UNIVERSIDAD NACIONAL DE SAN CRISTÓBAL DE HUAMANGA

ESCUELA DE FORMACIÓN PROFESIONAL DE INGENIERÍA DE SISTEMAS

FACULTAD DE INGENIERÍA DE MINAS, GEOLOGÍA Y CIVIL

PLANEAMIENTO ESTARTÉGICO DE SISTEMAS DE INFORMACIÓN

“ BUSINESS INTELLIGENCE”

PROFESOR: Ing Edith GUEVARA MOROTE

INTEGRANTES:

AYALA FARFAN, Jhimy Alexander BAUTISTA CAÑA, Oliver Aaa aa

AYACUCHO-PERÚ

2016

Business Intelligence (BI)

Business Intelligence (Inteligencia Empresarial o Inteligencia de negocios) es la habilidad para transformar los datos en información, y la información en conocimiento, de forma que se pueda optimizar el proceso de toma de decisiones en los negocios.

Desde un punto de vista más pragmático, y asociándolo directamente con las tecnologías de la información, podemos definir Business Intelligence como el conjunto de metodologías, aplicaciones y tecnologías que permiten reunir, depurar y transformar datos de los sistemas transaccionales e información desestructurada (interna y externa a la compañía) en información estructurada, para su explotación directa (reporting, análisis OLTP / OLAP, alertas...) o para su análisis y conversión en conocimiento, dando así soporte a la toma de decisiones sobre el negocio.

La inteligencia de negocio actúa como un factor estratégico para una empresa u organización, generando una potencial ventaja competitiva, que no es otra que proporcionar información privilegiada para responder a los problemas de negocio: entrada a nuevos mercados, promociones u ofertas de productos, eliminación de islas de información, control financiero, optimización de costes, planificación de la producción, análisis de perfiles de clientes, rentabilidad de un producto concreto, etc...

Datos, información, conocimiento

¿En qué se diferencia el conocimiento de los datos y de la información? En una conversación informal, los tres términos suelen utilizarse indistintamente y esto puede

llevar a una interpretación libre del concepto de conocimiento. Quizás la forma más sencilla de diferenciar los términos sea pensar que los datos están localizados en el mundo y el conocimiento está localizado en agentes de cualquier tipo (personas, empresas, máquinas...), mientras que la información adopta un papel mediador entre ambos.

Los conceptos que se muestran a continuación se basan en las definiciones de Davenport y Prusak (1999).

Datos

Los datos son la mínima unidad semántica, y se corresponden con elementos primarios de información que por sí solos son irrelevantes como apoyo a la toma de decisiones. También se pueden ver como un conjunto discreto de valores, que no dicen nada sobre el por qué de las cosas y no son orientativos para la acción.

Un número telefónico o un nombre de una persona, por ejemplo, son datos que, sin un propósito, una utilidad o un contexto no sirven como base para apoyar la toma de una decisión. Los datos pueden ser una colección de hechos almacenados en algún lugar físico como un papel, un dispositivo electrónico (CD, DVD, disco duro...), o la mente de una persona. En este sentido las tecnologías de la información han aportado mucho a recopilación de datos.

Como cabe suponer, los datos pueden provenir de fuentes externas o internas a la organización, pudiendo ser de carácter objetivo o subjetivo, o de tipo cualitativo o cuantitativo, etc.

Información

La información se puede definir como un conjunto de datos procesados y que tienen un significado (relevancia, propósito y contexto), y que por lo tanto son de utilidad para quién debe tomar decisiones, al disminuir su incertidumbre. Los datos se pueden transforman en información añadiéndoles valor:

  Contextualizando: se sabe en qué contexto y para qué propósito se generaron.

  Categorizando: se conocen las unidades de medida que ayudan a interpretarlos.

  Calculando: los datos pueden haber sido procesados matemática o estadísticamente.

  Corrigiendo: se han eliminado errores e inconsistencias de los datos.

  Condensando: los datos se han podido resumir de forma más concisa (agregación).

Por tanto, la información es la comunicación de conocimientos o inteligencia, y es capaz de cambiar la forma en que el receptor percibe algo, impactando sobre sus juicios de valor y sus comportamientos.

Información = Datos + Contexto (añadir valor) + Utilidad (disminuir la incertidumbre)

Conocimiento

El conocimiento es una mezcla de experiencia, valores, información y know-how que sirve como marco para la incorporación de nuevas experiencias e información, y es útil para la acción. Se origina y aplica en la mente de los conocedores. En las organizaciones con frecuencia no sólo se encuentra dentro de documentos o almacenes de datos, sino que también esta en rutinas organizativas, procesos, prácticas, y normas.

El conocimiento se deriva de la información, así como la información se deriva de los datos. Para que la información se convierta en conocimiento es necesario realizar acciones como:

  Comparación con otros elementos.

  Predicción de consecuencias.

  Búsqueda de conexiones.

  Conversación con otros portadores de conocimiento.

Los principales productos de Business Intelligence que existen hoy en día son:

A) Cuadro de Mando Integral

El Cuadro de Mando Integral (CMI), también conocido como Balanced Scorecard (BSC) o dashboard, es una herramienta de control empresarial que permite establecer y monitorizar los objetivos de una empresa y de sus diferentes áreas o unidades.

