¿Qué es Inteligencia de Ne gocios? Una interesante definición para inteligencia de negocios o BI, por sus siglas en inglés, según el Data Warehouse Institute, lo define como la combinación de tecnología, herramientas y procesos que me permiten transformar mis datos almacenados en información, esta información en conocimiento y este conocimiento dirigido a un plan o una estrategia comercial. La inteligencia de negocios debe ser parte de la estrategia empresarial, esta le permite optimizar la utilización de recursos, monitorear el cumplimiento de los objetivos de la empresa y la capacidad de tomar buenas decisiones para así obtener mejores resultados.
¿Cuáles son los beneficios de Inteligencia de Negocios? Dentro del marco de beneficios que representa una solución de inteligencia de negocios podemos mencionar que esta nos permite: •
Manejar el crecimiento – El reto para las empresas es evolucionar, es crecer y esto significa son mis procesos para enfrentar los cambios y las necesidades “cambio”. Que tan ágiles son puntuales de la empresa
Control de costos – El manejo de costos es el detonador que fuerza muchas empresas a considerar una solución de inteligencia de negocios, para tener la capacidad de medir gastos y ver esto a un nivel de d etalle que identifique la línea de negocio, producto, centro de costo, entre otras. Entender mejor los clientes – Las empresas alm acenan toneladas de información valiosa relacionada a sus clientes. El reto es transformar esta información en conocimiento y este conocimiento dirigido a una gestión comercial que represente algún tipo de ganancia para la empresa. Ventas cruzadas, ventas incrementales, retención de clientes, anticipar nuevas oportunidades, medición de efectividad de campanas e identificar los patrones de compras y/o comportamiento de los clientes hacen de la inteligencia de negocios un elemento vital para lograr los objetivos de la empresa. Indicadores de gestión – Los indicadores de desempeño me permiten representar medidas enfocadas al desempeño organizacional con la capacidad de representar la estrategia organizacional en objetivos, métricas, iniciativas y tareas dirigidas a un grupo y/o individuos en la organización. Dentro de las capacidades funcionales de los indicadores de gestión podemos mencionar: el monitoreo, análisis y la administración. “Monitorea ” lo procesos críticos de negocio y las actividades utilizando métricas que me den una alerta sobre un problema potencial o alguna gestión que debo realizar. “Analiza ” la raíz de los problemas explorando la información de múltiples perspectivas en varios niveles de detalles. “Administra ” l os recursos y procesos para dirigir la toma de decisiones, optimizar el desempeño. Esto nos permite tener una visión global de la empresa con la capacidad de dirigir la organización en la dirección correcta.
•
•
•
*Liste los factores críticos a tener en cuenta en la implantación de la inteligencia de negocios Cuando implementamos proyectos de Business Intelligence obtenemos beneficios tanto en generación de nuevas oportunidades, mejor toma de decisiones y una disminución de costes. La implementación de una solución BI, lo que tenemos que tener en cuenta son beneficios intangibles y que resultan complicados los calculo del retorno sobre la inversión ROI. En la parte de sus beneficios intangibles, se derivan en la mejora de procesos y gestión de la empresa, a la hora de tomar decisiones. En términos económicos se produce una reducción de costes por el incremento de la eficiencia en infraestructura TIC y aumento en la productividad en el personal que trabaja en la empresa. Estas características son difíciles de cuantificar. Cualitativamente se puede decir, que los beneficios que la empresa va obtener es una mayor eficiencia a los procesos de toma de decisiones, ya que dispone de una mejor información en cantidad y calidad que además es compartida por toda la organización. Los principales agentes que determinan un factor critico a la hora la implementar de una solución BI son: – – –
Tecnología. Personal. Cultura de la empresa.
Toda empresa debe tener en cuenta los siguientes criterios al momento de implementar una solución BI, y los riegos que con lleva. La mayoría de fracasos de proyectos BI, tienen su origen en factores organizacionales. En consecuencia, entre los factores clave para el éxito de una estrategia BI, estarán el diseño, la disponibilidad de una plataforma tecnológica y herramientas adecuadas, así como la alineación de los objetivos del departamento de TIC y los usuarios. El apoyo e impulso desde la dirección general y contar con el personal cualificado en las fases de diseño e implementación contribuirán también al éxito del proyecto BI.
