orden en los SI 16 %

Beneficios derivados

Scalability

Performance

Data Consistency

Security

Platform Independent

Availability

Ease of Development, Flexibility and Integration

User Empowerment

Easy to Integrate

Beneficios derivados

88

Finanzas/Controlling 26 %

Mrketing 25 %

Sistemas de Informacin 23 %

Comercial/Ventas 8 %

Multidepartamental 5 %

Recursos Humanos 3 %

Direccin General 2 %

Otros 8 %

MOTIVOS IMPLANTACION EIS/DWH

Demandantes y promotores

89

Es arriesgado usar la informacin sin conocer antes los datos

Se tarda tiempo en usar provechosamente el sistema

No son fciles de usar

Frecuentemente deben rehacerse al no cumplir los req.

Faltan datos en el sistema / la informacin es incorrecta

El conocimiento de la informacin se va con los consultores

La documentacin sobre la informacin es pobre

Las reglas de negocio estn contenidas en el cdigo de la aplicacin y no en la base de datos.

Problemas detectados tras implantacin

90

Tipos y caractersticas

Agentes

91

Direccin

Definicin de requerimientos y seleccin herramientas

Validacin del EIS

Sponsor Directivo

Impulsin del proyecto

Definicin de requerimientos y seleccin herramientas

Sistemas de informacin

Seleccin de herramientas

Aportacin conocimientos sobre los SI

Planificacin Inicial - Agentes

EL PROYECTO BI

92

Equipo de desarrollo

Diseo lgico del EIS

Desarrollo del prototipo

Implantacin de las herramientas de importacin de informacin

Implantacin del EIS

Formacin

Planificacin Inicial - Agentes

EL PROYECTO BI

93

Jefe de Proyecto

Organizar y dirigir el proyecto

Sponsor Operativo (Directivo)

Promover el proyecto

Contribuir con los requerimientos de la direccin

Supervisar el progreso del proyecto

Lder tcnico

Aunar requerimientos y revisar planes

Asegurar la viabilidad tcnica de las propuestas

Planificacin Inicial - El equipo de desarrollo/Fase inicial

EL PROYECTO BI

94

Jefe de proyecto, Sponsor operativo y Lider tcnico

Personal tcnico

Extraccin de datos de los SI transaccionales

Construir el repositorio de datos (DW)

Construir el interfase de usuario

Consultores externos

Aportar experiencia y conocimientos tcnicos

Aportar metodologa

Planificacin Inicial - El equipo de desarrollo

EL PROYECTO BI

95

Obtencin de requerimientos

Diseo lgico

Diseo tcnico

Construccin del repositorio

Desarrollo interfase

Seguimiento

y validacin

Prototipo - Visin General

EL PROYECTO EIS

96

Los requerimientos deben ser claros y estar orientados al control de los objetivos de la organizacin

Debe obtenerse una visin top-down de la visin de los objetivos por parte de la direccin

Deben ser tcnicamente viables

Deben priorizarse de mayor a menor importancia

Debe generarse un plan de desarrollo modular del EIS

Prototipo - Obtencin de requerimientos

EL PROYECTO BI

97

Desarrollar y perfilar los requerimientos del sistema

Definir los datos que se incluirn en el EIS

Dimensiones de anlisis de la informacin

Indicadores o ratios necesarios

Definir las fuentes para obtener estos datos

Sistemas transaccionales

Informacin externa a la empresa

Prototipo - Diseo lgico

EL PROYECTO BI

98

HARDWARE

Enlaces externos

Repositorio de

datos

Interfase de

usuario

- Necesidades de PCs y servidores

- Capacidad de red y comunicaciones

- Desarrollos propios

- Herramientas de extraccin de datos

- Bases de datos relacionales

- Bases de datos multidimensionales

- DW

- Fcil de usar

- Rpido aprendizaje

- Con capacidad grfica/enlace PC

Prototipo - Diseo tcnico

EL PROYECTO BI

99

Validacin de los requerimientos

Validacin de la interfase final de usuario

Seguimiento del desarrollo del proyecto

Menor nmero de iteraciones en la construccin del prototipo

Transmisin de conocimientos/formacin a los directivos

Menor tiempo de desarrollo

Validacin y seguimiento

EL PROYECTO BI

OBJETIVO

Determinar los requerimientos del S.I. a desarrollar, as como la

informacin que generar el sistema y el proceso de obtencin de la

misma.

METODOLOGA A UTILIZAR

Para el desarrollo de un sistema EIS, es aconsejable utilizar una

metodologa de prototipaje, debido principalmente al tipo de usuarios

de este S.I. as como la falta de requerimientos concisos.

DISEO LOGICO

101

?

Preguntas?