1.2. Componentes de la Inteligencia de Negocios.
Minería de Datos. Administración del Conocimiento. Aplicaciones Analíticas. Sistemas de Reportes. Multidimensionalidad. Data Warehouse.
1.2.1. Minería de Datos. Desde un punto de vista académico el término data mining es una etapa dentro de un proceso mayor llamado extracción de conocimiento en bases de datos en el entorno comercial. Lo que en verdad hace el data mining es reunir las ventajas de varias áreas. Desde los años sesenta los estadísticos manejaban términos como data fishing, data mining o data archaeology, a principios de los años ochenta, Rakesh Agrawal, Gio Wiederhold, Robert Blum y Gregory Piatetsky-Shapiro, entre otros, empezaron a consolidar los términos de data mining. A finales de los años ochenta sólo existían un par de empresas dedicadas a esta tecnología; en 2002 existen más de 100 empresas en el mundo que ofrecen alrededor de 300 soluciones. El data mining es una tecnología compuesta por etapas que integra varias áreas y que no se debe confundir con un gran software. Actualmente existen aplicaciones o herramientas comerciales de data mining muy poderosas que contienen un sinfín de utilerías que facilitan el desarrollo de un proyecto. Aplicaciones de uso Podemos decir que "en data mining cada caso es un caso". Sin embargo, en términos generales, el proceso se compone de cuatro etapas principales: 1. 2. 3. 4.
Determinación de los objetivos. Pre procesamiento de los datos. Determinación del modelo. Análisis de los resultados.
Web mining Una de las extensiones del data mining consiste en aplicar sus técnicas a documentos y servicios del Web, lo que se llama web mining. Las herramientas de web mining analizan y procesan estos logs para producir información significativa, por ejemplo, cómo es la navegación de un cliente antes de hacer una compra en línea. Debido a que los contenidos de Internet consisten en varios tipos de datos, como texto, imagen, vídeo, metadatos o hiperligas, investigaciones recientes usan el término multimedia data mining (minería de datos multimedia) como una instancia del web mining (Zaiane y otros, 1998) para tratar ese tipo de datos. Normalmente, el web mining puede clasificarse en tres dominios de extracción de conocimiento de acuerdo con la naturaleza de los datos:
1. 2. 3.
Web content mining (minería de contenido web). Es el proceso que consiste en la extracción de conocimiento del contenido de documentos o sus descripciones. Web structure mining (minería de estructura web). Es el proceso de inferir conocimiento de la organización del WWW y la estructura de sus ligas. Web usage mining (minería de uso web). Es el proceso de extracción de modelos interesantes usando los logs de los accesos al web.
Text mining El text mining se refiere a examinar una colección de documentos y descubrir información no contenida en ningún documento individual de la colección; en otras palabras, trata de obtener información sin haber partido de algo. En ocasiones se confunde el text mining con la recuperación de la información (Information Retrieval o IR) (Hearst, 1999). Ésta última consiste en la recuperación automática de documentos relevantes mediante indexaciones de textos, clasificación, categorización, etc. Generalmente se utilizan palabras clave para encontrar una página relevante.
1.2.2. Administración del Conocimiento. La administración del conocimiento implica la conversión del conocimiento tácito (el que sabe un trabajador específico) en explícito (conocimiento documentado y replicable) para convertirlo en un activo estratégico de la organización. Dicho en otras palabras implica la adecuada utilización de datos e información para transformarlos en conocimiento y entendimiento. El conocimiento responde a preguntas que empiezan con ¿Cómo?, es decir, todo aquello que generalmente sólo algunos miembros de la organización saben y lo tienen en su cabeza pero no ha sido transformado en un conocimiento explícito. Los procesos y Subprocesos clave de la Administración de Conocimiento definidos por el CSC son los siguientes:
1. Alineación y consolidación estratégica de capitales: a) Definición de Sistemas Referenciales b) Estructuración y Operacionalización de Capitales c) Estrategia de Administración del Conocimiento y Desarrollo de Capitales Articuladores 2. Administración del Capital Agente a) Administración del Aprendizaje Organizacional b) Desarrollo de Prácticas de Valor c) Desarrollo de Competencias Claves 3. Administración del Capital Instrumental a) Métodos y Herramientas para instrumentar las estratégicas de Administración del Conocimiento b) Selección e Implementación de Plataformas Tecnológicas para la Administración del Conocimiento c) Desarrollo de la Base de Conocimiento Con el fin de ampliar más este concepto, se presentan diferentes enfoques desde el punto de vista de una organización:
En resumen, se detalló el término de administración del conocimiento como un sistema de administración de la información en la organización.