Cual es la visión de la inteligencia de negocios? La visión corporativa para el BI es crear y apoyar una infraestructura con acceso seguro y autorizado a los datos mantenidos en cualquier lugar de la empresa
Que tipo de usuarios son los beneficiarios de la aplicación de BI? 1.
Los analistas (especialistas en análisis de la información de negocio): aquí incluimos
muchas sub-tipologías como controllers, data scientists, consultores, etc... son usuarios expertos de este tipo de soluciones de BI pero no tienen el menor interés en programar. Su labor fundamental estriba en explorar la información, determinar tendencias, localizar posibles problemas y encontrar soluciones a los mismos siempre buscando la creación de valor para la organización.
El patrón de uso del BI es reconocible para muchos de aquellos que hemos tenido o tenemos ese tipo de responsabilidad, se generan informes muchas veces ad-hoc muy "enfocados" pero no necesariamente complejos, se utilizan, se guardan y muchas veces no se vuelve a hacer uso de ellos.
Todo aquellos que estamos en el mundo del BI sabemos que este es el grupo de usuarios que más está creciendo ahora y que hay que tenerlos en mente en todo momento, de hecho las soluciones de BI están evolucionando para satisfacer sus necesidades.
2.
Los directivos : necesitan información para la toma de decisiones informadas, dependen en muchos casos de los analistas pero hay una fuerte tendencia hacia el "self-service", como les pasa a muchos analistas tienden a crear sus informes por medio de hojas de cálculo, les gustan las aplicaciones de BI pero mucho más aún el Excel, no están tan "quemados - enganchados" como los analistas y están desesperados por reducir su velocidad de respuesta ante el cada vez más enloquecido tiempo de toma de decisiones.
El reporting de su área de responsabilidad es un clásico al que no renuncian.
3.
La mayoría silenciosa: en muchas organizaciones hay empleados en todas las áreas que tienen acceso (o podría tener fácil acceso) al BI y sinceramente creo que esta democratización del uso de la información es de lejos la mejor herramienta para el tan necesario "empowerment" de los trabajadores es la auténtica llave para la gestión del cambio que hay que asociar al BI.
Hay varios factores que siguen manteniendo esa mayoría silenciosa como el hecho de que en la mayoría de las organizaciones no hay interés auténtico en compartir información, la inestabilidad laboral no suele ayudar al empowerment o a aprender a usar herramientas de BI, la política de licencias de los vendors de BI (y sus precios) tampoco ayudan, etc...
4.
Los desarrolladores: es la gente del TI que trabaja en el desarrollo de reporting, dashboards, scorecards, etc... manejan herramientas específicas de las distintas soluciones de BI para dichas tareas y además han de programar. Es verdad que las soluciones de BI cada vez dejan más en manos de los usuarios de negocio la generación de informes o dashboards así como el análisis de la información mediante consultas OLAP, pero la verdad es que al final hay muchas ocasiones en las que hay trabajo de programación, si bien es una tendencia en franco retroceso.
5.
Los administradores de sistemas : cuidan de que el BI de la organización funcione con un rendimiento adecuado, así que para optimizar este tipo de soluciones se ocupan del setup de las mismas y del hardware asociado, en grandes implantaciones con muchos usuarios tienen un rol oscuro pero vital.
Cuáles son los componentes básicos de la arquitectura de BI? Hay cuatro componentes básicos que todos los ambientes de la BI deberían dar. Estos se describen en la tabla 13.2 y se ilustran en la figura 13.2
Que se puede lograr en la aplicación de BI
Ampliar la visión estratégica, reducir el riesgo y la incertidumbre en la toma de decisiones empresariales y construir ventajas competitivas de largo plaz o en base a su información inteligente
Tener una mejora continua de la organización, gracias a la información oportuna que genera el conocimiento que enriquece la toma de decisiones.
Que las organizaciones sean proactivas y ágiles en la gestión de la información que utilizan.
Busca la excelencia definiendo los objetivos que desea alcanzar
Analiza sus procedimientos
Gestionan información
Obtienen conocimiento
Toman las mejores decisiones
Evalúan sus resultados
Se renueva constantemente
Porque es importante la inteligencia de negocios, según lo que ha aprendido en la formación?
