UNIVERSIDAD DE CHILE

FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS

DEPARTAMENTO DE INGENIERIA INDUSTRIAL

INTELIGENCIA DE NEGOCIOS Y AUTOMATIZACIN EN LA

GESTIN DE PUNTOS Y FUERZA DE VENTAS EN UNA EMPRESA
DE TECNOLOGA

MEMORIA PARA OPTAR AL TTULO DE INGENIERO CIVIL INDUSTRIAL

JAVIER ANDRES RECASENS SANCHEZ

PROFESOR GUIA:
GASTON ANDRS L'HUILLIER CHAPARRO
MIEMBROS DE LA COMISION:
JUAN DOMINGO VELSQUEZ SILVA
SEBASTIN ALEJANDRO ROS PEREZ

SANTIAGO DE CHILE
JULIO 2011

RESUMEN DE LA MEMORIA
PARA OPTAR AL TITULO DE
INGENIERO CIVIL INDUSTRIAL
POR: JAVIER RECASENS SANCHEZ
FECHA: 15/07/11
PROF. GUIA: GASTON L'HUILLIER C.
INTELIGENCIA DE NEGOCIOS Y AUTOMATIZACIN EN LA GESTIN DE
PUNTOS Y FUERZA DE VENTAS EN UNA EMPRESA DE TECNOLOGA
El siguiente es un proyecto realizado para Hewlett-Packard Chile, filial de HP Company,
la cual vende productos de computacin y ofrece servicios y soluciones tecnolgicas.
La empresa se divide funcionalmente en Imagen e Impresin, Sistemas Personales y
Enterprise Business. El presente proyecto abordar las dos primeras reas.
La memoria cubre el campo de Aplicaciones de Inteligencia de Negocios y surge de la
necesidad de la empresa de implementar herramientas de gestin para automatizar el
control sobre los Puntos de Venta y la Fuerza de Venta a lo largo de Chile. Una
herramienta capaz de entregar informacin til en la toma de decisiones es fundamental
para una empresa de la envergadura y tamao de HP, la que cuenta con la mayor
participacin de mercado en el rea de la tecnologa.
El trabajo se compone de un anlisis de la situacin actual, un levantamiento de los
procesos relacionados con la entrega de reportes y un rediseo sobre stos para que
puedan ser implementados en un sistema de informacin. Los requerimientos y
principales necesidades de la empresa son descritos, para posteriormente disear e
implementar una solucin rentable de Inteligencia de Negocios que automatice la
creacin de reportes, permitiendo visualizar Tableros o Dashboards dinmicos con
acceso a informacin histrica.
La propuesta elimina tareas duplicadas en ambas reas que incluyen a ms de 200
empleados, disminuyendo el costo en tiempo y recursos asociados a la creacin de
reportes, proporcionando una completa herramienta de gestin que incorpora siete
Indicadores Clave de Desempeo definidos a partir de las necesidades de la empresa.
Adems se incluye un mtodo de pronstico de ventas para productos tecnolgicos que
genera importantes beneficios en comparacin con la metodologa actual.
La herramienta es desarrollada a nivel de prototipo funcional, utilizando Visual Basic
para Aplicaciones, Microsoft Access y PowerPivot para Excel. Esta memoria demuestra
que una herramienta de Inteligencia de Negocios rentable y fcil de implementar puede
ser sencillamente construida utilizando una base de datos, un proceso ETL y un
sistema para la visualizacin de reportes.
El trabajo puede ser extendido para incluir ms fuentes de datos y cadenas de Retail,
que permitirn incorporar nuevos indicadores de gestin. Adems, modelos ms
complejos de pronstico y agrupacin pueden ser implementados, los que permitirn
realizar mejores proyecciones de venta y quiebres de stock. A su vez, los tableros de
gestin pueden ser visualizados en la nube utilizando Microsoft SharePoint 2010,
facilitando as el acceso a stos.
2

Agradecimientos
Quiero agradecer a mi familia por el permanente cario y comprensin que siempre me
han brindado y por sobre todo a mis padres, Patricio y Marisol, que han sido un pilar
fundamental en mi vida, gracias por el apoyo incondicional y herramientas que me han
entregado. Gran parte de lo que soy se los debo a ustedes.
Al excelente cuerpo docente que me gui en este proceso. A los profesores Juan
Velsquez y Sebastin Ros por su importante aporte y participacin activa en el
desarrollo de mi memoria. Especialmente al profesor Gastn LHuillier por guiar mi
memoria bajo su direccin, por el inters y motivacin mostrada en mi trabajo y su
capacidad para orientar mis ideas, fue un agrado tenerlo como profesor y agradezco
que haya sido parte de esta importante etapa. Y as tambin agradezco a todos los
profesores y compaeros con quienes compart durante mi carrera, que de alguna
manera forman parte de lo que ahora soy.
Y, finalmente a Jos Miguel Seguel por darme la oportunidad de realizar mi memoria en
Hewlett Packard, le agradezco todo su apoyo y confianza y por siempre facilitarme los
medios necesarios para llevar a cabo todas las actividades propuestas durante el
desarrollo de este proyecto.

Tabla de Contenidos
I.

ndice de Figuras ............................................................................................................... 8

II.

ndice de Tablas ................................................................................................................ 9

III.

ndice de Ecuaciones ...................................................................................................... 9

IV.

ndice de Pseudocdigos .............................................................................................. 10

Definiciones, Acrnimos o Abreviaciones ................................................................................ 11

1.

Introduccin ................................................................................................................... 12
1.1

Antecedentes y Justificacin ........................................................................................................13

1.2

Propsito del trabajo....................................................................................................................15

1.2.1
Ahorro en costos y Mejores prcticas ....................................................................... 16
1.2.2
Toma de decisiones ................................................................................................... 16
1.2.3
Optimizacin de recursos .......................................................................................... 17
1.3
Objetivos ......................................................................................................................................17
1.3.1
Objetivo General ....................................................................................................... 17
1.3.2
Objetivos Especficos ................................................................................................. 17
1.4
Metodologa .................................................................................................................................17
1.4.1
Investigacin y Bibliografa........................................................................................ 17
1.4.2
Situacin Actual y Rediseo ...................................................................................... 18
1.4.3
Elementos Esenciales ................................................................................................ 18
1.4.4
Desarrollo del Prototipo ............................................................................................ 18
1.5
Alcances........................................................................................................................................19

2.

1.6

Contribucin a la empresa ...........................................................................................................20

1.7

Estructura del Trabajo ..................................................................................................................20

Marco Conceptual ........................................................................................................... 22

2.1

Business Intelligence ....................................................................................................................22

2.1.1
Beneficios y Rentabilidad .......................................................................................... 23
2.1.2
Herramientas de Business Intelligence ..................................................................... 23
2.1.3
Mtricas..................................................................................................................... 25
2.1.4
Requerimientos en una Herramienta de BI .............................................................. 25
2.1.5
Alternativas ............................................................................................................... 26
2.2
Self Service Business Intelligence .................................................................................................27
2.3

Procesos de Negocio ....................................................................................................................29

2.3.1
Mejores Prcticas ...................................................................................................... 29
2.4
Microsoft BI Tools ........................................................................................................................30
2.4.1

Microsoft Excel .......................................................................................................... 30

4

2.4.2
PowerPivot ................................................................................................................ 30
2.4.3
Arquitectura de PowerPivot para Excel .................................................................... 31
2.5
Visualizacin y Reportes ...............................................................................................................32
2.6

3.

Pronsticos ...................................................................................................................................34

2.6.1
Requisitos del Modelo ............................................................................................... 35
2.6.2
Mtodo Propuesto .................................................................................................... 35
Situacin Actual .............................................................................................................. 38
3.1

Antecedentes ...............................................................................................................................38

3.1.1
La empresa: Hewlett Packard Chile ........................................................................... 38
3.1.2
La Agencia: ST Chile ................................................................................................... 40
3.2
Fuerza de Venta ...........................................................................................................................40
3.2.1
Estructura .................................................................................................................. 40
3.2.2
Sistema de pago ........................................................................................................ 41
3.2.3
HP Training Center .................................................................................................... 42
3.3
Productos y Puntos de Venta .......................................................................................................42
3.3.1
Lneas y Categoras .................................................................................................... 43
3.3.2
Sistema de Puntos ..................................................................................................... 44
3.4
Metas, Ponderacin y Cumplimientos .........................................................................................44
3.4.1
Metas......................................................................................................................... 44
3.4.2
Ponderacin de Tiendas ............................................................................................ 45
3.4.3
Cumplimientos .......................................................................................................... 45
3.5
Fuente de Informacin y Reportes ...............................................................................................46
3.5.1
Informacin de Venta y B2Bs .................................................................................... 46
3.5.2
Creacin de Reportes ................................................................................................ 47
3.5.3
Entidades y Usuarios relacionados............................................................................ 49
3.6
Levantamiento de Procesos .........................................................................................................49

4.

3.6.1
Calculo de Metas ....................................................................................................... 49
3.6.2
Creacin de Reportes ................................................................................................ 50
Rediseo......................................................................................................................... 54
4.1

Diagnstico ...................................................................................................................................54

4.1.1
Clculos ..................................................................................................................... 54
4.1.2
Metas......................................................................................................................... 55
4.1.3
Indicadores de Desempeo ....................................................................................... 55
4.1.4
Datos Fuente ............................................................................................................. 56
4.1.5
Procesos .................................................................................................................... 56
4.2
Propuestas de Mejora ..................................................................................................................56
4.2.1
4.2.2
4.2.3

Puntos, Unidades y Ponderaciones ........................................................................... 56

Fuente de Informacin y Reportes ............................................................................ 57
Metas por Cadena ..................................................................................................... 57
5

5.

4.3

Rediseo de Procesos...................................................................................................................58

4.2

Indicadores Claves de Desempeo ..............................................................................................59

Elementos Esenciales ...................................................................................................... 61

5.1

Fuente de Informacin .................................................................................................................62

5.1.1
Fuentes Establecidas ................................................................................................. 62
5.1.2
Ingreso Manual.......................................................................................................... 62
5.2
Gestin de ESF, POS y Productos .................................................................................................63

6.

5.3

Promociones y Campaas ............................................................................................................64

5.4

Entrenamiento y Capacitacin de la ESF ......................................................................................64

5.5

Optimizacin de recursos .............................................................................................................66

5.6

Otros aspectos..............................................................................................................................67

5.6.1
Movilidad................................................................................................................... 67
5.6.2
Dashboards................................................................................................................ 67
5.6.3
Anlisis y Pronsticos ................................................................................................ 68
5.6.4
Arquitectura y Hospedaje ......................................................................................... 68
Diseo del Prototipo ....................................................................................................... 69
6.1

Viabilidad de la aplicacin ............................................................................................................69

6.1.1
Funcionalidad del Sistema......................................................................................... 69
6.1.2
Datos de Entrada ....................................................................................................... 70
6.1.3
Ambiente de Operacin y Recursos .......................................................................... 72
6.2
Anlisis de Requerimientos ..........................................................................................................73
6.2.1
Requerimientos funcionales...................................................................................... 73
6.2.2
Requerimientos No-funcionales................................................................................ 74
6.3
Diseo de la arquitectura .............................................................................................................75
6.3.1
Estructura del Sistema y Componentes. ................................................................... 75
6.4
Diseo...........................................................................................................................................77

7.

6.4.1
Especificaciones de Software y Hardware ................................................................ 77
6.4.2
Diseo de la Base de datos........................................................................................ 78
6.4.3
Diseo de la aplicacin .............................................................................................. 79
6.4.4
Diseo de la Interfaz.................................................................................................. 80
Implementacin del Prototipo ......................................................................................... 84
7.1

Carga de Archivos .........................................................................................................................84

7.1.1
Mdulo de Metas ...................................................................................................... 84
7.1.2
Mdulo de Estructura de Vendedores ...................................................................... 87
7.1.3
Mdulo de Archivos de Venta ................................................................................... 88
7.2
Ingreso de Nuevos Productos ......................................................................................................92
7.3

Reportes Predefinidos ..................................................................................................................93

6

7.3.1
Reporte de Cumplimientos y Pagos .......................................................................... 93
7.4
Pronsticos ...................................................................................................................................94
7.4.1
Calculo de Coeficientes ............................................................................................. 96
7.4.2
Calculo de Pronstico ................................................................................................ 97
7.5
Dashboards...................................................................................................................................99

8.

7.5.1
Dashboard de Categoras .......................................................................................... 99
7.5.2
Dashboards de POS ................................................................................................. 101
7.5.3
Dashboards de SKU ................................................................................................. 102
Pruebas del Prototipo ................................................................................................... 103
8.1

Pruebas del sistema ...................................................................................................................103

8.1.1
Proceso ETL ............................................................................................................. 103
8.1.2
Reportes y PowerPivot ............................................................................................ 105
8.2
Problemas Presentados..............................................................................................................106
8.2.1
Datos Histricos ...................................................................................................... 106
8.2.2
Cambios en los Requerimientos .............................................................................. 106
8.2.3
Incompatibilidad...................................................................................................... 107
8.3
Ventajas ......................................................................................................................................107
9.

Conclusiones ................................................................................................................. 108

9.1

Restricciones y Limitaciones ......................................................................................................109

9.1.1
Numero de Cadenas ................................................................................................ 109
9.1.2
Extraccin Manual ................................................................................................... 109
9.1.3
Intervalo de Ponderaciones .................................................................................... 109
9.1.4
Ingreso de Productos .............................................................................................. 109
9.1.5
Metas por Cadenas.................................................................................................. 110
9.1.6
Requerimientos No Incorporados ........................................................................... 110
9.1.7
Valores Inexactos .................................................................................................... 110
9.1.8
Omisin de Productos ............................................................................................. 110
9.1
Trabajo Futuro ............................................................................................................................110
Bibliografa ........................................................................................................................... 112
Anexos ................................................................................................................................. 115
Anexo A ................................................................................................................................... 115
Anexo B1 ................................................................................................................................. 116
Anexo B2 ................................................................................................................................. 117
Anexo C ................................................................................................................................... 118

I.

ndice de Figuras

Figura 1.1: Elementos ms relevantes en la gestin del POS ......................................................................13

Figura 1.2: Elementos relevantes en la gestin de la ESF ............................................................................14
Figura 2.1: Ilustracin de un sistema de BI [16] ...........................................................................................24
Figura 2.2: Resumen de arquitectura de BI de Microsoft ............................................................................27
Figura 2.3: Ciclo de Anlisis de Informacin [22]. ........................................................................................28
Figura 2.4: Componentes que permiten la implementacin de una plataforma BI de Auto Servicio [22]..28
Figura 2.5: Arquitectura de PowerPivot para Excel [23] ..............................................................................32
Figura 2.6: Ejemplo de un Dashboard elaborado por Few [32]. ..................................................................33
Figura 2.7: Concepto bsico del Mtodo
(33).......................................................................................36
Figura 3.1: Market Share en Unidades 2008-2010(Q2). Fuente GFK. ..........................................................38
Figura 3.2: Estructura y empresas que componen las bandas.....................................................................39
Figura 3.3: Estructura Piramidal de la ESF....................................................................................................40
Figura 3.4: Grafico de Pagos para vendedor tipo A. ....................................................................................42
Figura 3.5: Stock en B2B. ..............................................................................................................................47
Figura 3.6: Tabla ejemplo de Cumplimientos. .............................................................................................48
Figura 3.7: Diagrama del Proceso de Metas ................................................................................................50
Figura 3.8: Diagrama del Proceso de Creacin de Reportes. .......................................................................52
Figura 3.9: Distribucin del tiempo y recursos en cada actividad. ..............................................................53
Figura 4.1: Diagrama con Rediseo del Proceso de Creacin de Reportes. ................................................59
Figura 5.1: Principales elementos que requiere HP Chile en la Herramienta. .............................................61
Figura 5.2: Tablero de Alertas para control de Precios. ...............................................................................64
Figura 5.3: Elementos del Entrenamiento en HP Chile ................................................................................65
Figura 6.1: Tipo de informacin que entrega el Prototipo...........................................................................69
Figura 6.2: Estructura de Archivo con Metas. ..............................................................................................70
Figura 6.3: Estructura de archivo con Vendedores ......................................................................................71
Figura 6.4: Estructura Archivo de Ventas tipo A y B. ...................................................................................71
Figura 6.5: Flujo de carga de Datos del Prototipo ........................................................................................72
Figura 6.6: Diagrama de Casos de Uso .........................................................................................................74
Figura 6.7: Componentes del Prototipo .......................................................................................................76
Figura 6.8: Estructura de la Base de Datos...................................................................................................78
Figura 6.9: Interfaz de Carga de Archivos ....................................................................................................80
Figura 6.10: Interfaz para ingresar nuevos productos .................................................................................81
Figura 6.11: Interfaz de Reportes Predefinidos ...........................................................................................82
Figura 6.12: Ejemplo Dashboard de Categoras ...........................................................................................83
Figura 7.1: Matriz resultante de metas semanales por Categora y Retail. .................................................85
Figura 7.2: Eliminacin de elementos que no pertenecen a la estructura de la tabla. ...............................90
Figura 7.3: Men de Reportes Predefinidos ................................................................................................93
Figura 7.4: Workflow del mtodo propuesto
[39].............................................................................95
Figura 7.5: Obtencin de Ventas acumulada desde el da de lanzamiento .................................................97
Figura 7.6: Lista de Campos de Grficos y Tablas en PowerPivot ................................................................99
8

Figura 7.7: PivotTable del Dashboard de Categoras .................................................................................100

Figura 7.8: Formulas DAX de KPIs incluidos en Dashboard de Cumplimientos .........................................100
Figura 7.9: Dashboard de POS ....................................................................................................................101
Figura 7.10: Dashboard de SKU ..................................................................................................................102
Figura A1: Ubicacin POS en Santiago por Zona ........................................................................................115
Figura B1: Tendencia Wallmart Brasil ........................................................................................................117
Figura B2: Tendencia Wallmart Mexico .....................................................................................................117
Figura C1: Proceso de Pruebas para prototipos de almacenes de datos. ..................................................117

II.

ndice de Tablas

Tabla 3.1: Porcentaje de Pago Acelerado ....................................................................................................41

Tabla 3.2: Monto de Pago por Vendedor. ....................................................................................................41
Tabla 3.3: Distribucion y Cobertura de la ESF ..............................................................................................43
Tabla 3.4: Categorias y Lineas de Producto .................................................................................................43
Tabla 3.5: Bandas de Precio y % de Ventas en unidades (Mar-2011) ..........................................................43
Tabla 3.6: Tabla de Focos .............................................................................................................................44
Tabla 4.1: Diferencia de Puntos Vendidos con respecto a las Metas. .........................................................55
Tabla 4.2: KPIs para medir la ESF .................................................................................................................59
Tabla 4.3: KPIs para medir los POS ...............................................................................................................60
Tabla 7.1: Caractersticas de archivos de Venta por Retail. .........................................................................88
Tabla 7.2: Trminos de archivo de ventas por cada Retail. .........................................................................89
Tabla 7.3: Variables para la creacin de Grupos ..........................................................................................96
Tabla 7.4: Tiempo que toma el clculo de Pronostico por Cadena..............................................................98
Tabla 8.1: Registro de nuevos productos y errores en formato de archivo de ventas. .............................104
Tabla 8.2: Tiempo que toma cada carga de archivo ..................................................................................105

III. ndice de Ecuaciones

Ecuacin 2.1: Ecuacion de Pronostico ..........................................................................................................36
Ecuacin 2.2: Coeficiente NM ......................................................................................................................36
Ecuacin 3.1: Metas en Puntos por Cadena.................................................................................................45
Ecuacin 3.2: Ponderacin en Unidades ......................................................................................................45
Ecuacin 3.3: Metas por Tienda en Puntos ..................................................................................................45
Ecuacin 3.4: Puntos Vendidos ....................................................................................................................46
Ecuacin 3.5: Formula de Cumplimiento .....................................................................................................46
Ecuacin 4.1: Meta por Cadena ...................................................................................................................57
Ecuacin 4.2: Ponderacin ...........................................................................................................................57
Ecuacin 4.3: Meta por Tienda ....................................................................................................................57
Ecuacin 7.1: Calculo de n y m .....................................................................................................................95

IV. ndice de Pseudocdigos

Pseudocdigo 7.1: Modulo de Metas ..........................................................................................................85
Pseudocdigo 7.2: Relleno de Matriz de Metas ..........................................................................................86
Pseudocdigo 7.3: Calculo de metas por POS..............................................................................................86
Pseudocdigo 7.4: Actualizacin de Foco y Lnea ........................................................................................87
Pseudocdigo 7.5: Carga de Estructura de Vendedores ..............................................................................87
Pseudocdigo 7.6: Cambio de estructura de Tipo A a Tipo B ......................................................................89
Pseudocdigo 7.7: Proceso de Estandarizacin ...........................................................................................91
Pseudocdigo 7.8: Carga de Tabla Excel a Tabla en Base de datos. ............................................................91
Pseudocdigo 7.9: Bsqueda de Nuevos Productos ....................................................................................92
Pseudocdigo 7.10: Ingreso de Productos ...................................................................................................92
Pseudocdigo 7.11: Consulta de Puntos vendidos por tienda en una Cadena............................................93
Pseudocdigo 7.12: Consulta de Metas por tienda en una Cadena. ...........................................................94
Pseudocdigo 7.13: Consulta para obtener Ventas por Fecha de un Grupo ...............................................96

10

Definiciones, Acrnimos o Abreviaciones

ADO
B2B
BI
BP
BPI
BPMN
CRM
DAX
ESF
ETL

ActiveX Data Objects

Business to Business
Business Intelligence
Business Process
Business Process Intelligence
Business Process Modeling Notation
Customer Relationship Management
Data Analysis Expressions
Extended Sales Force
Extract-Transform-Load

IPG

Imaging & Printing Group

KAM

Key Account Manager

KDD

Knowledge Discovery in Databases

KPI

Key Performance Indicators

MOLAP Multidimensional Online Analytical Processing

OLEDB

Object Linking and Embedding Database

POS

Point of Sale

PSG

Personal System Group

RAM

Regional Account Manager

RFP

Request for Proposal

RIM

Retail-In-Store Manager

SaaS

Software as a Service

SFA

Sales Force Automation

SO

Sell Out

SQL

Structured Query Language

SSBI

Self Service Business Intelligence

VBA

Visual Basic for Applications

VSTO

Visual Studio Tools for Office

WOS

Week of Sales

11

1.

Introduccin

En todas las organizaciones son tomadas decisiones a diario, trascendentes o

intranscendentes, pero todas ellas sin estar exentas de riesgo. Quienes deben tomar
las decisiones, requieren de minimizar este riesgo, teniendo a mano la mayor cantidad
de informacin, la cual debe ser oportuna, eficiente y adems, que agregue valor.
Es fundamental tambin que en toda empresa los procesos estn definidos y ms an
cuando estn correctamente relacionados entre ellos. Las Herramientas que permiten
que los procesos de la empresa puedan ser integrados satisfactoriamente son las
tecnologas de informacin.
Hewlett Packard Chile en adelante HP Chile es una empresa que ofrece una gran
variedad de productos tecnolgicos en la mayora de las cadenas a nivel nacional.
Para hacerlos llegar al cliente subcontrata el servicio de ventas a travs de una
agencia externa llamada ST Chile la encargada de la gestin y control de toda la
fuerza de venta. La agencia est a cargo de las reas de consumo personal e impresin
que representan alrededor del 80% de las ventas de HP en Retail.
Sistemas de Informacin son utilizados cada vez ms para automatizar los procesos
generando ventajas competitivas. Las herramientas de Gestin de Relacin con los
Clientes o Customer Relationship Management (CRM) y Automatizacin de la Fuerza
de Venta o Sales Force Automation (SFA) son algunos ejemplos de sistemas que
entregan soluciones completas que abarcan varias reas de una empresa, pero sus
elevados costos de implementacin y problemas de adaptacin [1] son razones para
buscar alternativas ya que a veces los requerimientos de cada empresa pueden ser
muy especficos.
HP Chile ha decidido evaluar la implementacin de un sistema capaz de dar una
solucin permanente a la automatizacin de la gestin con el fin de mejorar el flujo de
informacin y toma de decisiones. Herramientas que dan apoyo a esta problemtica
son las Aplicaciones de Inteligencia de Negocios las cuales pueden ser utilizadas para
mejorar la gestin de la Fuerza de Venta Externalizada o Extended Sales Force (ESF) y
los Puntos de Venta o Point of Sales (POS).
A continuacin, se presenta el contexto y tema del trabajo, incluyendo antecedentes
generales de la empresa, el propsito del trabajo, los objetivos para la consecucin del
mismo y la metodologa a seguir.
El alcance del proyecto es planteado, subrayando los lmites de esta memoria
especificando que se va a lograr exactamente en cada objetivo especfico. Le sigue la
contribucin de esta memoria a la empresa para finalizar con la estructura de trabajo en
los captulos que le siguen.