También se puede considerar como una aplicación que ayuda a una compañía a expresar los objetivos e iniciativas necesarias para cumplir con su estrategia, mostrando de forma continuada cuándo la empresa y los empleados alcanzan los resultados definidos en su plan estratégico.

Diferencia con otras herramientas de Business Intelligence

El Cuadro de Mando Integral se diferencia de otras herramientas de Business Intelligence, como los Sistemas de Soporte a la Decisión (DSS) o los Sistemas de Información Ejecutiva (EIS), en que está más orientados al seguimiento de indicadores que al análisis minucioso de información. Por otro lado, es muy común que un CMI sea controlado por la dirección general de una compañía, frente a otras herramientas de Business Intelligence más enfocadas a a la dirección departamental. El CMI requiere, por tanto, que los directivos analicen el mercado y la estrategia para construir un modelo de negocio que refleje las interrelaciones entre los diferentes componentes de

la empresa (plan estratégico). Una vez que lo han construido, los responsables de la organización utilizan este modelo como mapa para seleccionar los indicadores del CMI.

Tipos de Cuadros de Mando

El Cuadro de Mando Operativo (CMO), es una herramienta de control enfocada al seguimiento de variables operativas, es decir, variables pertenecientes a áreas o departamentos específicos de la empresa. La periodicidad de los CMO puede ser diaria, semanal o mensual, y está centrada en indicadores que generalmente representan procesos, por lo que su implantación y puesta en marcha es más sencilla y rápida. Un CMO debería estar siempre ligado a un DSS (Sistema de Soporte a Decisiones) para indagar en profundidad sobre los datos.

El Cuadro de Mando Integral (CMI), por el contrario, representa la ejecución de la estrategia de una compañía desde el punto de vista de la Dirección General (lo que hace que ésta deba estar plenamente involucrada en todas sus fases, desde la definición a la implantación). Existen diferentes tipos de cuadros de mando integral, si bien los más utilizados son los que se basan en la metodología de Kaplan & Norton. La principales características de esta metodología son que utilizan tanto indicadores financieros como no financieros, y que los objetivos estratégicos se organizan en cuatro áreas o perspectivas: financiera, cliente, interna y aprendizaje/crecimiento.

  La perspectiva financiera incorpora la visión de los accionistas y mide la creación de valor de la empresa. Responde a la pregunta: ¿Qué indicadores tienen que ir bien para que los esfuerzos de la empresa realmente se transformen en valor? Esta perspectiva valora uno de los objetivos más relevantes de organizaciones con ánimo de lucro, que es, precisamente, crear valor para la sociedad.

  La perspectiva del cliente refleja el posicionamiento de la empresa en el mercado o, más concretamente, en los segmentos de mercado donde quiere competir. Por ejemplo, si una empresa sigue una estrategia de costes es muy posible que la clave de su éxito dependa de una cuota de mercado alta y unos precios más bajos que la competencia. Dos indicadores que reflejan este posicionamiento son la cuota de mercado y un índice que compare los precios de la empresa con los de la competencia.

  La perspectiva interna recoge indicadores de procesos internos que son críticos para el posicionamiento en el mercado y para llevar la estrategia a buen puerto. En el caso de la empresa que compite en coste, posiblemente los indicadores de productividad, calidad e innovación de procesos sean importantes. El éxito en estas dimensiones no sólo afecta a la perspectiva interna, sino también a la financiera, por el impacto que tienen sobre las rúbricas de gasto.

  La perspectiva de aprendizaje y crecimiento es la última que se plantea en este modelo de CMI. Para cualquier estrategia, los recursos materiales y las personas son la clave del éxito. Pero sin un modelo de negocio apropiado, muchas veces es difícil apreciar la importancia de invertir, y en épocas de crisis lo primero que se recorta es precisamente la fuente primaria de creación de valor: se recortan inversiones en la mejora y el desarrollo de los recursos.

Pese a que estas cuatro son las perspectivas más genéricas, no son "obligatorias". Por ejemplo, una empresa de fabricación de ropa deportiva tiene, además de la perspectiva de clientes, una perspectiva de consumidores. Para esta empresa son tan importantes sus distribuidores como sus clientes finales.

Una vez que se tienen claros los objetivos de cada perspectiva, es necesario definir los indicadores que se utilizan para realizar su seguimiento. Para ello, debemos tener en cuenta varios criterios: el primero es que el número de indicadores no supere los siete por perspectiva, y si son menos, mejor. La razón es que demasiados indicadores difuminan el mensaje que comunica el CMI y, como resultado, los esfuerzos se dispersan intentando perseguir demasiados objetivos al mismo tiempo. Puede ser recomendable durante el diseño empezar con una lista más extensa de indicadores. Pero es necesario un proceso de síntesis para disponer de toda la fuerza de esta herramienta.

No obstante, la aportación que ha convertido al CMI en una de las herramientas más significativas de los últimos años es que se cimenta en un modelo de negocio. El éxito de su implantación radica en que el equipo de dirección se involucre y dedique tiempo al desarrollo de su propio modelo de negocio.

Beneficios de la implantación de un Cuadro de Mando Integral

La fuerza de explicitar un modelo de negocio y traducirlo en indicadores facilita el consenso en toda la empresa, no sólo de la dirección, sino también de cómo alcanzarlo.

Clarifica cómo las acciones del día a día afectan no sólo al corto plazo, sino también al largo plazo.