Los procesos de inteligencia de negocios se han convertido en una parte esencial de la gestión empresarial, ya que nos proporcionan información de mucha importancia para una organización:
Nos permiten saber con exactitud ¿quiénes son nuestros clientes?
¿dónde están los clientes?
¿cómo son los clientes?
¿qué pautas de comportamiento tienen?
¿qué es lo que quieren los clientes?
Así mismo:
Permiten conocer el funcionamiento de los procesos internos de una organización.
Dan respuesta a preguntas importantes como:
¿cuánto cuesta cada uno de los productos o servicios que ofrece la empresa?
¿cuáles de esos productos o servicios son realmente rentables?
¿dónde está perdiendo la empresa?
¿cuánto cuesta conseguir cada cliente?
¿cuáles departamentos de la empresa funcionan correctamente?
¿qué servicios puede externalizar la empresa?
etc.
QUE SIGNIFICADO TIENE DATA MART (DM)? Un Data Mart: Son subconjuntos de datos de un data warehouse que tienen el propósito a ayudar a áreas específicas dentro del negocio que pueda tomar mejores decisiones. Entre las características de un data mart se destacan que solo se puede acceder para algunos usuarios dentro de áreas específicas donde se tiene un propósito específico. También existe la posibilidad inversa: a partir de una serie de data marts acaba configurándose un data warehouse.Así se van solucionando los problemas de negocio más específicos, conociendo aspectos importantes como quién o quiénes son los clientes que más beneficios producen. Ofreciendo este concepto no es necesario remitirse a toda la información. Se trata de obtener respuestas a preguntas.
QUE SIGNIFICA DATA WAREHOUSING .? En primer lugar, DW no es un producto que pueda ser comprado en el mercado, sino más bien un concepto que debe ser construido. DW es una combinación de conceptos y tecnología que cambian significativamente la manera en que es entregada la información a la gente de negocios. El objetivo principal es satisfacer los requerimientos de información internos de la empresa para una mejor gestión, con eficiencia y facilidad de acceso. La manera tradicional hasta ahora de entregar la información es a través de emisión de reportes impresos desde los sistemas operacionales, con consultas a nivel de cliente y extracción ocasional de datos para suplir actividades basadas en papel. Los problemas con la entrega de la información actual son muchos, incluyendo inconsistencia, inflexibilidad y carencia de integración a través de la empresa. El DW puede verse como una bodega donde están almacenados todos los datos necesarios para realizar las funciones de gestión de la empresa, de manera que puedan utilizarse fácilmente según se necesiten. El contenido de los datos, la organización y estructura son dirigidos a satisfacer las necesidades de información de analistas. Los sistemas transaccionales son dinámicos, en el sentido que constantemente se encuentran actualizando datos. Analizar esta información puede presentar resultados distintos en cuestión de minutos, por lo que se deben extraer y almacenar fotografías de datos (snapshots), para estos efectos, con la implicancia de un consumo adicional de recursos de cómputo. Llevar a cabo un análisis complejo sobre un sistema transaccional, puede resultar en la degradación del sistema, con el consiguiente impacto en la operación del negocio. El Data Warehouse intenta responder a la compleja necesidad de obtención de información útil sin el sacrificio del rendimiento de las aplicaciones operacionales, debido a lo cual se ha convertido actualmente en una de las tendencias tecnológicas más significativas en la administración de información. Los almacenes de datos (o Datawarehouse) generan bases de datos tangibles con una perspectiva histórica, utilizando datos de múltiples fuentes que se fusionan en forma congruente. Estos datos se mantienen actualizados, pero no cambian al ritmo de los sistemas transaccionales. Muchos datawarehouses se diseñan para contener un nivel de detalle hasta el nivel de transacción, con la intención de hacer disponible todo tipo de datos y características, para reportar y analizar. Así un datawarehouse resulta ser un recipiente de datos transaccionales para proporcionar consultas operativas, y la información para poder llevar a cabo análisis multidimensional. De esta forma, dentro de un almacén de datos existen dos tecnologías complementarias, una relacional para consultas y una multidimensional para análisis. Existen muchas definiciones para el DW, la más conocida fue propuesta por Inmon (considerado el padre de las Bases de Datos) en 1992: “Un DW es una colección de datos orientados a temas, integrados, novolátiles y variante en el tiempo, organizados para soportar necesidades emp resariales”. En 1993, Susan Osterfeldt publica una definición que sin duda acierta en la clave del DW: “Yo considero al DW como algo que provee dos beneficios empresariales reales: Integración y Acceso de datos. DW elimina una gran cantidad de datos inútiles y no deseados, como también el procesamiento desde el ambiente operacional clásico”. Esta última definición refleja claramente el principal beneficio que el datawarehouse aporta a la empresa, eliminar aquellos datos que obstaculizan la labor de análisis de información y entregar la información que se requiere en la forma más apropiada, facilitando así el proceso de gestión.
