17 de Junio de 2004

a). ¿Qué es un DSS?

Como mencionamos anteriormente, los límites y el concepto de un DSS no han sido completamente precisados, a pesar de que la utilidad ha sido justificada en las organizaciones. Su uso indiscriminado con frecuencia lo lleva a rebasar límites de su aplicación y confundirse con términos como OLAP, Data Warehouse o EIS, lo cierto es que, independientemente, del término que llegue a usurpar, siempre se asocia al soporte a la toma de decisiones y, de alguna forma, todos los conceptos señalados tienen en la toma de decisiones el punto de encuentro.

"DSS se refiere a cualquier sistema de software que permite análisis de las diferentes variables del negocio para apoyar una decisión." David Abdo

Puede considerarse como un sistema que se basa en un almacén de datos y crea una base de datos multidimensional, permitiéndole al usuario procesar analíticamente la información en línea (OLAP), con la habilidad de poder girar y taladrar dentro de los datos. Como utilidad al usuario final, un DSS se valora cuando se profundiza en la información para conocer los "porqués a" los indicadores presentados, pero la infraestructura y metodologías que soporten el "taladreo" de información son las que completan el esquema de un DSS y le permiten hacer uso de OLAP, Data Warehouse y otros conceptos asociados. En términos prácticos, el DSS lo vemos cuando analizamos la información, pero realmente involucra todo un proceso previo antes de poner la información en el escritorio del usuario.

Los DSS están asociados a las jerarquías dentro de los conceptos de los cubos del Data Warehouse, por lo siguiente:

En el momento que desea conocerse el "por qué" de un dato visto en un EIS, el DSS debe permitir "profundizar" o "taladrar" la información, o sea, conocer el detalle de la misma y de las partes que la componen, aquí se echa mano de las jerarquías que fueron definidas en los cubos de información, para ver por cual de las rutas se profundiza hacia el detalle. Un DSS inicia cuando se analiza el detalle de una propiedad de la métrica. 

Los DSS se presentan como la opción viable para poder dar soporte y consistencia a la información que se diversificó enormemente. Con una metodología más estricta y más herramientas a su alcance, los DSS comenzaron a ser la contraparte de los sistemas OLTP. Más que una definición, los DSS pueden entenderse a partir de sus características de funcionalidad en una empresa al ser comparadas con los sistemas OLTP que apoyan la transacción diaria.

En un DSS la consistencia se mide globalmente. A pesar de que no importan las transacciones individuales, son precisamente estas las que, en suma, conforman una gran transacción completa y consistente. De hecho, antes de poder formar una gran transacción, a partir de los sistemas operacionales, debe verificarse la calidad de los datos para garantizar la información correcta y coherente.

Un sistema DSS procesa una transacción por día (puede ser por cualquier periodo de tiempo, pero el común es por día), pero esa transacción es producto de miles o millones de registros que han sido procesados en el día. En vez de llamarle transacción, se le llama carga de información de producción. En este caso lo importante es el estado de consistencia del sistema antes de la carga y el estado de consistencia una vez que se ha terminado de efectuar la carga.

En cuanto a los usuarios y administradores de un DSS, no son los que ingresan cada una de las operaciones en sus PCs, sino los que solicitan una o dos hojas con resúmenes totalizados de miles de operaciones. El usuario de OLTP cambia con frecuencia el tipo de información que solicita, de ahí que sus requerimientos no sean planeados, sino heurísticos. Una pantalla de un sistema DSS deberá contener la información sobre el por qué de una tabla o gráfica, con algunos números y pantallas, al momento de pedir información sobre el por qué de determinado dato, podrá accederse a otra pantalla con la explicación y así, sucesivamente, hasta llegar al último detalle.

Una característica importante de los DSS es que la demanda puede ser muy variable, por lo que es normal implementarlo en una máquina distinta de OLTP. Al estar en una máquina distinta se convierte en un servidor que puede ser accesado por diversos usuarios, pero también puede tener información integrada de múltiples sistemas remotos de OLTP.

