Inteligencia en los negocios. Bases de datos y CMI

La inteligencia en los negocios actúa como un factor estratégico para una empresa u
organización, generando una ventaja competitiva, proporcionando información
privilegiada para responder a los problemas de negocio: control financiero ,entrada a
nuevos mercados, promociones u ofertas de productos, eliminación de islas de
información, optimización de costes, planificación de la producción, análisis de perfiles
de clientes, rentabilidad de un producto.
La aplicación de esta herramienta permite a las organizaciones tener un mayor control
de sus actividades, su implementación no siempre es sencilla, pero sin duda debe de ser
efectuada si la empresa desea su mejora continua.
DESARROLLO
DEFINICIONES
Inteligencia en los 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. (GOLIVE, 2015)
Business Intelligence es 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.
BASES DE DATOS
OLTP - ON-LINE TRANSACTIONAL PROCESSING
/Ed>/'E/E>K^E'K/K^
Los sistemas OLTP son bases de datos orientadas al procesamiento de transacciones.
Una transacción genera un proceso atómico (que debe ser validado con un commit, o
invalidado con un rollback), y que puede involucrar operaciones de inserción,
modificación y borrado de datos. El proceso transaccional es típico de las bases de datos
operacionales.
El acceso a los datos está optimizado para tareas frecuentes de lectura y escritura.
(Por ejemplo, la enorme cantidad de transacciones que tienen que soportar las BD de
bancos o hipermercados diariamente).
Los datos se estructuran según el nivel aplicación (programa de gestión a medida,
ERP o CRM implantado, sistema de información departamental...).
Los formatos de los datos no son necesariamente uniformes en los diferentes
departamentos (es común la falta de compatibilidad y la existencia de islas de datos).
El historial de datos suele limitarse a los datos actuales o recientes.
OLAP - ON-LINE ANALYTICAL PROCESSING
Los sistemas OLAP son bases de datos orientadas al procesamiento analítico. Este
análisis suele implicar, generalmente, la lectura de grandes cantidades de datos para
llegar a extraer algún tipo de información útil: tendencias de ventas, patrones de
comportamiento de los osuidores, elaoraió de ifores oplejos… et. Este
sistema es típico de los datamarts.
El acceso a los datos suele ser de sólo lectura. La acción más común es la consulta,
con muy pocas inserciones, actualizaciones o eliminaciones.
Los datos se estructuran según las áreas de negocio, y los formatos de los datos están
integrados de manera uniforme en toda la organización.
El historial de datos es a largo plazo, normalmente de dos a cinco años.
Las bases de datos OLAP se suelen alimentar de información procedente de los
sistemas operacionales existentes, mediante un proceso de extracción,
transformación y carga (ETL).
DATAMART
Es una base de datos departamental, especializada en el almacenamiento de los datos
de un área de negocio específica. Se caracteriza por disponer la estructura 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. De esta forma se
pueden plantear dos tipos de datamarts: (ROSADO, 2013)
Datamart OLAP
Se basan en los populares cubos OLAP, que se construyen agregando, según los
requisitos de cada área o departamento, las dimensiones y los indicadores necesarios
de cada cubo relacional. El modo de creación, explotación y mantenimiento de los cubos
OLAP es muy heterogéneo, en función de la herramienta final que se utilice.
Datamart OLTP
Pueden basarse en un simple extracto del datawarehouse, no obstante, lo común es
introducir mejoras en su rendimiento (las agregaciones y los filtrados suelen ser las
operaciones más usuales) aprovechando las características particulares de cada área de
la empresa. Las estructuras más comunes en este sentido son las tablas report, que
vienen a ser fact-tables reducidas (que agregan las dimensiones oportunas), y las vistas
materializadas, que se construyen con la misma estructura que las anteriores, pero con
el objetivo de explotar la reescritura de queries (aunque sólo es posibles en algunos
SGBD avanzados, como Oracle).
Los datamarts que están dotados con estas estructuras óptimas de análisis presentan
las siguientes ventajas:
Poco volumen de datos
Mayor rapidez de consulta
Consultas SQL y/o MDX sencillas
Validación directa de la información
Facilidad para la historización de los datos
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. (SERRANO, 2014)
COMPONENTES
Los principales productos de Business Intelligence que existen hoy en día son: (LOPEZ,
2013)
Cuadros de Mando Integrales (CMI)
Sistemas de Soporte a la Decisión (DSS)
Sistemas de Información Ejecutiva (EIS)
Cuadro De Mando Integral
El Cuadro de Mando Integral (CMI),1 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
1 CMI: Cuadro de mando integral
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.
(IDENSA, 2016)
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. (LANTARES, 2016)
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.
Sistemas de Soporte a la Decisión (DSS)2
Un Sistema de Soporte a la Decisión 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 cnicos. 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
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
2 DSS: Sistemas de soporte a la decisión
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) un motor
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
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.
Sistemas de Información Ejecutiva (EIS)3
Un Sistema de Información para Ejecutivos o Sistema de Información Ejecutiva es 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
3 EIS: Sistemas de información ejecutiva
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.
CICLO DE LA INTELIGENCIA EN LOS NEGOCIOS
Observar ¿qué está ocurriendo?
Comprender ¿por qué ocurre?
Predecir ¿qué ocurriría?
Colaborar ¿qué debería hacer el equipo?
Decidir ¿qué camino se debe seguir?
Figura 1: ciclo de inteligencia en los
negocios
ARQUITECTURA DE LA INTELIGENCIA EN LOS NEGOCIOS
Una solución de Business Intelligence parte de los sistemas de origen de una
organización (bases de datos, 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 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).4
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 BI5 más completos, como los sistemas de
soporte a la decisión (DSS), los sistemas de información ejecutiva y los cuadros de mando
(CMI) o Balanced Scorecard. (UDEC, 2016)
4 OLAP: Online Analytical Processing, procesamiento analítico en línea
5 BI: Business intelligence
Figura 2: Arquitectura de la inteligencia en los negocios
LA INTELIGENCIA DE NEGOCIO EN LOS DEPARTAMENTOS DE LA EMPRESA
En todas las empresas cada departamento acumula diferentes datos: sobre sus clientes,
sus inventarios, su producción, sobre la efectividad de las campañas de márketing,
información sobre proveedores y socios, además de los datos que pueden proveer del