12

1.1

Antecedentes y Justificacin

HP Chile vende sus productos a travs de Mayoristas, Retailers, Distribuidores y

Resellers y no de forma directa al cliente. Adems posee una fuerza de ventas
externalizada, lo que implica que el contacto con el consumidor se vea reducido
ocasionando que sus principales problemas de gestin no estn en el cliente sino que
en sus propios vendedores y puntos de venta.
Las necesidades y problemas de HP Chile se separan a nivel de POS y ESF. En cada
uno existen problemas de control y se tienen procesos no definidos. La estructura de
vendedores y su funcionamiento cambian constantemente en donde no hay mtricas
establecidas para medir su comportamiento ni tampoco existen sistemas de informacin
que apoyen la toma de decisiones.
Como muestra la figura 1.1 algunos de los aspectos que incluye la gestin de un POS
por ejemplo son el control de la exhibicin, la correcta publicacin de precios y
promociones, una adecuada exposicin de las categoras y aspectos relacionados con
el mismo producto como el control de la Venta, Inventario y Cobertura de stos.

Figura 1.1: Elementos ms relevantes en la gestin del POS

HP Chile presenta problemas de control y gestin en el POS y en el caso del estado de
productos la informacin es proporcionada por cada cadena o mayorista y de forma
distinta, es decir en archivos con diferentes formatos, distintas fuentes y no
necesariamente en lnea. Esta dispersin de informacin provoca que la creacin y
entrega de reportes tiles de gestin demore, lo que implica por ejemplo ventas
prdidas en la tienda si las decisiones no son tomadas a tiempo.
No hay tampoco una adecuada medicin de parmetros para controlar la asistencia,
productividad y rentabilidad de las tiendas. Esto se extiende a la ESF en donde
tampoco existen indicadores de desempeo para su correcto seguimiento.

13

La gestin de la ESF como se ve en la figura 1.2, incluye varios aspectos entre ellos el
control de cumplimientos de metas asignadas a los vendedores, clculo de pagos,
asistencia y entrenamiento para capacitar a los vendedores. El segundo aspecto se
compone de la optimizacin de recursos que incluye determinar la correcta cantidad de
vendedores, su estructura, localizacin y ubicacin en el territorio nacional.

Figura 1.2: Elementos relevantes en la gestin de la ESF

Los problemas con la ESF se presentan en todos los aspectos ya mencionados. En el
caso del cumplimiento de metas este es inexacto debido a que se omiten variables
para su clculo. Los pagos que dependen de las metas que en gran medida no estn
bien asignadas, por ejemplo en regiones la competencia no es tan fuerte y gestores se
llevan ms beneficios al tener metas inferiores al promedio. A la hora de ubicar nuevos
vendedores, no se sabe comparar el rendimiento de las tiendas debido a que no se
cuenta con la informacin necesaria. El potencial de la tienda se determina solo con
respecto a la rentabilidad.
A nivel operacional en el rea del Retail para controlar los POS y la ESF se utilizan a
Supervisores los que viajan por las tiendas creando informes manuales de Precios,
Promociones, Exhibicin y Venta los cuales son difciles de manejar y costosos de
realizar.
Los reportes de gestin se realizan exclusivamente con planillas Excel y hojas
dinmicas hechas a mano siendo la nica herramienta tecnolgica utilizada para la
gestin. La mayora de los usuarios que necesitan estos reportes disponen de poco
tiempo para aprender sobre herramientas de software y desconocen sobre la migracin,
transformacin y transferencia de datos entre mltiples fuentes de informacin.
La dispersin de informacin ocasiona que la creacin y entrega de reportes manuales
tome un tiempo considerable. Algunos de los principales costos de realizar Reportes
Manuales en Excel son [2]:
14

Tiempo Perdido: Realizar reportes manuales incluye el tiempo que toma

recopilar informacin, construir formulas, grficos, verificar informacin y
compartir el archivo.
Estndares Definidos y Errores Humanos: Hay redundancia al hacer uso de
diferentes frmulas o conceptos para explicar una misma situacin, al no haber
un estndar definido los diseos de algunas planillas son difciles de leer o
contienen errores humanos.
Talento Perdido: Cargos altos en cualquier departamento, pierde horas en Excel
en vez de estar tomando decisiones sobre reportes que deberan estar
terminados.
Riesgos de Dependencia: Individuos especficos en la empresa, realizan tareas
en hojas de clculo que solo ellos saben usar.
Duplicacin de Informacin: Reportes con un mismo fin pueden ser creados
ms de una vez por diferentes usuarios.
Toma de Decisiones errneas: Decisiones apuradas son tomadas sin haber
hecho los clculos correctos.

Actualmente en la empresa los procesos no estn definidos, estos cambian

constantemente y en algunos casos no tienen un orden lgico. Realizar un
levantamiento de procesos, adems de optimizar la gestin y forma en que se hacen
las cosas ayudar a que las herramientas de Inteligencia de Negocios sean
implementadas de forma ms eficaz. Se ha demostrado [3] que la principal causa de
fracaso en la implementacin de un sistema de informacin en una empresa es la mala
adaptacin a los procesos.

1.2

Propsito del trabajo

HP Chile desea implementar una herramienta capaz de dar una solucin permanente a
la problemtica ya planteada. Un sistema de informacin de tal magnitud y que abarque
todos los requerimientos de HP segn el estudio realizado por esta memoria no existe
por s solo y requiere el desarrollo de varios componentes.
El propsito de esta memoria es el de levantar los procesos relacionados con la
creacin de reportes y redisearlos para ser implementados en un sistema de
informacin. Los elementos ms importantes a considerar en los requerimientos que
busca la empresa en la herramienta sern levantados, los que posteriormente darn las
bases para el diseo e implementacin de un Prototipo Funcional.
El Prototipo ser diseado para abarcar las principales necesidades y problemticas de
la empresa que son la de extraer e integrar datos de mltiples fuentes y automatizar la
generacin de reportes para apoyar el anlisis de informacin y la toma de decisiones.
La herramienta se enmarca dentro del concepto de Inteligencia de Negocios y el
desarrollo estar enfocado a la entrega de reportes de gestin para los POS, ESF y
Productos incluyendo a ocho cadenas que venden productos HP y un total de 338
tiendas. Los reportes incluirn a la Fuerza de Ventas que incorpora a 130 vendedores a
lo largo del pas, con informacin del cumplimiento de ventas, distribucin de
procesadores, pronsticos, reporte de pagos, entre otros. Para la gestin de productos
15

se incluirn mtricas como la Venta, Stock, Cobertura y Distribucin. La definicin de

todos los indicadores a incluir en la herramienta tambin ser especificada.
Adems, un modelo de pronstico para productos con un ciclo de vida corto ser
incorporado al prototipo, adaptndose as a las caractersticas de los productos
tecnolgicos de la empresa, los cuales no son temporales ni cclicos y son incorporados
todas las semanas a las cadenas.
HP Chile es una empresa de tecnologa, pero por polticas a nivel global esta no posee
sistemas propios para la gestin de los POS y la ESF. Al externalizar el servicio de
ventas no existe un sistema informtico estndar para todas las filiales.
En Latinoamrica pases como Mxico y Brasil son algunos de los que utilizan
herramientas tecnolgicas pero estas no son propias, sino que son subcontratadas. El
objetivo de HP en Chile es el de encontrar un proveedor ideal de esta herramienta, para
ser implementado y replicado a los distintos pases de la Regin.
Entre los beneficios que este proyecto proporcionar a HP Chile se encuentran: Ahorro
en Costos y mejores prcticas, una mejor toma de decisiones y finalmente la
optimizacin de recursos. Explicadas en detalle a continuacin.

1.2.1

Ahorro en costos y Mejores prcticas

La empresa en Chile utiliza ampliamente software y soluciones de Microsoft, pero que

no estn siendo aprovechadas al mximo. La incorporacin de estos elementos al
prototipo de Inteligencia de Negocios ser de costo cero para la empresa.
Este proyecto estar enfocado a nivel operacional y es donde HP saldr ms
beneficiado. El diseo de los procesos relacionados con el prototipo permitir que este
sea replicado con facilidad y pueda proporcionar mejores prcticas.
La evaluacin de los vendedores es un problema que se espera solucionar ya que el
nico indicador de desempeo que se utiliza para su medicin, es el cumplimiento
sobre las ventas del cual no existen datos histricos. Al incorporar una base de datos se
podrn comparar cumplimientos con meses anteriores y tener un registro de qu tan
bien funcionan los equipos de venta.

1.2.2

Toma de decisiones

Reportes semanales que logren el objetivo de detectar problemas apoyaran una buena
toma de decisiones para mejorar continuamente la gestin y control sobre la ESF y los
POS. De los 10 grandes Retail en donde HP est presente al menos la mitad de ellos
presenta algn problema con el inventario o falta de stock de un producto en especfico.
Debido a que son los Retail los que realizan las rdenes de compra y deciden cuando
solicitar, HP puede hacer poco en el tema para solucionarlo.
Estos inconvenientes se producen tambin por varias razones, entre ellas al efecto de
promociones de HP que no son bien distribuidas y a la incoherencia de stock fsico con
16

el stock en sistema. El prototipo entregar reportes semanales de inventario en sistema

para productos especficos y permitir por ejemplo, realizar mejores decisiones con
respecto a que promociones deben ser aplicadas a cada producto y tienda.

1.2.3

Optimizacin de recursos

Actualmente HP no cuenta con las herramientas necesarias para tomar decisiones en

aspectos como donde debe localizar a sus vendedores y cuanto recurso en tiempo se le
debe asignar a cada uno. En este mbito el prototipo podr entregar reportes con
informacin detallada de las ventas y metas de la ESF que podr ser cruzada con el
Market Share para determinar potenciales tiendas en la asignacin de un vendedor.

1.3

Objetivos

1.3.1

Objetivo General

Disear e Implementar en HP Chile una herramienta Inteligencia de Negocios

que permita automatizar el control y gestin de la fuerza y puntos de venta en las
principales cadenas a nivel nacional.

1.3.2

Objetivos Especficos

Realizar un diagnstico de la situacin actual y un levantamiento de los procesos

involucrados con la creacin de reportes.

Proponer mejoras, definir indicadores clave de desempeo y redisear el

proceso de creacin de reportes.

Determinar los principales elementos de los requerimientos que la empresa

busca en una herramienta de Inteligencia de Negocios.

Disear e Implementar un prototipo funcional rentable que d una solucin

completa a la principal necesidad de la empresa.

Incorporar en el prototipo un modelo de pronstico para productos tecnolgicos.

1.4

Metodologa

La siguiente metodologa es usada para cumplir con los objetivos previamente

planteados.

1.4.1

Investigacin y Bibliografa

La revisin bibliogrfica consisti en libros, papers, artculos y manuales relacionados

con los conceptos que abarca esta memoria entre ellos la Gestin del Punto de Venta,
Automatizacin y Autoservicio en la realizacin de Reportes, Rediseo de Procesos,
Indicadores Claves de Desempeo, Inteligencia de Negocios y Mtodos de Pronostico
para productos tecnolgicos.
17

1.4.2

Situacin Actual y Rediseo

Para tener un entendimiento completo del funcionamiento, necesidades y problemas de

la empresa, se realiza un anlisis de la informacin disponible incluyendo todos los
aspectos relacionados con la ESF y los POS. Para esto se realiz entrevistas para
identificar los puntos crticos del proceso de creacin de reportes, los agentes que
participan en cada actividad, la accesibilidad que tiene los vendedores a los datos y a la
tecnologa existente. Una vez detectados los problemas, los procesos actuales son
levantados junto con una medicin del tiempo empleado en cada actividad.
Posteriormente se realiza un rediseo de los procesos involucrados, para esto se define
el foco de este, un diagnstico de la situacin actual, propuestas de mejora y se utiliza
un conjunto de buenas prcticas utilizadas para el rediseo de procesos [4] entre ellas
la eliminacin e integracin de actividades relacionadas, minimizar la cantidad de
involucrados, modificar el orden de actividades para realizarlas de forma paralela,
automatizar y reducir el tiempo empleado en ellas y permitir que cualquier usuario sin
conocimientos en TI pueda involucrarse en el proceso de creacin de Reportes.
El rediseo considera la implementacin de una herramienta de inteligencia de
negocios en la empresa, encargada de almacenar la informacin, procesarla y realizar
todos los clculos correspondientes para crear reportes. Los datos presentados en
estos deben incluir mtricas, para esto se definen los Indicados Clave de Desempeo
ms relevantes para el rea de consumo.

1.4.3

Elementos Esenciales

Para obtener los principales elementos que componen la herramienta de inteligencia de

negocios, entrevistas y conversaciones con los tomadores de decisiones son
fundamentales. La metodologa a utilizar para la obtencin de estos elementos es una
tcnica que lleva como nombre: Rapid Requirement Discovery for BI o RRD-BI [5] y
tiene la ventaja de ser una rpida y efectiva forma de definir requerimientos para
aplicaciones de Inteligencia de Negocios.
Los Elementos Esenciales son: la definicin del objetivo de la herramienta, los roles de
usuarios que interactan con esta, las suposiciones y restricciones de la aplicacin, las
fuentes de datos del negocio, los componentes utilizados para agrupar los indicadores y
finalmente los elementos tecnolgicos y de interfaz.

1.4.4

Desarrollo del Prototipo

Para el desarrollo del prototipo se utiliza la metodologa Prototype Development

Process o PDP [6], esta se compone de varias etapas, la primera consiste en establecer
la viabilidad de la aplicacin que incluye definir el objetivo y funcionalidades, el input de
datos requeridos, el ambiente de operacin y los recursos disponibles para su
desarrollo.
La segunda etapa consiste en determinar los requerimientos de la aplicacin en
trminos de todas las funcionalidades que son requeridas. El tercer paso consiste en
18

definir la arquitectura y estructura de la aplicacin en trminos de sus componentes, su

interaccin y configuracin. La cuarta etapa consiste en detallar el diseo de acuerdo al
hardware y software usado, el modelo de la base de datos, los procesos relacionados
con la herramienta y su interfaz. La quinta etapa consiste en implementar la aplicacin
desarrollando el cdigo fuente. Finalmente la ltima etapa consiste en la realizacin de
pruebas del prototipo.
En esta ltima etapa las pruebas del prototipo sern realizadas solo para el proceso
encargado de la Extraccin, Transformacin y Carga de Datos (o ETL) componente
principal en una herramienta de inteligencia de negocios. Para realizar este ltimo paso
se utilizara parte de una metodologa basada en prototipos para pruebas de Almacenes
de Datos [7] que incluye elementos como el esquema multidimensional, el proceso ETL
al cual se realizaran pruebas, el esquema fsico y el componente que interacta con el
usuario final.
Las pruebas realizadas al proceso ETL se resumen en diferentes tipos, entre ellas las
pruebas funcionales, que verifican que el proceso cumpla con su objetivo, que haya
integridad en los datos como por ejemplo que las filas de entrada sean igual a las filas
de salida ms filas rechazadas, que el porcentaje de datos filtrado sea mnimo y que
estos sean de calidad.
Entre las pruebas de usabilidad estn determinar cuntas veces hubo intervencin
humana necesaria para completar la peridica carga de datos, mtricas simples pero
efectivas para cuantificar esto ltimo son la de calcular porcentajes de registros
satisfactoriamente cargados o de errores que son automticamente corregidos. Y
finalmente pruebas de rendimiento y stress como el tiempo que toma cargar archivos.

1.5

Alcances

Los alcances de este trabajo son los siguientes:

Los subprocesos relacionados con la creacin de reportes incluyen el clculo y

distribucin de Metas y los procesos relacionados con la entrega y comunicacin
de reportes.
Las reas a abarcar en la empresa incluyen el rea de productos personales y
de impresin.
El input de informacin del prototipo se compondr de Metas, Estructura de
Vendedores y Ventas/Stock de tiendas por cadena. Los reportes y tableros
utilizarn solo esta fuente de informacin.
El proceso de extraccin de datos de venta desde las cadenas, ser manual y no
remoto.
El Prototipo ser desarrollado en Visual Basic, para Microsoft Office Excel 2010 o
superior.
El mdulo ETL para extraer B2Bs o archivo de ventas ser utilizable solo para el
Retail Nacional. Por lo que su uso en otros pases, va a requerir incorporar al
prototipo un mdulo por cada nueva cadena.
Los reportes a entregar por la herramienta cubrirn la gestin sobre
Vendedores, Puntos de Venta y Productos de consumo.
19

1.6

Contribucin a la empresa

El rediseo de los procesos y el prototipo ser implementado en las reas de IPG

y PSG en donde ltimamente no ha habido trabajo en conjunto. Muchas de las
tareas relacionadas con la creacin de reportes son duplicadas, considerando
que la fuente de informacin para ambas reas es la misma.
La consolidacin de datos de todas las Cadenas, reducir considerablemente el
tiempo que toma recolectar la informacin, facilitando as la creacin de reportes.
Los reportes sern estandarizados, automatizados y compartidos en lnea, con la
capacidad para acceder a datos histricos en tiempo real y de forma dinmica,
sin los inconvenientes y costos en tiempo que tiene realizar reportes manuales.
El prototipo podr ser extendido para ser utilizable a nivel regional en
Latinoamrica, sin depender de agencias en donde se paga mensualmente por
informes de gestin.
El prototipo evitara costos de entrenamiento e implementacin en complejas
herramientas de inteligencia de negocios que cubren similares requerimientos de
la empresa.

1.7

Estructura del Trabajo

Adicionalmente a la Introduccin la estructura de los captulos que componen este

trabajo es resumida a continuacin:
Captulo 2. Marco Conceptual: En este captulo se presenta una sntesis organizada
de los temas a tratar en la memoria, que incluye los elementos ms relevantes en una
herramienta de inteligencia de negocios, sus beneficios y alternativas de autoservicio,
donde algunos de los productos que ofrece Microsoft sern detallados. Tambin ser
explicada la importancia que tiene la correcta visualizacin de reportes y finalmente un
mtodo de pronstico para productos tecnolgicos ser propuesto.
Captulo 3. Situacin Actual: Un anlisis del funcionamiento general de la empresa es
planteado profundizando en los aspectos y clculos ms importantes en la gestin de
vendedores, puntos de venta y productos. La fuente de informacin para la toma de
decisiones ser expuesta en detalle, los procesos involucrados en la creacin de
reportes sern levantados, para terminar con una medicin de las actividades ms
relevantes.
Captulo 4. Rediseo: En este captulo se realiza un diagnstico de la situacin actual
y una serie de propuestas de mejora a los clculos involucrados en la creacin de
reportes y la obtencin de datos necesarios para su realizacin. El proceso de creacin
de reportes es rediseado, donde una serie de prcticas son utilizadas. Finalmente se
definen una serie de Indicadores Clave de desempeo que sern utilizados en los
reportes de gestin.
Captulo 5. Elementos Esenciales: Este captulo tiene como objetivo precisar las
reales necesidades de la empresa y los principales elementos que van a componer la
Herramienta de Inteligencia de Negocios. Aqu se aclaran las necesidades y
20

requerimientos reales de la empresa, que sirven para establecer las bases del sistema
de autoservicio a desarrollar.
Captulo 6. Diseo del Prototipo: En este captulo se presenta una descripcin de
todos los pasos en el desarrollo del prototipo que incluye primero determinar la
viabilidad de la aplicacin en termino de sus objetivos, posteriormente se realiza un
anlisis de los requerimientos donde todas las funcionalidades son especificadas para
finalmente terminar con la arquitectura y diseo de la aplicacin.
Captulo 7. Implementacin del Prototipo: La completa implementacin del prototipo
es descrita, detallando los mdulos que componen la herramienta tanto para cargar
archivos, ingresar productos, realizar reportes, pronsticos y tableros de control. Los
pseudocdigos asociados a cada mdulo son incluidos.
Captulo 8. Pruebas: En este captulo se presentan las pruebas realizadas al prototipo,
enfocndose en el proceso ETL y la interfaz creada. Se nombran adems los diferentes
problemas presentados durante el desarrollo del prototipo, como los cambios
constantes en los requerimientos y a las incompatibilidades.
Captulo 9. Conclusiones: En este captulo se concluye presentando los principales
aspectos del trabajo. Se plantea la solucin al problema propuesto, posteriormente se
presentan las principales contribuciones que esta memoria entrego a la empresa, se
detallan las restricciones y limitaciones del prototipo implementado y finalmente se
plantean las extensiones y trabajo futuro a desarrollar.

21

2.

Marco Conceptual

En el siguiente captulo se profundizan los diversos temas y conceptos a utilizar en el

trabajo. El primero define la inteligencia de negocios, su importancia en la empresa y el
rol que juega en la toma de decisiones. La estructura y funciones de Aplicaciones de
Inteligencia de Negocios sern nombradas destacando el papel que juegan en la
automatizacin de reportes. La relacin que tienen los Indicadores de Desempeo con
estas herramientas tambin ser especificada.
Posteriormente se detalla una completa y rentable alternativa de autoservicio en
herramientas de Inteligencia y la importancia que tienen los usuarios, tecnologa y
procesos en la implementacin de este tipo de aplicaciones.
Finalmente se exhiben los conceptos generales de mtodos de pronstico
considerando los requisitos que debe tener un modelo para productos tecnolgicos.
Esta coleccin de literatura e investigacin presentada nos permite establecer una
adecuada metodologa para orientar los objetivos de este trabajo.

2.1

Business Intelligence

La Inteligencia de Negocios o Business Intelligence (BI) es un conjunto de herramientas

enfocadas a la administracin mediante la entrega de informacin precisa y til, en un
plazo de tiempo ptimo para apoyar una toma de decisiones eficiente [8]. En este
contexto, las herramientas de BI se refieren a tecnologas, aplicaciones y prcticas para
la coleccin, integracin, anlisis y presentacin de informacin del negocio.
En una gran variedad de reas los datos estn siendo recolectados y acumulados a una
tasa muy alta y existe una creciente necesidad de extraer conocimiento de estos datos
acumulados [9].
Esta necesidad es el tema principal de un campo llamado
Descubrimiento de Conocimiento en Bases de Datos o Knowledge Discovery in
Databases (KDD). KDD puede ser explicado como el desarrollo de un conjunto de
mtodos y tcnicas para interpretar datos. Estas tcnicas utilizadas en aplicaciones
orientadas a los negocios tambin son conocidas como Inteligencia de Negocios [10].
Hoy, la correcta comprensin y el uso de las herramientas de BI es un diferenciador
clave para darle a las empresas una ventaja sobre la competencia, aumentar la eficacia
y proveer servicios de mayor valor al cliente [9]. El objetivo principal de la Inteligencia de
negocios es permitir el fcil acceso y de forma interactiva a una diversidad de datos,
permitir la manipulacin y transformacin de esta informacin y darle a los gerentes y
analistas de una empresa la capacidad para realizar mejores anlisis y actuar de forma
ms eficiente.
Las herramientas de BI son ampliamente usadas en el mundo de la tecnologa y se han
hecho muy populares en el mbito de los sistemas de informacin [11]. Los Software
para la Inteligencia de Negocios proporcionan transparencia y soporte para la toma de
decisiones que mejoran el rendimiento de la empresa.
22

2.1.1

Beneficios y Rentabilidad

Las herramientas de BI pueden ofrecer una gran variedad de beneficios a las empresas
incluyendo la reduccin de costos, mayores ingresos, realizacin de pronsticos y la
deteccin de problemas [12]. Al usar estas herramientas, es posible para empleados
comunes crear reportes y responder
preguntas propias sin la necesidad de
programadores o analistas. El anlisis de estos reportes puede revelar costos u
oportunidades ocultas [12].
La inteligencia de negocios puede expandirse al anlisis del marketing. Con el uso de
la Inteligencia de Negocios las reas de marketing por ejemplo pueden seguir los
resultados de Campaas y promociones y actuar rpidamente sobre la competencia
[12]. Una mejora en las estrategias de marketing implica por ejemplo un aumento en las
ventas e ingresos de la empresa, como tambin el acceso a anlisis de resultados de
ventas y cules son los productos de mayor margen.
No hay mtodos de medicin especficos para determinar el grado de cuanto ms
eficaz se han convertido la toma de decisiones con la inversin en BI. La razn de esto
es que es imposible saber que otras decisiones se hubieran tomado y el efecto que
habran tenido en el negocio [13].
En relacin con la eficiencia y la rentabilidad de una inversin en BI, el Retorno sobre
inversin (ROI) y costo total de propiedad (TCO) son de uso frecuente. Otro mtodo es
definir objetivos para las actividades de la herramienta de BI y despus de un tiempo
evaluar si estos fueron logrados. Las ganancias pueden ser medidas por ejemplo con la
velocidad de recoleccin de informacin y facilidad en la creacin de reportes [14].

