a
Equa ion Chap e 1 Sec ion 1
T abajo de Fin de Más e
Más e Uni e si a io en Ingenie ía Indus ial
Análisis de Da os y Toma de Decisiones U ilizando
una He amien a de Business In elligence: Tableau.
Au o : Amalia Ga cía-Vellido San ías.
Tu o : Vicen e González-P ida Díaz
z
Dp o. O ganización Indus ial y Ges ión de Emp esas I
Escuela Técnica Supe io de Ingenie ía
Uni e sidad de Se illa
d
Se illa, 2020
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
iii
T abajo de Fin de Más e
Más e Uni e si a io en Ingenie ía Indus ial.
Análisis de Da os y Toma de Decisiones U ilizando
una He amien a de Business In elligence: Tableau.
Au o :
Amalia Ga cía-Vellido San ías
Tu o :
Vicen e González-P ida Díaz
P o eso In e ino
Dp o. de O ganización Indus ial y Ges ión de Emp esas I
Escuela Técnica Supe io de Ingenie ía
Uni e sidad de Se illa
Se illa, 2020
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
T abajo de Fin de Más e : Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business
In elligence: Tableau.
Au o :
Amalia Ga cía-Vellido San ías
Tu o :
Vicen e Gónzalez-P ida Díaz
El ibunal nomb ado pa a juzga el P oyec o a iba indicado, compues o po los siguien es miemb os:
P esiden e:
Vocales:
Sec e a io:
Acue dan o o ga le la cali icación de:
Se illa, 2020
El sec e a io del T ibunal

Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
ii
A mi amilia po su apoyo
incondicional du an e es os años
de es udio
A mis p o eso es, po da me las
he amien as necesa ias pa a
culmina con éxi o es a e apa.
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
ix
Resumen
En la ac ualidad, los da os manejan el mundo, es os se usan en odos los sec o es y en cualquie ipo de
emp esa. El p incipal obje i o: mejo a el endimien o y la es a egia de las compañías.
Den o del sec o Re ail, los supe me cados manejan una g an can idad de da os. El hecho de conoce lo que
és os esconden, es un pun o de pa ida in e esan e pa a desa olla en ajas compe i i as que pe mi an
man ene y aumen a la base de clien es y, más impo an e aún, ideliza al comp ado . Po ese mo i o,
en es e T abajo de Fin de Más e se u iliza una he amien a de Business In elligence pa a pone en p ác ica
la capacidad de ans o ma da os en conocimien o, ob ene conclusiones y descub i , en de ini i a, qué se
esconde as ellos siendo capaces de oma decisiones a pa i de los da os es udiados.
En es e documen o se p esen an, en p ime luga , los obje i os, la es uc u a del abajo y una in oducción
en la que se pone en con ex o el mundo del Business In elligence y los p incipales so wa es disponibles en
es e campo. A con inuación, se alida la he amien a con una aplicación a la Ma iz BCG y, inalmen e, se
ealiza un es udio comple o, con una base de da os eal, en el que se analizan di e sos aspec os del negocio,
dando una isión comple a a la ma e ia median e su aplicación al caso de la base de da os de un supe me cado.
Po úl imo, se exponen las conclusiones ex aídas as la ealización de es e abajo, y se incluye un Anexo
donde se explican en de alle odas las ca ac e ís icas y po encialidades de Tableau, la in e az u ilizada.
Figu a 33: Dashboa d ma iz BCG 29
Figu a 34: Jus i icación elección Da ase 31
Figu a 35: Ca pe a con la base de da os y pd . 32
Figu a 36: Unión de las es ablas de da os. 32
Figu a 37: Conexión a la base de da os. Pa e 2. 41
Figu a 38: Conexión a la base de da os. Pa e 2. 41
Figu a 39: Clasi icación de los descuen os. 44
Figu a 40: Asignación pale a colo es. 45
Figu a 41: Dis ibución de unidades endidas en las ca ego ías. 46
Figu a 42: Unidades endidas po subca ego ía. 47
Figu a 43: Unidades endidas según ma ca y ca ego ía. 47
Figu a 44: Dashboa d. Análisis ca ego ías y ma cas I 48
Figu a 45: Dashboa d Análisis ca ego ías y ma cas II 48
Figu a 46: Dashboa d Análisis ca ego ías y ma cas III 49
Figu a 47: Dashboa d Análisis ca ego ías y ma cas IV 49
Figu a 48: Desempeño ma ca blanca en las ca ego ías. 50
Figu a 49: Rango p ecios en e ca ego ías. 51
Figu a 50: Unidades endidas según el ango de descuen o. 52
Figu a 51: P omedio unidades endidas según ango de descuen o. 52
Figu a 52: unidades endidas según descuen o y ca ego ía. 53
Figu a 53: Dashboa d p omedio unidades endidas según ango de descuen o. 54
Figu a 54: Dashboa d il ado pa a p oduc os sin descuen o. 54
Figu a 55: Dashboa d il ado pa a p oduc os con más de un 50% de descuen o. 55
Figu a 56: E ec os combinados de los es e ec os. 56
Figu a 57: Dashboa d e ec o TPR, DISPLAY, FEAUTURE. 56
Figu a 58: E ec o Descuen o. 57
Figu a 59: E ec o Descuen o en cada ca ego ía. 57
Figu a 60: Fil o po campo en un g á ico. 58
Figu a 61: Top 10 Í ems endidos po ienda 58
Figu a 62: Análisis po í em: Tendencia y p onós ico I. 59
Figu a 63: Análisis po í em: Tendencia y p onós ico II. 59
Figu a 64: In e acción con el Dashboa d. 60
Figu a 65: Análisis í ems menos endidos, endencia y p onós ico. 60
Figu a 66: Dashboa d ac u ación mes y ca ego ía. 61
Figu a 67: Dashboa d ac u ación mes y ca ego ía con il o. 61
Figu a 68: G á ico iendas po es ado. 62
Figu a 69: Top 10 ciudades mayo ac u ación. 63

Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
x ii
Figu a 70: Dashboa d análisis geog á ico con il o. 64
Figu a 71: Rep esen ación en Tableau de medidas y dimensiones 70
Figu a 72: G á ico de ba as II 71
Figu a 73: G á ico de ba as apiladas. 72
Figu a 74:G á ico de líneas en Tableau II. 72
Figu a 75: Mapa elleno. 73
Figu a 76: Mapa de símbolos. 74
Figu a 77: Mapa de densidad. 74
Figu a 78: Fil os I. 75
Figu a 79: Diag ama de ba as en o den descenden e. 77
Figu a 80: Diag ama de ba as esal ado. 77
Figu a 81: Base da os hospi al, iempo obje i o po especialidad. 78
Figu a 82: combinación uen es da os. 78
Figu a 83: Diag ama de bala. 79
Figu a 84: Va iación diag ama de ba as. 80
Figu a 85: Fechas. 80
Figu a 86: Pa e de echa. 81
Figu a 87: Valo de Fecha. 81
Figu a 88: Combinación campos de Fechas. 82
Figu a 89: Mapa de calo . 82
Figu a 90: Ba as apiladas. 83
Figu a 91: Mapa de á bol. 84
Figu a 92: Diag ama de á ea. 84
Figu a 93: Diag ama de á ea elleno. 85
Figu a 94: Diag ama ci cula . 85
Figu a 95: Diag ama con cí culos. 86
Figu a 96: Diag ama de caja y bigo es. 87
Figu a 97: His og ama. 87
Figu a 98: Diag ama de dispe sión. 88
Figu a 99: Eje doble. 89
Figu a 100: Base de da os. 90
Figu a 101: C ea un campo calculado. 90
Figu a 102: Base de da os alquile acacional. 91
Figu a 103: Cálculo a ni el de ila. 92
Figu a 104: Cálculo a ni el ila en la base de da os. 92
Figu a 105: Cálculo ag egado. 92
Figu a 106: Cálculo ag egado. 93
Figu a 107: Cálculo ag egado. 93
Figu a 108: Ni el ila s ag egado. 94
Figu a 109: Cálculo a Ni el ila 94
Figu a 110: Cálculo Ag egado. 95
Figu a 111: Cálculos de abla ápidos. 95
Figu a 112: Cálculos de abla ápidos II. 96
Figu a 113: abla, panel y celda 97
Figu a 114: Di eccionamien o y pa ición. 97
PRÓLOGO.
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
xix
El So wa e que se u iliza en es e documen o despe ó mi cu iosidad sob e el campo del Business In elligence
(BI), ya que a a és de él ui conscien e an o de la impo ancia que es á cob ando es e sec o en la ac ualidad,
como de que la can idad de da os p oducidos, u ilizados y almacenados c ece día as día. Es o se debe, en
p ime luga , a que cada ez son más usua ios a ni el mundial los que ienen acceso a In e ne desde
o denado es, able as o elé onos y, en segundo luga , a que odos los disposi i os conec ados a dicha ed son
capaces de en ia , ecibi y gene a da os. Es po ello que se deben c ea nue as écnicas analí icas pa a que
las g andes can idades de da os gene ados puedan se adminis ados de mane a e icien e.
Po es e mo i o, decidí o ma me en es e ámbi o y he ealizado dos cu sos online.
El p ime o de ellos, lo ealicé con el obje i o de ap ende a u iliza el so wa e Tableau, a a és de Udemy.com,
una pla a o ma de ap endizaje en línea (udemy, s. .), que o ece una g an a iedad de cu sos de dis in as
emá icas.
El cu so se llama: “Análisis de da os y isualizaciones con Tableau” y ue impa ido po Se gio LLobe ,
Analis a y expe o en isualización de da os.
Figu a 1: Cu so Análisis de da os Tableau. (udemy, s. .)
Adicionalmen e, ealicé un cu so o icial impa ido po Tableau So wa e: “Desk op I: Fundamen als o
Tableau” 10/2018.
Figu a 2: Ce i icación O icial Tableau
En esumen, al elegi una he amien a de BI desconocida pa a mí, ha sido necesa io ealiza una o mación
especí ica pa a pode lle a a cabo algunos de los obje i os que se mencionan en el siguien e capí ulo.
amalia ga cía- ellido
has comple ed
Desk op I: Fundamen als o Tableau 10 / 2018
o e ed by
Tableau So wa e
Issued: Oc obe 1, 2019
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
1
OBJETIVO Y ESTRUCTURA DEL TRABAJO.
El p opósi o de es e T abajo de Fin de Más e es u iliza una de las he amien as más popula es en el ámbi o
de la In eligencia Emp esa ial, con idea de alida y pone en p ác ica la capacidad de és a pa a ans o ma
da os, ob ene conclusiones y descub i qué se esconde as dichos da os, de modo que se puedan oma
decisiones a pa i de ellos.
Dado lo gene al de es e p opósi o, la inalidad de es e T abajo se puede aduci en los siguien es Obje i os
Pa icula es:
1. Analiza las he amien as de BI que hay en el me cado.
2. Jus i ica la selección de Tableau pa a el análisis de da os.
3. Re isa las po encialidades de la he amien a.
4. Desa olla un caso p ác ico de alidación de la he amien a pa a el análisis de da os y la oma
de decisiones.
El documen o se ha es uc u ado como sigue:
• En p ime luga , se si úan el análisis de da os y la in eligencia emp esa ial en la sociedad, poniendo en
alo la impo ancia de sabe modela y ansmi i los descub imien os ealizados median e
isualizaciones. En esa misma sección, se ealiza una b e e compa ación a modo de e isión de la
li e a u a, en e los p incipales so wa es de isualización de da os, y se exponen los mo i os que han
lle ado a elegi Tableau en e a los o os mencionados. (Capí ulo 1: La In eligencia de Negocios).
• T as pone en con ex o los mo i os pa a u iliza Tableau, se analiza cómo es el ciclo del análisis y la
conexión a los da os con es e so wa e, un paso muy impo an e al abaja con Tableau, poniendo el
oco en los Dashboa ds o Cuad os de Mando, que son la he amien a de comunicación de la
in o mación y los descub imien os ealizados a pa i de los da os. Es impo an e desa olla cie a
habilidad c eando Dashboa ds, ya que és os deben se cla os y limpios pa a que la in o mación se
ansmi a de la mejo o ma. (Capí ulo 2: Análisis de da os con Tableau).
• El siguien e apa ado p e ende señala las po encialidades que o ece Tableau, aplicándolo a un
p oceso de c ecimien o es a égico, usando la ma iz BCG (Capí ulo 3: Aplicación de la he amien a
a un p oceso de ges ión es a égica).
• Una ez se ha is o como es el so wa e y las uncionalidades y opciones que apo a, se lle a a cabo
un caso de es udio con una base de da os eal de una cadena de supe me cados en EE. UU. (Capí ulo
4: Caso de Es udio: B eak as a he F a ).
• Pa a inaliza es e T abajo de Fin de Más e , se exponen las conclusiones de los esul ados ob enidos
as el análisis de la base de da os y posibles mejo as o línea de abajo u u o. (Capí ulo 5:
Conclusiones).
• Se ha c eído con enien e inclui , además, un apa ado de Anexo que con iene odo lo elacionado con
la in e az de Tableau, los ipos de g á icas que se pueden ob ene y las uncionalidades y aplicaciones
pa a saca el máximo pa ido al so wa e. (Anexo: La in e az de Tableau).

