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?
Top Related