2.1.2

Herramientas de Business Intelligence

La mayora de las herramientas de inteligencia de negocios incorporan mtodos para

automticamente convertir datos en bruto en informes y reportes. La adopcin de
soluciones de BI apoya la estandarizacin y la entrega de complejos anlisis, adopcin
que est aumentando durante los ltimos aos [15]. Estudios realizados por Forrester el
2010, en donde 153 grandes empresas en Estados Unidos fueron encuestadas muestra
que ms del 50% de ellas planea implementar proyectos de BI en el siguiente ao.
2.1.21

Estructura

Como una propuesta centrada en los datos, las herramientas de BI dependen mucho de
mtodos de recoleccin y anlisis de informacin [11]. La recoleccin de informacin
para una aplicacin de BI se realiza mediante la construccin de un almacn de datos o
Data Warehouse (DW) donde los datos de mltiples fuentes son almacenados.
Tpicamente las fuentes de datos son bases de datos relacionales, archivos de texto u
hojas de Excel.
El modelo de bases de datos relacional tiene la idea fundamental del uso de relaciones
entre entidades o tablas discretas normalizadas. Es una solucin de propsito general
que puede ser utilizada por aplicaciones que necesitan recuperar, actualizar, eliminar y
23

guardar uno o mltiples elementos de datos para procesos operacionales y

transaccionales.
Estos datos son usados en aplicaciones de Reportes y Minera de Datos o Data Mining
(DM) el cual es un concepto para la identificacin de tendencias y patrones en los
datos. El concepto de minera de datos est fuera del alcance de este trabajo de ttulo y
no sern objeto de ulterior examen. La figura 2.1 explica el funcionamiento de un
sistema de BI.

Figura 2.1: Ilustracin de un sistema de BI [16]

La transferencia de datos se refiere comnmente al proceso de Extraer, Transformar y
Cargar o Extract, Transform and Load (ETL). Este es un proceso que organiza el flujo
de los datos entre diferentes sistemas en una organizacin y aporta los mtodos y
herramientas necesarias para mover datos desde mltiples fuentes a un almacn de
datos, reformatearlos, limpiarlos y cargarlos en otra base de datos. Este proceso forma
una parte fundamental en la creacin de una herramienta de BI [17].
Los procesos de Extraccin, Transformacin y Carga constan de mltiples pasos, que
puede resumirse en:

La extraccin de los datos se realiza desde las aplicaciones y bases de datos de

los sistemas de origen (ERP, CRM, B2B, archivos .xls, csv., etc.).
La fase de transformacin aplica una serie de funciones sobre los datos
extrados para convertirlos en datos que sern cargados y adaptarlos al formato
preciso por el sistema objetivo.
La fase de carga es el momento en el cual los datos estandarizados de la fase
anterior son cargados en el sistema de destino.

Finalmente est la visualizacin de estos datos, esta visualizacin o informes se realiza

mediante la generacin de diferentes tipos de reportes que a menudo consisten en
tablas dinmicas, diagramas o tableros. Los reportes pueden ser cargados a un
servidor de informes donde el usuario final puede acceder a ellos, o se puede conectar
24

directamente a la fuente de datos y crear informes ad hoc, es decir, basndose en la

estructura de la base de datos el usuario puede crear un informe personalizado
mediante la seleccin de datos de inters y decidir qu dimensiones va a utilizar para
su organizacin.
Al analizar los datos con una aplicacin de BI, una forma comn de organizacin de
datos es la definicin de Indicadores Clave de Desempeo o Key Performance
Indicators (KPI), un tipo de mtrica definida a continuacin.

2.1.3

Mtricas

En los ltimos aos, el marketing basado en datos ha crecido considerablemente y la

capacidad para medir rendimientos se ha convertido en clave de xito para el marketing
[18].
Una mtrica es un sistema de medicin que cuantifica tendencias, dinmicas o
caractersticas. Estas son usadas en una amplia variedad de disciplinas para explicar
fenmenos, diagnosticar causas, compartir resultados y predecir eventos. En ciencias,
negocios y gobierno, las mtricas promueven rigor y objetividad [18].
Con mtricas bien definidas es posible comparar observaciones a travs de regiones y
periodos de tiempo para realizar mejores decisiones. Un tipo especfico de mtricas son
los indicadores claves de desempeo.
Los Indicadores Clave de Desempeo miden el nivel del desempeo de un proceso,
enfocndose en el "cmo" e indicando el rendimiento de los procesos, de forma que se
pueda alcanzar el objetivo fijado.
Los indicadores clave de desempeo son mtricas financieras o no financieras,
utilizadas para cuantificar objetivos que reflejan el rendimiento de una organizacin, y
que generalmente se recogen en su plan estratgico. Estos indicadores son utilizados
en las herramientas de BI para asistir o ayudar al estado actual de un negocio a
prescribir una lnea de accin futura. El acto de monitorizar los KPI en tiempo real se
conoce como monitorizacin de actividad de negocio.
Los KPIs suelen estar atados a la estrategia de la organizacin, estos son vehculos de
comunicacin que permiten que los ejecutivos de alto nivel comuniquen la misin y
visin de la empresa a los niveles jerrquicos ms bajos, involucrando directamente a
todos los colaboradores en la realizacin de los objetivos estratgicos de la empresa.
As los KPIs tienen como objetivos principales: medir el nivel de servicio, realizar un
diagnstico de la situacin, comunicar e informar sobre la situacin y los objetivos,
motivar los equipos responsables del cumplimiento de los objetivos reflejados en el KPI
y crecer constantemente.

2.1.4

Requerimientos en una Herramienta de BI

Las empresas tienen una gran presin para mantenerse competitivas y requieren de
acceso a datos en tiempo real a medida que buscan oportunidades para mejorar la
25

eficiencia operacional. Es por esto que la necesidad de mtricas de desempeo

visualizadas en tiempo real y dashboards con alertas son muy necesarias [19].
La escalabilidad y el rendimiento son algunas de los principales requerimientos cuando
se consideran herramientas que transfieren datos en tiempo real y que debe ser
rpidamente presentados y analizados.
Los problemas ms comunes que se presentan en una empresa cuando se trata de
analizar el rendimiento y obtencin de informacin til en sus datos son [20]:

Grandes volmenes de datos sin herramientas ni recursos adecuados para

sintetizarlas, lo que resulta en una cultura de extraccin e integracin manual.
Construccin manual de informes estticos en periodos especficos del ao.
Falta de automatizacin en el proceso de extraccin y carga de datos a intervalos
definidos.
Ausencia de la automatizacin personalizada en el proceso de distribucin de los
informes, para ser vistos por los tomadores de decisiones.
Limitada visualizacin para representar los informes.
Falta de filtrado o habilidades de profundizacin en los informes.
Falta de cuadros de mandos interactivos y dinmicos.

2.1.5

Alternativas

Hay una gran variedad de soluciones de Business Intelligence y de diferentes tamaos,

pero que no logran incorporar todas las necesidades en una empresa. Una
Investigacin de Mercado realizada por Forrester [15] ha llegado a la conclusin que un
nico proveedor de soluciones de BI, que integre todos los aspectos, desde la gestin
de datos hasta la presentacin de informes, proporciona mayores beneficios a las
empresas. Este estudio considera que un 67% de las empresas utiliza ms de un
proveedor para su solucin de inteligencia de negocios.
Mediante el uso de tecnologas integradas las empresas pueden reducir su costo total
de propiedad y lograr una mejor respuesta y coherencia de sus datos. La participacin
de mercado de empresas que proporcionan herramienta de BI hasta el 2008 son: SAP
con un 26%, SAS con un 14% y Microsoft con un 13% [21].
Microsoft ha logrado incorporar varios productos para dar una solucin de herramientas
de BI proporcionando una solucin completa y rentable para empresas que ya han
invertido en sus licencias. La estructura resumida de este conjunto de productos est
compuesta por Microsoft Office, SharePoint y SQL Server y se puede ver en la figura
2.2.

26

Figura 2.2: Resumen de arquitectura de BI de Microsoft

Microsoft posee herramientas familiares para el usuario como Excel que tiene la
capacidad para ofrecer soluciones de BI simples, rentables y eficientes que proveen
suficiente funcionalidad a las empresas.

2.2

Self Service Business Intelligence

Tradicionalmente los proveedores de soluciones de BI se orientan a grandes

compaas que tienen usuarios experimentados en el uso de datos y soluciones de
Inteligencia de Negocios.
La gran cantidad de datos que manejan las empresas es de difcil acceso por parte de
empleados carentes de conocimientos en el rea. Las empresas generalmente poseen
analistas o empresas externas que se dedican al manejo de datos. Herramientas
simples utilizables por cualquier usuario son necesarias para acceder a los beneficios
de las aplicaciones de BI [22].
Las herramientas BI de auto servicio o Self Service Business Intelligence (SSBI) es un
servicio proporcionado por una plataforma de BI que permite a cualquier usuario de una
empresa acceder a informacin por ellos mismos, usando una interfaz fcil de usar y
definida en trminos de la compaa en general y no en un lenguaje IT [22].
Una vez que las aplicaciones de BI han sido construidas e implementadas, es difcil
hacer un cambio rpido en respuesta a nuevos requerimientos del consumidor o
divergencias en el negocio. Aplicaciones de SSBI pueden ser fcilmente actualizadas y
modificadas, sin la necesidad de que esa persona sea un desarrollador de aplicaciones
[23].

27

Este tipo de servicio elimina la necesidad de un empleado IT para la creacin de

reportes, ya que ahora estos pueden ser creados por un usuario comn. Las
plataformas de auto servicio tienen la capacidad de combinar distintos datos en un
mismo reporte y van ms all de proveer capacidades ad-hoc ya que permiten y hacen
posible que los empleados puedan realizar satisfactoriamente la etapa de Reporte que
aparece en el Ciclo de Anlisis de Informacin de la figura 2.3 sin el soporte del rea de
IT.

Figura 2.3: Ciclo de Anlisis de Informacin [22].

Con una plataforma SSBI los usuarios son capaces de obtener informacin en el
momento y para que este tipo de aplicaciones sean implementadas correctamente
como se observa en la figura 2.4, se necesitan alinear tres componentes: Las personas,
la tecnologa y los procesos [22].
Para que la plataforma sea funcional, debe ser implementada con un foco claro. Se
debe definir claramente cul va a ser el impacto de la herramienta en las operaciones,
cules van a ser sus beneficios y establecer un plan de entrenamiento para que todos
los empleados cualesquiera sean sus habilidades puedan sacar el mayor provecho a
las capacidades de la aplicacin y no vuelvan a hbitos viejos [22].

Figura 2.4: Componentes que permiten la implementacin de una plataforma BI de Auto

Servicio [22]
Con respecto a la tecnologa la infraestructura de la base de datos, como la herramienta
de BI, deben ser estables, escalables y con capacidad suficiente para un posible
crecimiento de usuarios y volumen de informacin, que permita modificar y filtrarla en
28

tiempo real [22]. Finalmente para crear un lazo entre la tecnologa y las personas, y
para que el sistema funcione correctamente, un proceso replicable debe ser definido.

2.3

Procesos de Negocio

Un proceso de negocios o Business Proceses (BP) es un conjunto de actividades

relacionadas que crean valor transformando un input en un output con valor agregado.
Tanto el input como el output pueden ser instrumentos o informacin y su
transformacin puede ser realizada por humanos, equipos o ambos [24]. Un ejemplo
de proceso es la creacin de reportes, que en el caso de HP Chile empleados reciben
datos crudos de las cadenas, para procesarlos y entregar finalmente un informe.
Las empresas al tener procesos definidos y hacer uso de las tecnologas de informacin
han logrado que una gran cantidad de operaciones en los negocios sean
automatizadas, implicado procesos con menores ndices de error, ms eficientes y
asegurando que estos se comporten siempre de la misma manera [25].
Procesos manuales o automatizados dan soporte a las operaciones diarias en un
negocio, por otra parte la Inteligencia en los Procesos de Negocios o Business Process
Intelligence (BPI) se refieren a la aplicacin de tcnicas de BI a los procesos de un
negocio, que abarcan una gran cantidad de reas de aplicacin como procesos de
monitoreo y anlisis hasta la prediccin y optimizacin de las operaciones [26].El
concepto de BPI no est involucrado en manejar las operaciones si no buscar formas
para hacer esas operaciones ms eficientes [27].
Los BPI son un rea en crecimiento que ha ganado rpidamente inters debido a la
presin de las empresas en mejorar la eficiencia de sus procesos y reaccionar
rpidamente antes los cambios del mercado, para as lograr ser ms competitivas.

2.3.1

Mejores Prcticas

El foco de herramientas para flujos de informacin ha sido principalmente en el

modelado de procesos y automatizacin [26]. Los BPI han permitido que estos flujos
sean mejor entendidos, dando apoyo en el descubrimiento de fallas, cuellos de botella y
ayudar a identificar sus causas. Los BPI suelen provocar la mejora de procesos y estos
no slo sirven como una herramienta para mejorar el rendimiento de los procesos de
negocio, sino que tambin fomenta los cambios, facilitando la toma de decisiones.
La Notacin para el Modelado de Procesos de Negocio o Business Process Modeling
Notation (BPMN) es una notacin grfica que describe la lgica de los pasos de un
proceso de Negocio. Esta notacin ha sido especialmente diseada para coordinar la
secuencia de los procesos y los mensajes que fluyen entre los participantes de las
diferentes actividades [28]. El BPMN es un estndar internacional de modelado de
procesos, es independiente de cualquier metodologa de modelado de procesos.
Los procesos bien definidos que un usuario con experiencia usa para tomar decisiones
o acciones pueden ser capturadas en una secuencia BPMN y posteriormente ser
replicadas por otro usuario, posiblemente usuarios menos experimentados. Estas
29

secuencias guan a usuarios al uso de reportes para encontrar informacin y poder

tomar decisiones ms informadas. Procesos de Negocio operacionales pueden ser
entonces usados en la Inteligencia de negocios para gestionar y optimizar operaciones
diarias.

2.4

Microsoft BI Tools

Microsoft Excel, PowerPivot y SharePoint son tres de las herramientas de

Microsoft que en conjunto entregan potentes soluciones, que cubren desde
administracin de datos hasta entrega de reportes, entregando una potente herramienta
BI de autoservicio.

2.4.1

Microsoft Excel

Desde su lanzamiento en 1985, Excel ha sido un estndar en los negocios para la

creacin de reportes y anlisis. Cada lanzamiento de Excel ha aadido nuevas
capacidades y caractersticas que le han permitido posicionarse como lder del
mercado. Como un estndar se ha convertido en la herramienta ms popular y
prcticamente todo el personal de una empresa es capaz de utilizar Excel. Al todos
poseer este software, es un excelente estndar para el intercambio de informacin
entre el trabajo, clientes y otras empresas [2].
Microsoft Excel permite crear variados reportes pero tiene dos grandes limitantes:
Primero, Excel es un software de hojas de clculo, no es una herramienta completa de
Reporting, es solo una parte de un sistema completo de reportes de BI. La segunda
limitante no es de Excel en s mismo, sino que de los procesos que lo rodean, ya que
Excel al no ser una solucin completa muchas organizaciones [2] tienen procesos
ineficientes y no estructurados que involucran Excel.
Eliminar Excel no es una solucin prctica para las empresas, Excel es el estndar de
facto para la presentacin de informes y anlisis en el mundo. Como el estndar de
facto, Excel entrega familiaridad y facilidad de uso incomparable. Estudiantes de bsica
empiezan a utilizar Excel desde muy temprano, y para el tiempo en que entran a
trabajar, saben utilizar alrededor del 80% del programa [2].
Lamentablemente Excel no es una herramienta perfecta ni una solucin de BI completa,
esta implica diversos costos a las organizaciones tanto en tiempo como en esfuerzo.
Afortunadamente estas limitaciones pueden superarse automatizando la realizacin de
reportes, con la adopcin de PowerPivot y rutinas programadas en Visual Basic. Con
estas simples mejoras, una organizacin puede mantener su inversin en Excel y no
tener que contratar costosos sistemas que pueden fracasar a largo plazo.

2.4.2

PowerPivot

PowerPivot es una extensin o add-in gratuita para Microsoft Office Excel y SharePoint,
lanzado oficialmente el 21 de Diciembre del 2010. Hasta la versin 10.50.1747.0,
PowerPivot permite varias funcionalidades importantes en Excel, entre ellas integrar
30

datos de fuentes externas, enriquecer estos datos con clculos personalizados y lo ms

importante aadir relaciones a las tablas, tal como las bases de datos relacionales [23].
Las tablas normales de Excel pueden contener hasta un milln de filas de datos, en
cambio las tablas de PowerPivot pueden contener cientos de millones de filas. Cuando
se trabaja con los datos de las tablas de PowerPivot, estos datos residen en memoria
cuando el archivo est abierto. La informacin guardada en estas nuevas tablas es
usada para la creacin de PivotTables y PivotCharts, que son empleadas para la
creacin de complejos reportes y grficos.
Hasta el ao 2010 las herramientas BI de autoservicio han ganado poco terreno, esto
debido a las pocas alternativas y conocimiento que tienen las empresas sobre el tema.
PowerPivot para Excel es una potente herramienta que da una solucin a las
necesidades de inteligencia de negocios en una organizacin y de forma gratuita.
Los reportes y tableros realizados con PowerPivot pueden ser compartidos con
cualquier usuario, simplemente publicando el Workbook en Microsoft SharePoint
Server. Esto permite que los usuarios puedan adems interactuar con ellos desde un
navegador.

2.4.3

Arquitectura de PowerPivot para Excel

PowerPivot para Excel incluye un motor que utiliza memoria fsica para el anlisis de
informacin llamado VertiPaq. El motor de anlisis de VertiPaq es una extensin de
SQL Server, que utiliza el lenguaje DAX para los clculos y consultas.
La principal diferencia entre los mtodos tradicionales de servicios de anlisis (llamados
Multidimensional Online Analytical Processing o MOLAP) y VertiPaq es el lugar en
donde los datos son almacenados, en modo MOLAP los datos son almacenados en
disco y no en la memoria RAM, que tienen la ventaja de ser mucho ms rpido.
La arquitectura de PowerPivot y Excel se puede ver en la figura 2.5. El add-in de
PowerPivot se comunica con el motor VertiPaq va la interfaz de Analysis Management
Objects (AMO) y ActiveX Data Objects (ADOMD.NET).

31

Figura 2.5: Arquitectura de PowerPivot para Excel [23]

Por otro lado PowerPivot se comunica con Excel usando la herramienta de Visual
Studio para Office (VSTO). Y finalmente Excel utiliza la tecnologa OLEDB para
comunicarse con el motor VertiPaq.
PowerPivot para Excel no soporta Visual Basic para Aplicaciones (VBA), lo cual es un
gran impedimento a la hora de automatizar la creacin de tableros y reportes. Sin
embargo la utilizacin de ambos por separado, pueden proporcionar una potente
herramienta de Business Intelligence.

2.5

Visualizacin y Reportes

Las ventajas de mostrar datos numricos en un formato grfico han sido reconocidas
desde hace siglos [29]. Hoy en da la cantidad de informacin es enorme en
comparacin con dcadas pasadas y la necesidad de herramientas visuales en la toma
de decisiones es ms y ms importante. La mayora de los proveedores de aplicaciones
de BI y herramientas de gestin utilizan Dashboards como la interfaz grfica de usuario
para la presentacin de informes [30].
Un Dashboard o Tablero de instrumentos es una representacin visual de informacin
importante para lograr uno o ms objetivos y de forma consolidada para que la
informacin pueda ser monitoreada en una sola visualizacin [31].
El diseo de Reportes y Tableros no es tarea fcil. Para transformar datos en
conocimiento se debe comunicar la informacin lo ms eficientemente posible y
preferentemente, de una manera que requiera poco esfuerzo cognitivo. Stephen Few
32

autor de varios documentos relacionados con la comunicacin en reportes [31] [32] [33],
plantea diversas formas y metodologas para esto.
El correcto contexto de los KPI por ejemplo [32] hace la diferencia en comparacin con
nmeros que solo estn en la pantalla y no inspiran a tomar acciones. La elegancia es
otro aspecto fundamental en la comunicacin que es comnmente lograda a travs de
simpleza en el diseo. Comparando diferentes metodologas para explicar una misma
situacin, Few analiza el efecto de barras, grficos, escalas, etc. y como tratan de
transmitir cierta informacin.
Las escalas por ejemplo son mal usadas en los grficos ocasionando que se llegue a
conclusiones errneas [31]. Few cataloga el grafico circular como la peor forma de
transmitir informacin e incluso cuando se desea mostrar los valores que representan
partes de un todo, como alternativa siempre se debe utilizar un grfico de barras.
El mal uso de colores y grficos en 3D hacen ms difcil el entendimiento y tampoco
aaden valor. Experimentos realizados por ciertos autores [34] han llegado a resultados
que demuestran que el procesamiento cognitivo es significativamente menor en grficos
en tres dimensiones, indicando que la perspectiva si los hace ms difciles de entender.
Few ha planteado diversas formas para la creacin de tableros, entre ellos los llamados
Bullet Graphs, barras que se pueden observar en la figura 2.7 que permiten visualizar
los valores actuales de un indicador y su objetivo, adems entregan un rango cualitativo
en un menor espacio y sin decoracin.

Figura 2.6: Ejemplo de un Dashboard elaborado por Few [32].

Ademas plantea nueva formas de ver tendendias incluyendo Sparklines, recientemente
aadidas a Microsoft Office 2010 cuya idea es muy simple, el grafico es comprimido en
un pequeo espacio para ser usado como una palabra. Puesto al lado de numeros
proveen mas detalles y entregan un contexto historico de los datos.

33

2.6

Pronsticos

La estimacin del comportamiento futuro de algunas variables puede realizarse

utilizando diversas tcnicas de pronstico. Entre ellas estn los modelos estadsticos los
cuales miden valores de una variable en el tiempo a intervalos espaciados
uniformemente. El objetivo de la identificacin de la informacin histrica es determinar
un patrn bsico en su comportamiento, que posibilite la proyeccin futura de la
variable deseada [35].
Los pronsticos revelan relaciones y tendencias que permiten tomar decisiones hechas
desde una base cientfica. El pronstico de demanda es usualmente el principal input
de informacin de planeacin de productos y sistemas de control. Por lo tanto el estudio
de demanda futura tiene un importante valor tanto en la teora como en la prctica.
Pronsticos inexactos, conllevan a una perdida evidente del costo en el retorno de los
productos y costos de oportunidad. Este es el caso especial de industrias para
productos irregulares, ya que presentan un comportamiento no lineal y con
caractersticas especiales.
Entre los mtodos estadsticos actuales se incluyen heursticas, descomposicin de
series de tiempo, suavizamiento exponencial, regresin de series de tiempo y el mtodo
de media mvil integrada (o ARIMA), estos mtodos son lineales y son incapaces de
considerar relaciones complejas en la informacin de los pronsticos excepto para
anlisis estacionales. Estos mtodos tradicionales requieren de informacin histrica y
en el caso de nuevos productos sin historial el clculo de tendencias se hace ms difcil.
Por el rpido desarrollo de la ciencia y la tecnologa, la innovacin en productos se ha
acelerado, y tambin las preferencias de los consumidores, esto ha ocasionado que el
ciclo de vida de algunos productos se ha hecho cada vez ms corto. En el rea de las
tecnologas por ejemplo el ciclo vara de entre seis meses y un ao y sus caractersticas
principales son que carecen o no tienen informacin histrica, hay un deterioro del valor
del producto en el tiempo una vez en Inventario, adems tienen una fuerte
incertidumbre en la demanda por la intensa competencia en el mercado y pertenecen a
un entorno con muchos productos con las mismas funcionalidades.
El modelo de difusin de Bass es uno de los modelos ms usados para pronosticar la
demanda de nuevos productos con corto ciclo de vida, ya que es flexible y fcil de
implementar. Este modelo utiliza varios parmetros, entre ellos el volumen potencial del
mercado (m), o en otras palabras el potencial de clientes que compraran el nuevo
producto, este parmetro es difcil de determinar y se comporta como una variable [36]
que depende de varios factores como la utilidad del producto, el precio, la demanda,
restricciones de inventario y de otros productos similares.
Adems de los modelos de difusin existen otros tipos de modelos no lineales basados
en las Redes Neuronales (Neural Networks o NN). Debido a su constitucin y a sus
fundamentos, las redes neuronales artificiales presentan un gran nmero de
caractersticas semejantes a las del cerebro humano. Por ejemplo, son capaces de
aprender de la experiencia, de generalizar casos anteriores a nuevos casos y de
34

abstraer caractersticas esenciales a partir de entradas que representan informacin

irrelevante [37].
Actualmente no existen mtodos definidos como estndar para el pronstico de
productos no lineales. Y es difcil encontrar modelos de prediccin de demanda para
productos con un corto ciclo y que han sido lanzados recientemente al mercado.

2.6.1

Requisitos del Modelo

La eleccin del mtodo de pronostico depende de varios factores entre ellos: los costos
involucrados, el propsito del pronstico, la confiabilidad y consistencia de los datos
histricos de ventas, el tiempo disponible para hacer el pronstico, el tipo de producto,
las caractersticas del mercado y la disponibilidad de la informacin necesaria [38].
Los productos que ofrece HP son productos tecnolgicos con un ciclo de vida corto.
Nuevas lneas de productos son lanzadas dos veces al ao y estos llegan a las distintas
cadenas en diferentes tiempos o sea productos especficos pueden llegar a las cadena
en diferentes fechas. Algunos de estos son lanzados exclusivamente en ciertos Retail.
Por lo tanto en este caso no existen datos histricos, los pronsticos requieren ser
calculados todas las semanas y no se tiene informacin detallada del mercado como
para utilizar modelos con muchas variables.