Obje i o y es uc u a del abajo.
2
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
3
1 LA INTELIGENCIA DE NEGOCIOS.
La In eligencia de negocios (o In eligencia Emp esa ial) es un é mino que incluye las aplicaciones, la
in aes uc u a y las he amien as, así como las p ác icas ecomendadas que o o gan acceso a la in o mación
y que pe mi en analiza la.
La in eligencia de negocios eme gió jun o con algunos modelos in o má icos pa a la oma de decisiones y la
plani icación como una mane a de ans o ma da os en conclusiones. Es e é mino aba ca da os, in o má ica
y análisis en el con ex o de ope aciones de negocios. Po an o, es un é mino gene al que engloba
p ocedimien os y mé odos pa a euni , gua da y analiza da os de ac i idades o p ocesos de negocios de
mane a que se op imice el endimien o. La combinación de odo es o apo a una is a in eg al de la emp esa
y ayuda a que la oma de decisiones sea mejo y más ú il.
La impo ancia de la in eligencia de negocios adica en que es de g an ayuda en la oma de decisiones, al
mos a da os his ó icos y del p esen e en un escena io de negocios. También puede o ece p uebas pa a
compa a el endimien o de modo que las emp esas puedan así ope a de o ma más ágil y e icien e. O a
ca ac e ís ica es que ayuda a la iden i icación de endencias del me cado pa a aumen a en as o ing esos. Si
se usa de mane a e icien e se puede mejo a casi odos los aspec os de una emp esa.
Con la ans o mación digi al se c eó una a luencia muy g ande de in o mación, en an o que los da os es án
en odas pa es y en odo momen o. Y más aún, en aizados en p ocesos de negocios en emp esas de cualquie
amaño.
La in eligencia de negocios ayuda po an o a la emp esa:
• Iden i icando á eas o sec o es donde aumen a las ganancias
• Analizando el compo amien o de clien es
• Compa ando da os con la compe encia
• Haciendo un seguimien o del endimien o de la emp esa
• Op imizando las ope aciones de la emp esa
• Iden i icando las endencias en el me cado
• Iden i icando cualquie ipo de p oblema de negocios
“Todo lo que se hace se puede medi , sólo si se mide se
puede con ola , sólo si se con ola se puede di igi y
sólo si se di ige se puede mejo a ”
- Ped o Mendoza -
La in eligencia de negocios.
4
La in eligencia de negocios unciona de la siguien e mane a: Las o ganizaciones ienen p egun as y obje i os.
En la búsqueda de espues as y en el seguimien o de la consecución de dichos obje i os, se ecopilan da os,
se analizan, y se de e minan las acciones que se ía necesa io e ec ua pa a la e olución de la emp esa.
Exis en múl iples he amien as de in eligencia de negocios. Una de las o mas más ecuen es de e la
in eligencia de negocios es a a és de la isualización de da os, ya que pa a el se humano es ácil esponde
a es ímulos isuales o iden i ica un pa ón o cambios de colo es. Po ello, las isualizaciones p esen an los
da os de una o ma accesible y ácil de comp ende .
Los da os hacen más sencillo el espaldo de un a gumen o, pe o pa a ello deben se ele an es y
comp ensibles. ¿Qué hace que unos da os sean ele an es? El análisis. ¿Cómo hace más comp ensible el
análisis? Con una isualización.
1.1 P incipales So wa es de BI
Exis en muchos so wa es den o del campo del análisis de da os, aunque Tableau, Powe BI y Qlik son los
líde es del me cado en cuan o a soluciones de Business In elligence (BI) (A ibas, 2019) según los analis as
ecnológicos, como se puede e en el cuad an e mágico pa a pla a o mas de análisis e in eligencia
emp esa ial:
Figu a 3: Cuad an e de Ga ne B.I. (Ga ne , 2019)
En el in o me elabo ado po Ga ne , (Ga ne , 2019) se a i ma que hoy en día es muy ecuen e u iliza en las
emp esas un so wa e de Business In elligence. Se des acan a con inuación las ca ac e ís icas de cada uno de
los es conside ados como líde es del me cado:
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
5
1. Mic oso Powe BI: Powe BI o ece, en un solo p oduc o, p epa ación y descub imien o de da os,
cuad os de mando in e ac i os y analí ica aumen ada (en oque que au oma iza los conocimien os
median e el ap endizaje au omá ico y la gene ación de lenguaje na u al).
Fo alezas:
- P ecio: si se compa a con los demás compe ido es, su p ecio es más bajo. De mane a que
se educe la ba e a de en ada de las emp esas al Business In elligence.
- Simplicidad de uso y apa iencia.
- Visión del p oduc o: Mic oso iene un RoadMap muy cla o y lo cumple añadiendo mejo es
y nue as unciones a sus pla a o mas.
- Expe iencia del usua io: iene una pun uación muy al a en es e pun o, cuen a con una ue e
comunidad de pa ne s, dis ibuido es y usua ios pa icula es que apo an nue as
uncionalidades, isualizaciones adicionales, ídeo u o iales y con enido adicional.
E olución: La e olución de es e p oduc o ha sido no able, pa ía de una posición óp ima en cuan o a
acilidad de uso, y ha empleado sus es ue zos en apo a uncionalidades, consiguiendo se más ápida
y e ec i a que los o os dos en es e aspec o.
Figu a 4: E olución Powe BI.
Análisis de da os con Tableau.
12
Tableau pe mi e sal a a cualquie paso del ciclo, mo e se lib emen e en e los pasos e i e a a a és del ciclo
muy ápidamen e. En pa icula , Tableau iene la capacidad pa a:
• Descub imien o de da os: Es posible explo a ácilmen e un conjun o de da os con y edi a los da os
pa a su mejo comp ensión.
• P epa ación de da os: Tableau pe mi e conec a se a da os de muchas uen es di e en es y, si es
necesa io, c ea una es uc u a que uncione mejo pa a su análisis. Cuen a con las he amien as pa a
euni da os complejos y deso denados de múl iples uen es.
• Análisis de da os: Las isualizaciones de da os ayudan a que se puedan e y comp ende endencias,
alo es a ípicos y elaciones. Además de es o, Tableau iene un conjun o cada ez mayo de unciones
analí icas que pe mi en p o undiza en la comp ensión de elaciones complejas, pa ones y
co elaciones en los da os.
• Na ación de da os: Tableau pe mi e c ea cuad os de mando e his o ias o almen e in e ac i os con
las isualizaciones e ideas pa a que se pueda compa i la his o ia de da os con o os.
La isualización de da os es el co azón de Tableau, pe mi e ex ae signi icado de la in o mación. Es una
pla a o ma compa ible con el ciclo de análisis, o eciendo una ep esen ación isual y ayudando a
esponde p egun as, independien emen e de su complejidad.
2.2. Conexión a una base de da os
Tableau se conec a a los da os almacenados en una amplia a iedad de a chi os y bases de da os. Es o incluye
a chi os planos, como documen os de Excel, a chi os espaciales y a chi os de ex o; bases de da os
elacionales, como SQL Se e y O acle; uen es de da os basadas en la nube, como Google Analy ics y Amazon
Redshi ; y uen es de da os OLAP, como Mic oso Analysis Se ices. Con muy pocas excepciones, el p oceso
de análisis y c eación de isualizaciones se á el mismo, sin impo a la uen e de da os que u ilice.
En es a sección se e á como es el p oceso de conexión un a chi o de ex o, especí icamen e, un a chi o de
alo es sepa ados po comas (.cs ). En in e ne se pueden encon a muchas páginas de uen es de da os an o
económicos, geog á icos, o incluso de algunas emp esas como Spo i y o Ai bnb.
Figu a 11: Webs con ejemplos de bases de da os.

Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
13
Pa a explica el p oceso de conexión a base de da os se u iliza á el a chi o de Excel Supe s o e con da os de
una ienda ic icia como se e en la Tabla 1:
Tabla 1: Base de da os Supe s o e.
Pa a conec a se a una base de da os hay que segui los siguien es pasos:
1. Ab i Tableau. En la pan alla de inicio se e una lis a de opciones de conexión a la izquie da y, si
co esponde, is as p e ias en minia u a de lib os edi ados ecien emen e en el cen o, jun o con
lib os de mues a en la pa e in e io .
2. Haciendo clic en conec a y a un a chi o, se selecciona a chi o Excel.
3. En el cuad o de diálogo Ab i , se selecciona el a chi o que se desee.
4. A con inuación, se e á la pan alla de conexión de da os, que pe mi e c ea isualmen e conexiones
a uen es de da os, como se puede e en la Figu a 12, al inclui una base de da os Tableau da una
is a p e ia del a chi o pa a la conexión:
Figu a 12: Conexión a la base de da os en Tableau.
Análisis de da os con Tableau.
14
Una ez ealizada la conexión y, as hace clic en I a la hoja de abajo, se e en pan alla lo que apa ece en la
Figu a 13, que iene los p incipales elemen os:
Figu a 13: Hoja de abajo en Tableau.
1. El menú con iene las pes añas de menú de ableau, que pe mi en ealiza una g an a iedad de
unciones.
2. La ba a de he amien as iene las opciones ípicas de gua da , ehace , deshace , gua da , añadi una
uen e de da os e c.
3. En la ba a la e al, hay dos pes añas: Da os y Análisis. Cuando es á ac i a la pes aña da os, la ba a
la e al es el “panel de da os”, que con iene la base de da os y una se ie de campos di ididos en e
Dimensiones y Medidas.
4. Exis en es an es como Columnas, Filas, Páginas, Fil os, Ma cas, que son á eas donde se a as an y
suel an los campos del panel de da os, den o de las Ma cas, hay es an es adicionales como Colo ,
Tamaño, Tex o, De alle y Desc ipción eme gen e. La isualización se c ea á en unción de es os
campos.
5. La isualización se c ea á en es a zona de la pan alla.
6. La pes aña mos a me pe mi e c ea isualizaciones ápidas en unción de los campos que es én
ac i os.
7. Las pes añas de la pa e in e io de la pan alla dan opciones pa a edi a la uen e de da os o na ega
en e hojas o Dashboa ds.
Una hoja con iene una sola isualización, como pod ía se un g á ico de ba as o de líneas.
Un Dashboa d es una p esen ación de a ias isualizaciones elacionadas y obje os como ex o o
imágenes, o ganizadas de mane a que comuniquen un mensaje o in o mación.
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
15
2.1.1 Uni ablas y combina da os
Tableau es capaz de abaja a la ez con dos uen es de da os dis in as o, po ejemplo, den o de un a chi o
Excel con dos hojas, es capaz de abaja con ambas a la ez. Es o es posible g acias a la uniones o
combinaciones de da os.
Las uniones de ablas y combinaciones de da os son dos o mas dis in as de incula los da os en Tableau. Las
uniones se ealizan pa a incula dos ablas de da os jun as, ila po ila, y las combinaciones pa a incula
uen es de da os a ni el ag egado.
o UNIONES DE TABLAS DE DATOS
La mayo ía de las bases de da os ienes múl iples da as de da os que es án elacionadas de alguna mane a.
Po ejemplo, el siguien e a chi o Excel Supe s o e iene dos hojas, una pa a los pedidos y o a pa a las
de oluciones, y se elaciones en e sí a a és del campo ORDER ID, que apa ece en ambas. La abla p ima ia,
que es la que iene los da os de odos los pedidos, clien es, egión e c. es ORDERS y la secunda ia es la de
RETURNS.
Tabla 2: Base de da os en Excel con dos hojas.
Figu a 14: Unión de base de da os.
Exis en cua o ipos de uniones que se de allan en el Anexo.
Análisis de da os con Tableau.
16
o COMBINACIONES DE DATOS:
Las combinaciones de da os pe mi en u iliza da os de múl iples uen es en una misma isualización. La
combinación de da os se ealiza a ni el ag egado e in oluc a di e en es consul as en iadas a cada uen e de
da os, a di e encia de la unión, que se ealiza a ni el de ila e in oluc a una sola consul a a una única uen e de
da os.
Figu a 15: Combinación de bases de da os.
Se ejecu a de la siguien e mane a:
1. Tableau ejecu a una consul a a la uen e de da os p ima ia.
2. Se de uel en los esul ados ag egados.
3. Tableau ejecu a o a consul a a la uen e de da os secunda ia, es a consul a es il ada en unción del
conjun o de alo es de uel os po la uen e de da os p ima ia pa a las dimensiones que inculan las
dos uen es de da os.
4. Se de uel en los esul ados ag egados.
5. Los esul ados ag egados de la uen e de da os p ima ia y los esul ados ag egados de la uen e de
da os secunda ia se combinan en la memo ia caché.
La combinación de da os es di e en e de la unión. Las uniones se log an en una sola consul a y los esul ados
coinciden ila po ila. La combinación de da os se p oduce al emi i dos consul as sepa adas y luego combina
los esul ados ag egados.
Los campos de enlace son dimensiones que se u ilizan pa a uni da os combinados en e uen es de da os
p ima ias y secunda ias. Los campos de enlace de inen el ni el de de alle pa a la uen e secunda ia. Es os se
asignan au omá icamen e si los campos coinciden po nomb e y ipo en e las uen es de da os, aunque
ambién se pueden asigna manualmen e.
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
17
2.2 Dashboa ds
La idea con la que se concibió Tableau, ue pa a ealiza Dashboa d o Cuad os de Mando e in e ac ua con
ellos.
En Tableau se pueden c ea muchos ipos de g á icos o isualizaciones dis in as, pe o pa a pode e la his o ia
que hay de ás de los da os hace al a in eg a las di e en es isualizaciones en un Dashboa d.
Los Dashboa ds son una colección de isualizaciones, il os, pa áme os, imágenes o ex o que abajan jun os
pa a ex ae in o mación y analiza un conjun o de da os. Los Dashboa d pueden se in e ac i os y hace que
el usua io explo e los da os según su in e és.
La in e az de c eación de un Dashboa d es di e en e a la que apa ece al c ea una isualización en una hoja
de abajo.
La pes aña de Dashboa d iene opciones de amaño y desde donde se pueden añadi las hojas o los obje os al
Dashboa d. Los obje os que se pueden añadi son con enedo es ho izon ales o e icales, donde se ubica án
las hojas de abajo, además se pueden inclui imágenes o ex o en e o os.
También puede selecciona si los nue os obje os que se ag ega án se án en mosaico o lo an e. Los obje os en
mosaico encajan en un diseño en mosaico jun o a o os obje os en mosaico o den o de con enedo es de
diseño. Los obje os lo an es lo a án en la pa e supe io del able o en capas sucesi as. Cuando una hoja de
abajo se ag ega po p ime a ez a un able o, cualquie leyenda, il o o pa áme o que ue a isible en la
is a de la hoja de abajo se ag ega ambién al Dashboa d.
Cuando se abaja en el campo del Análisis de Da os, se c ean nume osas isualizaciones. Cada una de es as
isualizaciones apo a “una pa e de la o og a ía comple a” en elación con la his o ia que exis e den o de
los da os. Tableau pe mi e euni dis in as isualizaciones en un solo Dashboa d. Es e Dashboa d puede se
an o una is a es á ica que mues e di e en es aspec os de los da os o un en o no in e ac i o, donde sea
posible il a , p o undiza e in e ac ua dinámicamen e cada isualización del Dashboa d.
El concep o de Dashboa d en Tableau hace e e encia a la disposición de isualizaciones indi iduales, jun o
con o os componen es como leyendas, il os, pa áme os, ex o, imágenes, bo ones u obje os web que se
o ganizan en un solo lienzo. Las isualizaciones y los componen es abajan jun os pa a con a una his o ia de
da os comple a y eal.
El analis a de da os debe comp ende muy bien la base de da os con la que es á abajando y, se capaz de
ex ae la in o mación y mos a la g á icamen e en el Dashboa d.
2.2.1 La in e az de los Dashboa ds.
Al hace clic en la pes aña “Nue o Dashboa d” apa ece un lienzo en donde se c ea á el Dashboa d. En la pa e
de la izquie da hay opciones de diseño de es e; como opciones de isualización (se puede con igu a el amaño
pa a que sea compa ible con la pan alla de un mó il, Ipad, o un o denado ), y una lis a con las hojas de abajo
(las isualizaciones) que se hayan c eado.
A as ando las hojas y cualquie a de los obje os como: ex o, imágenes, bo ones al able o, se c ea el
Dashboa d.

Análisis de da os con Tableau.
18
Figu a 16: La in e az de los Dashboa ds.
U ilizando la base de da os de Excel: Supe s o e, que es una base de da os dis in a a la que se a a u iliza en
el Capí ulo 4, se a a ealiza un análisis sencillo pa a ilus a cómo se c ea un Dashboa d. La idea es iden i ica
los p oduc os menos en ables den o de la base de da os.
Lo p ime o que hace es de ini las hojas que an a in eg a se den o del Dashboa d, pueden se cualquie a de
los ipos de g á icos que se explican en de alle en el Capí ulo 7: Anexo. Las siguien es igu as mues an las cada
una de las hojas con su g á ico co espondien e.
Figu a 17: Bene icios po ca ego ía.
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
19
Figu a 18: Top 10 elemen os menos en ables.
Figu a 19: Bene icio po Es ado.
Figu a 20: P onós ico.
Análisis de da os con Tableau.
20
A con inuación, se c ea un Dashboa d que con enga las cua o isualizaciones que se han is o has a aho a. Es
necesa io e como se pueden elaciona cada una de es as g á icas pa a que enga sen ido el análisis, y la
in o mación que se mues e sea aliosa.
La Figu a 17 iene aplicado un il o de depa amen o. Dicho il o se aplica al es o de las isualizaciones, lo
que ha á que, pa a cada depa amen o seleccionado, se modi ique el Dashboa d mos ando los da os
co espondien es, es deci , que los 10 elemen os menos en ables, en ez pe enece a oda la base de da os,
sean los 10 menos en ables en la ca ego ía seleccionada. El mismo azonamien o se sigue pa a las
isualizaciones de “bene icio po es ado” y “ endencia del bene icio”.
Figu a 21: Análisis del bene icio po p oduc o.
Pa a p o undiza en el análisis hay que añadi lo que se conoce como “Acciones de Dashboa d” que elacionan
isualizaciones en e sí, u ilizando algunas como isualización uen e y o as como obje i o. Con es o se
a o ece la explo ación, los descub imien os y las conclusiones.
Recapi ulando; se iene un able o donde odas las g á icas ienen aplicado el il o depa amen o. Además, se
a a il a odo el Dashboa d según la isualización de “Bene icios gene ales po ca ego ía”.
Las acciones que se implemen an son: Una acción con hoja de o igen es “bene icios gene ales po ca ego ía”
y con hojas de des ino las o as es.
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
21
Figu a 22: Acciones en Dashboa ds I.
Una segunda acción que, una ez se haya seleccionado un depa amen o y una ca ego ía de ese
depa amen o, al hace clic en un í em de la isualización “Top 10 elemen os menos en ables”, pe mi a
analiza el bene icio po es ado y la e olución empo al de ese í em en pa icula .
Figu a 23: Acciones de Dashboa d II.
Los í ulos de las isualizaciones se pueden modi ica , pa a hace más sencillo el análisis se a a inclui el
nomb e del í em que se haya seleccionado en la isualización “Top 10 elemen os menos en ables” en la
g á ica que mues a la e olución empo al del bene icio.
Aplicación de la he amien a a un p oceso de ges ión es a égica
28
Con los p oduc os más ue es ( aca y es ella) se ealiza án es a egias de in e sión y sos enimien o. Con los
ing esos que se ob engan de las acas se puede in e i en los in e ogan es y con e i los a es ella. De
aquellos in e ogan es cuyos ni eles de en as sean bajos, se elimina án o se ha á una es a egia de cosecha.
Po o o lado, los p oduc os pe o debe án de elimina se.
Es a ma iz se ha elacionado a menudo con el ciclo de ida de un p oduc o, ep esen ando su ida en el
me cado al pasa po cua o ases elacionadas con cada elemen o de la ma iz.
In oducción – In e ogan e
C ecimien o – Vaca
Madu ez – Es ella
Decli e – Pe o
3.2 La ma iz BCG u ilizando Tableau.
Pa a la alidación de Tableau, se a a u iliza dicha he amien a pa a ealiza es e análisis de me cado con
la Ma iz BCG, pa a ello se necesi a una base de da os con los p oduc os a analiza y que además enga
da os de pe iodos (años, meses imes es) una medida de en as o ganancias, y ca ego ía del p oduc o
y ipo de p oduc o.
La base de da os u ilizada se llama EU-Supe s o e, y se encuen a en el si io web de Da aWo ld.
(Da awo ld, s. .)
Tabla 4: Base de da os pa a ma iz BCG.
Como se puede ap ecia , cuen a con los campos necesa ios pa a la ealización de la ma iz, ya que iene
más de dos pe iodos de echa pa a hace la compa ación.
Se eligen dos años pa a compa a , en es e caso 2016 y 2017 y se de inen dos campos calculados a pa i
de las en as: Ma ke Sha e (cuo a de me cado) y G ow h (c ecimien o). Pa a de ini los cuad an es se
c ean dos pa áme os: ejes e ical y ho izon al de la ma iz. Se an a compa a los p oduc os de la
emp esa en e es os dos años y la pa icipación en en as de cada uno en la ca e a de p oduc os de la
emp esa.
Se c ean dos pa áme os, cuyo alo es a iable, pa a de ini los cuad an es de la ma iz. En unción del alo
que omen dichos pa áme os, se modi ica án los iconos según el p oduc o sea es ella, in e ogan e, aca o
pe o.

Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
29
Figu a 32: Ma iz BCG
Pa a apo a más in o mación, se c ean dos isualizaciones más que añadi al Dashboa d. Una que mues e los
diez p oduc os con mayo es en as den o de cada ca ego ía (y el bene icio de cada uno con un g adien e de
colo ) y o a que mues e la endencia en en as a lo la go del iempo.
Si se ija el alo del pa áme o del c ecimien o en un 50% y el que hace e e encia a la cuo a de me cado en
un 4%, se ob iene que la única ca ego ía es ella es la de acceso ios y, den o de és a, el p oduc o con más
en as, que a su ez coincide con el mayo bene icio es Ho e S one, Red. También se puede a i ma g acias a
es e Dashboa d, que es e p oduc o ha enido una e olución empo al en en as c ecien e, a lo la go de los
pe iodos es udiados.
Figu a 33: Dashboa d ma iz BCG
Aplicación de la he amien a a un p oceso de ges ión es a égica
30
Con Tableau es posible c ea un g á ico con la ma iz BCG, que si úe las ca ego ías en cada uno de los
cuad an es de inidos y, además añadi le alo ealizando un análisis empo al de cada una de las ca ego ías y
clasi icando los 10 p oduc os con mayo es en as de cada ca ego ía de la ma iz.
Con es e capí ulo se demues an que Tableau es una he amien a muy ú il y se puede u iliza pa a di e sas
aplicaciones y en cualquie sec o indus ial.
En el Capí ulo 4: Caso de Es udio: B eak as a he F a se p o undiza en el análisis u ilizando una base de
da os de una cadena de supe me cados, analizando dis in os pun os como son la si uación geog á ica de las
iendas, o las ca ego ías (o ma cas) que más bene icio ienen.
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
31
4 CASO DE ESTUDIO: BREAKFAST AT THE FRAT
4.1 Jus i icación elección base de da os.
El caso de es udio p e ende esponde al í ulo del documen o: Análisis de Da os y Toma de Decisiones
U ilizando una He amien a de Business In elligence en el sec o Food Re ail. Pa a ello, hace al a dispone de
una base de da os amplia y comple a, con g an can idad de egis os y con a ias hojas con ablas de da os
pa a pode lle a a cabo odas las po encialidades de la he amien a y así ealiza un análisis y oma de
decisiones comple o.
La base de da os elegida es eal, es deci , con iene los egis os de las ansacciones lle adas a cabo en una
cadena de supe me cados en EE. UU du an e 156 semanas. Se ha ob enido en si io web de Dunnhumby
(Dunnhumby).
Dunnhumby es una emp esa cuyo negocio p incipal es analiza los da os de casi mil millones de clien es en
odo el mundo con el obje i o de ayuda a las co po aciones a oma decisiones y maximiza sus bene icios.
En España cuen a con sede en Mad id y Ba celona.
El si io web de Dunnhumby o ece ecu sos pa a ingenie os que quie an abaja con bases de da os, exis en
cua o bases de da os disponibles, y el análisis puede ealiza se con cualquie he amien a, Py hon, SQL, R e c.
En es e caso, la conexión del a chi o Excel se á a Tableau, que es la he amien a que se es á es udiando.
El campo del análisis de da os es á en auge ac ualmen e, cada ez son más da os los que se gene an, po ello
se ha hecho necesa ia una nue a igu a en las compañías enca gada de su análisis y p ocesamien o.
En pa icula , en España el 94% de los e aile s de alimen ación los que ienen cla o que quie en
inc emen a sus ing esos pa a 2020. Pa a log a lo han a i mado que lo ha án a a és de la mejo a del
uso de los insigh s que ex aigan de su análisis de da os pa a desa olla es a egias de clien es y oma
decisiones come ciales (O iz, 2020).
Po es a azón se ha elegido una base de da os del sec o Food Re ail pa a sob e los campos que apa ecen
que se desc iben más adelan e en es e capí ulo ex ae la mayo can idad de in o mación y di igi la
es a egia de la emp esa
Figu a 34: Jus i icación elección Da ase
Da ase
Food Re ail Tableau Insigh s
Caso de Es udio: B eak as a he F a
32
4.2 Escena io de es udio y limpieza de da os.
Como se ha indicado en el apa ado an e io del documen o la base de da os se encuen a en los ecu sos de
ingenie ía del si io web de Dunnhumby. Al desca ga el a chi o, además de la base de da os en Excel, se incluye
un PDF con de alles de la base de da os, como el signi icado de cada campo y su ubicación se den o de las es
ablas que apa ecen. (Dunnhumby)
Como se ienen es ablas dis in as, se an a u iliza los campos de las es ablas hay que busca la mane a de
elaciona los, es o se hace iden i icando la uen e p ima ia, es deci , aquella que con iene campos que
apa ecen en las o as ablas (Dunnhumby). En es e caso la p ima ia es: dh T ansac ional Da a:
Figu a 35: Ca pe a con la base de da os y pd .
Figu a 36: Unión de las es ablas de da os.
An es de ealiza la conexión a los da os y comenza con el análisis es necesa io explo a el a chi o en Excel,
pa a e que es cada a iable, si exis en campos nulos o duplicados y si se a a cambia el nomb e de las
a iables po o os más in ui i os o incluso, p escindi de alguna.
El a chi o de Excel cons a de cua o hojas, la p ime a es un Glosa io de los é minos u ilizados (los nomb es de
las a iables) acompañados de la abla en la que se encuen an, de las es ablas posibles, y jun o con una
desc ipción de a lo que hace e e encia.
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
33
Tabla 5: Base de da os. Hoja 1 Glosa io.
Las es siguien es ilus aciones mues an las hojas es hojas de la base de da os.
Tabla 6: Base de da os. Hoja 2.

Caso de Es udio: B eak as a he F a
34
Tabla 7: Base de da os. Hoja 3.
Tabla 8: Base de da os. Hoja 4.
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
35
Se ha dado un o ma o más isual al glosa io y se ha aducido la desc ipción al cas ellano, aunque los nomb es
de los campos se man end án en inglés ya que es el idioma po de ec o de la base de da os. Como el campo
DESCRIPTION en ealidad hace e e encia al p oduc o o í em, se ha cambiado el nomb e pa a que no lle e a
con usión. De igual mane a el campo MANUFACTURER se cambia á a BRAND.
Los campos PRODUCT_SIZE, SALES_AREA_SIZE_NUMBER Y PARKING_SPACE_QTY y SEG_VALUE_NAME (que
omaba es alo es: Mains eam, Upscale o Value y no se en endía bien el concep o), se han excluido del
análisis.
Tabla 9: Base de da os as la limpieza.
Escena io de es udio: Los da os con enidos en es e a chi o incluyen in o mación de en as y p omociones de
una mues a de iendas en Es ados Unidos du an e 156 semanas, en el que se analizan p oduc os en e 4
ca ego ías: Enjuagues Bucales, P e zels, Pizza Congelada y Cajas de Ce eales.
Den o de es as cua o ca ego ías se incluyen los 3 mejo es p oduc os de cada una de las 5 ma cas en las
dis in as ca ego ías. (Había una e a a en la base de da os, se decía que se incluían los 5 mejo es p oduc os de
cada una de las 3 ma cas p incipales po ca ego ía)
En o al se a a abaja con 21 a iables epa idas en e las es hojas: P oduc s, Da a, S o e. Se mues an en
la Tabla 10.
Caso de Es udio: B eak as a he F a
36
Tabla 10: Desc ipción de a iables.
VARIABLE NAME
TABLE
DESCRIPCIÓN
CITY NAME
S o e
Nomb e de la ciudad donde se encuen a la ienda.
STATE
S o e
Es ado donde se encuen a la ienda.
AVG_BASKETS
S o e
P omedio de ces as de la comp a endidas po semana y ienda.
BRAND
Da a
Ma ca del p oduc o.
CATEGORY
P oduc s
Ca ego ía.
ÍTEM
P oduc s
Nomb e del p oduc o.
DISPLAY
P oduc s
P oduc o des acado en algún pasillo o en la caja.
FEATURE
Da a
P oduc o en el olle o publici a io de la ienda.
HHS
Da a
Nume o de hoga es comp ado es.
MSA_CODE
Da a
Simila a un código pos al en EE. UU.
PRICE
S o e
P ecio de en a.
WEEK_DATE
Da a
Semana de la comp a.
STORE_NAME
S o e
Nomb e de la ienda.
SPEND
Da a
*Gas o en dóla es en la comp a.
STORE_ID
Da a,S o e
ID o localizado de la ienda.
SUB_CATEGORY
P oduc s
Subca ego ía.
TPR
Da a
Reducción en p ecio en el es an e donde es á el p oduc o.
UNITS
Da a
Unidades endidas de un p oduc o.
UPC
Da a,
P oduc s
Iden i icado de p oduc o.
VISITS
Da a
Nume o de ces as de comp as únicas que incluyen el p oduc o.
Þ La di e encia que se hace en e los campos UNITS, VISITS y HHS es un poco con usa, se explica en
de alle en la Tabla 11:
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
37
Tabla 11: Di e encia concep os UNITS, VISITS y HHS.
Siemp e se cumple que:
𝑈𝑁𝐼𝑇𝑆& ≥ 𝑉𝐼𝑆𝐼𝑇𝑆& ≥ 𝐻𝐻𝑆
En la ila 16 de la Tabla 11, el campo UNITS ale 56, es o quie e deci que se han endido 56 p oduc os,
VISITS ale 48, lo que implica que algunas pe sonas han comp ado más de una unidad del p oduc o,
ya que VISITS se e ie e a ces as de la comp a únicas y dis in as. Po úl imo, HHS signi ica que de esas
48 comp as dis in as del p oduc o 42 co espondían a hoga es únicos, po an o, hubo hoga es que
en esa misma semana comp a on el p oduc o mas de una ez.
Þ Los alo es TPR, FEATURE, Y DISPLAY son del ipo Ve dade o/ Falso, alen 0 o 1. En la misma Figu a se
puede e que pa a cada semana el p oduc o puede es a o con una educción de p ecio en el es an e,
o en el olle o publici a io de la ienda o, des acado en la caja o los pasillos.
En esumen, se a a de ini qué con iene cada hoja:
o La hoja de PRODUCTS con iene los 58 p oduc os dis in os que se an a analiza . T as la limpieza queda
como se e en la Tabla 12.
El é mino subca ego ía es un poco con uso, como mues a la Tabla 13, ya que po ejemplo la
ca ego ía Bag Snacks solo iene una subca ego ía; P e zels. Po lo que pa a es e no end ía sen ido la
subca ego ía ya que se solapan, pe o den o de los ce eales sí que exis en es subca ego ías
Caso de Es udio: B eak as a he F a
44
- p oduc os sin descuen os
- p oduc os con menos de un 10 %
- p oduc os en e 10-25 %
- p oduc os en e 25-50 %
- p oduc os con más de un 50 %
Figu a 39: Clasi icación de los descuen os.
Una ez, se ienen odos es os campos c eados se es á en si uación de comenza el análisis.

Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
45
4.4 Análisis de los Da os.
En es e pun o, as habe examinado en de alle la base de da os y habe le dado un “ o ma o” cómodo,
cambiando el nomb e a a iables que no e an in ui i as y eliminando las que no se an a u iliza , se es á
p epa ado pa a comenza el análisis.
Dado que la base de da os es muy ex ensa y iene g an can idad de in o mación, en los siguien es subapa ados
se p esen an los análisis ealizados desde dis in os pun os de is a, los cuales se lis an a con inuación:
- Análisis de las unidades endidas po ca ego ías y ma cas.
- Análisis del ango de p ecios.
- Análisis p ecios y descuen os.
- Análisis de las p omociones.
- Análisis de la espues a del consumidos a descuen os en el p ecio.
- Análisis de los Supe me cados.
- Análisis en unción de las echas de comp a. Análisis es acional.
- Análisis geog á ico.
4.4.1 Análisis de las unidades endidas po ca ego ías y ma cas.
El hilo de pensamien o que conduce a búsqueda de espues as a p egun as en cuan o a las ca ego ías y ma cas
p esen es son:
A lo la go de las 156 semanas de egis os de en as, ¿Cómo se dis ibuyen las unidades endidas en e las
cua o ca ego ías? ¿Qué po cen aje co esponde a cada una?
Se asigna a cada ca ego ía un colo , es e código de colo es pa a la ca ego ía a a se usado en las p óximas
isualizaciones y Dashboa ds Tableau pe mi e asigna los colo es en e una g an a iedad de onalidades.
Figu a 40: Asignación pale a colo es.
Caso de Es udio: B eak as a he F a
46
Pa a pode de e mina cuán as unidades del o al han sido endidas po cada ca ego ía, y cuán o ep esen a
en po cen aje dicho alo , se a a ealiza un diag ama de á bol, donde el amaño de cada una de las pa es
p esen es se elaciona con la medida a es udia , en es e caso Uni s. (Unidades Vendidas de P oduc o).
Figu a 41: Dis ibución de unidades endidas en las ca ego ías.
Más de la mi ad de las unidades endidas co esponden a la en a de p oduc os de la ca ego ía Cold Ce eal,
del ap oximadamen e 44% es an e la ca ego ía que despun a son los p oduc os de Bag Snacks, y los p oduc os
de la ca ego ía de O al Hygiene son los que menos unidades endie on.
o La base de da os con iene p oduc os de cua o ca ego ías. dos de las cuales (Cold Ce eal y O al
Hygiene) cuen an con subca ego ías, como se ha is o en el apa ado 5.3.1. de es e documen o,
¿Cómo se dis ibuyen las unidades endidas si se ienen en cuen a las subca ego ías?
Además del g á ico de á bol de la Figu a 41, se ha c eado un g á ico de ba as pa a indaga en el
compo amien o al inclui las ca ego ías en el análisis. Se iene que los ce eales que más se enden son los que
pe enecen a la ca ego ía All Family Ce eal y de los p oduc os de O al Hygiene: An isep ic
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
47
Figu a 42: Unidades endidas po subca ego ía.
También se ha is o que la base de da os con iene las p incipales ma cas que enden p oduc os en cada
ca ego ía, en la Figu a 43 se e que GENERAL MI, KELLOGG y la Ma ca blanca son las que más enden. y,
Colga e, MKSL, KING y CHATTEN las que menos en as ienen.
Figu a 43: Unidades endidas según ma ca y ca ego ía.
Se unen las es isualizaciones en el Dashboa d y se aplican acciones pa a apo a in e ac i idad y e cómo
se pueden ex ae las mejo es conclusiones.
Caso de Es udio: B eak as a he F a
48
Figu a 44: Dashboa d. Análisis ca ego ías y ma cas I
Al hace clic en una ca ego ía del g á ico de á bol, és a se e esal ada en los o os dos diag amas de ba as:
Figu a 45: Dashboa d Análisis ca ego ías y ma cas II
Pa a analiza las unidades endidas po ma ca en una subca ego ía, se hace clic en el g á ico de ba as que
con iene la subca ego ía, y es e ac úa como il o pa a e las unidades endidas po ma ca en den o de la
subca ego ía.
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
49
Figu a 46: Dashboa d Análisis ca ego ías y ma cas III
La ma ca con más unidades endidas es Gene al MI en la ca ego ía de Cold Ce eal y la que menos Colga e,
den o de la ca ego ía O al Hygiene. Es as ba as es án ano adas en el Dashboa d pa a acili a su
iden i icación.
Figu a 47: Dashboa d Análisis ca ego ías y ma cas IV

Caso de Es udio: B eak as a he F a
50
Es a cadena de supe me cados cuen a con una ma ca blanca: P i a e Label, que ende p oduc os en las cua o
ca ego ías que apa ecen en la base de da os. A con inuación, se a a analiza el desempeño de la ma ca blanca
den o de las ca ego ías.
Figu a 48: Desempeño ma ca blanca en las ca ego ías.
Tabla 20: Ma ca Blanca en ca ego ías.
Es a isualización mues a que la ma ca blanca es pun e a en la ca ego ía de bag snacks y, aunque el mayo
núme o de unidades endidas en o al es den o de la ca ego ía de Cold Ce eal, es ahí donde meno po cen aje
de las unidades endidas co esponde a la ma ca blanca P i a e Label.
Tabla 21: Po cen aje en as de la ma ca blanca en cada ca ego ía.
Ca ego ía Ma ca Blanca
% Den o de la ca ego ía
Cold Ce eal
19%
Bags Snacks
56%
F ozen Pizza
35%
O al Hygiene
35%
Es e da o pe mi e oma decisiones es a égicas como, po ejemplo, educi el p ecio de los p oduc os en de
su ma ca blanca P i a e Label en la ca ego ía de Cold Ce eal pa a bene icia se del desempeño an bueno que
iene es a ca ego ía en la cadena de supe me cado.
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
51
4.4.2 Análisis del ango de p ecios.
En el Tableau ambién se pueden isualiza dis ibuciones, como se ha is o en el Apa ado 3.4.4 de es e
documen o. Las dis ibuciones son de g an u ilidad pa a analiza el ango de p ecios de los p oduc os en las
ca ego ías.
Es e análisis se ha lle ado a cabo median e la ep esen ación de un diag ama de caja y bigo es, el cual pe mi e
conoce cómo se dis ibuyen los p ecios. En es e ipo de diag amas, la caja se di ide po la mediana, es deci
la mi ad de los alo es es án a iba y la mi ad abajo. La caja ambién indica los cua iles in e io y supe io , que
con ienen cada uno un cua o de los alo es. El in e alo de la caja cons i uye lo que se conoce como el Rango
In e cua il (IQR). Los bigo es se ex ienden a 1.5 eces el alo IQR (o la ex ensión máxima de los da os).
Cualquie ma ca más allá de los bigo es son alo es a ípicos.
Con odo es o, en la ep esen ación se puede e que, en p omedio, los p oduc os más ca os son de la
ca ego ía de las pizzas: F ozen Pizza y los más ba a os los snacks de bolsa: Bag Snacks.
En la ca ego ía de O al Hygiene apa ecen dos alo esa ípicos, que pod ían a a se de alguna e a a en la base
de da os.
Figu a 49: Rango p ecios en e ca ego ías.
El ango de p ecios se mues a en la Tabla 22:
Tabla 22: Rango de P ecios po Ca ego ía
Ca ego ía
Rango de p ecios
Bag Snacks
1 - 3 €
Cold Ce eal
1,5 - 3.5 €
F ozen Pizza
3,5 - 6 €
O al Hygiene
2 - 5 €
Caso de Es udio: B eak as a he F a
52
4.4.3 Análisis p ecios y descuen os.
Se ha c eado un campo calculado que clasi ica los descuen os en cinco angos, se quie e e como se han
dis ibuido las unidades endidas en dichos angos de descuen o. En la Figu a 50 se e el núme o de unidades
endidas en o al a lo la go de odas las semanas que se incluyen en la base de da os segmen adas según el
descuen o que enía el p oduc o, como es lógico, la mayo ía de las unidades endidas no enían descuen o
(57%), al ededo del 20% e an p oduc os con un descuen o comp endido en e (10-25%).
Es as ba as es án ag egadas según la suma de unidades, lo cual indica que la mayo ía de las unidades no
u ie on descuen o ya que un supe me cado no puede ene odos sus p oduc os cons an emen e en o e a.
Figu a 50: Unidades endidas según el ango de descuen o.
Si se ep esen a el mismo g a ico, pe o en luga de con la SUMA de unidades endidas, con el PROMEDIO de
unidades pa a cada segmen o o ango de descuen os, se iene que en p omedio el nume o de unidades
endidas aumen a con los descuen os.
Figu a 51: P omedio unidades endidas según ango de descuen o.
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
53
Se a a p o undiza aún más, ampliando el ni el de de alle del análisis e incluyendo las ca ego ías de los
p oduc os, la idea es la misma, e cómo se han dis ibuido las unidades endidas según el descuen o que
enga el p oduc o.
Las mismas ap eciaciones que se han is o en análisis an e io es se man ienen en es e. La ca ego ía con mas
en as en gene al es Cold Ce eal y con menos O al Hygiene. Pe o además se pueden ex ae conclusiones
nue as. Po ejemplo, que la mayo ía de los p oduc os endidos en la ca ego ía de O al Hygiene es aban a la
mi ad de p ecio o que, en la ca ego ía de Cold Ce eal, más de la mi ad de los p oduc os endidos en p omedio
enían más de un 25 % de descuen o.
Figu a 52: unidades endidas según descuen o y ca ego ía.
Pa a uni la in o mación que apo an las dos g á icas, se incluyen en un Dashboa d y se implemen a un il o
en el g á ico de ba as, pa a que, al selecciona un ango de descuen o, el mapa de á bol se il e pa a cada
ca ego ía y ango seleccionado.
Caso de Es udio: B eak as a he F a
60
De en e las diez iendas que más ac u an, se ob iene ácilmen e que el í em más endido coincide pa a odas
y es GM CHERRIOS, de la ca ego ía COLD CEREAL. Al in e ac ua en el Dashboa d se obse a que el
compo amien o en cuando a la endencia en unidades endidas y el p onós ico es c ecien e.
Figu a 64: In e acción con el Dashboa d.
Se quie e hace el mismo análisis, en es e caso pa a los p oduc os que menos unidades han endido en es as
mismas 10 iendas:
Figu a 65: Análisis í ems menos endidos, endencia y p onós ico.

Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
61
4.4.7 Análisis en unción de las echas de comp a. Análisis es acional.
Figu a 66: Dashboa d ac u ación mes y ca ego ía.
La es acionalidad a ía en cada ca ego ía, en gene al, sin aplica un il o a ca ego ía, los meses con más
ing esos po en as son ma zo, junio, sep iemb e y diciemb e.
Si se selecciona una ca ego ía en el il o que hay a la de echa del Dashboa d, el mapa de colo se modi ica
pa a la ca ego ía elegida. En es e análisis se en los mismos pa ones que ya se han iden i icado p e iamen e,
como que la ca ego ía con mas eu os gas ados es Cold Ce eal y la que menos O al Hygiene, además, en e las
cua o ca ego ías que se ienen, los mejo es meses son: ma zo, junio y diciemb e. El mes de ab il, an o en la
ca ego ía de pizzas como es las o as, es de los meses con meno es en as
Figu a 67: Dashboa d ac u ación mes y ca ego ía con il o.
Caso de Es udio: B eak as a he F a
62
4.4.8 Análisis geog á ico.
Es in e esan e en ende y conoce como se dis ibuyen el núme o de iendas que se con emplan en la base de
da os en el mapa de EE. UU, exis en iendas en cua o es ados, Texas, Indiana, Ken ucky y Ohio.
Figu a 68: G á ico iendas po es ado.
Se iene que, al ededo del 93% de las iendas es án ubicadas en los es ados de Ohio y Texas, mien as que las
es an es se encuen an en Indiana y Ken ucky. Cuando se hace clic en una de las ba as de la Figu a 68, se e
el po cen aje que ep esen a dicho es ado en el o al.
Po o o lado, se c ea la Tabla 23, donde apa ecen odas las ciudades y el núme o de iendas en cada una. En
gene al, hay una o dos iendas po ciudad, aunque exis e el caso de ciudades que ienen 8 y 9 iendas, el í ulo
se ha hecho in e ac i o pa a que, al aplica un il o según el es ado, es e indique a que es ado pe enecen las
ciudades que apa ecen y el núme o de ciudades que se es án mos ando.
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
63
En cada ila, el ci culo azul indica cuan as iendas hay po ciudad.
Tabla 23: Lis ado núme o de iendas en cada ciudad.
Po úl imo, ambién se a a u iliza en el Dashboa d una g á ica de ba as que indique el op 10 de ciudades
que más han ac u ado y al es ado que pe enecen:
Figu a 69: Top 10 ciudades mayo ac u ación.
Con odo es o, se iene el Dashboa d que se mues a en la Figu a 70. Pa a ealiza es e análisis, al hace clic en
una de las ba as se il a el g á ico de abajo y se esal a en el Top 10, en caso de que en el es ado haya algunas
iendas que pe enezcan a es e anking.
Caso de Es udio: B eak as a he F a
64
Figu a 70: Dashboa d análisis geog á ico con il o.
Los es ados con un mayo núme o de iendas son Texas y Ohio, y den o de Texas; Hous on cuen a con 8
iendas mien as que, en Ohio, Cincinna i iene 9 supe me cados.
Tabla 24: Ciudades con más Supe me cados
Nomb e Ciudad
Nº supe me cados
Cincinna i
9
Hous on
8
De oda la base de da os las es ciudades que más han ac u ado en el pe iodo es udiado son Cincinna i,
Hous on y Middle own.
Tabla 25: Ciudades con más Fac u ación.
Nomb e Ciudad
Fac u ación
Cincinna i
4M €
Hous on
2,5 M€
Middle own
1,5 M€
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
65
5 CONCLUSIONES
T as la ealización de es e T abajo de Fin de Mas e , se han llegado a las siguien es conclusiones:
La impo ancia que es á omando el campo del Business In elligence es odos los sec o es indus iales y
compañías es innegable. Además, con la globalización y la g an can idad de da os que se manejan, odas las
emp esas es án des inando ecu sos al es udio de es os da os pa a mejo a sus es a egias, ob ene más
bene icios y en ende a sus clien es.
La elección de Tableau en e a las o as dos he amien as mencionadas en el Capí ulo 1 se jus i ica debido a
su g an pe spec i a de u u o, p ecio educido pa a es udian es, ecu sos disponibles y simplicidad y es é ica
en sus cuad os de mando. (Obje i os Pa icula es 1 y 2).
Como se ha is o en el Capí ulo 2, el alcance de es e so wa e es muy amplio y si e en cualquie sec o ,
Tableau se conec a de mane a sencilla a a chi os en dis in os o ma os y pa icipa en odas las e apas
con empladas en el ciclo del análisis.
En conc e o, en el Capí ulo 3 de es e documen o se ha u ilizado como he amien a la ma iz BCG pa a alida
el so wa e (Obje i o Pa icula 3), y se ha comp obado que es pe ec amen e álido pa a si ua las ca ego ías
de p oduc os y de ini la es a egia según si un p oduc o es conside ado pe o, aca, es ella o in e ogan e.
En cuan o a las conclusiones ex aídas del caso de es udio co espondien e al Capí ulo 4, se demues a que,
pa iendo de la g an base de da os sin p ocesa , ha sido posible descub i y saca conclusiones sob e cómo se
compo aban an o las ca ego ías de p oduc os, como las iendas o incluso los í ems en pa icula .
P ác icamen e se puede lle a a cabo cualquie ipo de análisis y ep esen a lo en Dashboa ds in e ac i os de
o ma que el usua io inal pueda in e ac ua los con esul ados y oma decisiones es a égicas.
Den o del caso de es udio de la base de da os del Food Re ail, se ha indagado en di e sos ámbi os: desde la
ubicación de las iendas, el e ec o de la echa de comp a, el ango de p ecios e c.
Se iene que ap oximadamen e el 60% de las en as que se p oducen en es a cadena de supe me cados
co esponden a la ca ego ía de Ce eales. La ma ca blanca iene el mayo núme o de en as en los Snacks de
bolsa, y el meno en p oduc os que higiene o al, que además son los p oduc os menos endidos de oda la
base de da os.
El e ec o del descuen o es más señalado en las Pizzas congeladas que en las o as ca ego ías, es o se puede
debe a que su ango de p ecios es el más ca o den o de las cua o ca ego ías es udiadas, con lo cual un
descuen o en Pizza esul a al consumido más a ac i o que un descuen o en los Snacks de bolsa, cuyo ango
de p ecio oscila al ededo de un eu o.
En el anscu so de las 156 semanas de la base de da os, se ap ecia un compo amien o cíclico en los meses
con mejo es en as, iden i icándose es os como ma zo, junio y diciemb e. Es e análisis da consis encia a las
a i maciones ealizadas en cuan o a ca ego ías con mayo es en as (Ce eales y Snacks de bolsa).
También se han analizado las ciudades con mayo ac u ación: Cincinna i y Hous on, que pe enecen a los
es ados de Ohio y Texas espec i amen e. Cen ando el análisis a ni el de cada supe me cado en pa icula ,
se han clasi icado las mejo es iendas y, den o de cada una los í ems más endidos, siendo posible e su
e olución empo al y el p onós ico.
Además, se ha podido e alua el e ec o que ienen en el consumido los descuen os en los p oduc os. Se ha
descubie o que lo que más inci a al comp ado es que el p oduc o es é des acado ya sea en la ci cula de la
ienda o en los es an es de los pasillos.

