tecnologia





UNIVERSIDAD TECNICA DE BABAHOYO

FACULTAD DE ADMINISTRACION FINANZA E INFORMNATICA

F.A.F.I


ESCUELA DE SISTEMAS


TESIS DE GRADO

PREVIA A LA OBTENCION DEL TITULO DE INGENIERIA EN SISTEMAS

TEMA:

DATAWAREHOUSE COMO HERRAMIENTA PARA MEJORAR LA TOMA DE DESICIONES EN LA EMPRESA DISTRIBUIDORA DE VEHICULOS METROCAR


AUTORAS:

CABALLERO VALENCIA ROSA EUGENIA.ELIZONDO AVILES GLORIA GREY.



BABAHOYO- ECUADOR
2011




INDICE
I
El problema
1
1.1
Planteamiento del problema
1
1.1.1
Formación del problema
2
1.1.2
Delimitación del problema
2
1.2
Objetivo
3
1.3
Justificación
4
II
Marco teórico
5
2.1
Antecedentes Investigativo
5
2.2
Fundamentación científica
5
2.2.1
Datamining (Minería de Dato)
5
2.2.2
Fundamento sobreDataming
7
2.2.3
¿Dónde se utiliza Datamining?
13
2.2.4
Los objetivos principales de Datamining
14
2.2.5
Algunas Herramienta utilizadas en Datamining de la inteligencia artificial
15
2.2.6
La estructura del Datamining
16
2.2.7
Los Modelos de Datamining
17-18
2.2.8
Datamining dentro de una arquitectura Datawehousing
19
2.2.9
Creación de un proyecto Datamining
20
2.2.10
Fasesgenerales para la creación de un proyecto Datamining
21
2.2.11
Las fases para la creación de un proyecto Datamining según José Emilio gondar nores
22-23-24
2.2.12
Recomendaciones para la creación de un proyecto data mining
25

2.2.13
Aplicaciones de data mining
26
2.2.14
¿Por que usar Data Mining?
26-27
2.2.15
Algunas herramientas de Data Mining
28-29
2.2.16
Data Mining vsEstadisticas
30-31-32
2.2.17
Mercadeo y Data Mining
33-34-35
2.2.18
Data Mining y los procesos de venta
36
2.2.19
Ejemplos de Utilización de Data Mining
37
2.2.19.1
Pañales y cervezas: un caso famoso acerca del comportamiento de los consumidores
38
2.2.19.2
Data Mining para pymes
38-39
2.2.19.3
Data Mining en SAS
40-41
2.2.19.4
Spoke: Data Mining de tu correo electrónico
422.2.19.5
Data Mining y la medicina basada en la evidencia
43
2.2.19.6
Aplicación del FBI para detectar terroristas
44
2.2.19.7
Detección de fraudes en las tarjetas de crédito
45
2.2.19.8
Descubrimiento el por que de la deserción de clientes de una compañía operadora de telefonía móvil
45
2.2.19.9
Prediciendo el tamaño de las audiencias televisivas
46
2.2.19.10
Aplicación en launiversidad
47
2.2.19.11
Investigaciones espaciales: Proyecto SKYCAT
47
2.2.19.12
En clubes deportivos
48
2.2.20
Extensiones de data mining
49
2.2.20.1
Web Mining
50
2.2.20.2
Text Mining
51-52
2.2.21
Competencia y Oportunidades
53-54
2.2.22
La próxima generación
55-56
2.2.23
Tiempos de cambio
57-58
2.2.24
Tecnologías imperantes
59-60-61-62
2.2.25
¿Qué se puede aportar lainvestigación de mercados en este contexto?
63
2.2.26
Datamart
64
2.2.26.1
Datamart OLAP
65
2.2.26.2
Datamart OLTP
65
2.2.27
La toma de decisiones
66-67-68
2.2.27.1
El modelo de decisiones
69
2.2.27.2
La experiencia en la toma de decisiones
70
2.2.27.3
La toma de decisiones en la teoría de decisión
71
2.2.27.4
La toma de decisiones en la empresa publica
72
2.2.28
Dellechero al supermercado virtual
73-74-75-76-77
III
Marco Metodológico
78
3.1.
Modalidad de la investigación
78
3.1.1.
Investigación cuantitativa
78
3.1.2.
Investigación cualitativa
78
3.2.
Tipos de investigación
78
3.3
Población y muestra
79
3.3.1.
Métodos, técnicas e instrumentos
79
3.3.2
Interpretación de datos
80-90
IV
Marco propositivo
91-92
4.2
Descripción de lapropuesta
93
4.2.1
Metodología de desarrollo
93
4.2.2.
Análisis previo
94
4.2.3
Desarrollo de la propuesta
94
4.2.3.1
Diseño y análisis de la base de datos multidimensional
95-96
4.2.3.2
Esquema Estrella
97
4.2.3.3
Complementos del QLIK VIEW
98-105
4.2.3.6
Crear un cuadro de tabla y un grafico pivotante
106-109
4.2.3.7
Cubos
110-111-112
4.2.3.9
Medidas
113
4.3....