exterior, como los referentes a competidores. En este sentido, el Business Intelligence
puede realizar distintas aportaciones a cada departamento, siempre con el objetivo de
integrar y optimizar la información disponible en la organización: (SINNEXUS, 2016)
Departamento de marketing
El BI permite identificar de forma más precisa los segmentos de clientes y estudiar con
mayor detalle su comportamiento. Para ello se pueden incluir análisis capaces de medir,
por ejemplo, el impacto de los precios y las promociones en cada segmento.
Departamento de compras
El BI permite acceder a los datos del mercado, vinculándolos con la información básica
necesaria para hallar las relaciones entre coste y beneficio. Al mismo tiempo, permite
monitorizar la información de cada factoría o cadena de producción, lo que puede
ayudar a optimizar el volumen de las compras.
Departamento de producción
Proporciona un mecanismo que permite analizar el rendimiento de cualquier tipo de
proceso operativo, ya que comprende desde el control de calidad y la administración de
inventarios hasta la planificación y la historización de la producción.
Departamento de ventas
La inteligencia en los negocios facilita la comprensión de las necesidades del cliente, así
como responder a las nuevas oportunidades del mercado. También son posibles análisis
de patrones de compra para aprovechar coyunturas de ventas con productos asociados.
Departamento económico-financiero
Permite acceder a los datos de forma inmediata y en tiempo real, mejorando así ciertas
operaciones, que suelen incluir presupuestos, proyecciones, control de gestión,
tesorería, balances y cuentas de resultados.
Departamento de atención al cliente
Aplicado a este ámbito, el BI permite evaluar con exactitud el valor de los segmentos del
mercado y de los clientes individuales, además de ayudar a retener a los clientes más
rentables.
Departamento de recursos humanos
Obteniendo los datos precisos de la fuente adecuada, el BI permite analizar los
parámetros que más pueden afectar al departamento: satisfacción de los empleados,
absentismo laboral, beneficio-hora/hore… et.
PLATAFORMAS DE BUSINESS INTELLIGENCE
A continuación, se muestra las principales plataformas de Business Intelligence con las
que las empresas trabajan. (MONTOYA, 2015)
CONCLUSIÓN
El ambiente del mundo de los negocios en la actualidad exige una aplicación cada vez
más eficiente de la información disponible. Inteligencia en los negocios genera un
conocimiento al negocio, que es derivado de la correcta utilización de la información
generada dentro y fuera de la empresa.
Esta herramienta pone a disposición de los usuarios la información correcta en el lugar
correcto. Entre los beneficios de mayor impacto para las empresas se tiene la generación
de una ventaja competitiva, también ayuda a rastrear lo que en realidad funciona y lo
que no.
AGRADECIMIENTOS
Agradecida con Dios por todas sus bendiciones, igualmente por la oportunidad de
trabajar en el proceso de mejorarme a misma.
A i ala ater el Istituto Teológio de Orizaa por su esero e la foraió de
profesionistas de calidad, a mi Profesor M.A.E Fernando Aguirre y Hernández por su
dedicación, esmero y compromiso al compartir sus conocimientos.
¡A Dios por la vida y por la ciencia!
PROPUESTA DE TESIS
DISEÑO DE UNA METODOLOGIA PARA LA IMPLEMENTACIÓN DE INTELIGENCIA EN LOS
NEGOCIOS EN EMPRESAS DE ORIZABA.
BIBLIOGRAFIA
GOLIVE. (2015). ONE. Obtenido de http://onegolive.com/es/faq/inteligencia-de-negocios/que-
es
IDENSA. (2016). INTELIGENCIA DE NEGOCIOS. Obtenido de http://www.idensa.com/
LANTARES. (2016). SOLUTIONS. Obtenido de
http://www.lantares.com/blog/bid/331346/Cuadro-de-Mando-Integral-Todo-lo-que-
Debes-Saber
LOPEZ, P. (2013). IT MADRID. Obtenido de http://www.itmadrid.com/blog/que-es-inteligencia-
de-negocios-business-intelligence/
MONTOYA, R. (2015). Obtenido de MONOGRAFIAS:
http://www.monografias.com/trabajos14/bi/bi.shtml
ROSADO, C. (2013). PREZI. Obtenido de https://prezi.com/kjorrteej0vt/datamart-y-olap/
SERRANO, E. M. (2014). GESTIOPOLIS. Obtenido de http://www.gestiopolis.com/inteligencia-
de-negocios-business-intelligence/
SINNEXUS. (2016). BUSINESS INTELLIGENCE. Obtenido de
http://www.sinnexus.com/business_intelligence/sistemas_informacion.aspx
UDEC. (2016). UNIVERSIDAD DE CONCEPCIÓN. Obtenido de
http://www.udec.cl/dti/node/109?q=node/108
FUNDAMENTOS DE INGENIERIA ADMINISTRATIVA
16
INTELIGENCIA EN LOS
NEGOCIOS
KEILA YERITZE ROJAS GUTIERREZ
CONTENIDO
INTRODUCCIÓN ................................................................................................................ 3
DESARROLLO .................................................................................................................... 3
DEFINICIONES ............................................................................................................... 3
BASES DE DATOS .......................................................................................................... 3
OLTP - ON-LINE TRANSACTIONAL PROCESSING ..................................................... 3
OLAP - ON-LINE ANALYTICAL PROCESSING ............................................................. 4
DATAMART .............................................................................................................. 5
DATAWAREHOUSE ................................................................................................... 6
COMPONENTES ............................................................................................................ 9
Cuadro De Mando Integral ...................................................................................... 9
Sistemas de Soporte a la Decisión (DSS) ............................................................... 13
Sistemas de Información Ejecutiva (EIS) ............................................................... 15
CICLO DE LA INTELIGENCIA EN LOS NEGOCIOS .......................................................... 16
ARQUITECTURA DE LA INTELIGENCIA EN LOS NEGOCIOS .......................................... 17
LA INTELIGENCIA DE NEGOCIO EN LOS DEPARTAMENTOS DE LA EMPRESA ............. 19
PLATAFORMAS DE BUSINESS INTELLIGENCE .............................................................. 20
CONCLUSIÓN .................................................................................................................. 21
AGRADECIMIENTOS ........................................................................................................ 21
PROPUESTA DE TESIS ...................................................................................................... 22
BIBLIOGRAFIA ............................................................................................................. 22
INDICE DE FIGURAS
Figura 1: ciclo de inteligencia en los negocios ............................................................... 16
Figura 2: Arquitectura de la inteligencia en los negocios .............................................. 18
(Visited 1 times, 1 visits today)