Conclusiones
66
Es os insigh s co espondien es al caso de es udio se alinean con el Obje i o Pa icula 4.
Con odo es o, se a i ma que es e T abajo de Fin de Más e da espues a a los cua o Obje i os Pa icula es
Ma cados en el inicio del documen o.
Como línea pa a desa ollo u u o de lo elabo ado en es e documen o, es e abajo puede e se ampliado
ealizando el mismo es udio, pe o u ilizando o o de los so wa es que se menciona on en el Capí ulo 1, con
el obje i o de pode compa a los esul ados con los que se han ob enido con Tableau y e si esas
he amien as apo an más bene icios que Tableau.
Así mismo, pa a el caso de es udio “B eak as a he F a ” se p opone ealiza el análisis eliminando los
p oduc os de higiene o al, ya que su desempeño no es bueno, y así pode en oca se en el aumen o de en as
en las o as ca ego ías.
También se p opone un análisis de las ubicaciones donde solo exis e una ienda, pa a e si in e esa ab i
alguna o a en ese es ado.
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
67
6 BIBLIOGRAFÍA
A ibas, I. (27 de ene o de 2019). Vandaly ic. Recupe ado el 2020, de h ps:// andaly ic.com/powe -bi- s-qlik-
s- ableau-cual-es-el-mejo -so wa e-de-analisis-de-da os/
A a di, M. (2016). Análisis del diseño de isualización in e ac i a de in o mación. Uni e si a Poli ècnica de
València.
Ba ionue o, B. M. (s. .). El Business In elligence en las pymes. He amien a Powe BI. Uni e sidad poli écnica
de Ca agena.
Da awo ld. (s. .). Recupe ado el eb e o de 2020, de h ps://da a.wo ld/missda a iz/supe s o e-sales-eu
Dunnhumby. (s. .). Real-wo ld da a o pu you heo y in o p ac ice . Ob enido de
h ps://www.dunnhumby.com/ca ee s/enginee ing/sou ce iles
Ga ne . (2019). Magic Quad an o Analy ics and Business In elligence Pla o ms. Ob enido de
h ps://www.ga ne .com/doc/ ep in s?id=1-3TXXSLV&c =170221&s =sb
Google ends. (s. .). Recupe ado el eb e o de 2020, de
h ps:// ends.google.com/ ends/explo e?da e=all&q=%2Fm%2F016jq3
google ends, da a isualiza ion. (s. .). Recupe ado el eb e o de 2020, de
h ps:// ends.google.com/ ends/explo e?da e=all&q=da a%20 isualiza ion
Insigh s, G. P. (s. .). Compa ing Mic oso , Qlik, Tableau . Recupe ado el 2020, de
h ps://www.ga ne .com/ e iews/ma ke /analy ics-business-in elligence-
pla o ms/compa e/mic oso - s-qlik- s- ableau
Jo dá, P. (2016). La u ilización de he amien as Business In elligence pa a la ges ión emp esa ial.
UNIVERSITAT POLITÈCNICA DE VALÈNCIA.
Mañez, R. (s. .). ubenmanez. Recupe ado el eb e o de 2020, de h ps:// ubenmanez.com/
Ma ínez, V. B. (2018). Implan ación de un sis ema de Business In elligence en emp esa de cu sos a dis ancia.
Monzón, L. (9 de agos o de 2018). A ben ia. Recupe ado el 2020, de h ps://www.a ben ia.com/compa a i a-
de-he amien as-de-business-in elligence-mic oso -powe -bi/
Ruedas, J. H. (2015). Análisis de los sis emas de ayuda a la oma de decisiones y su aplicación a los p ocesos
emp esa iales . Uni e sidad de Can ab ia.
TRENDS, Q. E. (s. .). Escuela de negocios y di ección . Recupe ado el eb e o de 2020, de
h ps://b .escueladenegociosydi eccion.com/business/ma ke ing-digi al/google- ends/
udemy. (s. .). Recupe ado el oc ub e de 2019, de h ps://www.udemy.com/cou se/ isualizacion-de-da os-con-
ableau/#ins uc o -1
Bibliog a ía
68
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
69
7 ANEXO: LA INTERFAZ DE TABLEAU.
En es e apa ado se mues an uncionalidades de ableau que se han u ilizado pa a la ealización del análisis
de la base de da os.
7.1 Tipos de uniones
Þ In e io : Sólo se man end án los egis os que coincidan con la condición de unión an o de la abla
de la izquie da como de la abla de la de echa. En el siguien e ejemplo, solo las es ilas coinciden es
se man ienen en los esul ados:
Þ Izquie da: Se man end án odos los egis os de la abla de la izquie da. Los egis os coinciden es de
la abla de la de echa end án alo es en la abla esul an e, mien as que los egis os no coinciden es
con end án alo es nulos (null) pa a odos los campos de la abla de la de echa. En el siguien e
ejemplo, las cinco ilas de la abla izquie da se man ienen con esul ados NULL pa a los alo es de la
de echa que no coinciden.
Þ De echa: Se conse a án odos los egis os de la abla de la de echa. Los egis os coinciden es de la
abla de la izquie da gene a án alo es, mien as que los egis os no coinciden es con end án alo es
nulos (null) pa a odos los campos de la abla de la izquie da. No odas las uen es de da os admi en
una unión co ec a. Si no es compa ible, la opción es a á deshabili ada. En el siguien e ejemplo, las
cinco ilas de la abla de echa se man ienen con esul ados null pa a los alo es izquie dos que no
coinciden.
Þ Ex e io comple o: Todos los egis os de las ablas en ambos lados se man end án. Los egis os
coinciden es end án alo es de izquie da y de echa. Los egis os no coinciden es end án alo es
null donde no se encon ó el egis o coinciden e izquie do o de echo. No odas las uen es de da os
admi en una combinación ex e na comple a. Si no es compa ible, la opción es a á deshabili ada. En
el siguien e ejemplo, odas las ilas se man ienen desde ambos lados con alo es null donde no se
encon a on coincidencias.
7.2 Tipos de campos en Tableau
7.2.1 Medidas y Dimensiones
Los campos de da os se c ean a pa i de las columnas de la uen e de da os. A cada campo se le asigna
au omá icamen e un ipo de da os (po ejemplo, en e o, cadena, echa, e c.) y un ol: o bien dimensión
disc e a o medida con inua (más habi ual), o bien dimensión con inua o medida disc e a (menos habi ual).
• Las dimensiones con ienen alo es cuali a i os (po ejemplo, nomb es, echas o da os geog á icos).
Puede u iliza las dimensiones pa a ca ego iza , segmen a y e ela los de alles de los da os. Las
dimensiones a ec an al ni el de de alle de la is a.
• Las medidas con ienen alo es numé icos cuan i a i os que se pueden medi . Las medidas se pueden
ag ega . Al a as a una medida a la is a, Tableau aplica una ag egación a esa medida (de o ma
p ede e minada).
Anexo: La in e az de Tableau.
76
o P incipales: se u iliza ía, po ejemplo, en una is a que mues a el p omedio de iempo de en ío de
los p oduc os de Amazon. Si se quie e il a mos ando solo los 10 p oduc os p incipales en é minos
de en as. En luga de ene que de ini un ango especí ico pa a Ven as (po ejemplo, supe io a
200.000€, se puede de ini un lími e (los 10 p ime os) ela i o a los demás miemb os del campo
(p oduc os).
7.4.2 Fil os pa a campos con inuos
Al a as a un campo con inuo al es an e de il os, las opciones que apa ecen son dis in as y son las
siguien es:
o In e alo de alo es: se selecciona un ango de alo es pa a especi ica los alo es mínimo y máximo
del ango pa a inclui en la is a.
o Mínimo: se selecciona pa a inclui odos los alo es mayo es o iguales a un alo mínimo especi icado.
Es e ipo de il o es ú il cuando los da os cambian a menudo, po lo que especi ica un lími e supe io
puede no se posible.
o Máximo: seleccione la opción Máximo pa a inclui odos los alo es meno es o iguales a un alo
máximo especi icado.
o Especial: se u iliza pa a il a los alo es nulos. Se puede elegi en e inclui solo alo es nulos, alo es
no nulos o odos los alo es.
7.5 Visualizaciones A anzadas
Pa a pode analiza odo lo que esconden los da os y oma decisiones, hay que se capaz ealiza la
ep esen ación que mejo se adap e a lo que se quie e ansmi i , aunque se ha is o p e iamen e las
ep esen aciones más básicas, se puede p o undiza más den o de ellas pa a ealiza compa aciones,
ep esen a echas y ho as, si ua una pa e en un conjun o, ep esen a dis ibuciones o u iliza múl iples ejes.
Todo es o ayuda á a que se ex aiga la máxima in o mación posible del conjun o de da os.
7.5.1 Compa a alo es
Se u ilizan cuando se quie e compa a la di e encia en e alo es medidos en di e en es ca ego ías, o cuando
su gen el siguien e ipo de p egun as:
- ¿Cuán os clien es ha a endido cada ienda?
- ¿Cuán a ene gía se ha p oducido en cada pa que eólico?
- ¿A cuán os pacien es ha a endido cada doc o ?
Todas ienen en común que se es á haciendo una compa ación, ya sea en e iendas, ene gía o médicos en
cuan o a algún e mino que se puede medi (nume o de clien es, ene gía, pacien es).

Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
77
Þ Diag amas de ba as:
La siguien e Figu a mues a el núme o de pacien es a endidos en un hospi al po depa amen o médico, el
hecho de que es é o denado hace más ácil la compa ación ya que, po ejemplo, se puede e que
mic obiología u o más pacien es que nu ición, cosa que no se ía an ácil de e si el o den ue a
al abé icamen e según la especialidad.
Figu a 79: Diag ama de ba as en o den descenden e.
Especialidad es una dimensión y po eso segmen a los da os en unción de la especialidad a la que pe enezca,
po se disc e o (azul), c ea encabezados.
Núme o de pacien es es una medida, que da la suma de pacien es en cada depa amen o, y de ine un eje
po que es con inuo ( e de).
Si, po ejemplo, ocu ie a que solo in e esan dos ca ego ías, de las que se quie e hace un seguimien o, la
unidad de cuidados in ensi os y neona os, se puede c ea un g upo con esos dos elemen os, cambia les el
colo , y pone una e ique a pa a e el alo que ienen.
Figu a 80: Diag ama de ba as esal ado.
Anexo: La in e az de Tableau.
78
La Figu a 80 mues a un g a ico de ba as básico, pe o se puede ex ende es e concep o pa a ealiza o os
análisis.
Þ G á icos de Bala:
Son una buena opción pa a cuando se quie e compa a un alo con un obje i o o con un umb al. La ba a
indica el alo de la medida, la línea neg a e ical indica el obje i o. Y po de ec o Tableau somb ea la dis ancia
pa a indica donde se ha alcanzado el 60% y 80% del alo obje i o.
Po ejemplo, si el hospi al iene un egis o con el iempo es ánda u obje i o en e que cada pacien e llega al
hospi al y es a endido po el médico de la especialidad co espondien e:
Figu a 81: Base da os hospi al, iempo obje i o po especialidad.
Po o a pa e, se iene la base de da os conocida como p ima ia, de cada egis o po pacien e, con el iempo
eal que espe ó has a se a endido po el doc o . Se puede ealiza una unión en e los da os de las dos uen es
a a és del campo especialidad (depa men ) común a ambas.
Figu a 82: combinación uen es da os.
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
79
Con es a unión de da os es posible ep esen a g á icamen e el iempo p omedio de espe a po pacien e y
especialidad en e al obje i o o iempo es ánda .
Además, en Tableau se pueden c ea campos calculados, como se e á en el capí ulo 5, c eando un campo
calculado del ipo e dade o o also, que compa e ambos iempos y, a as ándolo al es an e de la ma ca Colo ,
se hace más sencillo la iden i icación de especialidades donde los iempos son peo es que los es ánda es.
Figu a 83: Diag ama de bala.
Þ Diag ama de ba a den o de ba a
O a o ma de mos a elaciones en e dos alo es den o de una misma ca ego ía es u ilizando es e ipo de
g á icos. Si en an o pa a mos a el p og eso en e a un obje i o como pa a compa a dos alo es en e sí.
Po ejemplo, se pod ía compa a el bene icio ob enido en e dos años consecu i os. Es muy pa ecido a un
g á ico de ba as apiladas, pe o se desac i a la opción de apila e incluyendo el amaño como ma ca pa a que
no se solapen las dos ba as y se puede en ende el g á ico.
Anexo: La in e az de Tableau.
80
Figu a 84: Va iación diag ama de ba as.
7.5.2 Fechas y ho as
Se u ilizan en si uaciones en las cuales se quie e comp ende cuándo ha ocu ido algo y el ipo de cues iones
que se plan ean son del ipo:
- ¿Cuándo se ob u o el máximo bene icio?
- ¿A qué ho a del día hay el mayo nume o de clien es?
- ¿A ec a la es ación del año en las en as y el bene icio?
Es necesa io comp ende los concep os de Valo de Fecha, Pa e de Fecha y Fecha exac a.
Figu a 85: Fechas.
o Pa e de echa: Rep esen a una pa e especí ica de la echa, como po ejemplo el imes e o el mes,
la pa e de la echa se usa en sí misma sin ene en cuen a a lo demás, es o quie e deci que, si la echa
que se iene es 13 de no iemb e de 2018 y se elige: pa e de echa - mes, se es a án eniendo en
cuen a odos los meses de no iemb e que exis en en la base de da os, no solo el año 2018
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
81
Figu a 86: Pa e de echa.
o Valo de echa: En es e caso se unca la echa al ni el seleccionado, es deci si se iene 13 de
no iemb e de 2018 y se elige: alo de echa – mes, se end ía no iemb e 2018 y no iemb e 2017
Figu a 87: Valo de Fecha.
o Fecha exac a: cuando se selecciona es e campo cada echa es a ada con odo el ni el de de alle,
incluyendo incluso la ho a, es deci , 13 no iemb e 2017 13:13 se a a dis in o que 13 no iemb e 2017
2:43.
Po de ec o los pa es de echa son disc e os y los alo es de echa y echas exac as son con inuos.
La habilidad de usa y mezcla pa es y alo es de echa apo a mucha lexibilidad a la ho a de c ea
isualizaciones in e esan es.