Una vez el CMI está en marcha, se puede utilizar para comunicar los planes de la empresa, aunar los esfuerzos en una sola dirección y evitar la dispersión. En este caso, el CMI actúa como un sistema de control por excepción.

Permita detectar de forma automática desviaciones en el plan estratégico u operativo, e incluso indagar en los datos operativos de la compañía hasta descubrir la causa original que dió lugar a esas desviaciones.

Riesgos de la implantación de un Cuadro de Mando Integral

Un modelo poco elaborado y sin la colaboración de la dirección es papel mojado, y el esfuerzo será en vano.

Si los indicadores no se escogen con cuidado, el CMI pierde una buena parte de sus virtudes, porque no comunica el mensaje que se quiere transmitir.

Cuando la estrategia de la empresa está todavía en evolución, es contraproducente que el CMI se utilice como un sistema de control clásico y por excepción, en lugar de usarlo como una herramienta de aprendizaje.

Existe el riesgo de que lo mejor sea enemigo de lo bueno, de que el CMI sea perfecto, pero desfasado e inútil

B) Sistemas de Soporte a la Decisión (DSS)

Un Sistema de Soporte a la Decisión (DSS) es una herramienta de Business Intelligence enfocada al análisis de los datos de una organización.

En principio, puede parecer que el análisis de datos es un proceso sencillo, y fácil de conseguir mediante una aplicación hecha a medida o un ERP sofisticado. Sin embargo, no es así: estas aplicaciones suelen disponer de una serie de informes predefinidos en los que presentan la información de manera estática, pero no permiten profundizar en los datos, navegar entre ellos, manejarlos desde distintas perspectivas... etc.

El DSS es una de las herramientas más emblemáticas del Business Intelligence ya que, entre otras propiedades, permiten resolver gran parte de las limitaciones de los programas de gestión. Estas son algunas de sus características principales:

   Informes dinámicos, flexibles e interactivos, de manera que el usuario no tenga que ceñirse a los listados predefinidos que se configuraron en el momento de la implantación, y que no siempre responden a sus dudas reales.

   No requiere conocimientos técnicos. Un usuario no técnico puede crear nuevos gráficos e informes y navegar entre ellos, haciendo drag&drop o drill through. Por tanto, para examinar la información disponible o crear nuevas métricas no es imprescindible buscar auxilio en el departamento de informática.

   Rapidez en el tiempo de respuesta, ya que la base de datos subyacente suele ser un datawarehouse corporativo o un datamart, con modelos de datos en estrella o copo de nieve. Este tipo de bases de datos están optimizadas para el análisis de grandes volúmenes de información (vease ánalisis OLTP-OLAP).

   Integración entre todos los sistemas/departamentos de la compañía. El proceso de ETL previo a la implantación de un Sistema de Soporte a la Decisión garantiza la calidad y la integración de los datos entre las diferentes unidades de la empresa. Existe lo que se llama: integridad referencial absoluta.

   Cada usuario dispone de información adecuada a su perfil. No se trata de que todo el mundo tenga acceso a toda la información, sino de que tenga acceso a la información que necesita para que su trabajo sea lo más eficiente posible.

   Disponibilidad de información histórica. En estos sistemas está a la orden del día comparar los datos actuales con información de otros períodos históricos de la compañía, con el fin de analizar tendencias, fijar la evolución de parámetros de negocio... etc.

Diferencia con otras herramientas de Business Intelligence

El principal objetivo de los Sistemas de Soporte a Decisiones es, a diferencia de otras herramientas como los Cuadros de Mando (CMI) o los Sistemas de Información Ejecutiva (EIS), explotar al máximo la información residente en una base de datos corporativa (datawarehouse o datamart), mostrando informes muy dinámicos y con gran potencial de navegación, pero siempre con una interfaz gráfica amigable, vistosa y sencilla.

Otra diferencia fundamental radica en los usuarios a los que están destinadas las plataformas DSS: cualquier nivel gerencial dentro de una organización, tanto para situaciones estructuradas como no estructuradas. (En este sentido, por ejemplo, los CMI están más orientados a la alta dirección).

Por último, destacar que los DSS suelen requerir (aunque no es imprescindible) unmotor OLAP subyacente, que facilite el análisis casi ilimitado de los datos para hallar las causas raices de los problemas/pormenores de la compañía.

Tipos de Sistemas de Soporte a Decisiones

   Sistemas de información gerencial (MIS)Los sistemas de información gerencial (MIS, Management Information Systems), tambien llamados Sistemas de Información Administrativa (AIS) dan soporte a un espectro más amplio de tareas organizacionales, encontrándose a medio camino entre un DSS tradicional y una aplicación CRM/ERP implantada en la misma compañía.

   Sistemas de información ejecutiva (EIS)Los sistemas de información ejecutiva (EIS, Executive Information System) son el tipo de DSS que más se suele emplear en Business Intelligence, ya que proveen a los gerentes de un acceso sencillo a información interna y externa de su compañía, y que es relevante para sus factores clave de éxito.

   Sistemas expertos basados en inteligencia artificial (SSEE)Los sistemas expertos, también llamados sistemas basados en conocimiento, utilizan redes neuronales para simular el conocimiento de un experto y utilizarlo de forma efectiva para resolver un problema concreto. Este concepto está muy relacionado con el datamining.

