Inteligencia de Negocios Consigna A

 

 

Evaluación Final (A) 2019  –  10  10 Semipresencial  –  Programa  Programa a Distancia

Asignatura

Inteligencia de Negocios Docente

:  Esther Balbuena Alarcón

Consigna de trabajo A.  Diseña una solución de inteligencia de negocios de mediana complejidad haciendo uso de metodología y herramientas de inteligencia de Negocios empleadas en clase: MySql Workbench, PowerBI desktop y la suite de Pentaho para la creación de un proyecto BI. B.  Instrucciones: -  Desarrolla las preguntas planteadas: -  Revisa la rúbrica de evaluación en la que podrás conocer los aspectos que se evaluarán en el producto que estás entregando. -  Guarda el archivo y envíalo a través del ícono Evaluación Final de tu aula virtual.

PREGUNTAS: 1.  Identificar del cuadro de información mostrado: dimensiones, hecho y medidas, y con ello elabora un modelo dimensional de alto al to nivel. (5 puntos)

Temáticas sobre los que les gusta informarse en Redes Sociales FACEBOOK TIPO DE INFORMACIÓN

TWITTER

BAJO

MEDIO

ALTO

BAJO

MEDIO

ALTO

1-4

5-7

8-10

1-4

5-7

8-10

Deportes

47

20

33

45

19

30

Política

22

34

44

23

30

47

General

10

27

63

0

27

53

Social

19

28

53

40

29

31

Espectáculos/Farándula

20

32

48

9

29

62

Vida familiar

20

32

42

54

28

18

Cultura

10

27

55

26

27

47

Relacionada con la escuela

11

29

65

53

34

23

 

 

Inteligencia de Negocios

Bajo, medio, alto: Frecuencia de accesos accesos semanales Hechos: Frecuencia en redes sociales Dimensiones -  Tipo de información -  Tipo de Red social Medidas -  Cuenta de ingresos por tipo de red social s ocial -  Cuenta de ingresos por tipo de información -  Cuenta de ingresos por tipo de red social e información Modelo de alto nivel

2.  CASO Datos Abiertos. (9 puntos)  Elija un conjunto de datos del portal de datos abiertos:

https://www.datosabiertos.gob.pe/,,  u otra fuente de su elección y https://www.datosabiertos.gob.pe/ desarrolle lo siguiente: - 

Describa la fuente elegida.

La fuente que se ha elegido para la realización del presente trabajo es el tipo de cultivo c ultivo por comunidad de la zona Loreto y Amazonas teniendo en cuenta los nombres de las comunidades como también el tipo de manchales por comunidad, así como también el cultivo que se cultiva en esa región y el año de la encuesta,

- 

Modelo dimensional, que contenga como mínimo una tabla de hecho y tres dimensiones. (Presentar Modelo lógico)

El modelo lógico de datos que se tiene es el siguiente:

Evaluación Final 2019  –  10 - A

Página 2 

 

 

Inteligencia de Negocios

- 

Realice proceso ETL para carga de datos al datamart. (Presente loa archivos de trabajo y pantallas de desarrollo y resultados)

- 

¿Cuáles son las preguntas analíticas que puede responder con su modelo? (Indique por lo menos 2)

  Tipo de vegetales x comunidad + cantidad Tipo de vegetales x manchales. o  Tipo de vegetales x zonas y cuecas o 

o

- 

Qué tipo de gráficos usaría para presentar su resultado. Justifique su respuesta.

Evaluación Final 2019  –  10 - A

Página 3 

 

 

Inteligencia de Negocios

Gráficos circulares: esto se debe a que la cantidad de datos que se puede mapear por ejemplo las comunidades con sus cantidades de tipos de vegetales ingresan perfectamente en un gráfico circular. Gráfico linear: con esto podemos comprar dos variables por ejemplo el tipo de producto, su cantidad y la cantidad de productos de este tipo que se encuent encuentra ra en una determinara región o en una comunidad.

3.  CASO BASKETBALL. (6 puntos)  En el conjunto de datos Basketball.csv se encuentran las siguientes columnas para diferentes jugadores:

         







 

height: altura en pies weight: peso en libras success_field_goals: porcentaje de tiros de campo exitosos success_free_throws: porcentaje de tiros libres exitosos avg_points_scored: puntos promedio anotados por juego

Enlace a fuente de datos:

https://raw.githubusercontent.com https://raw.githubusercontent.com/Feynman2 /Feynman27/PythonSandbox/m 7/PythonSandbox/master/data/ aster/data/ basketball.csv   basketball.csv Intentar predecir el porcentaje de tiros de campo exitosos para un jugador en base al resto de variables utilizando la regresión lineal. Los datos se han de dividir en un conjunto de entrenamiento que contenga el 80% de los datos y otro de test con el resto.

Cuestiones: ¿Cuál es el modelo planteado? El modelo que se plantea es uno un o de regresión lineal ya que se encuentra normalizado la BD solo se utilizará un elemento el emento del programa Pentaho:

¿Cuál es el R2 del modelo? El R2 del modelo es 0.8

Evaluación Final 2019  –  10 - A

Página 4 

 

 

Inteligencia de Negocios

Evaluación Final 2019  –  10 - A

Página 5