El tiempo es un factor importante de los DSS visto como dimensión. La inconsistencia temporal se debe evitar en un DSS. Mientras que un OLTP es complicado para explicar la historia, un DSS lo que hace es tomar fotografías instantáneas de la empresa en un momento determinado de la historia, al sumar esa serie de fotografías se conforman capas que pueden explicar como era la empresa en determinado periodo de la historia. Moviendo fotografías estáticas hacia el DSS cada cierto tiempo programado, se resuelven dos problemas de representación de tiempo que se tiene en los sistemas OLTP. Primero, el DSS permanece quieto durante el día cuando los usuarios están lanzando queries. Después, almacenando cuidadosamente la información de cada instantánea del DSS, se puede representar cualquier momento en el tiempo correctamente. Las fotografías instantáneas del sistema OLTP se llaman 'extracción de la información de producción', mientras que el envío hacia el DSS se llama 'migración de la información de producción'. Esta migración se realiza en el mismo momento cada día.

El ciclo de vida de un DSS es una situación muy particular. Mientras que un tradicional ciclo de vida de un sistema se deben entender los requerimientos, analizar las etapas del diseño y después desarrollar; en un DSS el ciclo de vida es inverso, es decir, inicia con la información de los sistemas OLTP, una vez que se tiene, es integrada y se prueba para saber cual es real y útil, y cual no. A continuación se escriben los programas para manejar esta información y, por último, los programas se analizan, y finalmente se entienden los requerimientos del sistema. El ciclo de vida de un DSS se orienta a la información, mientras que el de OLTP se orienta a los requerimientos.

La interpretación y manipulación de la información es muy distinta a los formatos típicos. A pesar de que la capacidad de extracción de datos puede ser de archivos de texto, tablas, etc., la forma de organizar esa información es lo que difiere, pues la mayoría de los DSS organizan la información vía matrices multidimensionales denominadas "cubos". Los cubos organizan la información de tal modo que puedan, posteriormente, 'montarse' herramientas para desarrollar sistemas complejos, que permitan realizar una gran cantidad de cálculos, consolidaciones, consultas y despliegues de información, localizadas en múltiples repositorios en un tiempo mínimo.

La explotación de la información, a diferencia de OLTP en donde los reportes o las listas sencillas son el medio más común para ver los datos, se realiza al penetrar hacia el detalle mismo de los datos más genéricos. El poder verdaderamente tener información relevante y resumida para tomar una decisión es el equivalente a analizar todos los reportes que la actividad diaria genera, es decir, una gran cantidad de papel.

b). ¿Qué debe contener un DSS?

Análisis Multidimensional (OLAP)
El análisis multidimensional no es privativo de arquitecturas multidimensionales, puede también llevarse a cabo en arquitectura relacional, diseñada para tal caso, lo importante para poder hacer Análisis Multidimensional no son las bases de datos, sino la estructura de la base de datos y las técnicas que se utilicen para su explotación. Las aplicaciones OLAP soportan ese tipo de análisis ya que dos de sus principales características son que permite el análisis y la multidimensionalidad.

Dentro de los niveles estratégicos organizacionales, la información se concibe como una serie de hechos multidimensionales, jerárquicos y relacionados; como ejemplo, los datos de inventarios, ventas y compras están interrelacionados y dependen entre si. La idea del análisis multidimensional es facilitar la consulta y análisis al usuario al presentar una visión muy sencilla de los datos, muy similar a la forma como él ve la organización. La información puede ser accesada desde diferentes variables organizacionales y pivotear la perspectiva.

Los almacenes multidimensionales guardan de modo lógico sus datos en arreglos utilizando el concepto conocido como "cubo". En éste, cada una de las caras almacena una dimensión, pudiendo cruzar diferente información en una sola arista de hasta 3 variables. Físicamente, en la base de datos, una celda de información pude almacenar hasta 3 dimensiones y, con mucha facilidad, pivotear el cubo, es decir, cambiar la consulta a otras celdas para analizar más a detalle.

Cuando un esquema similar a la realidad se guarda en medios de almacenamiento y aparte se complementa con herramienta diseñadas para obtener específicamente ese tipo de información, el resultado es poder entender a la empresa a través de la tecnología de la misma forma que lo haría en la actualidad. El Análisis Multidimensional brinda esa posibilidad al usuario y es la principal característica que debe poseer un DSS.

El Análisis Multidimensional debe permitir:
--• Soportar requerimientos complejos de análisis
--• Analizar datos desde diferentes perspectivas
--• Soportar análisis complejos contra volúmenes de datos ingentes

Proyecciones de Información
Las proyecciones de negocio ofrecen al usuario un pronóstico de lo que puede ocurrir en el futuro, basándose en análisis estadístico y de regresión.                                                          

Tendencias
Utiliza la información presente y pasada para evaluar el comportamiento de determinada variable en el tiempo.

What... If
Análisis prospectivo de un indicador al modificarse una o más variables que inciden en su comportamiento.