  Sistemas de apoyo a decisiones de grupo (GDSS)Un sistema de apoyo a decisiones en grupos (GDSS, Group Decision Support Systems) es "un sistema basado en computadoras que apoya a grupos de personas que tienen una tarea (u objetivo) común, y que sirve como interfaz con un entorno compartido". El supuesto en que se basa el GDSS es que si se mejoran las comunicaciones se pueden mejorar las decisiones. 

C) Sistemas de Información Ejecutiva (EIS)

Un Sistema de Información para Ejecutivos o Sistema de Información Ejecutivaes una herramienta software, basada en un DSS, que provee a los gerentes de un acceso sencillo a información interna y externa de su compañía, y que es relevante para sus factores clave de éxito.

La finalidad principal es que el ejecutivo tenga a su disposición un panorama completo del estado de los indicadores de negocio que le afectan al instante, manteniendo también la posibilidad de analizar con detalle aquellos que no estén cumpliendo con las expectativas establecidas, para determinar el plan de acción más adecuado.

De forma más pragmática, se puede definir un EIS como una aplicación informática que muestra informes y listados (query & reporting) de las diferentes áreas de negocio, de forma consolidada, para facilitar la monitorización de la empresa o de una unidad de la misma.

El EIS se caracteriza por ofrecer al ejecutivo un acceso rápido y efectivo a la información compartida, utilizando interfaces gráficas visuales e intutivas. Suele incluir alertas e informes basados en excepción, así como históricos y análisis de tendencias. También es frecuente que permita la domiciliación por correo de los informes más relevantes.

A través de esta solución se puede contar con un resumen del comportamiento de una organización o área específica, y poder compararla a través del tiempo. Es posible, además, ajustar la visión de la información a la teoría de Balanced Scorecard o Cuadro de Mando Integral impulsada por Norton y Kaplan, o bien a cualquier modelo estratégico de indicadores que maneje la compañía.

  Cuadros de Mando Integrales (CMI)

  Sistemas de Soporte a la Decisión (DSS)

  Sistemas de Información Ejecutiva (EIS)

Por otro lado, los principales componentes de orígenes de datos en el Business Intelligence que existen en la actualidad son:

DatamartUn Datamart es una base de datos departamental, especializada en el almacenamiento de los datos de un área de negocio específica. Se caracteriza por disponer laestructura óptima de datos para analizar la información al detalle desde todas las perspectivas que afecten a los procesos de dicho departamento. Un datamart puede ser alimentado desde los datos de un datawarehouse, o integrar por si mismo un compendio de distintas fuentes de información.

Por tanto, para crear el datamart de un área funcional de la empresa es preciso encontrar la estructura óptima para el análisis de su información, estructura que puede estar montada sobre una base de datos OLTP, como el propio datawarehouse, o sobre una base de datos OLAP. La designación de una u otra dependerá de los datos, los requisitos y las características específicas de cada departamento. DatawarehouseUn Datawarehouse es una base de datos corporativa que se caracteriza por integrar y depurar información de una o más fuentes distintas, para luego procesarla permitiendo su análisis desde infinidad de pespectivas y con grandes velocidades de respuesta. La creación de un datawarehouse representa en la

mayoría de las ocasiones el primer paso, desde el punto de vista técnico, para implantar una solución completa y fiable de Business Intelligence.La ventaja principal de este tipo de bases de datos radica en las estructuras en las que se almacena la información (modelos de tablas en estrella, en copo de nieve, cubos relacionales... etc). Este tipo de persistencia de la información es homogénea y fiable, y permite la consulta y el tratamiento jerarquizado de la misma (siempre en un entorno diferente a los sistemas operacionales).

El término Datawarehouse fue acuñado por primera vez por Bill Inmon, y se traduce literalmente como almacén de datos. No obstante, y como cabe suponer, es mucho más que eso. Según definió el propio Bill Inmon, un datawarehouse se caracteriza por ser:

   Integrado: los datos almacenados en el datawarehouse deben integrarse en una estructura consistente, por lo que las inconsistencias existentes entre los diversos sistemas operacionales deben ser eliminadas. La información suele estructurarse también en distintos niveles de detalle para adecuarse a las distintas necesidades de los usuarios.

  Temático: sólo los datos necesarios para el proceso de generación del conocimiento del negocio se integran desde el entorno operacional. Los datos se organizan por temas para facilitar su acceso y entendimiento por parte de los usuarios finales. Por ejemplo, todos los datos sobre clientes pueden ser consolidados en una única tabla del datawarehouse. De esta forma, las peticiones de información sobre clientes serán más fáciles de responder dado que toda la información reside en el mismo lugar.

   Histórico: el tiempo es parte implícita de la información contenida en un datawarehouse. En los sistemas operacionales, los datos siempre reflejan el

estado de la actividad del negocio en el momento presente. Por el contrario, la información almacenada en el datawarehouse sirve, entre otras cosas, para realizar análisis de tendencias. Por lo tanto, el datawarehouse se carga con los distintos valores que toma una variable en el tiempo para permitir comparaciones.

