Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Informe de Practicas Completo
Informe de Practicas Completo
HUAMANGA
FACULTAD DE INGENIERA DE MINAS, GEOLOGA Y CIVIL
ESCUELA DE FORMACIN PROFESIONAL DE INGENIERA DE
SISTEMAS
AGRADECIMIENTOS
Agradezco a Dios por haberme dado a los padres y
hermanos que tengo por qu ellos han dejado de
hacer varias cosas por darme a m lo necesario para
que yo pueda estudiar.
DEDICATORIA
Este proyecto lo dedico a mi familia por apoyarme
incondicionalmente su tiempo y dedicacin para
continuar con mi aprendizaje.
ii
CONTENIDO
AGRADECIMIENTOS
DEDICATORIA
ii
CONTENIDO
iii
RESUMEN
INTRODUCCIN
vi
CAPTULO I
OBJETIVOS
1.1
OBJETIVO GENERAL
01
1.2
OBJETIVOS ESPECFICOS
01
CAPTULO II
MARCO TERICO
2.1
INTERCEL
02
2.2
INTELIGENCIA DE NEGOCIOS
02
2.3
DATA WAREHOUSING
03
2.4
DATA WAREHOUSE
03
2.5
04
2.5.1 INTRODUCCIN.
04
2.5.2 OLTP
04
05
10
17
17
2.5.7 USUARIOS
20
2.6
DATA MART
21
2.7
METODOLOGIA HEFESTO
22
2.7.1 DEFINICION
22
2.7.2 CARACTERISTICAS
24
25
iii
CAPTULO III
RESULTADOS
3.1
PROBLEMTICA
32
3.2
SOLUCIN DESARROLLADA
33
3.3
35
35
38
48
53
3.4
63
3.5
64
CAPTULO IV
CONCLUSIONES Y RECOMENDACIONES
4.1
CONCLUSIONES
69
4.2
RECOMENDACIONES
69
BIBLIOGRAFA
71
iv
RESUMEN
Las distribuidoras autorizadas de Claro crecen en el mercado peruano
generando ingresos y empleo. El rpido avance de la tecnologa permite a
ms personas acceder a productos que faciliten su comunicacin diaria en
la sociedad. Esto obliga a dichas empresas a volverse ms competitivas en
cuanto a precios, promociones, publicidad y tecnologa.
Para volverse ms competitivas muchas empresas de este rubro toman
decisiones a base de la experiencia y resultados anteriores. Debido a que
estas decisiones generalmente no se toman de manera estructurada, se
plantea como solucin el uso de una herramienta de inteligencia de
negocios que permita en tiempo real a los gerentes y jefes de producto
generar escenarios, pronsticos y reportes que apoyen a la toma de
decisiones en la venta de equipos de telecomunicacin.
Como solucin de Inteligencia de Negocios se disea un Data Mart de
Ventas, luego se realizan los procesos de extraccin, transformacin y carga
de datos, para finalmente explotar los datos mediante reportes que
permitan hacer el anlisis de la informacin.
El proceso de extraccin, transformacin y carga (ETL) permite mover datos
de diferentes fuentes, transformarlos y cargarlos a los Data Marts. El proceso
de Explotacin permite generar los reportes que el usuario final usa para el
anlisis de la informacin y para la toma de decisiones.
El Data Mart fue diseado siguiendo los pasos indicados por la metodologa
para la construccin de un Data WareHouse HEFESTO, el mismo que es
descrito en el presente informe; intentando de esta manera garantizar la
documentacin y la calidad de la herramienta de BI.
v
INTRODUCCIN
Las empresas actualmente caracterizan a la informacin como uno de
los activos de la empresa, debido a ello empiezan a tratarla ms
metdicamente, especialmente la informacin que da soporte al
proceso de toma de decisiones.
La empresa Intercel comunicaciones cuenta con una aplicacin de
procesamiento transaccional que mecaniza las operaciones de su da a
da. En esta aplicacin se procesan grandes cantidades de datos
referentes a las actividades rutinarias y se almacenan en bases de datos.
De ellas se puede extraer informacin que bsicamente sirve de soporte
para apoyar en decisiones operativas que conducen actividades
bsicas, mas no sirve para realizar un anlisis ms profundo o estratgico,
ya que no estn diseadas para este tipo de tareas.