2.6.2

Mtodo Propuesto

En este trabajo se utilizara un modelo alternativo propuesto por Kenji Tanaki llamado
Mtodo
[39]. y hace referencia a que el pronstico se realiza desde el
al
da.
El objetivo del estudio de Tanaki fue el de proponer un mtodo de pronstico que
pudiera lidiar con los tres siguientes puntos: El pronstico de productos nuevos sin
historial, entregar pronsticos en un tiempo adecuado para una rpida toma de
decisiones y permitir un proceso simple y automtico que no incluya clculos
especficos para cada producto.
El estudio fue probado satisfactoriamente en comparacin con mtodos similares para
el mercado de libros y productos electrnicos los cuales no son estacionales, ni cclicos
ya que se compran una sola vez, adaptndose as a las caractersticas de los productos
de HP. Este mtodo utiliza el historial de venta de productos similares para calcular el
pronstico de un producto especfico.
Autores [39] han concluido que existe una fuerte correlacin entre dos resultados de
periodos de venta entre grupos de productos especficos. El concepto bsico del
mtodo de pronstico propuesto se puede ver en la figura 2.7. El grafico de la izquierda
en la figura es un diagrama de dispersin de resultados de ventas acumuladas de dos
periodos (
dia y
dia) con una lnea del mejor ajuste. El coeficiente es
determinado para calcular el pronstico como aparece a la derecha de la figura 2.7.
35

Figura 2.7: Concepto bsico del Mtodo

(33)

El pronstico de ventas objetivo

acumulado al
da es calculado como se ve
en la ecuacin 2.1 utilizando la pendiente y las ventas acumuladas
del
da.
Este mtodo predice las ventas pronosticadas acumuladas al
da, basndose en
las ventas acumuladas al
da desde que fue lanzado por primera vez al
mercado.
Para calcular el coeficiente
se utiliza la Ecuacin 2.2, la cual utiliza los datos de
ventas acumuladas de diferentes productos pertenecientes a un grupo en especfico.
Los elementos del grupo son similares entre si permitiendo as que el producto a
pronosticar utilice un coeficiente adecuado a sus caractersticas.

Ecuacin 2.1: Ecuacion de Pronostico

Ecuacin 2.2: Coeficiente NM

La explicacin de los elementos de ambas ecuaciones es la siguiente:

: Son los nmeros de los das desde que fue lanzado por primera vez el producto.
36

: Son las ventas acumuladas al

da.
: Es el pronstico de ventas acumuladas
da.
: Es el coeficiente
del pronstico para el
del resultado del
da en un Grupo.
: Venta acumulada al
da para un producto del Grupo.
: Numero de productos en el grupo.

37

3.

Situacin Actual

En el siguiente captulo un anlisis del funcionamiento general de la empresa es

planteado, dividiendo los aspectos ms importantes como son la gestin de la ESF y
POS, los productos y el clculo de diferentes mtricas de gestin. Una vez realizado
este anlisis, los procesos relacionados con la entrega de reportes sern levantados y
las actividades principales sern medidas y enumeradas.

3.1

Antecedentes

3.1.1

La empresa: Hewlett Packard Chile

Hewlett Packard Chile, Comercial Limitada. Es una filial de HP Company una de las
mayores empresas de tecnologas de informacin del mundo, con sede en Palo Alto,
California. Esta fabrica y comercializa hardware y software adems de brindar servicios
de asistencia relacionados con la informtica.
HP Chile est ubicada en Av. Mariano Snchez Fontecilla # 310, piso 13 Las Condes,
Santiago. La empresa en Chile es lder y se encuentra en los principales Retail del Pas.
Tiene la mayor cuota del mercado, mantenindose en un 30% durante los ltimos 3
aos como se ve en la figura 3.1.

Figura 3.1: Market Share en Unidades 2008-2010(Q2). Fuente GFK.

Las cadenas en donde HP Chile ofrece sus productos se separan en dos bandas
llamadas 1st Tier y 2nd Tier. Las principales cadenas se encuentran en la primera banda,
ya que no dependen de un Distribuidor o Mayorista y representan la mayor cantidad de
ventas, compuesto por Paris, Ripley, Falabella y La Polar.

38

Por otro lado est el 2nd Tier compuesto por: ABCDIN, Hites, Corona, Johnsons, CGE
(Conafe, oficinas comerciales con Showroom de productos), Wallmart, Jumbo y
PCFactory. La estructura de ambas bandas se observa en la figura 3.2.

Figura 3.2: Estructura y empresas que componen las bandas.

La estrategia de HP a nivel Latinoamrica es la de externalizar el servicio de ventas y
cualquier sistema de informacin de apoyo a la gestin. Por reglamento estos servicios
deben ser implementados por la Agencia externa y ser parte del servicio contratado.
En Latinoamrica, herramientas de Gestin Web han sido desarrolladas por distintas
agencias en Mjico y Brasil, ejemplos de las interfaces usadas en cada pas se pueden
ver en Anexos, figuras B.1. y B.2 respectivamente. Pero este software no es propiedad
de HP por lo que el traspaso de tecnologa no aplica. Que cada pas tenga que
desarrollar su propio sistema es contraproducente, es por esta razn que HP en Chile,
pretende incorporar un sistema propio para ser replicado a futuro al resto de pases en
Latinoamrica.
Las reas involucradas con el Retail son Productos Personales o Personal System
Group (PSG) e Imagen e Impresin o Imaging & Printing Group (IPG). Los principales
involucrados con el proyecto estn en el rea de PSG, los cuales son el Retail In-store
Manager a cargo de toda la gestin de los POS y la ESF, los KAM o Key Account
Manager de cada Cadena y los Product Managers.

39

3.1.2

La Agencia: ST Chile

ST Chile se encarga de la Fuerza de Venta, pero tiene otras responsabilidades como el

control de una correcta exhibicin, que los muebles estn en buenas condiciones,
capacitar a los vendedores y a la generacin de demanda. HP trabaja de forma muy
cercana con la agencia y todas las funciones como tambin responsabilidades de las
reas en HP estn estrechamente relacionadas. ST Chile cuenta con 140 empleados
dedicados a HP entre ellos, los gestores (o vendedores) dispersos en todo el pas y los
responsables de vender el producto en terreno. 5 Supervisores a cargo de 5 zonas:
Norte de Chile, Centro Litoral, Santiago Poniente, Santiago Oriente, Santiago Centro y
Sur de Chile. La ubicacin de tiendas en Santiago se puede observar en Anexos, figura
A.1. Y finalmente estn los merchandisers a cargo de la exhibicin y diseo de
promociones.

3.2

Fuerza de Venta

La ESF o Fuerza de Venta Extendida, extendida refirindose a externalizada se

compone en su totalidad por empleados de la agencia. El foco de la estructura ser
realizado exclusivamente para el rea de PSG, en donde se realiz mayormente la
recopilacin de informacin.

3.2.1

Estructura

La ESF tiene una estructura Piramidal, en lo ms alto de la pirmide est el KAM de ST,
el cual es el lazo entre la agencia y HP. Los Regional Account Manager (RAM) son los
supervisores a cargo de la fuerza de venta cada uno a cargo de una Zona diferente del
pas.
Finalmente estn los Vendedores o Gestores, separados en cuatro tipos: A, B, C y
Envy, este ltimo refirindose a los productos de HP que llevan ese nombre. La divisin
de la ESF se realiza segn el conocimiento tcnico y experiencia en el mbito de
ventas, por ejemplo un vendedor A debiera estar mucho ms preparado que un C. La
rotacin de vendedores en Enero del 2011 fue casi de un 25% mensual y la estructura
se puede ver en la figura 3.3.

Figura 3.3: Estructura Piramidal de la ESF

40

El cargo en HP que supervisa la gestin que realiza el KAM es el Retail-In-Store

Manager encargado de administrar y gestionar todos los POS de Retail y HP Stores,
adems de gestionar la ESF, capacitaciones y entrenamientos.

3.2.2

Sistema de pago

El pago del vendedor se compone de un sueldo base ms un bono por cumplimiento,

este ltimo es calculado como el porcentaje de ventas que tuvo sobre su meta. El
monto depende del tipo de vendedor y el porcentaje de pagos es acelerado, es decir
depende del intervalo de cumplimiento y este es multiplicado por un ponderador. La
tabla de pagos y aceleracin es la siguiente:

Tabla 3.2: Monto de Pago por Vendedor.

Tabla 3.1: Porcentaje de Pago Acelerado

El grafico ejemplo para un vendedor tipo A que considera la informacin de las tablas
3.1 y 3.2 se resumen en el siguiente grfico:

41

Figura 3.4: Grafico de Pagos para vendedor tipo A.

El cumplimiento en ventas de un vendedor corresponde a la tienda en que trabajo, por
lo tanto un equipo de vendedores en una tienda cualquiera recibe el mismo
cumplimiento.
Otro componente del pago es la correcta exhibicin de la tienda, que actualmente no es
medible por lo que es considerado un 100%. Y finalmente est el HP Training Center
que corresponde a cursos en lnea relacionados con las funciones de un vendedor.
El clculo asociado al pago total de un vendedor se realiza a travs de planillas Excel
manejadas manualmente por un empleado de la Agencia, este recibe los resultados del
cumplimiento y realiza los clculos correspondientes.

3.2.3

HP Training Center

Es una herramienta online de entrenamiento a nivel global de HP en la cual los

vendedores y gestores de venta acceden a contenidos nicos de HP. Los vendedores
de Retail y vendedores de HP Stores deben completar un plan de cursos que va
cambiando mes a mes.
La regin enva semanalmente una base de datos con informacin de capacitaciones
realizadas y un registro por capacitacin terminada. Una cierta cantidad de cursos
aprobados corresponde a otro bono fijo.

3.3

Productos y Puntos de Venta

Hay ms de 500 puntos de venta en donde HP opera, pero actualmente se realiza

gestin sobre 334, la cobertura de los vendedores sobre esta cantidad es de un 34%,
considerando que hay puntos con ms de un vendedor.

42

Los puntos de venta estn divididos en Zonas. Las Zonas son determinadas por el
nmero de Tiendas y el peso de ventas que tiene cada territorio. Las 6 Zonas tienen un
Supervisor a cargo, hasta Enero del 2011 la distribucin es la siguiente:

Tabla 3.3: Distribucion y Cobertura de la ESF

3.3.1

Lneas y Categoras

El rea de PSG separa los productos por categoras, entre ellos los Notebooks,
Netbooks, Desktops y Monitores/LCD. Cada una de estas categoras pertenece a una
lnea de productos diferente dependiendo de la funcin que cumplen. Esta puede ser
Premium, Entretenimiento, Rendimiento y Movilidad, el resumen se puede ver en la
siguiente tabla:

Tabla 3.4: Categorias y Lineas de Producto

Los productos pueden pertenecer adems a cinco bandas de precio como se ve en la
Tabla 3.5, los productos Ultra Low por ejemplo, que son los de menor precio, incluyen
todos los Netbooks y representa la mayor cantidad de ventas en la empresa.

Tabla 3.5: Bandas de Precio y % de Ventas en unidades (Mar-2011)

43

3.3.2

Sistema de Puntos

Para el rea de PSG cada unidad vendida pertenece a un Foco o Puntaje distinto, este
sistema de Puntos se utiliza para darle ms peso a ciertos productos. La cantidad de
unidades de cierto producto entonces es multiplicada por su ponderador
correspondiente, el cual se puede determinar con la siguiente Tabla:

Tabla 3.6: Tabla de Focos

La Tabla 3.6 deja de tener valor para productos que tienen ms de un ao en el
mercado, ya que estos pasan a ser obsoletos lo que equivale a pertenecer al Foco 4 o
2,5 Puntos. Debido a esto todos los meses productos cambian de puntaje lo que
impacta directamente en las metas y cumplimientos, explicadas a continuacin.

3.4

Metas, Ponderacin y Cumplimientos

3.4.1

Metas

El clculo de metas para productos que ya estn en el mercado es realizado por HP, en
donde se tienen un KAM para cada Retail. El KAM de Falabella por ejemplo a principio
de cada mes calcula las metas en Unidades para cada SKU de su cadena. Para esto
utiliza una herramienta en Excel llamada Business Model, la cual tiene un recuento de
las Ventas y Stock histrico de 6 meses por SKU.
El Business Model utiliza dos enfoques que son contrastados para el clculo de los
Forecast o Proyecciones. El primer enfoque llamado Top Down considera variables
como el Market Share, crecimiento de la cadena y el peso, los que se obtienen del
GFK. El GFK es un reporte proporcionado por una empresa externa que entrega
resultados globales por cadena.
El segundo enfoque llamado Bottom Up se trabaja directamente con la cadena
utilizando los datos histricos de ventas por bandas de precio y los efectos de las
promociones. El clculo es realizado automticamente por el Business Model, el cual
recibe los datos obtenidos de ambos enfoques.

44

Para el clculo de las metas se incluyen solo Notebooks, Netbooks y Desktop.

Monitores no son incluidos ya que ciertas cadenas usan el Monitor y CPU en el mismo
SKU, catalogando el producto como Desktop.
Una vez que se obtienen las metas en Unidades para cada SKU, estn se deben pasar
a Puntos multiplicando por el valor del Foco correspondiente, as entonces se obtiene la
meta en Puntos del SKU. La suma de todos los SKU de una categora como se observa
en la ecuacin 3.1 representa la meta en Puntos de la Cadena en la categora.

Ecuacin 3.1: Metas en Puntos por Cadena

Son 6 categoras entre ellas: Notebooks con 235 productos, Netbooks con 50, Desktops
121, LCD 35, Impresoras 86 y Accesorios 87.

3.4.2

Ponderacin de Tiendas

Para calcular la meta en Puntos de un Punto de Venta se debe primero calcular la

ponderacin en unidades utilizando la ecuacin 3.2.

Ecuacin 3.2: Ponderacin en Unidades

Una vez que se tiene la ponderacin en Unidades, la meta en puntos de una tienda
para una categora especfica se calcula con la siguiente ecuacin:

Ecuacin 3.3: Metas por Tienda en Puntos

3.4.3

Cumplimientos

El objetivo del cumplimiento es controlar que las metas se cumplan a nivel de tiendas y
cadenas. El clculo se realiza para cada categora donde primero se obtienen los
puntos vendidos de la tienda, utilizando la ecuacin 3.4. Las unidades vendidas del
producto se multiplican por el valor del Punto o Foco al que pertenecen.

45


Ecuacin 3.4: Puntos Vendidos

Una vez que se obtienen los puntos vendidos de cada categora, estos se dividen por la
meta en puntos de la tienda junto con sus respectivas ponderaciones como se muestra
en la ecuacin 3.5, para finalmente obtener el Cumplimiento del Punto de Venta.

Ecuacin 3.5: Formula de Cumplimiento

En donde NTB son Notebooks, NET Netbooks, DSK Desktop y ACC Accesorios.

3.5

Fuente de Informacin y Reportes

Los datos necesarios para realizar reportes, entre ellos los de cumplimiento, se extraen
de forma manual. Su fuente de informacin depende del tipo de Retail y la dificultad
para crearlos tambin. El detalle de obtencin y clculo se explica a continuacin.

3.5.1

Informacin de Venta y B2Bs

Todas las Cadenas del Tier 1 poseen un portal llamado B2B el cual entrega toda la
informacin de venta y stock de productos HP y COMPAQ incluyendo impresoras. Las
direcciones para cada portal son las siguientes (Ultimo Acceso: 13/07/2011):

http://b2b.paris.cl
http://b2b.falabella.cl
http://b2b.ripley.cl
http://b2b.lapolar.cl

Al trmino de cada semana, consideradas de Lunes a Domingo, se obtiene de estos

portales un archivo con las unidades vendidas, el stock disponible, precio de venta,
entre otros. Cada uno de estos archivos est en un formato diferente como .txt o .csv,
delimitados con diferentes smbolos y nombres diferentes para sus productos, monto de
venta, categora etc. Por ejemplo La Polar llama BLU a los SKU.
El Tier 2 por otro lado no posee portales con informacin en lnea, esto provoca que se
dependa del mayorista que enva un archivo en Excel. La informacin de ventas
constantemente llega atrasada debido a que es un proceso manual de extraccin de
datos hacia un Excel.
Estos archivos tienen formatos difciles de leer y manipular, que cambian de estructura
constantemente, no contienen el SKU en el caso de Hites provocando que sea casi
imposible sumar unidades en categoras.
46

El nico inventario que es medible actualmente es el que viene del B2B. Este se
compone por todo el stock disponible inclusive productos en exhibicin, la lista completa
es la siguiente:

Figura 3.5: Stock en B2B.

Para calcular indicadores de inventario (Rotacin de Inventario por ejemplo) es el stock
del B2B el que se utiliza. Aunque el que debera ser considerado es el Stock Fsico en
Bodega, el cual no se sabe directamente a menos que se obtenga un conteo manual
por parte de un vendedor en la tienda.

3.5.2

Creacin de Reportes

Hasta Enero del 2011, la forma en que los reportes de cumplimiento para cada
vendedor eran calculados consista en la entrega por parte del Supervisor o RAM de un
Excel resumiendo las ventas de cada tienda, llamados Sell Out. El nfasis en el clculo
de los cumplimientos es en las tiendas que tienen al menos un vendedor ya que ah es
donde se deben realizar pagos.
Una vez obtenido el archivo de ventas correspondiente a cada Retail. Se debe obtener
la informacin til la cual es el resumen de ventas de cada POS. Para esto se utilizan
Tablas Dinmicas en Excel, el proceso aunque parece simple no lo es, ya que incluye
mltiples pasos que toman una considerable cantidad de tiempo.
Entre los principales problemas que tiene la creacin de reportes esta la
estandarizacin de archivos de las diferentes cadenas. Estos por ejemplo utilizan
categoras diferentes para ordenar los productos, como es el caso de las impresoras
que a veces se dividen en Multifuncionales, Impresoras Bsicas o Laser.
Otros productos estn bajo la categora Promociones bajo un mismo SKU, por ejemplo
una Impresora + Notebook + $60.000 debe ser separada manualmente en dos
categoras, cosa que no se hace y muchas veces se omiten estas ventas de los
reportes. Algunos SKU de Desktops incluyen Monitores como es el caso de Paris y La
Polar, por lo que la venta de un Desktop debe ser separada en dos categoras
vendidas, proceso que requiere detectar Desktops que cumplan con este criterio.
El mtodo actual para la creacin de reportes utiliza una tabla dinmica hecha por un
supervisor que actualmente no trabaja en la empresa, este archivo con tablas
dinmicas es especfico para cada Retail y requiere pegar la informacin directamente
47

de la base de datos a una hoja de clculo. Los productos vendidos son calculados
automticamente entregando una tabla resumen para cada categora. La figura 3.6 es
un ejemplo de reporte manual que incluye solo ventas de Notebooks en Falabella para
el Mes de Enero.
El reporte de la figura 3.6 presenta problemas como el mal clculo de los Focos, en
donde muchos de los productos desconocidos o nuevos son considerados como Foco
4. Adems se tiene que no todas las semanas se verifica que cierto producto haya
pasado sus dos temporadas, que equivalen a un ao, para ser considerado como
obsoleto, es decir cambiar su Foco a Foco 4.
Los pasos anteriores se repiten para Netbooks, Desktops y para cada Retail. Estos
reportes presentan errores bsicos como celdas no sumadas provocando que el mal
clculo de cumplimientos afecte directamente el sueldo variable de los vendedores.

Figura 3.6: Tabla ejemplo de Cumplimientos.

48

3.5.3

Entidades y Usuarios relacionados

Los actores que generan reportes de venta y cumplimiento son los Supervisores y los
que requieren o solicitan esta informacin pueden pertenecer a HP o la Agencia. El
reporte de cumplimientos por ejemplo es revisado por el KAM y el Retail-in-Store
Manager todos los lunes. En caso de reportes de pagos es un encargado de ST el que
debe tomar los reportes de cumplimientos y manualmente calcular cunto es la
equivalencia monetaria.
Otros reportes como los de cobertura, distribucin de procesadores o ms especficos
no tienen a una entidad definida encargada para su realizacin.

3.6

Levantamiento de Procesos

Los procesos actuales que se levantan tienen relacin con la creacin de reportes. En
especfico los reportes de Cumplimiento y Pagos, estos ltimos requieren de un subproceso que se encarga de calcular las metas, explicado a continuacin.

3.6.1

Calculo de Metas

Como se explic anteriormente cada KAM de un Retail, realiza ambos clculos Top
Down y Bottom Up para calcular las metas de su cadena. Al tener las metas semanales
calculadas para cada producto y para cada semana del mes, se envan en un archivo
Excel al Retail-In-Store Manager el cual recibe las metas y verifica que sean correctas y
que no haya incoherencias.
Si las metas estn incorrectas estn deben ser reevaluadas para corregir los cambios.
En el caso que las metas no presenten problemas estas deben ser transformadas a
puntos, clculo que consiste en multiplicar las unidades de cada producto por el puntaje
al que pertenecen. El valor del foco cambia cada mes como se explic en el apartado
3.3.2 por lo que es de suma importancia su correcto clculo que afecta directamente el
pago de los vendedores.
Finalmente cuando las metas estn terminadas estn son distribuidas a todos las
tiendas, a travs del Supervisor de la Zona. El proceso completo toma 7 das a contar
del primer Lunes del Mes. El diagrama BPMN siguiente explica el orden de los
subprocesos.

49

Figura 3.7: Diagrama del Proceso de Metas

3.6.2

Creacin de Reportes

La elaboracin de Reportes de cualquier ndole ya sea de Cumplimientos, Distribucin

de Procesadores, Lneas de Producto o Pagos, requiere de los archivos de venta y
estructura de vendedores. En el caso que se requieran las Metas como es el caso de
los Cumplimientos, el subproceso de clculo de metas de la figura 3.7 es requerido.
Debido a que los reportes realizan los mismos pasos previos para su realizacin y son
solo los clculos involucrados los que difieren, solo el reporte de Cumplimientos ser
modelado. Este reporte es de vital importancia y es requerido cada lunes por la
empresa. Incluye la participacin del Supervisor, KAM, Retail-in-Store Manager (RIM) y
Product Manager. Una vez que el Supervisor tiene la fuente de informacin, puede
realizar los clculos correspondientes y crear el reporte.
El diagrama de creacin de reportes se puede ver en la figura 3.8. Las principales
actividades en el proceso son las siguientes:

Obtener Archivos de Venta: Las ventas del Tier 1 son obtenidas directamente a
travs del B2B, pero en el caso del Tier 2 esta se obtiene a travs de un
mayorista donde es el KAM el que debe pedir el archivo y enviarlo manualmente
por mail al Supervisor.

50

Obtener Precios de Productos: El encargado de esta actividad es el Product

Manager que determina junto con el rea de Marketing y Comercial los nuevos
precios que tendrn los productos.

Actualizar y Enviar Estructura de Vendedores: Todos los meses nuevos

vendedores son asignados a las tiendas y otros son removidos o cambiados de
lugar. La agencia es la encargada de actualizar la estructura de la fuerza de
venta y enviarla al Supervisor para que filtre las tiendas de los Reportes.

Procesar Archivos: Esta actividad es realizada por el Supervisor y se compone

de tres pasos, el primero estandariza los archivos de las cadenas como es
explicado en el apartado 3.5.2.
El segundo paso transforma Unidades a Puntos, proceso manual en donde a
cada Unidad vendida se le debe multiplicar su ponderador correspondiente, para
esto se necesita saber: El precio del producto y su fecha de lanzamiento. El
problema surge cuando no todas las bases de datos incluyen el Precio de Venta
y menos la fecha de lanzamiento, esta informacin generalmente no se tiene por
lo que debe ser obtenida manualmente de la pgina hp.com. Para asignar el
punto correspondiente se utiliza la funcin VLOOK (o BUSCARV) en Microsoft
Excel.
Finalmente la tercera etapa aade los nuevos productos que hayan sido
incorporados a las cadenas y le asocia el precio correspondiente.

51

Figura 3.8: Diagrama del Proceso de Creacin de Reportes.

3.6.21

Medicin

El tiempo que toman las actividades ms relevantes previamente descritas se puede ver
en el grfico de la figura 3.9. Se observa que la actividad para Obtener las Metas para
las cadenas es la que necesita ms recursos y tiene la mayor duracin. Esto debido a
que son los 7 KAM los involucrados en el clculo de Metas, ms el Retail In-Store
Manager que debe verificarlas y el Supervisor encargado de distribuirlas.
52

Dias

Tiempo y Recursos en Actividades

8
7
6
5
4
3
2
1
0

ST Chile
PM
RIM
KAM
Obtener Obtener Realizar Obtener Procesar Obtener
Metas Archivos Reporte Precio de Archivos Estructura
de Venta
Productos

RAM

Actividades

Figura 3.9: Distribucin del tiempo y recursos en cada actividad.