   No volátil: el almacén de información de un datawarehouse existe para ser leído, pero no modificado. La información es por tanto permanente, significando la actualización del datawarehouse la incorporación de los últimos valores que tomaron las distintas variables contenidas en él sin ningún tipo de acción sobre lo que ya existía.Otra característica del datawarehouse es que contiene metadatos, es decir, datos sobre los datos. Los metadatos permiten saber la procedencia de la información, su periodicidad de refresco, su fiabilidad, forma de cálculo... etc.Los metadatos serán los que permiten simplificar y automatizar la obtención de la información desde los sistemas operacionales a los sistemas informacionales.Los objetivos que deben cumplir los metadatos, según el colectivo al que va dirigido, son:

   Dar soporte al usuario final, ayudándole a acceder al datawarehouse con su propio lenguaje de negocio, indicando qué información hay y qué significado tiene. Ayudar a construir consultas, informes y análisis, mediante herramientas de Business Intelligence como DSS, EIS o CMI.

   Dar soporte a los responsables técnicos del datawarehouse en aspectos de auditoría, gestión de la información histórica, administración del datawarehouse, elaboración de programas de extracción de la información, especificación de las interfaces para la realimentación a los sistemas operacionales de los resultados obtenidos... etc.Por último, destacar que para comprender íntegramente el concepto de datawarehouse, es importante entender cual es el proceso de construcción del mismo, denominado ETL (Extracción, Transformación y Carga), a partir de los sistemas operaciones de una compañía:

  Extracción: obtención de información de las distintas fuentes tanto internas como externas.

  Transformación: filtrado, limpieza, depuración, homogeneización y agrupación de la información.

  Carga: organización y actualización de los datos y los metadatos en la base de datos.

Una de las claves del éxito en la construcción de un datawarehouse es el desarrollo de forma gradual, seleccionando a un departamento usuario como piloto y expandiendo progresivamente el almacén de datos a los demás usuarios. Por ello es importante elegir este usuario inicial o piloto, siendo importante que sea un departamento con pocos usuarios, en el que la necesidad de este tipo de sistemas es muy alta y se puedan obtener y medir resultados a corto plazo.Principales aportaciones de un datawarehouse  Proporciona una herramienta para la toma de decisiones en cualquier área funcional, basándose en información integrada y global del negocio.  Facilita la aplicación de técnicas estadísticas de análisis y modelización para encontrar relaciones ocultas entre los datos del almacén; obteniendo un valor añadido para el negocio de dicha información.  Proporciona la capacidad de aprender de los datos del pasado y de predecir situaciones futuras en diversos escenarios.  Simplifica dentro de la empresa la implantación de sistemas de gestión integral de la relación con el cliente.  Supone una optimización tecnológica y económica en entornos de Centro de Información, estadística o de generación de informes con retornos de la inversión espectaculares.

Los sistemas y componentes del BI se diferencian de los sistemas operacionales en que están optimizados para preguntar y divulgar sobre datos. Esto significa típicamente que, en un datawarehouse, los datos están desnormalizados para apoyar consultas de alto rendimiento, mientras que en los sistemas operacionales suelen encontrarse normalizados para apoyar operaciones continuas de inserción, modificación y borrado de datos. En este sentido, los procesos ETL (extracción, transformación y carga), que

nutren los sistemas BI, tienen que traducir de uno o varios sistemas operacionales normalizados e independientes a un único sistema desnormalizado, cuyos datos estén completamente integrados.

En definitiva, una solución BI completa permite:

 Observar ¿qué está ocurriendo?

 Comprender ¿por qué ocurre?

 Predecir ¿qué ocurriría?

 Colaborar ¿qué debería hacer el equipo?

 Decidir ¿qué camino se debe seguir?        

Arquitectura de una solución de Business Intelligence

Una solución de Business Intelligence parte de los sistemas de origen de una organización (bases de datos, ERPs, ficheros de texto...), sobre los que suele ser necesario aplicar una transformación estructural para optimizar su proceso analítico.

Para ello se realiza una fase de extracción, transformación y carga (ETL) de datos. Esta etapa suele apoyarse en un almacén intermedio, llamado ODS, que actúa como pasarela entre los sistemas fuente y los sistemas destino (generalmente un datawarehouse), y cuyo principal objetivo consiste en evitar la saturación de los servidores funcionales de la organización.

La información resultante, ya unificada, depurada y consolidada, se almacena en un datawarehouse corporativo, que puede servir como base para la construcción de distintos datamarts departamentales. Estos datamarts se caracterizan por poseer la estructura óptima para el análisis de los datos de esa área de la empresa, ya sea mediante bases de datos transaccionales (OLTP) o mediante bases de datos analíticas (OLAP).

Los datos albergados en el datawarehouse o en cada datamart se explotan utilizando herramientas comerciales de análisis, reporting, alertas... etc. En estas herramientas se basa también la construcción de productos BI más completos, como los sistemas de

soporte a la decisión (DSS), los sistemas de información ejecutiva (EIS) y los cuadros de mando (CMI) o Balanced Scorecard (BSC).

Ejemplos prácticos de Business Intelligence

A continuación mostramos una serie de ejemplos reales (resumidos) de Business Intelligence:

Empresa conservera

Este caso práctico se refiere a uno de las mayores empresas conserveras de Galicia, con presencia internacional, más de 500 empleados y cerca de 100.000.000 € de facturación.

A pesar de que en el sector conservero es bien conocida la estacionalidad de las ventas (el consumo de atún en conserva se dispara en verano, debido a su participación en las ensaladas) y en diciembre (con motivo de la navidad), esta empresa no había sido capaz de optimizar la cantidad de producto finalizado que debía almacenar en stock para maximizar sus beneficios.