As muchas empresas si bien cuentan con una gran cantidad de
informacin que podra generarle una ventaja competitiva, no cuentan
con las herramientas necesarias para poder administrar los datos y se
enfrentan al problema de procesar dichos datos y transformarlos en
informacin til.
Como solucin a los problemas con la informacin de Intercel
comunicaciones, es posible extraer un grupo de datos, a partir de una o
varias bases de datos operacionales, que aporten un valor agregado a
la gestin de la empresa, lo que constituir un Data Warehouse o Data
Mart.
El presente informe tiene como objetivo principal implementar un Data
Mart para el rea de ventas de Intercel comunicaciones para brindarle
una herramienta que facilitar la toma de decisiones a dicha rea.
vi
CAPTULO I
OBJETIVOS
1.1 OBJETIVO GENERAL
Realizar el anlisis, diseo e implementacin de un Data Mart para el
rea de ventas de INTERCEL distribuidor autorizado de claro, con el
propsito de agilizar el proceso de anlisis de datos, toma de decisiones,
formulacin de estrategias de prevencin y planificacin de actividades
de una forma ms rpida y eficaz, y la finalidad de poner a disposicin del
gerente, la Informacin consolidada.
1.2 OBJETIVOS ESPECFICOS
a.
b.
c.
d.
e.
CAPTULO II
MARCO TERICO
2.1
ITERCEL
Distribuidor autorizado de Claro desde 2009. Hoy en da es uno de los
INTELIGENCIA DE NEGOCIOS
Las aplicaciones de Business Intelligence (BI) son herramientas de
DATA WAREHOUSING
El Data Warehousing (DWH), es el encargado de extraer,
DATA WAREHOUSE
Es un almacn o repositorio de datos que integra informacin de
2.5.1
INTRODUCCIN.
Segn Bernabeu (2010) en este punto y teniendo en cuenta que ya
OLTP
Segn Bernabeu (2010) OLTP (On Line Transaction Processing),
LOAD MANAGER
Segn Bernabeu (2010) para poder extraer los datos desde los OLTP,
2.5.3.1 EXTRACCIN
Segn Bernabeu (2010) es aqu, en donde, basndose en las
necesidades y requisitos de los usuarios, se exploran las diversas fuentes OLTP
que se tengan a disposicin, y se extraer la informacin que se considere
relevante al caso.
Una vez que los datos son seleccionados y extrados, se guardan en un
almacenamiento intermedio, lo cual permite, entre otras ventajas:
i.
ii.
iii.
iv.
Segn Palomar (2001), las fuentes de datos que normalmente suministran los
insumos para esta operacin son: Base de datos operacionales de la
organizacin o bases de datos externas, archivos de texto plano, Datos
provenientes de documentos de texto, hojas de clculos, Data Warehouse
empresarial, en caso que el destino del proceso ETL sea un Datamart y el
Datamart de la organizacin.
2.5.3.2 TRANSFORMACIN
Segn Bernabeu (2010) esta funcin es la encargada de convertir
aquellos datos inconsistentes en un conjunto de datos compatibles y
congruentes, para que puedan ser cargados en el Data Warehouse. Estas
acciones se llevan a cabo, debido a que pueden existir diferentes fuentes
de informacin, y es vital conciliar un formato y forma nica, definiendo
estndares, para que todos los datos que ingresarn al Data Warehouse
estn integrados. Los casos ms comunes en los que se deber realizar
6
b)
representar
los
atributos
de
una
entidad,
varan
d)
e)
2.5.3.3 CARGA
Segn Bernabeu (2010) .Esta funcin se encarga, por un lado de
realizar las tareas relacionadas con: Carga Inicial (Initial Load) y
actualizacin o mantenimiento peridico (siempre teniendo en cuenta un
intervalo de tiempo predenido para tal operacin). La carga inicial, se
8
b)
c)
2.5.4
ii.
iii.
sobre
el
Data
Warehouse,
como
Cubos
v.
vi.
vii.
b)
c)
d)
ii.
e)
ESQUEMA EN ESTRELLA
El esquema estrella forma un diagrama en forma de estrella
12
14
arquitectura
ROLAP
cree
que
las
capacidades
OLAP
estn
agregados
pre
calculados
se
almacenan
en
estructuras
ROLAP VS MOLAP
En la siguiente tabla comparativa se pueden apreciar las principales
16
2.5.5
QUERY MANAGER
Este componente realiza las operaciones necesarias para soportar
2.