Hazle saber al autor que aprecias su trabajo

Estás en libertad de marcarlo con "Me gusta" o no

Tu opinión vale, comenta aquíOculta los comentarios

Comentarios

comentarios

Compártelo con tu mundo

Escrito por:

Cita esta página
Rojas Gutiérrez Keila Yeritze. (2016, mayo 3). Inteligencia en los negocios. Bases de datos y CMI. Recuperado de http://www.gestiopolis.com/inteligencia-los-negocios-bases-datos-cmi/
Rojas Gutiérrez, Keila Yeritze. "Inteligencia en los negocios. Bases de datos y CMI". GestioPolis. 3 mayo 2016. Web. <http://www.gestiopolis.com/inteligencia-los-negocios-bases-datos-cmi/>.
Rojas Gutiérrez, Keila Yeritze. "Inteligencia en los negocios. Bases de datos y CMI". GestioPolis. mayo 3, 2016. Consultado el 28 de Septiembre de 2016. http://www.gestiopolis.com/inteligencia-los-negocios-bases-datos-cmi/.
Rojas Gutiérrez, Keila Yeritze. Inteligencia en los negocios. Bases de datos y CMI [en línea]. <http://www.gestiopolis.com/inteligencia-los-negocios-bases-datos-cmi/> [Citado el 28 de Septiembre de 2016].
Copiar
Imagen del encabezado cortesía de chrisdlugosz en Flickr