Para Obtener los archivos de Venta, participa el Supervisor encargado de obtener los
archivos del B2B y los 3 KAM del Tier 2 que deben pedir el archivo al mayorista. Las
actividades para procesar archivos y crear reportes son realizadas por un solo individuo
al igual que las actividades restantes.

53

4.

Rediseo

En el siguiente captulo se realiza un diagnstico de la situacin actual previamente

analizada. El diagnostico se enfoca en los clculos y metodologas utilizadas para
gestionar y controla la fuerza y puntos de venta, el proceso de recopilacin de datos y
clculo de metas y todos los procesos y actividades relacionadas con la creacin de
reportes.
Posteriormente se proponen mejoras a los problemas detectados en cada foco del
diagnstico y un rediseo al proceso de creacin de reportes incorporando una
variedad de buenas prcticas. Finalmente los Indicadores Clave de Desempeo
necesarios a incluir en los reportes son definidos.

4.1

Diagnstico

La empresa tiene una estructura bien definida pero muchas de las tareas y actividades
ya nombradas no tienen a usuarios fijos para su realizacin. Los Supervisores por
ejemplo no tienen explicitado en su contrato que deben realizar reportes y tampoco
existe un rea en PSG/IPG de Reporting. A continuacin se exponen las principales
problemticas detectadas en el anlisis de la situacin actual.

4.1.1

Clculos

Entre los clculos realizados para asignar metas, la Ponderacin o Peso de una tienda
que se obtiene con la Ecuacin 3.2, incorpora todas las unidades vendidas cualquiera
sea la categora. Al hacer esto se da por hecho que todas las tiendas venden toda la
gama de productos, lo que no es cierto ya que existen por ejemplo tiendas como
Falabella Plaza Tobalaba donde el 81% de las vetas en unidades son solo Notebooks.
Estas ponderaciones no se actualizan frecuentemente, lo que provoca incoherencias en
los cumplimientos de las tiendas.
Como se puede ver en la Ecuacin 3.3 para calcular la Meta de la tienda se utiliza la
ponderacin de la tienda y la meta de la Cadena en Puntos. El problema surge cuando
se multiplican ambos nmeros, al utilizar unidades en vez de puntos las ponderaciones
no estn incorporando el efecto que tiene el peso de cada producto.
La dificultad de vender productos de una gama especfica es dependiente de la tienda
en la que se est ubicado. Productos de mayor precio o de lneas altas son ms difciles
de vender en tiendas ubicadas en zonas de bajos recursos. A modo de ejemplo
consideremos dos tiendas de una misma Cadena que venden productos a una misma
tasa. Llamemos Tienda 1 la que vende solo productos de lneas altas o Foco 3 y 4. Y
llamemos Tienda 2 a la que vende mayormente Netbooks los que son solo Foco 1 o
productos de lnea baja, Foco 1 y 2 (El peso de cada Foco se puede ver en la Tabla
3.6).
Si la Tienda 1 y 2 venden la misma cantidad de Unidades, segn la ecuacin 3.2 ambas
tienen la misma ponderacin. Al tener la misma ponderacin la meta en puntos para
54

ambas tiendas es la misma, lo que implica que la Tienda 1 saldr beneficiada ya que al
vender las mismas unidades y con mayor puntaje o foco, lograra la meta ms rpido.
Por otro lado la Tienda 2 sale perjudicada ya que para llegar a la misma meta en puntos
debe vender ms unidades pero de menor puntaje.

4.1.2

Metas

El sub proceso de obtencin de metas toma como promedio 7 das y en algunos casos
hasta 2 semanas. La tabla 3.7 muestra la diferencia que se ha obtenido entre las ventas
actuales y lo pronosticado para algunas cadenas. Este porcentaje fue calculado
utilizando puntos.

Tabla 4.1: Diferencia de Puntos Vendidos con respecto a las Metas.

La desviacin estndar total de las cadenas durante un periodo de cuatro meses ha
sido de un 26%. Considerando que existen cadenas con hasta un 39%, se puede ver
que las metas no se estn calculando ni asignando correctamente.
Para calcular las metas por Cadena la empresa utiliza los mismos mtodos que se
emplean en el resto de Latino Amrica, la diferencia principal es que los procesos y
clculos involucrados en Chile son manuales y los datos fuente utilizados no son
exactos.
Tambin existen otras variables que influyen como por ejemplo las promociones
especficas en un Retail, donde se realizan estimaciones que afectan directamente las
metas.

4.1.3

Indicadores de Desempeo

Para medir la situacin de las tiendas se utiliza principalmente el porcentaje de

cumplimiento sobre las metas, unidades vendidas y semanas de inventario. Estos tres
indicadores son la forma ms comn de controlar las tiendas. No existe un formato
estndar y estructurado de reportes por lo que tampoco existe una lista definida con
indicadores que deben ser utilizados. Los reportes que se revisan semanalmente
generalmente utilizan intervalos de hasta un mes y cualquier clculo que requiera datos
histricos toman una considerable cantidad de tiempo.
55

4.1.4

Datos Fuente

La fuente de informacin necesaria para realizar reportes est dispersa, esto debido a
que cada Cadena utiliza maneras distintas de proporcionarla. Los archivos de venta del
Tier 1 se obtienen a travs de cualquier entidad en la empresa y la cuenta o Rut
asociado al usuario del B2B pertenecen a un empleado sin relacin con la creacin de
Reportes. En el caso del Tier 2 el archivo de ventas es enviado por mail por el
Mayorista en cualquier momento menos el indicado.
PSG e IPG son reas que trabajan de forma completamente separada duplicndose as
las tareas de obtener el archivo de ventas y realizar los reportes. Si bien los productos
que se venden en ambas reas son diferentes los datos necesarios para crear reportes
provienen de la misma fuente de informacin y estos se obtienen de forma manual.

4.1.5

Procesos

Gran parte de las actividades en los procesos como por ejemplo la transformacin de
unidades, procesado de datos o clculos se realizan de forma manual. Los archivos
involucrados en la creacin de reportes, se movilizan utilizando el mail como el nico
medio de comunicacin.
No existe una automatizacin en los procesos de creacin de reportes, cuyas
actividades deben pasar por muchos individuos en la empresa. La dispersin de tareas
especficas que realizan varios empleados no es adecuada, ya que estas perfectamente
pueden ser realizadas por un nico individuo.
Las actividades siguen un orden en donde estas no se realizan de forma paralela,
debido a que muchas de estas requieren del trmino de otras actividades para
continuar, el proceso se hace poco continuo ocasionando ms demoras en la entrega
de reportes.

4.2

Propuestas de Mejora

En funcin del anlisis del sub-captulo anterior se concluye que los diferentes aspectos
nombrados afectan directamente la obtencin de reportes para realizar gestin. La
demora en la entrega e inexactitud de los clculos implica que las decisiones que se
toman a partir de estos no sean ptimas. A continuacin se plantean una serie de
propuestas que mejoran la forma en que se realizan las actividades en el proceso de
creacin de reportes.

4.2.1

Puntos, Unidades y Ponderaciones

Para evitar que las ponderaciones consideren todas las categoras estas deben ser
calculadas por separado, es decir las ponderaciones deben ser calculadas para cada
categora.
Adems las ponderaciones debern ser calculadas en Puntos, si se desea obtener
Metas en Puntos. Y en Unidades si se desea obtener la Meta en Unidades. La solucin
56

es una pequea modificacin a las ecuaciones 3.1, 3.2 y 3.3, en donde se considera
una divisin por categora y el clculo en Unidades o Puntos segn corresponda. Las
Ecuaciones son las siguientes:

Ecuacin 4.1: Meta por Cadena

Ecuacin 4.2: Ponderacin

Ecuacin 4.3: Meta por Tienda

Con la Ecuacin 4.1 se obtienen las Metas por Categora por Cadena segn se desee y
la Ecuacin 4.2 calcula las ponderaciones de una Tienda por Categora, ambas en
Puntos o Unidades segn sea el caso. Las ecuaciones antes nombradas son
multiplicadas para obtener la Ecuacin 4.3, la cual entrega la Meta final de la Tienda.

4.2.2

Fuente de Informacin y Reportes

Para que los datos de venta de todas las cadenas, los cual son la fuente de informacin
de los reportes, estn rpidamente disponibles un proceso de ETL debe ser creado.
Para evitar la duplicacin de tareas, un solo usuario deber consolidar esta fuente de
informacin, tanto para el rea de IPG como PSG. Al tener los datos necesarios en una
misma base de datos y de ambas reas, los reportes utilizaran una misma fuente para
ser creados.
Para que los reportes sean rpidamente implementados, todos los clculos y
actividades involucradas debern ser automatizados. La manera de lograr esto ser
incorporando una herramienta de inteligencia de negocios que permita desplegar
informacin til a la hora de tomar decisiones como los Dashboards nombrados en el
Captulo 2.

4.2.3

Metas por Cadena

Como se puede observar en la figura 3.5 el clculo de metas es el proceso que toma
ms tiempo y requiere la participacin de todos los KAM. Las actividades que realiza
cada uno para calcularlas son exactamente las mismas, pero como cada KAM est
dedicado a su cadena, conoce su demanda y otras caractersticas, esta tarea no puede
centralizarse en un solo individuo. La nica forma de acelerar el proceso es que cada
uno de ellos cumpla con su trabajo y que las metas sean entregadas en una fecha
especfica.
57

Se propone solucionar los puntos 4.2.2 y 4.2.3 incorporando un recurso dedicado

especficamente a recopilar y consolidar los datos. Y como la agencia es la que
originalmente realiza reportes y actualiza la estructura mensual de vendedores, esta
ser la responsable de este recurso.

4.3

Rediseo de Procesos

Para el rediseo del proceso de creacin de reportes se utilizaran una serie de

prcticas planteadas en la Metodologa. En el rediseo se incluyen las mejoras
previamente propuestas y la utilizacin de una Herramienta de Inteligencia de Negocios
que tendr como principal objetivo reducir el tiempo empleado en la elaboracin de
Reportes. Las buenas prcticas a incorporar en el proceso son:
Eliminacin e Integracin: Debido a la gran cantidad de usuarios involucrados y a que
la gran cantidad realiza tareas que perfectamente pueden ser replicadas, se incorpora
un recurso de la agencia dedicado exclusivamente a la alimentacin de los datos para
crear reportes. Todos los dems usuarios sern eliminados del proceso a excepcin de
los KAM, ya que necesariamente deben estar involucrados como se explic
anteriormente.
Automatizacin y tiempo: Todos los clculos manuales sern automatizados a travs
del sistema, en el caso de las tareas estas sern realizadas manualmente solo cuando
haya que cargar datos. El tiempo de los clculos ser minimizado dejando como cuello
de botella solo a la recopilacin de datos de venta, metas y estructura.
Reordenamiento: Al tener tareas y clculos automatizados las actividades sern
reordenadas de forma lineal para permitir que estas puedan ser realizadas de forma
ms fluida. Esto debido que al tener un solo recurso, el proceso no depender de
restricciones como el trmino de tareas previas por otro usuario.
Generalizacin: El proceso ser simplificado para que cualquier usuario en la empresa
pueda participar. El recurso ser el encargado de la alimentacin, pero la creacin y
obtencin de reportes podr ser realizada por cualquier empleado en la empresa.
En la figura 4.1 se puede observar el diagrama que incluye el rediseo del proceso de
creacin de reportes, como se puede ver participan los KAM de las Cadenas y un
Recurso cualquiera. Las Actividades se separan en 5 grupos, la primera tiene que ver
con la obtencin y carga de las metas de las cadenas, la segunda con la actualizacin y
carga de la estructura de vendedores, la tercera con la obtencin y carga de los
Archivos de Venta, la cuarta con el ingreso de nuevos productos y finalmente la
creacin de reportes.

58

Figura 4.1: Diagrama con Rediseo del Proceso de Creacin de Reportes.

4.2

Indicadores Claves de Desempeo

Para medir el nivel de desempeo de la empresa tanto en los Puntos de Venta como la
Fuerza de Venta, se deben definir mtricas adecuadas a utilizar en los reportes. Los
Indicadores o KPI sirven para monitorear el estado de los puntos anteriores. A
continuacin se detalla cada uno de estos, los que sern incorporados posteriormente a
la herramienta de BI.
Los principales KPI asociados a la gestin de la Fuerza de venta se explican en la tabla
4.2, los cuales deben acoplarse a la estrategia de HP la cual es ganar Market Share y
mantenerse lder en el mercado.

Tabla 4.2: KPIs para medir la ESF

59

Para medir los Puntos de venta, los principales indicadores se pueden observar en la
tabla 4.3.

Tabla 4.3: KPIs para medir los POS

60

5.

Elementos Esenciales

Este captulo tiene como objetivo precisar las reales necesidades de la empresa y los
principales elementos que van a componer la Herramienta de BI. Las conversaciones
con la empresa son la clave de xito para la metodologa ya planteada. Es importante
destacar que los elementos esenciales no son requerimientos por si mismos sino que
son la materia prima de donde los requerimientos son obtenidos. A travs de este
captulo se han podido establecer las bases de la herramienta BI de autoservicio que en
el siguiente captulo se va a desarrollar.
El objetivo de esta herramienta es la de entregar a las reas de PSG e IPG la
capacidad para tomar optimas decisiones a travs de sistemas de Reporting y Anlisis
de datos, que permitan realizar gestin sobre la ESF, los POS, promociones,
campaas, productos y entrenamiento.
La figura 5.1 presenta los elementos mnimos que la empresa busca en el sistema.
Estos requerimientos pertenecen a parte de un Request for Proposal o RFP
desarrollado para la empresa, el cual se ha enviado a proveedores de herramientas de
BI. Estos requerimientos fueron levantados con el propsito de cubrir todas las
necesidades y problemticas de las reas ya nombradas.

Figura 5.1: Principales elementos que requiere HP Chile en la Herramienta.

Cada uno de los elementos de la figura 5.1 ser explicado en detalle en los
subcaptulos siguientes. Esta herramienta ser utilizada por una variedad de usuarios
por parte de HP Chile y la Agencia. Entre ellos los PSG/IPG Managers, KAM por
cadena, KAM de ST Chile, Supervisores, Merchandisers, Coordinadores y Vendedores.
El sistema debiera ser capaz de crear perfiles de usuario para que estos puedan
acceder a informacin especfica y orientada a sus necesidades, con acceso a ciertos
privilegios de edicin y visualizacin.
61

5.1

Fuente de Informacin

Los datos de entrada provienen de fuentes de informacin ya establecidas y otros datos

que debieran ser ingresados manualmente al sistema. El detalle de cada uno de estos
es expuesto a continuacin.

5.1.1

Fuentes Establecidas

Ventas B2B: Como se explic en la situacin actual, los archivos de venta o B2B
son obtenidos semanalmente de forma manual para cada cadena y estos
cambian de formato en forma constante. La herramienta debiera proponer una
solucin para la automatizacin en la carga de esta informacin.

HP Chile Training Center: Los cursos completados en el portal de

entrenamiento son analizados mensualmente. Estos datos y resultados de la
ESF es exportada del sistema a travs de un archivo Excel, que tambin debe
ser incorporado a la herramienta de gestin.

Retail Contigo: El portal (www.retailcontigo.cl, Ultimo Acceso: 13/07/2011)

entrega informacin a la Fuerza de venta como noticias de nuevas lneas de
Productos, Promociones, Capacitaciones, adems de Concursos, Premios y
Eventos. Retail Contigo tiene el propsito principal de comunicarse con los
Vendedores. Los resultados de encuestas, preferencias y concursos en el portal
son algunos de los datos tiles a incluir en la Herramienta.

5.1.2

Ingreso Manual

Input Fuerza de Venta: Esta informacin debe ser proporcionada manualmente

va web, a travs de formularios o checklist. Los datos son ingresados en lnea
con capacidad para ser cargada desde un dispositivo mvil.
Adems de la informacin en ventas proporcionada por el B2B, los vendedores
deben subir manualmente al sistema informacin de Ventas y Stock de todas las
ventas por SKU en el POS. Adems deben subir precios de productos, situacin
e implementacin de Promociones, Checklist de Exhibicin, Layout u otros
aspectos visuales. Tambin un pequeo anlisis de la competencia que incluya
las top 2 SKU por banda de precio (Marca, Modelo, Precio y Promocin).
El RAM o Supervisor debe cargar la asistencia por punto de venta. La
herramienta de gestin debe proponer el mtodo ms eficiente para el control de
la asistencia va web.

Productos/Marketing: El lanzamiento de nuevos productos incluyendo todas

sus caractersticas y aspectos relevantes como el SKU y Precio por cadena
deben ser ingresados al sistema manual o automticamente. Las cadenas
incluyen en sus archivos de ventas productos nuevos todas las semanas. Las
campaas, promociones, bajas de precio y cualquier accin de marketing siguen
la misma lgica.
62

5.2

Gestin de ESF, POS y Productos

Para la gestin de estos tres componentes la herramienta deber ser capaz de mostrar
tableros con visualizacin resumida o dashboards para cada Vendedor, Retail, Tienda
y Producto HP/COMPAQ. Estos debern ser actualizados en tiempo real incluyendo
KPIs.
Los indicadores e informacin mnima capaz de incorporarse en los dashboards se
agrupan en los siguientes elementos:
Vendedores

Informacin personal: nombre, sexo, telfono, edad, email, cotizacin o tipo.

Tiempo total como vendedor y experiencia.
% de cumplimientos histricos mensuales.
Niveles de entrenamiento completados y numero de capacitaciones.
Asistencia histrica
Preferencias: Cine, Comida, Eventos, Salidas a Terreno, entre otros.
Cualquier informacin relevante como reclamos y aptitudes.

Cadenas

Mapa de cobertura con todos los POS.

% del monto en contribucin.
Tendencia del SO y Stock semanal x lnea de producto
Tendencias SO semanales x territorio x lnea de producto
Rendimiento y Productividad de Fuerza de Venta x Retail
Alcance de Meta (Cumplimiento) x Punto de Venta x Retail
Cumplimiento x territorio x Retail

POS

Ubicacin y horas de funcionamiento.

Nombre del Jefe de la tienda, la relacin con la empresa, preferencias y gustos.
Facilidades y formas de pago.
Metas asignadas a la tienda.
Rendimiento semanal, mensual e histrico en SO y Monto.
Detalles de ventas semanales por categora y top SKU.
Grficos de cumplimiento de metas.
Lista de vendedores asignados y supervisor.
Mix de Productos por categora.
Costos e Inversin en la Tienda.
Fotos Semanales e Histricas, Calidad de exhibicin, espacio, estado del punto:
caliente o no.
Situacin con la competencia.
Promociones especificas a la tienda.
Fechas de ltimas inspecciones y sus resultados.
63

Productos

Grficos de Tendencia de Ventas/Stock

Precio histrico en tiendas y cadenas, y situacin en implementacin de baja de
precios.
Caractersticas y Especificaciones
Principales competidores
Cumplimiento de ventas y metas asignadas.
Semanas de inventario.
Promociones implementadas.
Distribucin del SKU por cadena a nivel nacional.
Situacin de la exhibicin por tienda
Pronsticos y Estadsticas.
Ranking del producto a nivel de cadena y total.

5.3

Promociones y Campaas

La herramienta debe ser capaz de realizar un seguimiento de las campaas de

marketing asociadas a cada tienda, como tambin un seguimiento de Promociones
oficiales de HP Chile y su efecto en la tendencia de ventas.
Una planilla de precios como la figura 5.2, con un seguimiento de productos por POS
deber actualizarse automticamente arrojando alertas de colores (por ejemplo: rojo si
la baja de precio en esa tienda no fue implementada para un producto especfico). Los
datos del precio sern actualizados por el mismo vendedor.
Reportes sobre diferencias de precios entre los distintos Retail tambin es requerida. A
modo de ejemplo la siguiente imagen muestra un control de Precios (P) en Paris.

Figura 5.2: Tablero de Alertas para control de Precios.

5.4

Entrenamiento y Capacitacin de la ESF

HP Chile desea desarrollar una plataforma que no slo sea capaz de gestionar,
supervisar y analizar el entrenamiento, capacitacin y formacin de la ESF, sino
64

tambin de proporcionar una herramienta escalable y sin tener la necesidad futura de

invertir en mano de obra administrativa adicional. El objetivo principal es gestionar a
gran escala el entrenamiento de toda la ESF y facilitar la formacin y accesibilidad a
material de capacitacin para los vendedores de todas las zonas del pas.
Este mdulo de entrenamiento tambin es un portal para la ESF con acceso a
informacin de entrenamiento, productos, eventos, promociones y premios. Los mismos
Perfiles de Dashboards con detalles del vendedor podrn visualizarse en este portal.
Toda la informacin recopilada en este portal, deber ser integrada al Data Warehouse
antes nombrado.
El sistema ser alimentado con informacin del actual e-Learning o HP Chile Training
Center, el cual entrega los resultados de los cursos de cada vendedor. Enfocado a
Entrenadores y Vendedores, el sistema tendr vistas focalizadas con la opcin de
mostrar material especfico segn sea el nivel del vendedor, a modo de ejemplo
informacin de capacitaciones enfocadas a vendedores A, sern vistas solo por ese
tipo de vendedores.
Adems de ser una plataforma de comunicacin el sistema guardara informacin
relacionada con el entrenamiento, como cursos aprobados, asistencia a capacitaciones,
feedbacks y cualquier input realizado por el vendedor. Los componentes mnimos a
incluir en el mdulo de entrenamiento se pueden ver en la figura 5.3.

Figura 5.3: Elementos del Entrenamiento en HP Chile

Calendarios
El sistema mantendr informacin de las distintas capacitaciones, charlas y cursos Face
to Face con su correspondiente fecha de realizacin, contenido detallado del tema y
nivel, disponibilidad, capacidad, cupos mnimos para desarrollo, entrenador a cargo,
valor, direccin, detalles de contacto entre otros.

65

Comunicacin
El portal de entrenamiento tendr la funcin de comunicar informacin a los
vendedores, y la capacidad para enviar mensajes masivos por Mail o SMS a todos los
usuarios o individualmente.
Noticias
El sistema al igual que Retailcontigo.cl debe tener la funcin de comunicar informacin
a la fuerza de venta. El portal deber ser capaz de crear contenido esttico en la pgina
principal con informacin de Cursos de Entrenamiento como descripcin, proceso,
catalogo y resumen. Tours de autoayuda para que los usuarios puedan usar la
aplicacin, Imgenes y contenido de eventos pasados, anuncios de informacin
relevante a nuevos productos u eventos, etc.
Feedback
Formularios estndar podrn ser desplegados en lnea para que los vendedores den un
Feedback despus de la realizacin de Cursos y Capacitaciones.
Consideraciones
El sistema debe ser capaz de crear y gestionar tipos de usuario para las vistas
focalizadas y niveles de acceso. El portal deber registrar informacin de trfico en el
sitio y el uso de sus componentes para luego poder tener acceso a reportes,
estadsticos, grficos y anlisis.

5.5

Optimizacin de recursos

Actualmente HP Chile no optimiza aspectos como en donde debe localizar a sus

vendedores y cuanto recurso en tiempo se le debe asignar a cada uno. El sistema
deber dar soporte en la determinacin de:

Nmero ptimo de vendedores por tienda.

Localizacin de la ESF.
Organizacin territorial (clusters de Zonas).
Administracin de recursos (tiempo en horarios y costo monetario).

Hay meses en que los calendarios presentan das vacos en los horarios. Estas tiendas
quedan sin promotores, debido a das libres mal ubicados. El sistema deber arrojar
ptimos calendarios, saber cul es el impacto monetario de agregar un vendedor, para
as poder tener una cobertura completa y eficiente y una mejor visin de la situacin a
nivel global.

66

5.6

Otros aspectos

5.6.1

Movilidad

El sistema debe permitir el levantamiento de informacin desde dispositivos mviles, ser

compatible con diversos sistemas operativos como mnimo Windows Mobile y
BlackBerry y tener la capacidad para desplegar formularios o checklist fciles de
modificar.
Adems de permitir el ingreso de informacin, la herramienta debe ser visualizada
desde dispositivos mviles. Entre los componentes ms importantes estn:

Acceso completo al sistema y perfiles desde el dispositivo, con accesos

configurables que permitan escoger lo que se muestra en la versin Mobile.
Ubicacin del usuario va GPS.
Permitir subir fotos de la tienda desde la cmara y en el momento. Sin la opcin
de buscar fotos ya guardadas (para que efectivamente haya control de
asistencia).
Mapeo de las tiendas.
Completar formularios de Sell Out e Inventario.
Completar Checklist con estado del Layout, Exhibicin, Promociones y
Competencia.
Calendario con tareas pendientes y revisar comentarios pasados por usuario.
Control de asistencia en lnea.