Mediante la implantación de un sistema de soporte a la decisión (DSS), y tras el análisis minucioso de los datos históricos que guardaba la compañía, resultó posible rediseñar todo el proceso logístico y de almacenamiento productivo hasta el punto de incrementar la rentabilidad económica de la misma (independientemente de la producción y la demanda) en un 10%.

Cadena de supermercados

Una conocida cadena de supermercados gallegos ha recurrido a un sistema de Business Intelligence para averiguar cual era el perfil de sus clientes más rentables e intentar hacer lo posible para fidelizarlos.

Para ello, una de las primeras acciones que llevó a cabo fue la creacción de una "tarjeta descuento", que vinculara a los clientes con el club del supermercado. Para poder optar a esta tarjeta, cada cliente debía facilitar sus datos personales básicos (edad, sexo, origen...) y unos datos complementarios de sus preferencias. A cambio recibía descuentos eventuales en sus compras.

Tras haber acumulado una relevante cantidad de datos, llegó el momento de extraer la información requerida mediante un sistema de soporte a la decisión. Entre las rarezas obtenidas en los resultados, cabe destacar que el perfil ideal de cada cliente tenía sustanciales diferencias en función de la ubicación geográfica, a pesar de que el límite del análisis era dentro de la propia Galicia.

Cooperativa lechera

En una cooperativa láctea de origen gallego, cuyos productos se publicitan en TV a nivel nacional, se habían desatado las alarmas debido a las grandes desviaciones económicas existentes, cada año, entre los parámetros estimados en enero y los resultados analizados doce meses más tarde.

Finalmente, para resolver el problema y potenciar al máximo sus sistemas informáticos tradicionales, la cooperativa decidió implantar un cuadro de mando integral (Balanced Scorecard) y realizar un seguimiento minucioso de sus objetivos estratégicos. Tras ocho meses desde la puesta en producción del sistema, consiguieron encontrar el origen de las desviaciones y tomar las acciones oportunas para enderezar la trayectoria operativa de la empresa.

Por otro lado, y como efecto colateral estrechamente relacionado, el sistema ha permitido analizar el impacto en las ventas de cada una de sus campañas publicitarias. Basándose la información contenida en sus propias bases de datos, la cooperativa ha conseguido desde entonces adaptar su publicidad para incrementar en un 8% su cuota de mercado.

Operador de telecomunicaciones

Este ejemplo hace referencia a uno de los mayores operadores de telecomunicación del mundo, con más de 91 millones de clientes en 220 países de los cinco continentes. Esta organización cuenta con 190.000 empleados y ofrece una gama completa de servicios de telecomunicaciones: telefonía local, internacional y móvil; internet y multimedia; transporte de datos; y difusión de TV por cable.

En los últimos años, la empresa ha venido utilizando los sistemas informáticos como un arma estratégica fundamental en la batalla entre operadores de telecomunicaciones. El objetivo de una de sus principales iniciativas ha sido reducir las inconsistencias en los datos y compartir la información de manera más eficaz entre las diferentes áreas de negocio, implementando en toda la organización estándares en el campo del software de gestión.

Peluquería local

Una peluquería de Santiago de Compostela llevaba dos años abierta al público. Durante todo ese tiempo, las dueñas, dos chicas jóvenes y emprendedoras, habían trabajado todos los días de la semana (a excepción, naturalmente, de los domingos) para sacar adelante su negocio.

Al haber estabilizado su cartera de clientes decidieron descansar un día más a la semana. Su primera opción fue cerrar los lunes, como las demás peluquerías de la zona. No obstante, decidieron basar su decisión en la información histórica que habían recogido en su pequeña aplicación de citas.

Los resultados obtenidos fueron contudentes, ya que el lunes resultó ser el cuarto día más rentable de la semana (probablemente como consecuencia del cierre de la competencia). Finalmente el día elegido para descansar fue el martes.

Algunos ejemplos prácticos de uso de business intelligence

El business intelligence (BI) o inteligencia empresarial o de negocios es el uso del análisis de datos para tomar decisiones estratégicas en el ámbito empresarial. Esta definición puede parecer un tanto abstracta si no se la relaciona con ejemplos concretos. A continuación, vamos a explicar una serie de utilidades, basadas en experiencias reales, que han servido para mejorar aspectos específicos de empresas de distintos sectores gracias a esta disciplina basada en el1 análisis de datos - See more at: http://www.captio.net/blog/algunos-ejemplos-practicos-de-uso-de-business-intelligence#sthash.KDbOK3uH.dpuf

Optimización del stockLos sectores con una marcada estacionalidad a menudo tienen importantes problemas para lograr optimizar adecuadamente el stock. Por ejemplo, si las ventas de un determinado producto se disparan en verano o durante las fiestas de navidad, resulta complicado almacenar la cantidad adecuada para maximizar los beneficios.

En este sentido, algunas empresas del sector conservero o de la alimentación en general han logrado aumentar la rentabilidad en cifras cercanas al 10% mediante técnicas de BI basadas en:

Implantación de algún sistema de soporte de la decisión (DSS). Análisis exhaustivo de los datos históricos de ventas e inventarios de

productos almacenados.

Los datos obtenidos han hecho posible, en muchos casos, un rediseño mucho más eficaz y rentable de todo el proceso logístico y de almacenamiento productivo.

- See more at: http://www.captio.net/blog/algunos-ejemplos-practicos-de-uso-de-business-intelligence#sthash.KDbOK3uH.dpuf

Fidelización de clientesLos procesos de inteligencia de negocios son también muy útiles para detectar los clientes más rentables de, por ejemplo, una cadena de supermercados o de ropa, para posteriormente fidelizarlos.