3.
4.
5.
6.
ii.
iii.
iv.
v.
Inclusin de imgenes.
vi.
Formatos tipogrcos.
vii.
USUARIOS
Los usuarios que posee el Data Warehouse son aquellos que se
DATA MART
Segn Lane (1999) es una forma ms sencilla de un Data Warehouse
que est enfocado a una sola rea funcional tales como ventas, finanzas o
mercadeo. Debido a que se centra nicamente en una sola rea, los
Datamart se constituyen de menor cantidad de fuentes de datos que los
Data Warehouse, las cuales pueden ser sistemas operacionales internos o
un Data Warehouse interno o externo.
Es un subconjunto de los datos del Data Warehouse cuyo objetivo es
responder a un determinado anlisis, funcin o necesidad, con una
poblacin de usuarios especifica. Al igual que un Data Warehouse, los datos
estn estructurados en modelos de estrella o copo de nieve, y un Data Mart
puede ser dependiente o independiente de un Data Warehouse. (Curto,
2010).
TIPOS DE DATA MART
Existen dos tipos de Data Mart, los dependientes e independientes:
1.
DEPENDIENTES
Son los que se construyen a partir de un Data Warehouse central, es
21
INDEPENDIENTES
Son aquellos Data Mart que no dependen de un Data Warehouse
METODOLOGIA HEFESTO
2.7.1
DEFINICIN
HEFESTO es una metodologa propia, cuya propuesta est
evolucin, y se han tenido en cuenta, como gran valor agregado, todos los
feedbacks que han aportado quienes han utilizado esta metodologa en
diversos pases y con diversos nes. (Bernabeu, 2010).
CARACTERISTICAS
Esta metodologa cuenta con las siguientes caractersticas:
i.
ii.
iii.
cada
etapa
para
que
tome
decisiones
respecto
al
v.
vi.
vii.
viii.
siguiente.
ix.
2.7.3
IDENTIFICAR PREGUNTAS
El primer paso comienza con el acopio de las necesidades de
MODELO CONCEPTUAL
En esta etapa, se construir un modelo conceptual a partir de los
CONFORMAR INDICADORES
En este paso se debern explicitar cmo se calcularn los
ii.
B.
ESTABLECER CORRESPONDENCIAS
El objetivo de este paso, es el de examinar los OLTP disponibles que
NIVEL DE GRANULARIDAD
Una vez que se han establecido las relaciones con los OLTP, se
TABLAS DE DIMENSIONES
En este paso se deben disear las tablas de dimensiones que
formaran parte del DATA WAREHOUSE. Para los tres tipos de esquemas,
cada perspectiva denida en el modelo conceptual constituir una tabla
de dimensin. Para ello deber tomarse cada perspectiva con sus campos
relacionados y realizarse el siguiente proceso: (Bernabeu, 2010).
iii.
iv.
v.
TABLAS DE HECHOS
En este paso, se denirn las tablas de hechos, que son las que contendrn
los hechos a travs de los cuales se construirn los indicadores de estudio.
Para los esquemas en estrella y copo de nieve, se realizar lo siguiente:
vi.
vii.
UNIONES
Para los tipos de esquemas, se realizarn las uniones
CARGA INICIAL
Debemos en este paso realizar la Carga Inicial al DATA
ACTUALIZACIN
Segn Bernabeu (2010) cuando se haya cargado en su totalidad el
ii.
31
CAPTULO III
RESULTADOS
3.1
PROBLEMTICA
Una empresa distribuidora de servicios en telecomunicaciones
ii.
iii.
iv.
v.
3.2
SOLUCIN DESARROLLADA
La inteligencia de negocios es una herramienta de informacin
33
los
benecios
ms
importantes
que
BI
proporciona
las
iii.
Proporciona
herramientas
de
anlisis
para
establecer
v.
vi.
vii.
viii.
ix.
x.
xi.
3.3
3.3.1
ANALISIS DE REQUERIMIENTOS
ii.
iii.
iv.
v.
vi.
perspectivas.