Toda la informacin guardada desde el mvil, deber quedar asociada a la base de

datos del POS, ESF o Producto para ser desplegada posteriormente en los Dashboards
o Perfiles (Fuente de informacin que pertenece al Input de Vendedores).
Los reportes debern ser desplegados en lnea, desde el sistema como output o como
parte de los Dashboards. El output de Reportes se espera que sean en formato PDF o
XLS.

5.6.2

Dashboards

Con respecto a los Dashboards o Tableros de Control estos deben ser flexibles,
dinmicos y modificables. En donde se pueda escoger los grficos, mtricas o reportes
que se quieren visualizar en tiempo real y con alarmas automticas bien definidas e
email automtico.
El nivel de Reportes y Grficos debe estar a la par con las herramientas ms avanzadas
de Inteligencia de Negocios. En anexos se muestran proveedores tipo de visualizacin
de reportes.
La estabilidad y el rendimiento del lenguaje a usar en el sistema son fundamentales ya
que la transferencia de datos en tiempo real debe ser rpidamente presentada y
analizada. La herramienta debe responder a la demanda de reportes rpidamente. Las
vistas deben ser intuitivas, capaces de resumir grandes cantidades de informacin con
la opcin de entrar al detalle.
67

5.6.3

Anlisis y Pronsticos

Debido a la naturaleza de los productos tecnolgicos, modelos de pronsticos

especficos para productos de corto ciclo de vida debern ser incorporados para
calcular las Metas de cada SKU para todas las cadenas a nivel nacional.
Forecast semanales de cumplimientos debern ser incorporados al sistema, para todas
las tiendas y SKUs nuevos o antiguos. Anlisis de las ventas tambin debern ser
incorporados. La situacin de los productos ms vendidos, que considere por ejemplo
tendencias, principales competidores, crecimiento del mercado y Market Share.

5.6.4

Arquitectura y Hospedaje

La arquitectura del sistema deber tener la flexibilidad para ser escalable y

suficientemente capaz de optimizar la interoperabilidad para ser usada en otros pases.
Uno de los objetivos principales de la herramienta es que el sistema pueda ser
replicado al resto de Latinoamrica.
El servicio debe estar hospedado en la web como un SaaS. El proveedor es
responsable de que el servicio sea seguro, con un mantenimiento continuo y con una
conexin ptima. La herramienta ser gestionada entre el proveedor y la agencia ST
Chile.

68

6.

Diseo del Prototipo

A continuacin se presenta el diseo del prototipo basndose en los aspectos de una

herramienta BI de autoservicio, con la capacidad de que cualquier empleado, sin la
necesidad de un administrador IT, pueda crear reportes tiles en la toma de
decisiones.
El prototipo requiere ser alimentado de distintos tipos de datos y en diferentes formatos
para cada cadena. Estos deben ser transformados e incorporados en una misma fuente
de informacin que posteriormente va a ser visualizada utilizando Microsoft Excel y
PowerPivot. Para la elaboracin del prototipo la metodologa Prototype Development
Process planteada en el Captulo 1, es utilizada para el Diseo e Implementacin de la
herramienta.

6.1

Viabilidad de la aplicacin

Para determinar que la herramienta de Inteligencia de negocios pueda ser

satisfactoriamente desarrollada esta es descrita en orden de establecer las
funcionalidades, los input requeridos, el ambiente de operacin y los recursos
disponibles.

6.1.1

Funcionalidad del Sistema

El objetivo principal de esta herramienta es el de facilitar la automatizacin en la

creacin y visualizacin de reportes y grficos, sin la necesidad de que el usuario tenga
conocimiento en SQL u otros mtodos para realizar consultas. La informacin visual
que entregara el prototipo estar disponible a cualquier perfil de usuario sin importar
sus necesidades.
Los Reportes y Dashboards incluirn grficos de barras, tendencia, sparklines y
bulletgrahps, que fueron previamente explicados en el Captulo 2. Adems estos
elementos incluirn toda la funcionalidad y flexibilidad que proporciona Microsoft Excel
para ordenar y filtrar datos. Entre la informacin que podr ser visualizada, esta puede
ser separada a nivel de ESF, POS y Productos, e incluye los elementos de la Tabla
6.1.

Figura 6.1: Tipo de informacin que entrega el Prototipo

69

Microsoft Excel cuenta con la capacidad para exportar reportes e informes en una gran
variedad de formatos entre ellos PDF y XML. Y gracias a la instalacin de PowerPivot
tanto en Excel como en SharePoint, estos pueden ser visualizados y compartidos en
lnea.

6.1.2

Datos de Entrada

La herramienta se alimenta de tres tipos de archivos, el primero contiene las metas

semanales por SKU de cada cadena, el segundo tiene la estructura de la fuerza de
venta y finalmente los archivos de ventas semanales. Otro dato de entrada pero que es
ingresado manualmente son las caractersticas de nuevos SKU que aparecen
semanalmente en los archivos de venta.
El primer input contiene las metas de venta semanales por cada producto y en todas las
Cadenas. La estructura del archivo con las metas que entrega el KAM se puede
observar en la figura 6.2. Las filas contienen el Cdigo del producto HP y las columnas
las metas semanales a lo largo de cada Retail.

Figura 6.2: Estructura de Archivo con Metas.

El segundo input es un archivo que contiene la estructura de la Fuerza de Venta, que
incluye todas las tiendas con algn vendedor. Como se ve en la figura 6.3 las columnas
con ttulo A, B, C y Envy tienen la informacin de que tipo de vendedor posee cada
tienda.

70

Figura 6.3: Estructura de archivo con Vendedores

El ltimo archivo a ingresar contiene las ventas semanales de cada Retail, los cuales
tienen formatos distintos para las siete cadenas. En el caso del Tier 1 (Paris, Falabella,
Ripley y La Polar) el archivo se carga directamente de cmo es bajado del portal B2B
(formato .csv o .txt). Por otra parte para el Tier 2 (Hites, Corona, Johnsons y ABCDIN)
el formato del archivo a cargar se recibe semanalmente desde el mayorista en formato
Excel.
Los archivos del Tier 1 y Johnsons tienen una estructura tipo A como se muestra en la
figura 6.4. Por otra parte Corona, Hites y ABCDIN pertenecen a otro grupo con una
estructura tipo B.

Figura 6.4: Estructura Archivo de Ventas tipo A y B.

71

El ingreso de nuevos productos es la cuarta forma de incorporacin de datos al

Prototipo. Una vez que los archivos de venta son cargados, los productos que no estn
en la base de datos son detectados. Nuevos SKU aparecen en los archivos de venta
todas las semanas por lo que hay que ingresarlos manualmente y asociarlos al cdigo
estndar que utiliza Hewlett Packard a nivel mundial. Las tres cargas ms el ingreso de
nuevos productos se resumen en el siguiente diagrama:

Figura 6.5: Flujo de carga de Datos del Prototipo

6.1.3

Ambiente de Operacin y Recursos

Los usuarios que utilizan esta herramienta y que sern responsables de la carga de
datos, generacin de reportes y posterior distribucin. Se compondr de empleados del
rea de PSG y IPG por parte de HP Chile, entre ellos: KAMs, Product Managers y otros
Gerentes.
Las entidades que solicitan y requieren ver los reportes se compone de empleados por
parte de HP Chile y la Agencia compuestos por el KAM de ST Chile, RAMs,
Merchandisers, Coordinadores y Vendedores.
Los requerimientos del captulo 5 especifican que cada usuario tenga acceso a ciertos
privilegios de edicin y visualizacin, y que el sistema sea capaz de utilizar perfiles de
usuario para que estos puedan acceder a ciertos datos orientados a sus necesidades.
Estos requerimientos no se incluirn en la herramienta pero podrn ser incluidos una
vez que los reportes sean compartidos a travs del SharePoint de HP Chile.
La herramienta solo cubre una parte del tipo de Reportes que la empresa requiere, ya
que estos incorporan a grandes rasgos solo Metas, Ventas y Stock. Elementos como la
medicin de la Exhibicin, Layout, Precios, Promociones, Entrenamiento y Forecast no
sern incluidos.
El prototipo es una solucin rentable, flexible, escalable y de fcil uso que cumple con
las caractersticas de una Self Service Business Intelligence Tool. Capaz de entregar
una completa y rpida solucin en la realizacin de reportes.
Para la recopilacin de datos se utiliz principalmente informacin proporcionada por
HP Chile como la lista de precios, el Business Model utilizado para el clculo de las
metas, una base de datos con las caractersticas de los productos y claves de acceso
para los B2B de cada cadena. La agencia por su parte proporciona la estructura
mensual de la fuerza de venta.
72

6.2

Anlisis de Requerimientos

El Anlisis de requerimientos es necesario para determinar las necesidades del sistema

y posteriormente extraer los casos de uso. En esta fase se extraen los requerimientos
divididos en requisitos funcionales y no funcionales detallados a continuacin.
Los requerimientos funcionales son las declaraciones de los servicios y tareas que
proporciona el sistema definiendo actores, objetivos y funciones. Es necesario
especificar tanto lo que la herramienta puede hacer como sus limitaciones. Los
requerimientos no funcionales son aquellos que describen las facilidades que debe
proporcionar el sistema en cuanto a rendimiento. Estos ltimos definen propiedades y
restricciones del sistema: tiempos de respuesta, requisitos de almacenamiento, etc.

6.2.1

Requerimientos funcionales

Cargar Archivos de Venta: A travs de una interfaz grfica el usuario deber

ser capaz de ingresar manualmente los archivos de venta para cada cadena.

Cargar Metas: El usuario cargara las metas contenidas en el archivo que utiliza
el KAM para calcularlas.

Carga Estructura ESF: El usuario carga un archivo que contiene la estructura y

distribucin de la fuerza de venta a lo largo de los puntos de venta.

Ingresar Productos: Cuando el usuario cargue el archivo de Ventas para una

cadena en especfico el sistema detectara nuevos SKU automticamente, en
caso de haber nuevos productos el usuario deber ingresar manualmente en otra
interfaz las caractersticas del nuevo producto.

Ver Reportes: El usuario en caso de pedir un reporte especfico el sistema

realizara las consultas automticamente, calculando los indicadores necesarios
para la visualizacin del reporte final.

Ver Cumplimientos: El reporte de cumplimientos es calculado utilizando las

metas de la tienda para as obtener el porcentaje obtenido en las ventas sobre
estas.

Ver Pronsticos: En el caso que el usuario requiera de ver el reporte de

pronsticos de venta de productos, el sistema acceder a la base de datos para
calcular los pronsticos con un mtodo para productos tecnolgicos.

Ver Dashboards: El usuario adems de ver reportes, podr acceder a

Dashboards dinmicos donde se podrn visualizar indicadores claves de la
empresa.

Crear Dashboards: El usuario encargado del rea de reportes, disea los

Dashboards, para esto se deber decidir que mtricas incluir y otros aspectos
visuales. Para esto utilizara una herramienta dedicada.
73

El sistema detectara nuevos productos y Puntos de Venta, estos ltimos sern

incorporado automticamente a la base de datos. Para el caso de los productos cuando
el usuario los incorpore, la herramienta deber asociar el SKU al cdigo estndar que
utiliza Hewlett Packard.
La carga de archivos entre ellos los de venta requieren ser guardados en la base de
datos pero antes, un proceso ETL requiere transformarlos, estandarizados y cargarlos
correctamente. El sistema inmediatamente despus de la carga de metas calculara la
ponderacin que posee cada tienda en cada cadena y por categora. Finalmente la
meta por Cadena ser multiplicada por cada una de estas ponderaciones, obteniendo
as la meta por Punto de Venta.
A travs de los requerimientos ya nombrados se efecta el diagrama de casos de uso
que se puede ver en la figura 6.5, el cual contiene las relaciones entre actores y los
requerimientos funcionales.

Figura 6.6: Diagrama de Casos de Uso

6.2.2

Requerimientos No-funcionales

Requisitos del sistema:

El sistema deber estar pensado de manera modular que permita realizar

modificaciones rpidas y sencillas, para garantizar su evolucin a lo largo del
74

tiempo. Sobretodo el mdulo de lectura de archivos ya que estos cambian

constantemente.
La herramienta deber acceder a la BBDD en un tiempo razonable ya que no es
lgico que tarde varios minutos cuando se produzca una consulta simple.
El sistema debe estar adecuadamente documentado de forma de garantizar su
uso en el tiempo.

Requisitos de Seguridad:

Cada semana se deber realizar una copia de seguridad de todos los datos con
el fin de poder recuperarlos en el caso de que se pierdan por un motivo
inesperado.

Requisitos de eficiencia:

El sistema debe ser capaz de manejar un gran volumen da datos de manera

escalable y eficiente.

6.3

Diseo de la arquitectura

El diseo considera una arquitectura de tres capas. La primera capa contiene

elementos en relacin con la carga de datos, su gestin y almacenamiento. La segunda
capa realiza los clculos y automatizacin de las frmulas y mtodos necesarios para la
obtencin de Reportes. Finalmente esta la capa de presentacin, en donde la
informacin til ser visualizada a travs de Informes o Dashboards.

6.3.1

Estructura del Sistema y Componentes.

La estructura del prototipo, sus diferentes componentes y relaciones se observan en la

figura 6.6, en donde las lneas presentan flujos de informacin y los cuadrados azules
mdulos del sistema para realizar objetivos especficos. Como una herramienta de BI, la
Informacin fluye desde la carga de archivos hasta su visualizacin en informacin para
una futura toma de decisiones.

75

Figura 6.7: Componentes del Prototipo

6.3.11

Capa de Datos

Archivos de Entrada: Representan los archivos que contienen las metas,

estructura y venta descritas en el subcaptulo 6.2.2.

Base de datos (BBDD): Toda la informacin de productos HP/COMPAQ,

Puntos de Venta, unidades vendidas y stock, vendedores y metas es
almacenada en una base de datos que permite la interaccin con todos los
dems componentes de la herramienta.

6.3.12

Capa de Procesamiento

Carga de Metas: Las metas son cargadas y distribuidas a las diferentes tiendas
para ser almacenadas en la base de datos. Una actualizacin de los focos de
productos tambin es realizada.

Carga de Estructura: Aqu la estructura de la fuerza de venta es distribuida a los

puntos de venta correspondientes.

Carga de Ventas: Un proceso ETL realiza las operaciones necesarias para que
los datos de venta en los archivos puedan ser almacenados correctamente en la
base de datos.

76

Reporting Tool: Cumple el objetivo de obtener la informacin de la base de

datos, realizar clculos y mtodos para finalmente desplegar la informacin que
el usuario requiere en una hoja Excel.

PowerPivot: Corresponde a un programa externo que obtiene informacin de la

base de datos, para almacenarla en memoria y proporcionar tableros dinmicos
con KPIs.

6.3.13

Capa de Presentacin

Interfaz de Carga: En esta interfaz se seleccionan los archivos a cargar, junto

con las opciones correspondientes como el nombre del Retail y las fechas.

Interfaz para ingresar Productos: Productos nuevos que hayan sido lanzados
en cada Retail son ingresados manualmente en este interfaz.

Interfaz de Reportes y Dashboards: Para visualizar informacin en reportes

estructurados se utiliza la interfaz de reportes. Para visualizar informacin
condensada y de forma dinmica se utiliza una interfaz que incluye los
Dashboards proporcionados por PowerPivot, que deben ser estructurados
manualmente.

6.4

Diseo

Utilizando la arquitectura previamente desarrollada, un modelo completo de la

aplicacin es presentado el cual incluye las especificaciones de Software y Hardware
utilizadas en el desarrollo, una descripcin de la estructura de la base de datos, un
diagrama con las etapas y actividades relacionadas con el prototipo y una explicacin
de las interfaces que interactan con el usuario.

6.4.1

Especificaciones de Software y Hardware

El hardware utilizado en el desarrollo de la herramienta consiste en un computador Intel

Core i7 940 con 8GB de RAM corriendo Windows 7 32bit. Para almacenar y gestionar
los datos y consultas se utiliz Microsoft Access 2010. La herramienta es programa en
Visual Basic para Aplicaciones (VBA) el lenguaje incluido en Microsoft Office Excel.
Como mecanismo de comunicacin entre la base de datos relacional y la herramienta
se utiliz ActiveX Data Objects (ADO). Para los reportes personalizables en donde se
incluyen los Dashboards o Grficos Dinmicos se utiliz PowerPivot una herramienta
que se instala sobre Microsoft Office Excel 2010. El prototipo utiliza un archivo .mdb
para acceder a los datos, y se escogi el mecanismo ADO ya que con una pequea
modificacin en el cdigo, permitir a la herramienta conectarse en un futuro a una
base de datos en SQL Server.

77

6.4.2

Diseo de la Base de datos

El modelo de la base de datos relacional fue diseado para almacenar todos los datos
que incluyen los archivos de metas, vendedores y venta, adems de los productos de la
empresa. La base de datos solo incluye relaciones Uno-a-Muchos y Uno-a-Uno por
limitaciones de PowerPivot. En la figura 6.8 se puede ver el modelo consistente en
nueve tablas debidamente normalizadas.

Figura 6.8: Estructura de la Base de Datos

La estructura y relaciones fueron diseadas para un correcto funcionamiento con Excel
y PowerPivot. Para explicar las tablas de mejor manera ests han sido agrupadas en
cuatro grupos:

78

6.4.21

Productos

En este mdulo ubicado en la esquina superior izquierda de la figura 6.8 se encuentra

la tabla de SKUPORRETAIL la cual contiene los SKUs que utilizan las diferentes
cadenas con una llave externa idHP que conecta el SKU con el cdigo del producto que
utiliza HP. Este cdigo es la llave principal de la tabla PRODUCTOS donde adems se
almacena la informacin y caractersticas de todos los productos de HP.
Ambas tablas nombradas son alimentadas con la informacin manual que se ingresa
cuando se detectan nuevos productos. Finalmente la tabla CATEGORIAS contiene las
categoras con que el prototipo va a trabajar.
6.4.22

Metas

El Modulo de Metas contiene una sola tabla con las metas en unidades para todos los
Puntos de Venta, la fecha semanal y la categora a la cual va asignada esta. Esta tabla
es alimentada por el archivo de metas que se carga mensualmente.
6.4.23

Transacciones

En este mdulo estn guardadas todas las transacciones realizadas para cada Retail,
compuesta por la tabla VENTAS Y FECHA. Las ventas semanales de todos los puntos
de venta se encuentran en la tabla VENTAS, junto con el detalle de unidades vendidas,
stock y precio de venta. Cada transaccin est asociada a una semana especfica, llave
principal en la tabla FECHA.
6.4.24

Puntos de Venta

El Modulo de Puntos de venta contiene la tabla RETAIL que guarda los datos de las
cadenas, la tabla POS contiene los cdigos asignados por HP para cada punto de venta
y el cdigo que utiliza el Retail para sus propias tiendas.
Paris, Ripley y Falabella utilizan un cdigo diferente para Alto Las Condes, pero este
lugar est asociado a una misma ubicacin. La tabla UBICACION contiene los detalles
de todas las ubicaciones donde los Retail tienen tiendas, la llave idUbicacion entonces
conecta los puntos de venta para asociarlos a una misma ubicacin.

6.4.3

Diseo de la aplicacin

El orden lgico que sigue la carga de archivos se observa en la figura 6.5, una vez que
el usuario ingresa los archivos al sistema, como se observa en la figura 6.7 estos son
debidamente procesados y almacenados en la base de datos. Una vez que los archivos
estn cargados en el sistema, el usuario crea reportes utilizando dos mdulos segn
sean sus necesidades.
El primer Mdulo Reporting Tool, es utilizado cuando el usuario quiere crear reportes
que requieran de clculos especficos como transformar unidades a Puntos o calcular
pronsticos. El Mdulo PowerPivot no es ms que una tabla o grafico dinmico
contenida en una Hoja Excel que muestra informacin compacta incluyendo la situacin
79

de los KPIs ms relevantes de la empresa. Las interfaces que se utilizan para lograr el
objetivo de la herramienta se explican a continuacin.

6.4.4

Diseo de la Interfaz

La herramienta se compone de cuatro interfaces, en la primera el usuario ingresa los

archivos de ventas, metas y la estructura, en la segunda los datos de productos nuevos,
en la tercera se visualizan reportes predefinidos y en la cuarta interfaz que puede estar
compuesta por ms de una vista, el usuario utiliza PowerPivot para filtrar y visualizar
reportes, grficos y dashboards de forma dinmica.
Cada una de estas pantallas se cre en una hoja Excel utilizando principalmente
controles ActiveX, formularios y figuras asociadas a alguna macros. El detalle de cada
interfaz, una captura y la funcin de cada componente sern explicadas a continuacin.
6.4.41

Ingreso de Archivos

El usuario utiliza la interfaz de la figura 6.9 para cargar datos histricos a la base de
datos. Previo a la carga de archivos el usuario debe seleccionar la fecha
correspondiente del archivo y al Retail al que pertenece en el caso del Archivo de
Ventas.

Figura 6.9: Interfaz de Carga de Archivos

En la primera etapa como se observa en la figura 6.9 se cargan el archivo de Metas
mensual, en la segunda etapa se carga la estructura de la Fuerza de Ventas y
finalmente los archivos de venta semanales para cada Retail. Cada etapa es
80

prerrequisito del anterior, es decir cada etapa

completada con xito.

requiere que la anterior haya sido

El botn Cargar abre un explorador para seleccionar el archivo y una vez

seleccionado, la carga de datos se realiza automticamente. Los botones Borrar
eliminan todos los registros asociados a las fechas.
6.4.42

Ingreso de Nuevos Productos

Esta interfaz permite al usuario detectar e ingresar nuevos productos a las cadenas. Se
carga un archivo de ventas de un Retail seleccionndolo con el botn Buscar. La
herramienta lee el archivo y detecta nuevos SKUs asociados a ese Retail, la lista es
detallada a la derecha de la figura 6.10 incluyendo los SKUs, Nombres y Precios
encontrados.

Figura 6.10: Interfaz para ingresar nuevos productos

Una vez detectados los productos, estos deben ser ingresados por el usuario
manualmente en el formulario 2-Ingresar, incluyendo el Retail, SKU, Cdigo HP,
Nombre y otras caractersticas como la fecha de lanzamiento al mercado. El botn
Ingresar carga los datos a la base de datos.

81

6.4.43

Reportes Predefinidos

Esta interfaz tiene como funcin desplegar reportes predefinidos, es decir el usuario
escoge de una lista desplegable un reporte o grfico, el cual es calculado en el mdulo
de reportes, o Reporting Tool.
Los Reportes que entregara la herramienta son de Sell Out, Metas, Stock,
Cumplimientos en Unidades y Puntos, Pagos y Pronsticos para los Productos de una
Cadena.
Cada uno de estos reportes cuenta con clculos especficos que se realizan
automticamente en la macros de Excel, cuya fuente de informacin proviene de la
base de datos externa. Adems de los clculos, formatos condicionales como colores o
ndices de crecimiento se agregan automticamente como se muestra en la figura 6.11.
La fuente de informacin en este tipo de reportes proviene de la base de datos externa.

Figura 6.11: Interfaz de Reportes Predefinidos

6.4.44

Dashboards y Reportes Personalizables

Los reportes dinmicos son realizados gracias a PowerPivot, este tipo de interfaz
contiene grficos o tablas con informacin que puede ser manualmente ajustada. En la
figura 6.12 se puede observar el tablero de cumplimientos por categora que es
revisado cada lunes.

82

Figura 6.12: Ejemplo Dashboard de Categoras

El formato de este tipo de interfaces ya ha sido estructurado, pero permite al usuario
crear nuevos filtros o agregar ms grficos. El objetivo de esta interfaz es la de mostrar
Dashboards que visualicen de forma sencilla y clara el estado de los KPIs de la
empresa.
Entre los tableros ya estructurados est el de Venta/Stock de productos por tienda,
distribucin de procesadores y lneas de producto, distribucin fuerza de venta y
volumen de ventas.
La fuente de informacin de estas tablas no proviene directamente de la base de datos,
sino que de las tablas de PowerPivot.

83

7.

Implementacin del Prototipo

El objetivo de este captulo es el de construir un prototipo de Inteligencia de Negocios

que satisfaga las principales necesidades de la empresa ya planteadas con
anterioridad. Como fue detallado en el Marco Conceptual la herramienta debe contener
una base de datos, un proceso ETL y un sistema para la visualizacin de los reportes.
VBA es el lenguaje utilizado para la programacin de toda la aplicacin la cual fue
complementada con consultas SQL en orden de obtener, actualizar e ingresar
informacin a la base de datos. Una vez obtenida la informacin necesaria, los clculos
e iteraciones son ledos y visualizados en Hojas Excel que contienen los Reportes
Predefinidos y Dashboards Dinmicos. Los tableros ms importantes sern
implementados en la herramienta junto con una explicacin de los diferentes KPIs
incorporados en cada uno de ellos.
Esta implementacin consiste en la presentacin de los pseudocdigos que componen
cada mdulo del sistema, entre ellos la Carga de Archivos compuesta por: Metas,
Estructura y Ventas. Adems de los mdulos como el ingreso de nuevos productos,
pronsticos y reportes.

