Implementación de Data Mart, en Power BI, para el análisis de ventas a clientes, en los Econegocios “Gransol”

Diego Marcelo Bermeo-Moyano, Milton Alfredo Campoverde-Molina

Resumen


La venta de productos de primera necesidad, actualmente, ha generado un nivel de competencia desleal, para los pequeños y medianos negocios, en virtud de que se les hace casi imposible competir frente a las grandes corporaciones. Razón por la que se hace necesario utilizar herramientas de inteligencia de negocios, que equilibren la balanza competitiva, y proporcionen información, para una oportuna y acertada toma de decisiones. Esta investigación tiene como objetivo implementar Power BI, como herramienta de Inteligencia de Negocios, para pronosticar las preferencias de los clientes, tal que coadyuven a la toma oportuna de decisiones. Los pasos de la metodología utilizada son a) Análisis de los requerimientos del negocio, b) Diseño del modelo lógico y físico del Data Mart, c) Integración de Datos y d) Diseño e implementación del Dashboard con la herramienta Power BI Desktop. La aplicación de la metodología permitió la creación del Data Mart que ayudará en el análisis de los datos de ventas de los Econegocios Gransol. Además, se implementó la herramienta Power BI para la interpretación de la información, en un tablero de control para el análisis descriptivo de los clientes, sus necesidades de productos focalizados en cada uno de los Econegocios Gransol de la ciudad de Cuenca y proyección de ventas. En conclusión, la aplicación permitirá un análisis constante, actualizado, por cliente, por sucursal, por mes, por año, para un correcto seguimiento de comercialización y proyección, mediante la utilización de datos históricos facilitados por el sistema.


 


Palabras clave


Inteligencia de negocios; power BI; PYME; data mart; clientes.

Texto completo:

PDF HTML XML

Referencias


Ayala, P., & Ferrer, C. (2017). Aplicando Inteligencia de Negocios de Autoservicio, Utilizando Power BI, para la Toma de Decisiones dentro de una PyME en la Región de Tacna.

Camas Gómez, E. A. (2018). Normas Internacionales de Información Financiera para pequeñas y medianas empresas (NIIF para Pymes):. Ph.D. dissertation, Universidad Nacional Autónoma de Nicaragua, Managua.

Coker, F. (2015). Pulse: Understanding the vital signs of your business. BookBaby.

Gomez Dı́az, L. J., Alvarez Pimiento, E. A., & others. (2013). Análisis del uso de nuevas tecnologı́as de información y comunicación en las PYMES de los sectores de calzado y marroquinerı́a, joyeria, avicola y metamecanico de Bucaramanga y su área metropolitana.

González Casimiro, M. P. (2009). Técnicas de predicción económica. Obtenido de https://addi.ehu.es/bitstream/handle/10810/12493/05-09pil.pdf?sequence=1

Inmon, W. H. (2000). Building the data warehouse: Getting started. Recuperado de: http://www. academia. edu/3081161/Buildingthedatawarehouse.

Kimball, R., & Ross, M. (2011). The data warehouse toolkit: the complete guide to dimensional modeling. John Wiley & Sons.

Kreplak, G. (2018). Predicción de ventas de comestibles corporación favorita.

Mauricio, J. A. (2007). Análisis de series temporales. Universidad Complutence de Madrid.

Meraz-Sepulveda, A. (2018). Inteligencia de negocios como generador de conocimiento para la competitividad empresarial de las pequeñas y medianas empresas. Ciencia & Futuro, 8, 143-154.

Mezarina, Z., & Junior, A. (2018). Implementación de un Data Mart usando la metodologı́a Ralph Kimball para el área de logı́stica de la empresa comercializadora Easy Work EIRL-Casma; 2017.

Microsoft Power Platform. (2020). Power BI. Obtenido de https://powerbi.microsoft.com/es-es/what-is-power-bi/.

Moody, D. L., & Kortink, M. A. (2000). From enterprise models to dimensional models: a methodology for data warehouse and data mart design. DMDW, (pág. 5).

Pereira González, A. (2010). Análisis predictivo de datos mediante técnicas de regresión estadı́stica.

Reyes Indio, A., Bravo Ronquillo, D., & D. H. (2017). Estudios Sectoriales: MIPYMES y Grandes Empresas. Investigacion y estudio.

Rud, O. P. (2001). Data mining cookbook: Modeling data for marketing, risk, and customer relationship management. John Wiley & Sons.

Villanueva Callirgos, S. M. (2019). Implementación de una solución de inteligencia de negocios para apoyar la toma de decisiones en el proceso de compra y venta en una empresa farmacéutica en la ciudad de Chiclayo.

Villavicencio, J. (2010). Introducción a series de tiempo. Metodologı́a de series de tiempo, 4.

Wolff, C. (2002). Modelamiento multidimensional. Fecha de consulta, 4.




DOI: https://doi.org/10.23857/pc.v5i01.1242

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';





Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/