PERSPECTIVAS
PERSPECTIVAS
Monto total de ventas de los producto por cada empleado de cada oficina en un tiempo
INDICADOR
PERSPECTIVAS
determinado.
Unidades vendidas.
Monto total de ventas.
Clientes.
Productos.
Empleados.
Oficina.
Marca
Modelo
Acuerdo de pago
Tiempo.
37
PRODUCTO
MARCA
UNIDADES
VENDIDAS
EMPLEADO
MONTO TOTAL
DE VENTAS
CLIENTE
VENTAS
OFICINA
MODELO
FECHA
ACUERDO DE
PAGO
38
MARCA (Inventario)
OFICINA (Maestro)
OficinaId
EMPLEADO (RRHH)
Organizacion_Id
EmpleadoId
Direccion_Id
Persona_Id
Empleado_Id
Denominacion
ARTICULO (Inventario)
CLIENTE (Ventas)
ClienteId
Descripcion
Organizacion_Id
Telefono
Persona_Id
IndPrincipal
IndCredito
UsuarioRegistra_Id
Estado
UsuarioActualiza_Id
UsuarioRegistra_Id
FechaRegistra
UsuarioActualiza_Id
FechaActualiza
FechaRegistra
Estado
FechaActualiza
CodigoCliente
Organizacion_Id
EmpleadoSuperior_Id
IndTercero
Cargo_Id
Estado
UsuarioRegistra_Id
UsuarioActualiza_Id
FechaRegistra
FechaActualiza
Organizacion_Id
OrdenVenta_Id
DocVentaOrigen_Id
TipoCobro_Id
EstadoCobro_Id
Moneda_Id
Empleado_Id
Oficina_Id
SerieDocumento
NumeroDocumento
SerieDocManual
NroDocManual
SubTotal
TotalDescuento
TotalImpuesto
TotalNeto
SerieDetOrdenVenta_Id
Articulo_Id
Cantidad
Descripcion
Estado
Marca_Id
UsuarioRegistra_Id
TipoArticulo_Id
UsuarioActualiza_Id
CodArticulo
FechaRegistra
Denominacion
FechaActualiza
Descripcion
IndMigracion
IndPerecible
IndImportado
IndTieneCodigoBarras
IndTieneMarca
DETDOCUMENTOVENTA (Ventas)
DetOrdenVentaOrigen_I...
Descripcion
Modelo_Id
IndTieneModelo
Ruc
DetOrdenVenta_Id
Denominacion
TipoControlInventario_Id
IndExoneraIgv
Oficina_Id
FechaIngreso
TipoDocumento_Id
Fabricante_Id
UnidadMedidaBase_Id
Imagen
IndDescuento
CondicionLaboral_Id
DocumentoVentaId
Organizacion_Id
Organizacion_Id
CodFabrica
CategoriaEmpleado_Id
DOCUMENTOVENTA (Ventas)
IndVentaRapida
IndPromocion
Estado
UsuarioRegistra_Id
UsuarioActualiza_Id
FechaRegistra
FechaActualiza
ValorVenta
Descuento
SubtotalSinIGV
MarcaId
ArticuloId
MODELO (Inventario)
AcuerdoPago_Id
Articulo_Id
Fabricante_Id
Modelo_Id
Denominacion
Moneda_Id
Descripcion
Monto
Estado
PctIniDescuento
UsuarioRegistra_Id
PctFinDescuento
UsuarioActualiza_Id
Estado
FechaRegistra
UsuarioRegistra_Id
FechaActualiza
UsuarioActualiza_Id
IndMigracion
FechaRegistra
FechaActualiza
ListaPrecioMovil_Id
Articulo_Id
Observacion
UnidadMedida_Id
Estado
DetOrdenVentaOrigen_Id
UsuarioRegistra_Id
Cantidad
UsuarioActualiza_Id
Descripcion
FechaRegistra
ValorVenta
FechaActualiza
Descuento
SubtotalSinIGV
ListaPrecioMovilId
Marca_Id
DETORDENVENTA (Ventas)
SubtotalconIGV
LISTAPRECIOMOVIL (Ventas)
ModeloId
ACUERDOPAGO (Ventas)
AcuerdoPagoId
TipoClienteTipoVenta_Id
PlanPago_Id
PlazoPago_Id
ii.
iii.
iv.
v.
vi.
vii.
viii.
ix.
x.