7.1

Carga de Archivos

7.1.1

Mdulo de Metas

El primer paso en la herramienta es la carga de las metas mensuales, como se explic

en la Situacin Actual el archivo a cargar proviene del Business Model que utilizan los
KAM para realizar los Forecast. El formato del archivo es ".xls" y su carga se realiza
manualmente.
El Mdulo de Carga de Metas se compone de tres procesos, el primero transforma las
metas de SKU por Cadena a Categora por Cadena, el segundo proceso realiza el
clculo de Ponderaciones y la asignacin de las metas a las tiendas de cada Retail. Y el
tercer proceso actualiza los Focos de los productos y la Lnea a la que pertenecen. Los
tres procesos son realizados en orden por el pseudocdigo 7.1.

84

Pseudocdigo 7.1: Modulo de Metas

En el primer proceso las metas con la estructura de la figura 6.2 son transformadas a
dos matrices como la de la figura 7.1, una para Unidades y otra para Puntos. Las metas
por SKU son transformadas a metas por Categora x Cadena a travs del mtodo VBA
llamado Range.Consolidate. Este paso se itera para cada semana, guardando los
datos en una matriz de tres dimensiones: N de Cadenas x N de Categoras x N de
semanas del mes.

Figura 7.1: Matriz resultante de metas semanales por Categora y Retail.

85

Para calcular la
(o Meta de la Categora i, Retail k y semana j) se utiliza la
ecuacin 4.1. El pseudocdigo 7.2 realiza los clculos correspondientes para crear la
Matriz de Metas.

Pseudocdigo 7.2: Relleno de Matriz de Metas

Una vez que se tiene una matriz de Metas para Unidades y otra para Puntos, se deben
calcular las ponderaciones de las Tiendas en cada Cadena, para esto se utiliza la
Ecuacin 4.2. Posteriormente la Meta de la Cadena es multiplicada por esta
ponderacin como se observa en la Ecuacin 4.3. Los clculos se realizan de forma
automtica en la Macros. El pseudocdigo para obtener las Ponderaciones y Metas por
Tienda es el siguiente:

Pseudocdigo 7.3: Calculo de metas por POS

Al finalizar la carga de metas por tienda, se actualiza el Foco y Lnea al que pertenece
un producto. Esta actualizacin se realiza mensualmente, ya que con esto se logra que
86

a la hora de realizar un reporte de pagos, este considere los Focos correctos de

productos vendidos en ese periodo.
El punto que se asigna a cada producto depende del Foco y este a su vez de la fecha
de lanzamiento y precio. El clculo es realizado por una funcin que recibe estas dos
variables para entregar el valor del foco. El Pseudocdigo es el siguiente:

Pseudocdigo 7.4: Actualizacin de Foco y Lnea

7.1.2

Mdulo de Estructura de Vendedores

Para asignar los vendedores a la tiendas correspondientes la columna Vendedor de la

tabla POS es actualizada para determinar si la tienda tiene o no un vendedor. El
pseudocdigo es el siguiente:

Pseudocdigo 7.5: Carga de Estructura de Vendedores

87

7.1.3

Mdulo de Archivos de Venta

El modulo encargado de ingresar los archivos de ventas a la base de datos es un

proceso ETL de Extraccin, Transformacin y Carga. Cada paso es detallando a
continuacin considerando las variaciones en los archivos que utilizan las Cadenas.
7.1.31

Extraccin

La extraccin del archivo de ventas desde las distintas fuentes de informacin se realiza
manualmente. En el caso de las cadenas del Tier 2, este archivo se recibe por mail
semanalmente ya que los mayoristas no permiten acceso directo a sus sistemas. En el
caso del Tier 1 se obtiene en lnea mediante el portal del Retail.
7.1.32

Transformacin

Excel y VBA fue utilizado como herramienta de importacin de datos en el subproceso

de Transformacin. Los archivos de ventas se abren y guardan en una variable,
posteriormente utilizando una macros desarrollada especficamente para cada Retail el
proceso es automatizado copiando los valores en una hoja Excel. Este proceso
considera las caractersticas especficas que tiene el archivo de ventas de cada cadena,
resumidas en la tabla siguiente:

Tabla 7.1: Caractersticas de archivos de Venta por Retail.

Una vez que los datos de cada cadena se encuentran en una hoja Excel, estos deben
ser modificados para quedar en el mismo formato. La estructura del Tier 1 es Tipo A
como se observa en la figura 6.4 y esta no requiere de mayores modificaciones. En
cambio para algunas tiendas del Tier 2 el formato es tipo B, el cual es incompatible para
la carga de datos a la BBDD. Una modificacin para dejar la estructura como tipo A es
realizada por el siguiente pseudocdigo:

88

Pseudocdigo 7.6: Cambio de estructura de Tipo A a Tipo B

Una vez que la hoja con las ventas de la cadena es transformada al formato y
estructura adecuado, los campos o valores de las tablas son modificados para ser
reemplazados por el trmino estndar que utiliza la base de datos.
Cada cadena utiliza trminos distintos para nombrar las columnas especficas de una
variable. La lista de los trminos es la siguiente:

Tabla 7.2: Trminos de archivo de ventas por cada Retail.

Finalmente el formato de la hoja de ventas es estandarizado. Uno de las etapas ms
importantes es la transformacin de los SKU que utiliza cada cadena en el Cdigo
estndar de HP, para esto se realiza una consulta SQL y sus datos son plasmados en
89

otra hoja donde se utiliza la funcin VLOOKUP de Excel para cambiar a los valores
estndar de HP. La misma metodologa se utiliza para cambiar el Cdigo de la tienda.

Figura 7.2: Eliminacin de elementos que no pertenecen a la estructura de la tabla.

Una vez que los datos de la tabla estn estandarizados, los campos no relevantes o
que no son necesarios en la base de datos son eliminados. En el caso de Falabella el
resultado final se observa en la Figura 7.2.
La ltima etapa en la estandarizacin es dar el formato correspondiente a cada
columna, esto se realiza para que posteriormente la consulta SQL agregue los datos
correctamente. El pseudocdigo que realiza la estandarizacin y la eliminacin de
columnas se puede ver a continuacin.

90

Pseudocdigo 7.7: Proceso de Estandarizacin

7.1.33
Carga
La comunicacin con la base de datos en Microsoft Access se realiza mediante ActiveX
Data Objects. Los datos de la Hoja en Excel ya preparados para la carga son
ingresados a la Base de datos mediante una iteracin SQL que se explica en el
pseudocdigo siguiente:

Pseudocdigo 7.8: Carga de Tabla Excel a Tabla en Base de datos.

91

7.2

Ingreso de Nuevos Productos

El mdulo de Ingreso de Productos cuya interfaz se puede observar en la figura 6.9, se

encarga de detectar nuevos SKUs en los archivos de venta y agregarlos a la base de
datos con las caractersticas correspondientes. El primero paso es detectar nuevos
productos, para esto se carga un archivo de ventas, realizando los Pseudocdigos 7.6 y
7.7, a excepcin del ingreso de datos al sistema.
Una vez que los archivos han sido procesados, una bsqueda de los SKU en el archivo
es realizada para detectar nuevos productos. El pseudocdigo es el siguiente:

Pseudocdigo 7.9: Bsqueda de Nuevos Productos

Los productos detectados son copiados en la interfaz junto con su Nombre, SKU y
Precio. El usuario debe ingresarlos manualmente a un formulario y completar varias
caractersticas como el Cdigo HP, Fecha de Lanzamiento, Procesador, Categora, Etc.
Una vez que el formulario est completo, los datos son ingresados al sistema. Si el
producto no existe en la base de datos este es incorporado y en el caso que si haya
sido ingresada una asociacin del SKU al producto es realizada. El pseudocdigo es el
siguiente:

Pseudocdigo 7.10: Ingreso de Productos

92

7.3

Reportes Predefinidos

El mdulo de Reportes Predefinidos se encarga de realizar consultas SQL para

entregar reportes especficos, la estructura de las consultas debe ser modificada para
quedar acorde a las necesidades de la empresa. Las variables que se guardan para
crear un reporte son el Retail, Mes, Tipo de Reporte, Fecha de Inicio y Fecha Final
como se ve en la figura 7.3.

Figura 7.3: Men de Reportes Predefinidos

7.3.1

Reporte de Cumplimientos y Pagos

Todos los reportes a excepcin de los pronsticos, funcionan de la misma manera,

como se observa en la Figura 6.11, el formato es similar a cada uno. Estos se
componen principalmente de varias Consultas SQL en donde los datos son
reorganizados y clculos especficos son realizados en cada uno.
A modo de ejemplo el Reporte de Cumplimiento en Puntos utiliza dos consultas SQL la
primera como se observa en el pseudocdigo 7.11 obtiene las ventas de las categoras
en puntos para todas las tiendas de una cadena, la segunda obtiene metas en puntos
en vez de puntos vendidos.
SELECT Ubicacion.Zona, Ubicacion.Tienda, POS.Vendedores, Categorias.Categoria,
Sum(Ventas.Unidades*Productos.Foco)
FROM Fechas INNER JOIN ((Categorias INNER JOIN Productos ON Categorias.IDCat =
Productos.IDCAT) INNER JOIN (Ubicacion INNER JOIN ((Retail INNER JOIN POS ON
Retail.IDRetail = POS.IDRetail) INNER JOIN Ventas ON (POS.IDPOS = Ventas.IDTienda) AND
(Retail.IDRetail = Ventas.IDRetail)) ON Ubicacion.IDUbicacion = POS.IDUbicacion) ON
Productos.IDHP = Ventas.IDHP) ON Fechas.SemanaIni = Ventas.Semana"
WHERE (((Retail.Nombre)='" & RepRetail & "') AND ((Ventas.Semana) Between #" &
Format(Fecha Inicial, "mm/dd/yyyy") & "# And #" & Format(Fecha Final, "mm/dd/yyyy")
& "#))
GROUP BY Ubicacion.Tienda, POS.Vendedores, Categorias.Categoria, Ubicacion.Zona "
HAVING (((Categorias.Categoria)='NOTEBOOKS')) OR (((Categorias.Categoria)='NETBOOKS'))
OR (((Categorias.Categoria)='DESKTOP'))
ORDER BY Ubicacion.Tienda

Pseudocdigo 7.11: Consulta de Puntos vendidos por tienda en una Cadena.

93

SELECT Ubicacion.Zona, Ubicacion.Tienda, POS.Vendedores, Categorias.Categoria,

Sum(Metas.MetaPuntos
FROM Ubicacion INNER JOIN (POS INNER JOIN (Categorias INNER JOIN (Retail INNER JOIN
Metas ON Retail.IDRetail = Metas.IDRetail) ON Categorias.IDCat = Metas.IDCat) ON
(POS.IDPOS = Metas.IDPOS) AND (POS.IDRetail = Retail.IDRetail)) ON
Ubicacion.IDUbicacion = POS.IDUbicacion
WHERE (((Retail.Nombre)='" & Retail & "') AND ((Metas.Semana) Between #" &
Format(Fecha Inicial, "mm/dd/yyyy") & "# AND #" & Format(Fecha Final, "mm/dd/yyyy")
& "#)
GROUP BY Ubicacion.Zona, Ubicacion.Tienda, POS.Vendedores, Categorias.Categoria
HAVING (((Categorias.Categoria)='NOTEBOOKS')) OR (((Categorias.Categoria)='NETBOOKS'))
OR (((Categorias.Categoria)='DESKTOP'))
ORDER BY Ubicacion.Tienda"

Pseudocdigo 7.12: Consulta de Metas por tienda en una Cadena.

Una vez que se obtienen las dos consultas, se utiliza la ecuacin 3.5 para calcular los
cumplimientos, el siguiente paso es reorganizar las celdas para que el reporte pueda
ser filtrado y visualizado con mayor facilidad. Finalmente los reportes son optimizados
visualmente, donde se agregan formatos a las tablas, nuevas lneas y colores en caso
de que haya indicadores sobre o bajo el promedio.
El proceso es el mismo para el Reporte de Unidades y Pagos, donde tambin se
realizan consultas y clculos especficos. En el caso del Reporte de pagos, se utilizan
las mismas consultas y clculos de los reportes de cumplimientos y adems las tablas
3.2 y 3.2 que contienen la informacin de pagos.

7.4

Pronsticos

Para el clculo de pronsticos para productos en cada cadena, se utiliza el Mtodo

que fue previamente explicado en el Captulo 2, apartado 2.6.1. En la figura 7.4 se

puede observar el flujo de actividades del Mtodo, el primero se encarga de calcular el
pronstico de un producto especfico y el segundo se encarga de calcular la tabla de
coeficientes.
El input como se nombr anteriormente consiste en el Nombre de Retail, Mes, Tipo de
Reporte en este caso, Pronsticos, Fecha de Inicio y Fecha Final. El intervalo de
fechas no es usado en este reporte, por lo que para seleccionar la fecha objetivo a la
cual se desea calcular el pronstico estas deben ser iguales.

94

Figura 7.4: Workflow del mtodo propuesto

[39].

El mtodo
utiliza das para calcular pronsticos pero debido a que la herramienta
ha sido diseada para manejar ventas semanales por producto, el intervalo han sido
cambiados de das a semanas. De ahora en adelante das se refiere a semanas.
El nmero representa los das desde que fue lanzado el producto y este se determina
contando las fechas hasta la cual se tiene registro de ventas del producto. Este ndice
se calcula como la diferencia entre la fecha del ltimo registro y la fecha de
lanzamiento.
Por otra parte el nmero
que representa el da al cual se quiere pronosticar la suma
acumulada se obtiene a partir de la fecha ingresada y se calcula como los das que
existen entre la Fecha objetivo y la Fecha en que fue lanzado. Ambos nmeros
y
se calculan con la Ecuacin 7.1.

Ecuacin 7.1: Calculo de n y m

Todos los clculos, iteraciones y actividades en los pasos del flujo de la figura 7.4 son
realizados en el momento en que el Reporte es requerido. El primero paso es el clculo
de la tabla de coeficientes y el segundo el clculo de pronsticos.
95

7.4.1

Calculo de Coeficientes

Definir grupos

Para definir los grupos se utiliza la tabla 3.5 y las categoras existentes, de estas se
escogen tres ya que son las que contienen los productos a los que se les desea
calcular pronsticos. La Tabla 7.3 contiene los atributos necesarios para crear los
grupos que forman un total de 12 combinaciones que compondrn los grupos.

Tabla 7.3: Variables para la creacin de Grupos

Recolectar SKUs de muestra para cada grupo
El criterio de muestra se compone de productos que lleven ms de 3 meses en venta y
pertenezcan al 80% de las ventas de la cadena.
Calcular coeficientes

para todos los grupos

Para calcular los coeficientes es necesario realizar varias actividades previas, entre
ellas la consulta con las ventas de los productos del grupo. La consulta SQL se puede
ver a continuacin:
SELECT Ventas.IDHP, Sum(Ventas.Unidades), Ventas.Semana
FROM Productos INNER JOIN Ventas ON Productos.IDHP = Ventas.IDHP
GROUP BY Ventas.IDHP, Ventas.Semana
HAVING Ventas.IDHP = Productos del Grupo
ORDER BY Ventas.IDHP, Ventas.Semana;

Pseudocdigo 7.13: Consulta para obtener Ventas por Fecha de un Grupo

Una vez que se realiza la consulta se cambia la estructura del Output y se ejecuta una
iteracin de suma acumulada en VBA. No se realiza una consulta que incorpore la
suma acumulada ya que esta toma considerablemente ms tiempo que realizar el
clculo en una Iteracin en VBA.
El proceso completo se puede observar en la figura 7.6, en donde
representa la
venta en unidades del SKU
en un da especifico
y
representa la suma
acumulada de unidades vendidas del SKU hasta el da . Una vez que se tiene la
suma acumulada en cada fecha, los productos deben ser ordenados desde la fecha de
lanzamiento, para esto se itera cada columna para detectar ventas nulas, si la venta es
nula es porque el producto no ha sido lanzado al mercado. Lo que interesa en el
96

mtodo
son los das desde que fue lanzado al mercado y no la fecha, por lo que
esta debe ser cambiada a nmeros que representen los das.
La tabla del paso tres de la figura 7.5, es guardada en una hoja Excel para ser utiliza en
etapas posteriores como por ejemplo el clculo de coeficientes.

Figura 7.5: Obtencin de Ventas acumulada desde el da de lanzamiento

Una vez que se tienen las ventas de cada producto y sus das asociados, se crea una
tabla con dimensiones
que contiene los coeficientes
del grupo. La ecuacin
2.2 utiliza las variables finales de la Figura 7.5 para calcular la tabla con todos los
coeficientes
del grupo.
Tabla de coeficientes NM
El mismo proceso del paso anterior es iterado para todos los grupos, creando as tablas
de coeficientes individuales para cada grupo. Las tablas de los 12 grupos son utilizadas
solo si existen productos asociados a la cadena, si la cadena no posee suficientes
productos entonces el pronstico no ser realizado.

7.4.2

Calculo de Pronstico

Obtener Venta acumulada

al

da.

El
da representa el nmero de das desde que fue lanzado un producto hasta
la fecha actual y para cada producto es diferente. Con la ecuacin 7.1 es posible
97

determinar este nmero, una vez calculado, se busca la venta acumulada

en la tabla
del Paso 3 de la figura 7.5 que fue previamente guardada en una hoja Excel.
Seleccionar un grupo y una tabla de coeficientes
El primero paso es determinar el nmero
el cual representa los das desde que fue
lanzado el producto al que se quiere determinar el pronstico. Este nmero se obtiene
utilizando la fecha ingresada en la interfaz de Reportes de la Figura 7.3, la Fecha Inicial
es igual a Fecha Final, y esta representa la fecha objetivo.
Una vez que se tiene la fecha se utiliza la ecuacin 7.1 para calcular el nmero . El
SKU del producto pertenece a una categora y banda de precio, a travs de una funcin
en VBA que recibe estas dos variables se determina el grupo al que pertenece el
producto, al saber el grupo se utiliza la tabla de coeficiente
asociada.
Escoger coeficientes

del

da

Al tener los nmeros

y , el grupo y la tabla asociada, se busca el coeficiente
en las tablas previamente creadas.
Calcular pronstico

para

da

Con la venta acumulada

y el coeficiente
2.1 para obtener el pronstico

calculado, se utiliza la ecuacin

Pronostico de venta para SKU

Los pasos anteriores calculan el pronstico para un producto en especfico, este
pronstico se itera para cada producto perteneciente a la cadena, proceso que toma un
tiempo mucho mayor en comparacin con el resto de los reportes que son casi
instantneos. En la tabla 7.4 se pueden ver los tiempos promedio que toma cada
cadena, para esto se utilizaron 12 productos cada uno perteneciente a un grupo
distintos.

Tabla 7.4: Tiempo que toma el clculo de Pronostico por Cadena

98

7.5

Dashboards

Como se explica en el captulo anterior, para disear los dashboards se utiliza

PowerPivot que permite crear grficos y tablas dinmicas mediante consultas a datos
contenidos en memoria.
Para crear tableros en PowerPivot primero se debe importar y actualizar la informacin
desde la base de datos donde las relaciones y formatos de las tablas son detectadas
automticamente. Una vez que se tienen los datos actualizados, se utiliza el creador de
filtros y componentes llamado Lista de Campos que se puede ver en la figura 7.4.

Figura 7.6: Lista de Campos de Grficos y Tablas en PowerPivot

La Lista de Campos de la figura 7.7 es parecida a la que se utiliza normalmente en
Excel para crear tablas dinmicas. La diferencia principal ya mencionada es que esta
puede trabajar con las columnas de base de datos como fuente de informacin.
La lista de campos utiliza diversos mtodos para visualizar y filtrar la informacin. La
explicacin y uso de estos se detalla en la implementacin de los Tableros ms
importantes de la herramienta entre ellos el Dashboard de Categoras y Dashboard de
SKUs.

7.5.1

Dashboard de Categoras

El objetivo de este Tablero es el de controlar las tiendas a nivel de Categora para tener
una visualizacin global de la situacin de cada cadena. Una captura de la interfaz se
puede ver en la figura 6.12, esta utiliza cinco Segmentadores o Slicers en columnas a la
derecha e izquierda de la figura.
99

Cada uno de estos Slicers representa una columna en una tabla de la base de datos
cada ttulo entre ellos Retail, Zona, Vendedores, Categora y Fechas pertenecen a las
tablas RETAIL, UBICACIN, POS, CATEGORIA y FECHA respectivamente.
Los Slicers tienen la finalidad de filtrar la informacin a visualizar en los grficos y
tablas. La figura 6.12 contiene una tabla con las ventas e indicadores de las tiendas que
ya estn filtradas por Retail Falabella, Zona Santiago, Tiendas solo con y sin
Vendedores, Categora Notebooks y semanas del Mes de Mayo.

Figura 7.7: PivotTable del Dashboard de Categoras

Los KPI del Dashboard que se pueden apreciar con ms detalles en la Figura 7.7 miden
diferentes elementos de las Tiendas de una cadena. Cada columna representa un
indicador el cual ha sido calculado utilizando el lenguaje de PowerPivot llamado DAX. A
las columnas se les puede asociar formatos condicionales como una tabla normal de
Excel, asignando colores sujetos a ciertas restricciones. La Tabla 7.8 contiene una
explicacin de los KPI y formulas asociadas, en donde cada uno utiliza un intervalo
especifico.

Figura 7.8: Formulas DAX de KPIs incluidos en Dashboard de Cumplimientos

Las funciones que utiliza el lenguaje son similares a Excel y utilizan la estructura
TABLA[Columna] para llamar a los valores de una columna. En el caso del grafico de
100

tendencia de la figura 6.12 la formula Unidades y Meta son utilizadas en el eje de las
ordenadas y la fecha de la semana para las abscisas.

7.5.2

Dashboards de POS

Este Dashboard tiene como objetivo tener un seguimiento de las ventas de productos y
bandas de precio para un grupo de tiendas o tiendas individuales. Una captura del
tablero se puede ver en la figura 7.9. Cada componente est relacionado con los Slicers
del Dashboard de Cumplimientos por lo que las tiendas pertenecen a la Cadena
previamente seleccionada, en este caso Falabella.

Figura 7.9: Dashboard de POS

Los KPI son similares a la tabla anterior, pero se incluye un ndice de crecimiento el cual
es el porcentaje de cambio en las ventas de la ltima semana con respecto al promedio
del periodo seleccionado en el tablero de Categora.
Sparklines las que son explicadas en el Captulo 2 apartado 2.2, son agregadas para
visualizar la tendencia en las bandas de precio en las tienda. Este tablero tiene varias
funciones entre ellas la creacin de Ranking de Productos a nivel de Retail y Tienda
para cualquier intervalo.

101

7.5.3

Dashboards de SKU

Este tablero tiene como objetivo tener un seguimiento de los productos, tanto en grupo
como individualmente. A modo de ejemplo la figura 7.10 muestra la situacin de la lnea
de Notebooks G42, para todas las tiendas de Falabella ms todas las restricciones que
previamente fueron seleccionadas. Tambin est la opcin de filtrar por tipo de
procesador como se ve en el Slicer de la izquierda.

Figura 7.10: Dashboard de SKU

102

8.

Pruebas del Prototipo

Se comenz a trabajar en el Diseo e Implementacin del prototipo en Enero del 2011 y

las pruebas comenzaron a ser realizadas a principios de Marzo del mismo ao. El
control de avances y pruebas se realiz en reuniones semanales los das lunes, estas
reuniones tenan como objetivo controlar y gestionar las ventas y cumplimientos en los
puntos de venta.
Durante cuatro meses se realizaron pruebas en la herramienta, en donde se
encontraron problemas de toda ndole. A continuacin se presentan las pruebas que se
realizaron en el prototipo, centrndose en el proceso ETL y la realizacin de reportes.
Adems los principales problemas presentados en el desarrollo son detallados.

8.1

Pruebas del sistema

La herramienta fue utilizada y probada inicialmente por el memorista durante un mes,

posteriormente el uso y las pruebas se realizaron en la empresa durante cuatro meses.
Cada lunes se mostraban avances y reportes a travs de un proyector, en estas
reuniones se reciba feedback de los empleados del rea de PSG. Las pruebas del
sistema se realizaron a medida que se iba desarrollando el prototipo, por lo que no
hubo un periodo exclusivo para probar la herramienta. Los errores arrojados tanto por el
cdigo como por datos incorrectos eran analizados y solucionados en el momento.
Los datos en una herramienta de BI son el componente principal y el Proceso ETL es el
elemento que alimenta de forma correcta este componente, por lo que su desarrollo es
de vital importancia. Las pruebas se enfocan al proceso ETL donde se utiliza una
metodologa basada en prototipos para pruebas de Almacenes de Datos que incluye
tcnicas de prueba tanto para el esquema multidimensional, el esquema fsico, el
componente que interacta con el usuario final y el proceso ETL, el cual ser analizado
a continuacin. Las etapas nombradas en el proceso de pruebas se pueden observar
en la figura C.1. en Anexos.