Para ello es necesario el análisis correcto de una gran cantidad de datos para obtener el perfil ideal: edad, sexo, ubicación geográfica, estado civil, número de hijos, etc. Una buena forma de conseguir esta información puede ser la creación de «tarjetas descuento», donde el cliente debe facilitar una serie de datos personales para su obtención.

Detección y corrección de desviaciones presupuestariasNo son pocas las empresas, sobre todo de gran tamaño, que sufren de importantes desviaciones económicas entre los parámetros estimados y objetivos planteados a principios de año y los resultados que realmente se producen doce meses después.

Un análisis de los objetivos estratégicos de la propia empresa mediante la implantación de un cuadro de mandos integral (Balance Scorecard) puede detectar, en poco tiempo, el motivo de estas desviaciones y posibilitar su rápida corrección. En ocasiones, el problema puede ser la falta de adecuación entre las operaciones de publicidad y marketing y las necesidades reales de la empresa.

Problemas de pequeños negocios Es una opinión tan generalizada como errónea considerar que el BI sólo es útil para las grandes empresas. Sencillos sistemas de inteligencia empresarial pueden resultar de gran ayuda a pequeños negocios para decidir, por ejemplo, que horario es el más adecuado o cuál es el día de la semana más conveniente para tomárselo de descanso. - See more at: http://www.captio.net/blog/algunos-ejemplos-practicos-de-uso-de-business-intelligence#sthash.KDbOK3uH.dpuf

Inteligencia empresarial: la transformación de los datos en decisiones

En el marco de un entorno de negocios cada vez más competitivo y desafiante, las empresas tienen la necesidad de encontrar soluciones y sistemas para generar ventajas competitivas a partir de la recopilación, análisis y transformación de datos en decisiones estratégicas que les permitan diseñar planes exitosos y gestionar adecuadamente las distintas áreas y departamentos. En este contexto, aparece el concepto de inteligencia empresarial o de negocios, el cual hace referencia al uso óptimo de los datos orientados a la toma de decisiones empresariales. El propósito de este concepto, también conocido como business intelligence y últimamente como advanced business analytics, abarca la comprensión del funcionamiento de los diversos circuitos y procesos de la empresa, pasados, presentes y futuros, para conformar la base de conocimientos necesarios para respaldar las decisiones y acciones que se tomen. –

La inteligencia de negocios como estrategia empresarialLa inteligencia de negocio puede entenderse como una estrategia empresarial que persigue incrementar el rendimiento de la empresa o su competitividad mediante la organización inteligente de sus datos históricos (transacciones u operaciones diarias), que se almacenan en las bases de datos de la empresa (Data Warehouse corporativo o Data Marts Departamentales) y de los datos en tiempo real, que normalmente se encuentran en discos duros virtuales conocidos como cloud o nube.

El concepto de inteligencia empresarial no es nuevo, puesto que se conoce desde los años 60. Lo que ocurre es que ha sufrido una constante y marcada evolución hacia modelos mucho más efectivos adaptados al nuevo entorno tecnológico. Últimamente, se utiliza mucho la denominación Big Data para referirse a la toma de decisiones empresariales basadas en el análisis y gestión de grandes bases de datos y en la automatización de procesos.

Las herramientas de inteligencia empresarialHoy en día las empresas generan tal cantidad de datos que no es posible ordenarlos, clasificarlos y gestionarlos con eficacia para que sirvan de base para tomar decisiones estratégicas óptimas si no se utilizan las herramientas adecuadas, las cuales se dividen en dos grandes grupos:

Software especializado: diversos módulos de SAP, Weka, Orange, Kmine, Captio (para analizar y gestionar datos), etc. 

Herramientas metodológicas. Destacan: el Brainstorming para generar ideas creativas en grupo,  el diagrama de Pareto o diagrama de causa-efecto, de gran utilidad para identificar problemas y áreas de mejora, y el diagrama de flujo para representar procesos.

El tratamiento de los datosEl software y, en general, las herramientas de business intelligence se basan en la utilización de sistemas de información complejos que utilizan datos extraídos de tres fuentes distintas: sistemas de producción, información relacionada con la empresa o sus ámbitos provenientes tanto de dentro como de fuera de la organización y datos económicos.

Independientemente de su procedencia, los datos son sometidos a tres procesos diferentes con el objetivo de perfilarlos y homogeneizarlos para que puedan cumplir su función de generadores de información de calidad útil y efectiva para la toma de decisiones:

1. Proceso de extracción.2. Proceso de transformación.3. Proceso de carga o proceso ETL.

Las principales características que deben tener los datos son, entre otras: exactitud, fiabilidad,consistencia, relevancia y precisión. No obstante, lo más importante son los objetivos que se pretenden conseguir y su correcto análisis

 

Fases de un proyecto de inteligencia empresarial 

 

No es suficiente con recopilar una serie de datos (aunque sean de calidad) ni hacer uso de las metodologías y herramientas adecuadas. Para conducir a buen puerto un proyecto de inteligencia de negocios es preciso llevar a cabo una serie de pasos o fases donde se planifique detalladamente el proyecto y los objetivos, se configuren los equipos de trabajo, se analicen los datos para tomar decisiones y, una vez implementadas las acciones correctivas, se haga un seguimiento y control.