El
DETDOCUMENTOVENTA
ii.
iv.
v.
vi.
vii.
viii.
ix.
x.
ii.
iii.
iv.
v.
vi.
vii.
viii.
ix.
modelo.
xi.
ii.
iii.
iv.
v.
vi.
vii.
viii.
ix.
x.
ii.
iv.
v.
vi.
vii.
viii.
ix.
x.
xi.
xii.
xiii.
xiv.
xv.
xvi.
xvii.
xviii.
xix.
xx.
xxi.
xxii.
xxiii.
datos.
Con respecto a la perspectiva EMPLEADO los datos disponibles son los
siguientes:
i.
ii.
iii.
iv.
v.
vi.
vii.
viii.
ix.
x.
xi.
xii.
xiii.
i.
ii.
iii.
iv.
v.
ii.
iii.
iv.
v.
vi.
vii.
viii.
ix.
i.
Ao.
ii.
Semestre.
iii.
Cuatrimestre.
iv.
Trimestre.
v.
Nmero de mes.
vi.
vii.
Quincena.
viii.
Semana.
ix.
Nmero de da.
x.
Perspectiva CLIENTE:
NombreCompleto de la tabla Persona. Ya que este hace
referencia al nombre del cliente. Este campo es obtenido a travs
de la unin con la tabla Cliente.
ii.
Perspectiva PRODUCTO:
Denominacion de la tabla Articulo. Ya que este hace referencia
al nombre del producto.
Marca de la tabla Marca. Ya que esta hace referencia a la
marca a la que pertenece el producto. Este campo es obtenido a
travs de la unin con la tabla Articulo
Modelo de la tabla Modelo. Ya que esta hace referencia al
modelo del producto. Este campo es obtenido a travs de la unin
con la tabla Articulo
Perspectiva OFICINA:
Denominacion de la tabla Oficina. Ya que esta hace referencia
al nombre de la oficina.
Ubigeo de la tabla Ubigeo. Ya que esta hace referencia al
nombre de la ciudad donde est ubicada la oficina. Este campo es
obtenido a travs de la unin de tres tablas las cuales son: Oficina,
Direccion y Ubigeo.
iv.
Perspectiva EMPLEADO
NombreCompleto de la tabla Persona. Ya que este hace
referencia al nombre del empleado. Este campo es obtenido a
travs de la unin con la tabla Cliente.
Cargo de la tabla Cargo. Ya que este hace referencia al
nombre del cargo que ocupa el empleado. Este campo es obtenido
a travs de la unin con la tabla Empleado.
v.
vi.
Perspectiva FECHA:
Dia .Referido al nombre del da.
Semana.
Mes. Referido al nombre del mes.
Trimestre.
Semestre
47
Ao.
3.3.2.4 MODELO CONCEPTUAL AMPLIADO
Teniendo esto en cuenta, se completar el diseo del diagrama
conceptual:
PRODUCTO
ACUERDO DE
PAGO
Denominacion
Marca
Modelo
UNIDADES
VENDIDAS
PlanPago
PlazoPago
EMPLEADO
SUM(unidades vendidas)
VENTAS
nombreCompleto
Cargo
CLIENTE
nombreCompleto
OFICINA
FECHA
Dia
Semana
Mes
Trimestre
Semestre
Ao
MONTO TOTAL
DE VENTAS
SUM(unidades vendidas *
precio de venta)
Denominacion
Ubigeo
Perspectiva CLIENTE:
dm zdf
DIMCLIENTE
CLIENTE
column
*PK idCliente
* Cliente
nombreCompleto
PK
+ PK_DIMCLIENTE()
Perspectiva PRODUCTO:
dm zdf
DIMPRODUCTO
PRODUCTO
Denominacion
Marca
Modelo
column
*PK idProducto
*
Producto
*
Marca
*
Modelo
PK
+
PK_DIMPRODUCT O()
Perspectiva OFICINA:
49
dm zdf
DIMOFICINA
OFICINA
column
*PK idOficina
*
Oficina
*
Ciudad
Denominacion
Ubigeo
PK
+
PK_DIMOFICINA()
Perspectiva EMPLEADO
DIMEMPLEADO
EMPLEADO
nombreCompleto
Cargo
column
*PK idEmpleado
*
Empleado
PK
+
PK_DIMEMPLEADO()
ACUERDO DE
PAGO
PlanPago
PlazoPago
DIMACUERDOPAGO
column
*PK idAcuerdoPago
*
PlanPago
*
PlazoPago
PK
+
PK_DIMACUERDOPAGO()
50
vi.