8.1.1

Proceso ETL

Las pruebas realizadas al proceso ETL se separan en pruebas funcionales, de

usabilidad y rendimiento. En cada una se utilizan mtricas especficas para su medicin.
8.1.11

Pruebas Funcionales

Las prueba funcionales consisten en verificar que el proceso cumpla con su objetivo,
para esto se requiere verificar la integridad de los datos y que estos sean de calidad. El
objetivo del proceso ETL en este caso es cargar, utilizando una estructura especfica, la
informacin de ventas de todas las cadenas en una base de datos consolidada. Se
realizaron consultas una vez cargados los datos y se compar manualmente con los
archivos de venta originales.
Se realizaron 10 pruebas en cada cadena y no se encontraron diferencias, por lo que se
puede concluir que no hubo informacin filtrada ni tampoco hubo diferencias en los
103

valores ni formatos. Este anlisis se realiz comparando solo el nmero de unidades

vendidas y stock en cada tienda, dejando fuera el anlisis de los precios.
8.1.12

Pruebas de Usabilidad

La prueba de usabilidad consiste en determinar cuntas veces hubo intervencin

humana para completar la peridica carga de datos. Ingresar productos al sistema
implica que el usuario tenga que realizar un paso manual el que toma un cierto tiempo,
as como tambin corregir el formato del archivo que fue enviado de forma incorrecta.
Ambos aspectos fueron considerados para la prueba de usabilidad y el intervalo de
prueba corresponde a 4 meses o un total de 17 semanas.
Las cadenas fueron ordenadas en orden de importancia en Ventas y los resultados se
pueden observar en la figura 8.1. La primera mtrica corresponde al promedio del
nmero de productos que se encontraron semanalmente y el promedio del nmero de
errores encontrados en los archivos de venta. La segunda mtrica corresponde al
porcentaje de registros en donde hubo que ingresar al menos un producto y al
porcentaje de errores encontrados semanalmente.

Tabla 8.1: Registro de nuevos productos y errores en formato de archivo de ventas.

El porcentaje de veces que se encuentran nuevos productos pareciera ser el mismo
para todas las cadenas. Aunque si existe una variacin en el nmero de productos
encontrados donde se puede observar que este nmero tiene relacin con el tamao
del Retail. Tambin se puede ver que los errores en los archivos de venta obtenidos del
B2B son nulos y los obtenidos por mail a travs del mayorista, aunque sean pequeos,
presentan problemas ocasionalmente en su estructura.
8.1.13

Pruebas de Rendimiento

La prueba de rendimiento consiste en la medicin del tiempo que toma la correcta carga
de archivos, utilizados en las cadenas, las metas mensuales, la estructura de
vendedores y el ingreso de nuevos productos. Se realizaron 30 pruebas para cada tem
104

en donde se midi el tiempo que toma cada carga, el resumen se puede ver en la figura
8.2.

Tabla 8.2: Tiempo que toma cada carga de archivo

El tiempo total que toma a un usuario cargar todos los archivos a la base de datos,
considerando intervalos de 10 segundos, es de 2,5 minutos. Lo que es razonable
considerando la cantidad de das que requera recopilar y procesar la informacin.

8.1.2

Reportes y PowerPivot

Originalmente la herramienta seria programada utilizando solo Excel, Access y Visual

Basic para Aplicaciones. A medida que se avanz en el desarrollo del prototipo se
presentaron nuevos requerimientos que Excel no poda cumplir, entre ellos los
Dashboards Dinmicos. PowerPivot se lanz oficialmente a fines del 2010 casi de
forma simultnea a la fecha de realizacin de esta memoria, el aporte de esta extensin
a Excel permiti al prototipo de Inteligencia de Negocios cubrir con creces las
expectativas que se tenan inicialmente.
Durante un mes se recopilo informacin, realizaron pruebas y se familiarizo con
PowerPivot. A pesar de ser algo nuevo, el programa es muy familiar y se encontr
mucho material de apoyo por lo que no hubo complicaciones para aprender a utilizarlo.
No hubo problemas en el funcionamiento, aunque si en el rendimiento del Add-In ya
que la falta de memoria en algunos equipos fue la principal causa de fallas y demoras.
Los problemas en la usabilidad se manifestaron de dos formas, PowerPivot requiere
conectarse a una base de datos y esta direccin a la fuente debe cambiarse
manualmente, lo que impeda a muchos actualizar los Dashboards. El segundo
problema manifestado en el uso de PowerPivot es que este requiere de varias
actualizaciones de Windows las que no siempre estn instaladas en los equipos.
El Prototipo no funciona en Excel de 64bits ya que la mayora de los Mdulos y
Funciones requieren modificaciones importantes en el cdigo VBA.

105

8.2

Problemas Presentados

En el siguiente subcaptulo se presentan los principales problemas que se presentaron

en el desarrollo del prototipo. Los ms relevantes son nombrados y estos se separan en
tres grupos explicados a continuacin.

8.2.1

Datos Histricos

Al inicio del proyecto antes de saber de la existencia de PowerPivot y debido a que los
requerimientos de la empresa eran ambiguos, la herramienta se comenz a construir
para almacenar y entregar informacin mensual. Debido a que los pagos se realizaban
mensualmente este era el requisito primordial a solucionar.
La primera versin del prototipo no utilizo una base de datos para almacenar la
informacin, debido al poco espacio que requera almacenar datos mensuales, se us
hojas Excel para almacenar la informacin de ventas de las cadenas. A medida que los
requerimientos y necesidades de la empresa crecieron, indicadores mensuales no
proporcionaban valor en el momento, por lo que se dise una base de datos en
Access.
Los productos tuvieron el mismo problema, la herramienta inicialmente entregaba
reportes de cumplimientos y pagos, pero utilizaba reportes solo a nivel de categora. La
gestin del SKU por cadena no estaba incluida, por lo que simultneamente al cambio
semanal, los datos empezaron a ser guardados a nivel SKU.

8.2.2

Cambios en los Requerimientos

El cambio constante en los requerimientos de la herramienta fue la principal

problemtica en el diseo e implementacin del prototipo. Hubo un total de 26
reuniones semanales donde se prob el sistema en la empresa y ms de 40 versiones
del prototipo antes de llegar a la versin final. Este cambio en los requerimientos se
present repetidamente e incluso el manual asociado a la herramienta tuvo que ser
modificado varias veces.
Entre los cambios ms importantes se encuentra la incorporacin de un nuevo tipo de
meta por procesador y a la incorporacin de un nuevo foco. Al comenzar a desarrollar la
herramienta se dio por hecho que estas variables serian constantes, por lo que no se
pens en una posible expansin. Los cambios requeran modificar gran parte del cdigo
por lo que fue difcil adaptarse a este nuevo requerimiento.
Los pagos en la mitad del proyecto pasaron de discretos a continuos como se explica
en la situacin actual, por lo que los clculos involucrados debieron ser cambiados
completamente. Los B2B no incluyen los accesorios de HP ya que son los mayoristas
los encargados de su control, en Marzo se decidi agregar a los cumplimientos un peso
de un 20% a los Accesorios vendidos, pero estos no estaban incluidos en los datos, por
lo que fue un problema modificar su incorporacin.

106

8.2.3

Incompatibilidad

Inicialmente un 100% de los usuarios en la empresa y la agencia utilizaba Office 2007,

debido a que la herramienta fue desarrollada en Office 2010 hubo problemas de
compatibilidad, esto provoco que muchas de las caractersticas visuales programadas
en VBA como colores y nombres de formatos no fueran compatibles. Con la
incorporacin de PowerPivot al prototipo, solucionar la incompatibilidad fue descartada,
por lo que los usuarios debieron migrar al nuevo Office 2010 proporcionado de forma
gratuita por HP.
Muchos de los reportes creados inicialmente cumplan las expectativas para un grupo
de usuarios. Por ejemplo los RAM necesitan ver los KPIs en puntos, ya que con eso se
manejan los vendedores. En cambio los KAM se manejan con unidades ya que de esa
forma controlan sus metas, finalmente ambas opciones fueron implementadas.

8.3

Ventajas

La cantidad de individuos involucrados en la creacin de reportes inicialmente consista

en 17 usuarios entre ellos los KAMs de cada cadena, Supervisores de las Zona y otros
gerentes. El rediseo ha permitido que las mismas actividades relacionadas con los
reportes hayan sido disminuidas al uso de solo 9 individuos, entre ellos un encargado
de reportes y los 7 KAMs.
Como se detall en los captulos anteriores los procesos asociados a la creacin de
reportes llegaban a durar desde varios das hasta 1 semana. Actualmente la
herramienta presenta reportes en tiempos del orden de segundos y minutos, donde la
mayor prdida de tiempo est relacionada con la acumulacin de datos, tarea que
depende de personas y no del prototipo. Como se ve en la figura 2.4 son las personas
las que pueden optimizar el futuro funcionamiento del sistema.
La herramienta ha permitido la entrega de informacin que ha facilitado la visualizacin
del negocio desde otra perspectiva, considerando el clculo de nuevos indicadores
nunca antes obtenidos debido a la falta de organizacin y unificacin de datos de venta
y Forecast. As tambin los datos necesarios para tomar decisiones se obtienen a una
mayor tasa ya que potenciales problemas son detectados rpidamente con el uso de
Dashboards dinmicos que acceden a informacin histrica de la empresa.

107

9.

Conclusiones

En el siguiente trabajo se ha logrado dar una solucin completa y rentable a la principal

problemtica de una empresa de tecnologa que opera en el Retail Chileno. Inicialmente
se tiene una compaa sin las herramientas necesarias para tomar decisiones optimas
sobre los Puntos de Venta y Fuerza de Venta, debido principalmente a la dispersin de
datos entre las diferentes cadenas, falta de control y organizacin en los procesos que
no son apoyados por ningn sistema de informacin que pueda automatizar la creacin
de reportes de gestin.
La solucin proporcionada consiste en el diseo e implementacin de una herramienta
de autoservicio de Inteligencia de Negocios, que permite a empleados sin
conocimientos en tecnologa o administracin de datos crear reportes personalizados
segn sus necesidades.
Al tener acceso a los recursos de la empresa y contacto directo con los usuarios
involucrados, se pudo obtener informacin de primera y detectar son mayor facilidad las
principales necesidades de la empresa, en especfico el rea de consumo personal e
impresin. Para lograr el objetivo se levant la situacin actual y los procesos
involucrados en la creacin de reportes, los que posteriormente fueron rediseados
donde indicadores claves de desempeo fueron definidos para ser incorporados en
tableros de control o Dashboards.
Entre las diferentes contribuciones que este proyecto proporciona a la empresa se
encuentra un ahorro en el tiempo perdido en la recopilacin de datos y a la creacin de
reportes, donde estos ahora toman segundos o minutos en comparacin con los das
que requeran inicialmente.
Los reportes ahora poseen una estructura estndar y de los 17 usuarios involucrados
ahora son solo 9, esta liberacin de recursos permite minimizar el tiempo malgastado y
demoras en el proceso. Los clculos involucrados fueron automatizados a travs de la
herramienta desarrollada, eliminando tareas duplicadas que eran realizadas por
distintas reas, donde tambin se eliminaron riesgos de dependencia.
La incorporacin de modelos de pronsticos a los productos reemplazo el mtodo
actual que consista en proyecciones lineales, lo que mejor considerablemente la
capacidad para analizar tendencias. El mtodo utilizado entrega pronsticos un poco
lejanos para algunos productos, pero en otros casos en donde se tienen mayores datos
hay variaciones de solo un 5% con la realidad.
Herramientas de inteligencia de negocios para la visualizacin de reportes han
emergido rpidamente por el aumento en la capacidad de procesamiento y recopilacin
de datos. A travs de este proyecto el memorista puede concluir que el diseo de los
Dashboards, los encargados de transmitir grandes cantidades de informacin, son
fundamentales para facilitar la visualizacin efectiva. A travs de una buena agrupacin
de KPIs y diseo, el usuario con poco esfuerzo logra entender caractersticas
108

inherentes en los datos que pueden ser casi imposibles de detectar mediante otros
mtodos, apoyando as, una toma de decisiones eficientes.
A travs de esta herramienta de autoservicio la toma de decisiones se ha acelerado y
hecho ms eficiente. Ahora el usuario comn puede realizar gestin a travs de una
plataforma conocida como lo es Excel, evitando que la empresa incurra en costos
adicionales de licencia para aplicaciones de inteligencia de negocios.

9.1

Restricciones y Limitaciones

Al ser el sistema desarrollado en este trabajo un prototipo, este no est exento de

restricciones o limitaciones, las cuales son nombradas a continuacin:

9.1.1

Numero de Cadenas

La implementacin del Prototipo se realiz para siete Retails dejando fuera a algunas
cadenas como WallMart, Cencosud, CGE y PCFactory. Esto por un tema de alcances
en la memoria en donde no se dispona de suficiente tiempo. Adems era necesario
priorizar y eliminar las cadenas que representan un menor volumen en las ventas y
porque los archivos asociados no se reciban con la misma periocidad ni tenan el
mismo formato todas las semanas, dificultando as la creacin del proceso ETL.

9.1.2

Extraccin Manual

Con respecto a la extraccin de los archivos de venta, el proceso ETL no est

completamente automatizado ya que los archivos del B2B del Tier 1 y 2 con cargados
manualmente. Estos podran haber sido accedidos remotamente pero la automatizacin
de este proceso se dificulta ya que cada Retail utiliza un sistema diferente y no todas
las cadenas utilizan portales en lnea. Adems se requiere incorporar las claves de las
bases de datos de las cadenas a la herramienta y la empresa no estaba dispuesta a
correr estos riesgos.

9.1.3

Intervalo de Ponderaciones

Aunque la ponderacin de cada tienda en una cadena no tiene considerables

variaciones durante el ao, para su clculo, paso necesario para obtener las metas de
la tienda, se utiliz solo las ventas del mes anterior. Un estudio ms acabado que
incorpore diversos periodos y variables externas a la variacin del peso de la tienda
puede haberse considerado.

9.1.4

Ingreso de Productos

Los nuevos productos detectados en los archivos de venta son ingresados

manualmente y aunque el SKU pudiera ser ingresado automticamente al sistema este
debe ser asociado al cdigo estndar que HP utiliza en sus productos. Realizar una
comparacin entre el nombre que utiliza la cadena y el nombre del producto en el
sistema podra ser una solucin, pero aun as este tendra que ser inspeccionado antes
de ser ingresado.
109

9.1.5

Metas por Cadenas

La meta por cada cadena es un dato externo que se recibe mensualmente y para su
clculo se utiliza la misma fuente de informacin contenida en la herramienta. El
prototipo debiera por lo tanto ser capaz de calcular las metas por s solo utilizando el
mtodo de pronstico propuesto. El problema surge porque la mayor parte de las metas
se asigna a nuevos productos y consideran variables no incorporadas en el prototipo,
entre ellas el Market share, promociones y opiniones de expertos.

9.1.6

Requerimientos No Incorporados

Muchos de los requerimientos que busca la empresa no fueron integrados al prototipo

principalmente para poder terminar un prototipo funcional en el tiempo delimitado por la
memoria. Entre ella los datos de entrenamientos y asistencias, exhibicin y
promociones, caractersticas mviles y Market Share.

9.1.7

Valores Inexactos

El B2B de cada cadena aunque contenga datos directamente del sistema estos no son
exactos y presentan varios problemas. Muchas de las ventas se demoran en aparecer
en el sistema, esto provoca que a la hora de los pagos, los vendedores encuentren
incoherencias con sus propios clculos. Muchos valores negativos que representan
devoluciones por ejemplo o a veces no tienen un significado claro provocan que los
KPIs asociados tambin sean negativos, alejndose as de la realidad.

9.1.8

Omisin de Productos

Funcionalmente la herramienta cumple todos sus objetivos, pero algunos de los

productos que vende la empresa, llamados productos comerciales como por ejemplo el
Netbook 100E, no se vende por sistema y no aparece en el B2B. Esto afecta
directamente todos los Indicadores de Desempeo de la tienda, por lo que
necesariamente se deben realizar correcciones manuales si hay informes importantes
que deben incluir estos productos como los pagos. En todo caso estos productos que
no estn en sistema son ignorados en las metas.

9.1

Trabajo Futuro

Entre las extensiones que se pueden incluir en el prototipo, estn todos los
requerimientos que se detallaron en el Captulo 5. La herramienta debiera trabajar con
una base de datos en SQL Server y no en un archivo Access, para as permitir que
datos adicionales puedan ser cruzados, como el input en lnea. Una base de datos en la
web permite un mayor control y accesibilidad.
La base de datos utilizada en el prototipo contiene datos del rea de PSG e IPG, esta
podra abarcar datos de otras reas de la empresa, para armar un Almacn de Datos y
entregar reportes ms completos. Se tiene que la estructura de datos no sigue ninguna
regla por lo que se podran utilizar el concepto de diagrama estrella o granularidad que
reduciran el tiempo de acceso y espacio en disco.
110

Como fuente de archivos de venta se utilizan solo las cadenas nombradas, podran
incluirse el resto de los Retail y tener como Input fuentes de mayoristas para comparar
resultados o incoherencias.
El mtodo propuesto de pronstico incorpora solo las categoras actuales que utiliza
HP, por lo que se propone que se utilicen tcnicas de agrupacin ms completas como
Clustering y Data Mining. Esta herramienta adems utiliza los formatos de archivos de
las cadenas ms importantes del Pas, el proceso ETL de la herramienta puede
funcionar en cualquier empresa que venda productos a travs de estos Retails. Por lo
que cualquier empresa que ya posea Excel puede bajar PowerPivot e implementar una
solucin completa de Reporting.
Para sacar mayor provecho a los potentes tableros de gestin de PowerPivot se
propone que el prototipo sea implementado en la web utilizando SharePoint 2010 y SQL
Server 2008 R2. Una vez creados los Dashboards para Excel estos se suben
manualmente para que as puedan ser visualizados en Lnea.

111

Bibliografa
[1] B. Rogers, S. Merlin y F. Bryan, Integrating the value of salespeople and systems: Adapting the
benets dependency network, 2008.
[2] Apesoft, 10 hidden cost of manual reporting in Excel and what you can do about them, 2010.
[3] L. Customers Incorporated, Achieving Sales Effectiveness with Sales Workflow Management,
2006.
[4] S. Limam y H. Reijers, Best practices in business process redesign: validation of a redesign
framework, Computers in Industry, Eindhoven, 2005.
[5] CSG Professional Services Inc., Rapid Requirements Discovery for Business Intelligence, 2007.
[6] E. Merlo, S. Rios, L. Gaston y J. Velsquez, Identificacion de comunidades de Copia en Instituciones
Educacionales mediante el analisis de redes sociales sobre documentos digitales, Universidad de
Chile, Facultad de Ciencias Fisicas y Matematicas, Departamento de Ingenieria Industrial, Santiago,
2010.
[7] M. Golfarelli y S. Rizzi, Data warehouse testing: A prototype-based methodology, University of
Bologna, Bologna, 2010.
[8] Microsoft, Business Intelligence in SharePoint Server 2010, Microsoft, 2010.
[9] U. Fayyad, G. Piatetsky-Shapiro y P. Smyth , From Data Mining to Knowledge Discovery in
Databases, American Association for Artificial Intelligence, 1996.
[10] N. Kerdprasop y K. Kerdprasop, Moving Data Mining Tools toward a BusinessIntelligence System,
International Journal of Electrical and Computer Engineering 2:6, 2007.
[11] C. Hsinchun, Business and Market Intelligence 2.0, IEEE Computer Society, Arizona, 2010.
[12] M. Ritacco y A. Carver, The Business Value of Business Intelligence, 2007. [En lnea]. Available:
www.businessobjects.com. [ltimo acceso: 05 07 2010].
[13] G. Pagels-Fick, Business Intelligence. Om organisation, metoder och tillmpning, Stockholm:
Industrilitteratur, Sweden, 2008.
[14] K. Lundqvist, Tools for Business Intelligence, Mid Sweden University, 2010.
[15] Forrester Consulting, Integrated and Flexible Business Intelligence Solutions Are Vital for Better
Business Solutions, Forrester, 2010.
112

[16] S. Westling, Business Intelligence: A way to get in control of your Data, Mid Sweden Univerity,
2008.
[17] P. Westerlund, Business Intelligence: Multidimensional Data Analysis, Umea Universitet, Suecia,
2008.
[18] P. W. Farris, N. T. Bendle, P. E. Pfeifer y D. J. Reibstein, Marketing Metrics: The definitive Guide To
measuring marketing performance, Wharton School Publishing, 2010.
[19] S. Jinfonet, Five Requirements for Choosing a Web Reporting Platform, 2008.
[20] K. Navpreet, Analytics Warehouse/Business Intelligence Solution, MaasMedia, 2010.
[21] Gartner, Market Share Analysis: Business Intelligence, Analytics and Performance Management,
Worldwide 2010., 2011.
[22] N. Gutierrez, Establishing a Business Intelligence (BI) Self Service Platform Part I, Infosys, 2006.
[23] S. Harinath, R. Pihlgren y D. Guang-Yeu Lee, Professional Micrososft PowerPivot for Excel and
Sharepoint, Wiley Publishing, Inc., Indianapolis, IN 46256, 2010.
[24] L. H. Bibiano, E. Mayol y J. A. Pastor , Role and Importance of Business Processes in the
implementation of CRM systems, Facultat dInfomtica de Barcelona, Universitat Politcnica de
Catalunya., 2007.
[25] D. Vasquez, La importancia de los procesos de negocio en las IT, Departamento de Servicios
Computacionales de Monterrey, 2007.
[26] M. Castellanos, A. K. Alves de Medeiros, J. Mendling, B. Weber y A. J. M. M. Weijters, Business
Process Intelligence, de Handbook of Research on Business Process Modeling, IGI Global, 2009, pp.
467-491.
[27] C. White , A Process-Centric Approach to Business Intelligence, 2006. [En lnea].
[28] Bizagi, 2008. [En lnea]. Available: http://www.bizagi.com/eng/downloads/BPMNbyExample.pdf.
[ltimo acceso: 11 04 2011].
[29] E. Tufte, The Visual Display of Quantitative Information, Graphics, 2001.
[30] T. Ahokas, Information Visualization in a Business Decision Support System, Helsinki: University of
Helsinki - Department of Computer Science, 2008.
[31] S. Few, Information Dashboard Design: The Effective Visual Communication of Data, O'Reilley, 2006.

113

[32] S. Few, Why Most Dashboards Fail, Perceptual Edge, 2007.

[33] S. Few, Now You See It: Simple Visualization Techniques for Quantitative Analysis, 2009: Analytics
Press.
[34] M. H. Fischer, Applied Cognitive Psychology, de Do irrelevant depth cues effect the comprehension
of bar graphs?, 2000, pp. 152-162.
[35] S. Nojek, P. Britos, B. Rossi y R. Garcia, Pronstico de Ventas: Comparacin de Prediccin basada en
Redes, Reportes Tcnicos en Ingeniera del Software. Vol 5(1), Buenos Aires, 2003.
[36] X. Xian-hao y S. Qi-zhi, Forecasting for Products with short life cycle based on improved Bass
Model., Wuhan, 2007.
[37] J. Hilera y V. Martinez, Redes Neuronales Artificiales. Fundamentos, modelos y aplicaciones, Madrid:
Ra-ma Editorial, 1995.
[38] E. Toro, D. Mejia y H. Salazar, Pronostico de Ventas usando redes neuronales, Scientia et Technica
Ao X, No 26, Pereira, 2004.
[39] K. Tanaka, A sales forecasting model for new-released and nonlinear sales trend products, 2010.
[40] C. White, The Need for Easier and Lower Cost Business Intelligence, 2007. [En lnea]. Available:
http://www.b-eye-network.com/view/6038. [ltimo acceso: 03 07 2010].
[41] E. Tufte, Beautiful Evidence, Graphics Press, 2006.
[42] W. van der Aalst, A. ter Hofstede y M. Weske, Business process management: a survey, Lecture
Notes In Computer Science 2678, 2003.

114

Anexos
Anexo A
Las distintas tiendas en Santiago en donde HP ofrece sus productos, se pueden
observar a continuacin.
RM Centro
RM Oriente
RM Poniente

Figura A.1: Ubicacin POS en Santiago por Zona

115

Anexo B1
La herramienta desarrollada en Brasil fue hecha por una Agencia externa, y utiliza
simplemente grficos en Excel y una base datos externa.

Figura B.1: Tendencia Ventas Wallmart Brasil

116

Anexo B2
La herramienta en Lina desarrollada en Mxico por HP y la Agencia externa, mide las
ventas y stock de los POS en el pas. Este sistema es una aplicacin Web que utiliza
AJAX y se puede observar en la siguiente captura.

Figura B.2: Tendencia Wallmart Mexico

117

Anexo C
El ciclo de metodologas basada en pruebas para prototipos de almacenes de datos,
contiene diferentes etapas, estas se pueden observar en la siguiente figura.

Figura C1: Proceso de Pruebas para prototipos de almacenes de datos.

118