Proyecto de Inteligencia de Negocios: Análisis de Datos de Store

Descripción General

Este proyecto tiene como objetivo principal desarrollar un sistema de inteligencia de negocios basado en la información proveniente de una base de datos de una tienda (Store). A través de este proyecto, se implementó un flujo completo de ETL (Extract, Transform, Load) para la integración, limpieza y transformación de los datos, con el fin de construir un repositorio optimizado para el análisis de información.

Posteriormente, se diseñó e implementó un Cubo OLAP (Online Analytical Processing), permitiendo realizar consultas analíticas multidimensionales sobre los datos de ventas, productos, clientes y empleados. Gracias al cubo OLAP, los usuarios pueden explorar la información desde distintas perspectivas, como tiempo, ubicación, categoría de productos, entre otras.

Tecnologías Utilizadas

• Base de Datos Relacional: SQL Server (o la base que estés usando)
• ETL: SQL Server Integration Services (SSIS) / Herramienta de ETL utilizada
• Cubo OLAP: SQL Server Analysis Services (SSAS) / Herramienta OLAP utilizada
• Lenguaje de Consulta: SQL y MDX (para consultas multidimensionales)

Proceso ETL

1. Extracción: Se extrajeron datos desde la base de datos operativa de la tienda, la cual contiene información sobre ventas, clientes, productos y empleados.
2. Transformación: Se realizaron procesos de limpieza, normalización de formatos, unificación de claves, manejo de datos nulos, y derivación de nuevas métricas de análisis.
3. Carga: Los datos transformados fueron cargados en el Data Warehouse, diseñando un esquema en estrella para facilitar el análisis.

Cubo OLAP

El cubo OLAP fue diseñado para proporcionar análisis rápidos y eficientes sobre grandes volúmenes de datos. Las principales dimensiones del cubo son:

• Tiempo: Año, Mes, Día
• Producto: Categoría, Subcategoría, Nombre del Producto
• Cliente: Ubicación geográfica, Tipo de Cliente
• Empleado: Departamento, Cargo

Las principales métricas analizadas incluyen:

• Ventas Totales
• Cantidad de Productos Vendidos
• Descuentos Aplicados
• Utilidades

Beneficios

• Exploración dinámica de datos mediante consultas multidimensionales.
• Identificación de tendencias de ventas por periodos, productos o regiones.
• Mejora en la toma de decisiones estratégicas para el negocio.