Perspectiva FECHA:
DIMFECHA
FECHA
Dia
Semana
Mes
Trimestre
Semestre
Ao
column
*PK idFecha
*
Dia
Semana
Mes
Trimestre
Semestre
Ao
PK
+
PK_DIMFECHA()
51
dm zdf
UNIDADES
VENDIDAS
VENTAS
SUM(unidades vendidas)
VENTAS
column
*PK idCliente
*PK idProducto
*PK idEmpleado
*PK idAcuerdoPago
*PK idOficina
*PK idFecha
Cantidad
MontoTotal
MONTO TOTAL
DE VENTAS
SUM(unidades vendidas *
precio de venta)
PK
+
PK_VENTAS(, , , , , )
DIMOFICINA
column
*PK idOficina
*
Oficina
*
Ciudad
DIMPRODUCTO
column
*PK idProducto
*
Producto
*
Marca
*
Modelo
PK
+
PK_DIMPRODUCTO()
DIMFECHA
column
*PK idFecha
*
Dia
Semana
Mes
Trimestre
Semestre
Ao
PK
+
PK_DIMFECHA()
PK
+
PK_DIMOFICINA()
VENTAS
column
*PK idCliente
*PK idProducto
*PK idEmpleado
*PK idAcuerdoPago
*PK idOficina
*PK idFecha
Cantidad
MontoTotal
DIMCLIENTE
column
*PK idCliente
*
Cliente
PK
+
PK_DIMCLIENTE()
PK
+
PK_VENTAS(, , , , , )
DIMACUERDOPAGO
DIMEMPLEADO
column
*PK idEmpleado
*
Empleado
column
*PK idAcuerdoPago
*
PlanPago
*
PlazoPago
PK
+
PK_DIMACUERDOPAGO()
PK
+
PK_DIMEMPLEADO()
52
3.3.4
INTEGRACIN DE DATOS
ii.
iii.
iv.
v.
vi.
vii.
viii.
OLE DB Source: obtiene a travs de una consulta SQL los datos del
OLTP necesarios para cargar la dimensin CLIENTE.
54
2.
3.
OLE DB Source: Obtiene a travs de una consulta SQL los datos del
OLTP necesarios para cargar la dimensin PRODUCTO.
SELECT
FROM
ON
ON
Inventario.ARTICULO.ArticuloId,
Inventario.ARTICULO.Denominacion AS Producto,
Inventario.MARCA.Denominacion AS Marca,
Inventario.MODELO.Denominacion AS Modelo
Inventario.MARCA INNER JOIN Inventario.MODELO
Inventario.MARCA.MarcaId = Inventario.MODELO.Marca_Id
INNER JOIN Inventario.ARTICULO
Inventario.MARCA.MarcaId = Inventario.ARTICULO.Marca_Id
AND Inventario.MODELO.ModeloId =
Inventario.ARTICULO.Modelo_Id
2.
3.
Insert
Destination:
inserta
los
datos
nuevos
en
la
tabla
DIMPRODUCTO.
4.
OLE DB Comand: hace una inferencia para ver qu datos son los
que han sufrido cambios.
5.
OLE DB Source: Obtiene a travs de una consulta SQL los datos del
OLTP necesarios para cargar la dimensin FECHA.
56
SELECT
Distinct cast(Convert(char(10),FechaRegistra,126)as datetime) as
idFecha
FROM
Ventas.DOCUMENTOVENTA
3.
4.
5.
6.
57
OLE DB Source: Obtiene a travs de una consulta SQL los datos del
OLTP necesarios para cargar la dimensin ACUERDOPAGO.