1.2.3. Aplicaciones Analíticas. 1. Características de las aplicaciones analíticas. Una aplicación analítica no es solo un juego de informes creados al azar. Tiene cuatro características importantes las cuales son: 1- Integradas lógicamente: significa que algún grado de lógica comercial es incluido en la aplicación que ayude a los usuarios a navegar a través de una serie de tareas. 2- Informes Interactivos que permitan a los usuarios acceder, analizar y actuar: Esto significa que los usuarios pueden penetrar con una vista de nivel más alto de un reporte a niveles más bajos o inferiores para adicionar información. 3- Información Integrada: Arquitectónicamente una aplicación analítica es un objeto soportado por un repositorio de almacenamiento de datos de la empresa. 4- Dirección de un dominio comercial: Las aplicaciones analíticas son definidas por los requerimientos de información de la actividad comercial, como las ventas, servicios o infraestructura. 2. Elementos de una aplicación analítica. Una aplicación analítica está compuesta por seis elementos primordiales los cuales son: 1. Visualización y percepción: La visualización consiste en un ambiente grafico amigable al usuario, en la referente a la percepción se enfatiza en la navegación de las áreas de trabajo. 2. Reportes y Análisis: Los reportes en vistas de información predefinidas, que pueden presentarse como estáticas o como documentos interactivos, el análisis incorpora sofisticados cálculos, algoritmos estadísticos, y visualizaciones avanzadas para analizar grandes y complejos volumen de información. 3. El servidor de análisis: es generalmente el responsable de procesar peticiones utilizando run-time de metadatos definidos y guardándolos en el almacén del servidor. 4. Lógica de negocios: Ya se ha mencionado un tipo de lógica comercial, las reglas de navegación de los usuarios es paso a paso a través de reportes, vistas, acciones. 5. Modelo de Datos: es el cerebro de aplicaciones analíticas, a menudo trabajando en conjunto con la capa semántica de BI, los modelos de datos son usados en las definiciones de los cubos de OLAP.
6. El mapeo de las fuentes: Se definen las transformaciones requeridas para llevar los datos fuentes dentro del modelo de datos designado. 3. Dashboards y Scorecards Los scorecards y dashboards proporcionan la información del rendimiento empresarial a través de sus distintas áreas. La popularidad de dashboard está creciendo porque proporciona una interfaz sumamente intuitiva para supervisar y analizar los datos, existen tres tipos de Dashboards los cuales son: 1. Operacional: Los usuarios pueden intervenir en los procesos y actividades comerciales para solucionar un problema o capitalizar una oportunidad. 2. Táctico: Mide el progreso y actuación de los departamentos o equipos del proyecto contra metas establecidas a través de un gerente. 3. Estratégico: Contiene la métrica que se empleará en la estrategia corporativa. Estos Dashboards son en forma de cascada donde en cada nivel y se tiene una versión diferente de métrica moldeada a su dominio comercial.
1.2.4. Sistemas de Reportes. Los sistemas de reportes tienen como objetivo principal mostrar una visión general de la situación de la empresa. Consecuentemente, estos muestran la situación de las operaciones regulares de la empresa para que los directivos puedan controlar, organizar, planear y dirigir. Los reportes se pueden visualizar, exportar a otros formatos como PDF, HTML, XML, etc. y también se pueden imprimir en papel. El Jasper Report es una librería para la generación de informes. Está escrita en java y es libre. http://jasperforge.org/ El funcionamiento consiste en escribir un xml donde se recogen las particularidades del informe. Este xml lo tratan las clases del Jasper para obtener una salida. Esta salida puede ser un PDF, XML, HTML, CSV, XLS, RTF, TXT. Otra ventaja de utilizar Jasper Report es que se integra perfectamente con el JFreeChart que es una librería libre para la generación de todo tipo de graficas. Para generar el xml lo recomendable es bajarse la herramienta iReport que es un editor gráfico que está implementado en java y se integra perfectamente con el Jasper Report.
El sistema de reportes jasper reports ofrece muchas herramientas que son de gran utilidad proporciona todo lo necesario para diseñar informes de una complejidad media, y la curva de aprendizaje para comenzar a tener resultados productivos no es muy elevada. Además los informes se puede realizar directamente sobre los xml descriptores o podemos utilizar la herramienta ireport para diseñarlo gráficamente. Un ejemplo básico: Para generar un reporte con jasper report debemos seguir los siguientes pasos: -
Generar un fichero .jrxml en el que se configura cómo queremos el informe. Compilar el fichero .jrxml para obtener un fichero .jasper. Rellenar los datos del informe. Esto generará un fichero .jrprint. Exportar el fichero .jrprint al formato que deseemos (pdf, etc). Esto generará el fichero en cuestión.
1.2.5. Multidimensionalidad. La multidimensionalidad dentro de la inteligencia de negocios ayuda a representar los datos en forma cercana a la intuición del usuario y al mismo tiempo resolver problemas planteados en sistemas relacionales. La información multidimensional se puede encontrar en hojas de cálculo, bases de datos, etc. Es una herramienta de B.I. que es capaz de reunir información dispersa en toda la empresa e incluso en diferentes fuentes para así proporcionar a los departamentos la accesibilidad, poder y flexibilidad que necesitan para analizar la información. Por ejemplo, un pronóstico de ventas de un nuevo producto en varias regiones no está completo si no se toma en cuenta también el comportamiento histórico de las ventas de cada región y la forma en que la introducción de nuevos productos se ha desarrollado en cada región en cuestión. Se representan los datos como una matriz. -
En los ejes están los criterios de análisis. En los cruces están los valores a analizar. A esta estructura se le llama Cubo o Hipercubo.
Los Cubos o Hipercubos constan de: - Dimensiones: - Criterios de análisis de los datos. - Macro-objetos del problema. - Variables independientes. - Ejes en el hipercubo. - Medidas: - Valores o indicadores a analizar. - Datos asociados a relaciones entre los objetos - problema. - Variables dependientes. - Variables en la intersección de las dimensiones. Las bases de datos multidimensionales se utilizan principalmente para crear aplicaciones OLAP y pueden verse como bases de datos de una sola tabla, su peculiaridad es que por cada dimensión tienen un campo (o columna), y otro campo por cada métrica o hecho 1.2.6. Data Warehouse. Las características de los data warehouse se representan en la siguiente gráfica:
Data warehouse Un 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.