Anexo: La in e az de Tableau.
82
Figu a 88: Combinación campos de Fechas.
Cuando in e esa conoce pa ones en e momen os empo ales, ya sea en e del día semanas de mes, se
pueden u iliza los mapas de calo , como el que se iene en la Figu a 89.
En es e caso se ep esen a el núme o de pacien es admi idos po día y mes, como el año no es á incluido se
es á ealizando el análisis pa a odos los años incluidos en la base de da os.
Es o si e pa a saca conclusiones como, po ejemplo, que el aumen o de pacien es a mediados de eb e o
puede debe se a la g ipe.
Figu a 89: Mapa de calo .
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
83
7.5.3 Relaciona una pa e con el o al
Cuando el in e és adica en comp ende cómo una pa e a ec a al conjun o de da os, se pod ían plan ea
p egun as de ipo:
- ¿Cuán o apo a cada ipo de gene ación de ene gía eléc ica (eólica sola , nuclea , ca bón) al o al de
ene gía p oducida?
- ¿Qué po cen aje del bene icio o al se ha ob enido en cada país?
En ambas p egun as se es á buscando la elación en e una pa e (mé odo de p oducción, país) y el o al
(ene gía o al, bene icio o al)
En es e subapa ado se an a e los ipos de isualización que pueden ealiza en Tableau pa a ealiza es e
ipo de análisis.
BARRAS APILADAS
Siguiendo con el caso del hospi al, en la base de da os apa ece que a cada pacien e se le ha asignado un ni el
de iesgo: al o o bajo.
Se puede analiza , pa a los pacien es que han sido a endidos po cada especialidad, cuán os de ellos enían un
pe il de iesgo al o y bajo. Además, pa a añadi más in o mación a la is a, se puede hace un cálculo de ablas
ápido, que se explica á en de alle en el capí ulo 5, pa a e la misma in o mación, pe o en po cen aje espec o
al o al de pacien es po depa amen o.
Combinando es as dos ba as en la Figu a se añade alo a la isualización ya que se pueden ex ae más
conclusiones.
Figu a 90: Ba as apiladas.
MAPAS DE ÁRBOL
Los mapas de á bol u ilizan una se ie de ec ángulos pa a mos a cada pa e espec o al o al. Es os son de
especial u ilidad cuando se ienen elaciones je á quicas y dimensiones con g an can idad de alo es dis in os.
Anexo: La in e az de Tableau.
84
Figu a 91: Mapa de á bol.
Diag amas de á ea
Es una a ian e de un g á ico de líneas, cambiando la ma ca de línea a una ma ca de á ea se ob iene la
isualización siguien e:
Figu a 92: Diag ama de á ea.
Cada banda ep esen a una sucu sal del hospi al y, aunque la isualización es es é ica, ocu e lo mismo que
con los diag amas de ba as apiladas, solo el á ea osa, co espondien e a la sucu sal Su del hospi al, puede
se leída en el eje de la izquie da. Como las o as líneas es án apiladas esul a más complicado la compa ación.
Po ejemplo, es ob io que exis e un pico en eb e o en 2017 y 2016 pe o no se puede a i ma con segu idad
que ocu a en las es sucu sales o que sea el e ec o de una de ellas y que es a a ec e a las demás.
Si se ealiza sob e el g á ico an e io un calculo de ablas ápido, que se e á en de alle en el Capí ulo 5, y se
calcula el po cen aje del o al de pacien es que había en cada sucu sal po día se end ía el g á ico siguien e:
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
85
Figu a 93: Diag ama de á ea elleno.
Ya no se en los picos como ocu ía en la Figu a 92, y además se puede a i ma que al ededo de eb e o/ma zo
de 2018 hubo un aumen o signi ica i o del núme o de pacien es en la sucu sal del es e espec o a las o as
dos.
Según como se ep esen en los da os, se en a iza á o se ocul a án algunos de es os aspec os. Po es e mo i o,
es impo an e sabe qué se quie e descub i o con a y cómo ap o echa las he amien as que o ece Tableau.
DIAGRAMAS CIRCULARES
Se usan con el mismo p opósi o que los an e io es, mos a la elación en e una pa e con el o al.
Figu a 94: Diag ama ci cula .
Anexo: La in e az de Tableau.
92
CÁLCULOS A NIVEL DE FILA
En el campo P opiedad se iene el nomb e de la p opiedad y el núme o de habi ación, se an a sepa a c eando
dos campos calculados, uno llamado habi ación y o o edi icio. Es o se hace pa a pode ealiza análisis a ni el
de habi aciones y a ni el de los edi icios.
Figu a 103: Cálculo a ni el de ila.
Es e código quie e deci que pa a el campo “P opiedad”, se a a u iliza el guion como sepa ado y a la p ime a
pa e (la que es á an es del guion) se le a a asigna el campo habi ación y a la segunda, el campo edi icio.
Tableau mues a que se a a de un campo calculado con el signo ‘=’ an es del ipo de da o.
Como se e, los cálculos se han ealizado a ni el de ila.
Figu a 104: Cálculo a ni el ila en la base de da os.
CALCULOS AGREGADOS
En las g á icas que se han u ilizado en los capí ulos p e ios, se han is o las ag egaciones ípicas de Tableau:
Suma, Máximo, Mínimo, P omedio. Es as ag egaciones se pueden u iliza ambién pa a hace cálculos más
complejos, que se conocen como cálculos ag egados.
Po ejemplo, si se quie e conoce el po cen aje de alquile que ha sido descon ado, ese campo no exis e en la
base de da os, y no se puede almacena ya que cambia según el ni el de de alle que se enga, es deci , no es
lo mismo el po cen aje de descuen o pa a un edi icio, que pa a la habi ación.
Se debe calcula como un ag egado e i ecalculándose según cambie el ni el de de alle de la isualización.
Se a a c ea un campo calculado que se llame Descuen o (%) con el siguien e código:
Figu a 105: Cálculo ag egado.
Es e código indica que la suma del descuen o debe se di idida po la suma del alquile . Es deci , odos los
alo es de descuen os se añadi án y odos los de alquile , una ez se haya hecho la suma, se ealiza á la
di isión.

Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
93
Figu a 106: Cálculo ag egado.
Si aho a se quie e e el descuen o po habi ación en luga de po huésped se puede elimina de la isualización
los campos de huésped y echas, quedando:
Figu a 107: Cálculo ag egado.
Los alo es de descuen o han cambiado po que las ag egaciones dependen de las dimensiones que es én
de iniendo el ni el de de alle de la isualización.
En el p ime caso, el ni el de de alle es á de inido po los cinco campos que apa ecen en el es an e ilas,
en onces, el cálculo suma odo el alquile pa a cada pe íodo de alquile y odos los descuen os pa a el pe iodo
de alquile y luego los di ide.
En el segundo caso, Edi icio y Habi ación ede inen el ni el de de alle. De o ma que el cálculo suma odos los
p ecios de cada edi icio y habi ación y odos los descuen os pa a cada edi icio y habi ación y luego los di ide.
La di e encia en e los cálculos a ni el de ila y los cálculos ag egados es muy impo an e. Pa a que se en ienda
bien es a di e encia se a a ealiza el mismo cálculo del descuen o (%), pe o a ni el ila.
Con el código [Descuen o] / Alquile ] en luga de SUM([Descuen o]) / SUM([Alquile ])
Anexo: La in e az de Tableau.
94
Figu a 108: Ni el ila s ag egado.
En los alo es de medidas, el cálculo a ni el de ila apa ece con SUM en luga de AGG. Es o signi ica que lo que
Tablea hace es, calcula el descuen o ila a ila y luego suma lo pa a mos a lo en la abla, el 60% es la suma de
cada po cen aje que se calculó ila a ila, en e al 10% que se ha calculado sumando odos los descuen os
di ididos po odos los alquile es.
Figu a 109: Cálculo a Ni el ila
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
95
Figu a 110: Cálculo Ag egado.
7.6.2 Cálculos de Tabla.
Los cálculos de abla son una de las he amien as más pode osas de Tableau, ya que pe mi en:
- Compa a y ealiza cálculos sob e alo es ag egados en las ilas de la abla esul an e.
- Ab i posibilidades pa a el análisis y en oques c ea i os pa a esol e p oblemas o esal a ideas.
La complejidad de es os a ía, exis en cálculos que se c ean de mane a muy sencilla, con un pa de clics, y
o os, que equie en una mayo comp ensión de lo que se es á haciendo y de la in o mación que se quie e
ex ae . Un campo con un cálculo de abla ac i o se iden i ica con el símbolo del a (D), po ejemplo: SUMA
(sales)D.
Pa a e como se usan los cálculos de abla se usa á la base de da os de Excel Supe s o e, que ya se ha u ilizado
en capí ulos p e ios.
o Cálculos de abla ápidos
Los cálculos de abla ápidos son cálculos p ede inidos que pueden se aplicados a cualquie campo que es é
siendo usado como una medida en la isualización. Algunos de los cálculos de abla ápidos disponibles son:
o al acumulado, di e encia, di e encia de po cen aje, o clasi icación. U ilizando la base de da os Supe s o e,
se mues an algunos ejemplos de los cálculos de abla ápidos:
Figu a 111: Cálculos de abla ápidos.
Anexo: La in e az de Tableau.
96
En la Figu a 111 se ep esen an dos g á icos, en el que es á a iba se e la suma de en as pa a cada echa y
en el de abajo el o al acumulado de la suma de en as según la echa.
En el siguien e ejemplo se en o os de los cálculos de abla ápidos que hay disponibles
Figu a 112: Cálculos de abla ápidos II.
o CONCEPTOS IMPORTANTES DEL CÁLCULO DE TABLAS:
Los cálculos de abla se pueden compu a o ela i os a la abla o ijados po una de las dimensiones de la abla:
Þ Rela i o a la abla; alcance y di ección:
Los cálculos de abla se compu a án en unción del layou o diseño de la abla. Se mo e án a lo la go o hacia
abajo en la abla, si se cambia la dis ibución de la abla los cálculos se e án a ec ados.
Alcance y di ección: es os é minos desc iben como se ha compu ado un cálculo de abla.
El alcance de ine los lími es en los que se ejecu a á el cálculo, es os pueden se la abla comple a, un panel o
una celda, la di ección indica como se mue e el cálculo en la abla (abajo, a lo la go, abajo y luego a lo la go, a
lo la go y después abajo)
Análisis de Da os y Toma de Decisiones U ilizando una He amien a de Business In elligence: Tableau.
97
Figu a 113: abla, panel y celda
Þ Fijado po una dimensión; di eccionamien o y pa ición:
El di eccionamien o y la pa ición son concep os muy pa ecidos a los is os p e iamen e (alcance y di ección)
con la di e encia en el di eccionamien o y pa ición los cálculos no es án e e enciados al layou de la abla,
sino que se elacionan con cie as dimensiones pa a el di eccionamien o y con o as pa a la pa ición.
Es os cálculos dan un con ol más p eciso, ya que se desligan del diseño de la abla pa a ealiza los cálculos,
es deci , los esul ados se man ienen aún cambiando la o ien ación de la able o el o den en que se mues an
los campos.
Figu a 114: Di eccionamien o y pa ición.

Anexo: La in e az de Tableau.
98