SELECT
FROM
ON
ON
WHERE
Ventas.ACUERDOPAGO.AcuerdoPagoId,
Ventas.PLANPAGO.Denominacion AS PlanPago,
Ventas.PLAZOPAGO.Denominacion AS PlazoPago,
Ventas.ACUERDOPAGO.TipoClienteTipoVenta_Id AS TipoCliente
Ventas.ACUERDOPAGO INNER JOIN Ventas.PLANPAGO
Ventas.ACUERDOPAGO.PlanPago_Id = Ventas.PLANPAGO.PlanPagoId
INNER JOIN Ventas.PLAZOPAGO
Ventas.ACUERDOPAGO.PlazoPago_Id =
Ventas.PLAZOPAGO.PlazoPagoId
(Ventas.ACUERDOPAGO.Estado = 1)
3.
Insert
Destination:
inserta
los
datos
nuevos
en
la
tabla
DIMACUERDOPAGO.
58
4.
OLE DB Comand: hace una inferencia para ver qu datos son los
que han sufrido cambios.
5.
OLE
DB
Comand
1:
hace
la
actualizacin
en
la
tabla
OLE DB Source: Obtiene a travs de una consulta SQL los datos del
OLTP necesarios para cargar la dimensin OFICINA.
select
O.OficinaId,Denominacion, U.Descripcion
from Maestro.UBIGEO U join Maestro.DIRECCION D
on
U.UbigeoId = D.Ubigeo_Id join Maestro.OFICINA O
on
D.DireccionId = O.Direccion_Id
2.
3.
4.
OLE DB Comand: hace una inferencia para ver qu datos son los
que han sufrido cambios.
5.
OLE DB Source: Obtiene a travs de una consulta SQL los datos del
OLTP necesarios para cargar la dimensin EMPLEADO.
60
SELECT
FROM
ON
ON
E.EmpleadoId, P.NombreCompleto,
C.Denominacion
RRHH.EMPLEADO AS E INNER JOIN Maestro.PERSONA AS P
E.Persona_Id = P.PersonaId INNER JOIN RRHH.CARGO AS C
E.Cargo_Id = C.CargoId
3.
4.
OLE DB Comand: hace una inferencia para ver qu datos son los
que han sufrido cambios.
5.
61
OLE DB Source: Obtiene a travs de una consulta SQL los datos del
OLTP necesarios para cargar la tabla de hechos VENTAS.
SELECT
Ventas.DETORDENVENTA.Cantidad,
Ventas.DOCUMENTOVENTA.Cliente_Id AS idCliente,
Ventas.DETORDENVENTA.SubtotalconIGV AS MontoTotal,
Ventas.LISTAPRECIOMOVIL.AcuerdoPago_Id AS idAcuerdoPago,
Ventas.DOCUMENTOVENTA.Empleado_Id AS idEmpleado,
Ventas.DOCUMENTOVENTA.Oficina_Id AS idOficina,
Ventas.DETORDENVENTA.Articulo_Id AS idProducto,
CAST(CONVERT(char(10),Ventas.DOCUMENTOVENTA.FechaRegistra, 126) AS datetime)
AS idFecha
FROM
Ventas.DETORDENVENTA cross JOIN Ventas.DOCUMENTOVENTA
JOIN Ventas.LISTAPRECIOMOVIL
ON Ventas.DETORDENVENTA.ListaPrecioMovil_Id =
Ventas.LISTAPRECIOMOVIL.ListaPrecioMovilId
Where Ventas.DOCUMENTOVENTA.Cliente_Id is not null
3.
4.
5.
3.4
63
3.5.1
3.5.2
Figura 3.5.2: Reporte del monto total de ventas de los productos a cada
cliente en un tiempo determinado
3.5.3
65
Figura 3.5.3: Reporte del monto total de ventas de los productos por cada
empleado de cada oficina en un tiempo determinado.
3.5.4
Figura 3.5.4: Reporte de las unidades vendidas de cada producto por cada
66
Figura 3.5.5: Reporte de las unidades vendidas de cada producto por tipo
67
68
CAPTULO IV
CONCLUSIONES Y RECOMENDACIONES
4.1
CONCLUSIONES
a.
de
Intercel
comunicaciones,
haciendo
uso
de
la
c.
d.
e.
f.
4.2
RECOMENDACIONES
a.
Se
recomienda
la ampliacin
de reas
departamentos,
70
BIBLIOGRAFA
BIBLIOGRAFA PRINCIPAL
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
de
http://www.sinnexus.com/business_intelligence
/olap_avanzado.aspx.
71
12.
13.
72