Fase 1. Planificación y definición de objetivosLa planificación del proyecto comprende tres elementos que habrán de tenerse en cuenta en la toma de decisiones:

A) Los objetivos concretos y detallados que se pretendan conseguir.

B) Los recursos, tanto personales como técnicos, de la empresa.

C) Los costes y plazos estimados para su ejecución.

Fase 2. Formación de los equiposLa adecuada selección de los equipos de trabajo y la asignación de roles o funciones es fundamental para el éxito final del proyecto. Se deben utilizar criterios de idoneidad, motivación personal, conocimientos y experiencia en gestión de procesos de mejora y análisis de datos. Pero por encima de todo, hay que elegir a aquellos profesionales que trabajen diariamente en los departamentos que se pretenden mejorar y que sean grandes conocedores de sus rutinas de trabajo, problemas y factores mejorables.

Fase 3. Ejecución y puesta en marcha de proyectoUna vez escogido el marco metodológico y formado el equipo, llega el momento del análisis de los datos para poder transformar la información en decisiones útiles para la mejora de procesos y el aumento de la calidad y eficacia de los distintos departamentos de la empresa y de esta en su conjunto.

Los sistemas avanzados de análisis de datos pueden conducir a la toma de decisiones de gran repercusión, puesto que se orientan a tres grandes ámbitos:

A) Mejora de la calidad de uno o varios procesos.

B) Optimización de la productividad y eficacia de la empresa en conjunto.

C) Aumento de la eficiencia del negocio.

Además de la información privilegiada que permite tomar mejores decisiones, el análisis de datos también fomenta: la revisión y optimización de procesos, la mejora del reparto de tareas y la optimización de recursos

Fase 4. Medición de resultadosLa finalización del proyecto no supone un punto final, sino el inicio de un nuevo ciclo que se centrará en el seguimiento y evaluación de las mejoras introducidas mediante la toma de decisiones adecuadas basadas en el análisis de datos. En la medición de resultados hay que poner especial atención en la detección de posibles desviaciones en los objetivos definidos, los costes tanto económicos como de recursos humanos y alcance de las mejoras. En el caso de que se produzca algún desfase será necesario ejecutar las acciones correctoras pertinentes.Un último aspecto a tener en cuenta es que el uso de la inteligencia empresarial muestra resultados que, muchas veces, obligan a tomar decisiones de cambio importantes en circuitos de funcionamiento, procesos de producción o aspectos organizativos y la empresa debe prepararse para ello. En ocasiones se producen reticencias y conflictos con empleados reacios a los cambios en las dinámicas de trabajo. En esta cuestión, las políticas de comunicación y motivación de los trabajadores juegan un papel primordial.     

- See more at: http://www.captio.net/blog/inteligencia-empresarial-la-transformacion-de-los-datos-en-decisiones-optimas#sthash.ULJ5Mth5.dpuf

Para poder entender realmente el concepto de los programas BI, debemos entender por qué nacen.

Antes de la expansión de las herramientas CRM ERP hacía los mercados de las pequeñas y medianas empresas, estás, como ya hemos comentado en artículos anteriores, realizaban el soporte de sus procesos (administrativos, financieros, contables, operativos, comerciales,

etc.) mediante herramientas inconexas, es decir, mediante islas de información.

Probablemente se tuviera un programa que realizara la contabilidad y la presentación de impuestos, los comerciales podrían llevar su gestión en archivos de Word, quizás combinados con Excel, la parte productiva, sea almacén o fabricación o cualquier otro, es posible que tuviera un programa específico de su sector, etc.

Podemos imaginar que ante este panorama, cuando el responsable de la organización deseaba extraer cierta información como podría ser, comparativa de los importes ofertados vs. importes facturados, actividad operativa vs. costes, etc. tenía que cruzar información de esas diferentes "islas de información", con lo que podemos imaginar la locura en la que eso se puede convertir.

Es en base a estas situaciones, es cuando nacen las herramientas de BI, cuyo principal papel se basa en recolectar las distintas informaciones provenientes

de cada una de las islas para después poder cruzarla y mostrarla de manera organizada y fácil de visualizar, de manera que ahora sí, el responsable de la organización puede obtener datos fiables con los que poder tomar decisiones, crear estrategias, etc.

Carlos Fernández 25 de abril de 2014, 3:43 De acuerdo en que en el 90% de los casos el ERP ofrece la información, pero lo que no siempre ofrece es una manera ágil de acceder a ella, agruparla, navegar, cambiar de punto de vista, etc.La visión del ERP es tradicionalmente más operativa, y las herramientas de BI aportan una visión más analítica, aunque trabajen sobre los mismos datos.Y aquí, excepto en los casos de ERP's que ya incorporan un módulo de BI decente, es donde una herramienta de BI externa puede aportar mucho a un ERP.

Hola Carlos.

Bueno, tu estás de acuerdo conmigo al 90%, sin embargo yo estoy de acuerdo contigo al 100%. Creo que lo

has definido perfectamente y además de una manera muy sintetizada y has ofrecido la clave de manera muy

acertada. El ERP por si mismo no puede ofrecer los beneficios de las herramientas BI a menos que lleve un

modulo decente perfectamente integrado. Ahora, si es así, es la mejor herramienta para gestionar y analizar

los datos.

Un saludo y muchas gracias por tu aportación.

Jose David