Puede considerarse que el modelo relacional en el cual se basa OLTP (Procesamiento Transaccional en Línea), tiene como objetivo guardar la integridad de la información necesaria para operar un negocio de la manera más eficiente. Sin embargo, este modelo no corresponde a la forma como el usuario percibe la operación de un negocio. De hecho Codd, quien fue uno de los desarrolladores originales del concepto relacional, dijo: “Aunque los RDMBMS han sido tan beneficiosos para los usuarios, nunca han sido diseñados para proporcionar funciones potentes de síntesis, análisis y consolidación de los datos”. DW se sustenta en un procesamiento distinto al utilizado por los sistemas operacionales, OLAP (Procesamiento Analítico En Línea), el cual surge como un proceso para ser usado en el análisis de negocios y otras aplicaciones que requieren una visión flexible del negocio.
IDENTIFIQUE LAS CARACTERISTICAS DEL DW Y DESCRIBA CADA UNA DE ELLAS 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. En la siguiente imagen podemos ver cómo se maneja la información en distintas aplicaciones y lo que buscamos con la integración seria escoger de todas un estándar de información para que uniformice los datos y se introduzcan al repositorio
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. En la siguiente imagen se muestra cómo se maneja un sistema de información orientada a sus aplicaciones y otra temática una diferencia importante entre estas está en la interrelación de la información. Los datos operacionales (aplicaciones) mantienen una relación continua entre dos o más tablas basadas en una regla comercial. Las del data warehouse miden espectros de tiempo y las relaciones encontradas en la data warehouse (podremos indagar en toda la información pasada relacionada entre todas las aplicaciones).
De tiempo variante.- 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. Los datos históricos son de poco uso en el procedimiento operacional. La información del depósito por el contrario, debe incluir los datos históricos para usarse en la identificación y evaluación de tendencias.
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. Como se puede observar en la imagen en la base de datos operacional la actualización (actualizar, borrar y modificar) se hace regularmente, mientras en el data warehouse sea una sola actualización esto hace que cuando tengamos que tomar una decisión con esta información tengamos seguridad de esta.
QUE ES EL DATA MANAGEMENT? Es el desarrollo y ejecución de arquitecturas, políticas, prácticas y procedimientos que gestionan apropiadamente las necesidades del ciclo de vida completo de los datos de un estudio
QUE IMPORTANCIA TIENE EL DATA MANAGEMENT EN UNA ORGANIZACIÓN 1. Garantizar la integración de datos: y también de metadatos (de negocio, técnicos y de operaciones). En la práctica, se pueden poner en marcha proyectos de migración de datos, sincronización de bases de datos, acciones de aprovisionamiento con fines de inteligencia de negocio, integración de datos cloud, integración de datos desestructurados o consolidación de sistemas. Lo importante en cualquiera de estos procesos es ganar en capacidad de actualización y no perder integridad. 2. Cubrir el ciclo de vida del dato al completo: tener visibilidad sobre su origen, los caminos que ha seguido y su destino es la misión de la aplicación de este principio de data management. En la práctica es importante
que esta responsabilidad no recaiga exclusivamente en los profesionales el departamento de IT, sino que se reparta entre todas las áreas de la empresa, teniendo especial importancia la aportación de los propietarios el dato. 3. Velar por la seguridad del dato: así como de todo lo que tiene que ver con su privacidad y confidencialidad. En este punto, hay que prestar una especial atención a la definición de niveles y perfiles en función de los cuales se asignarán las autorizaciones de acceso que prevendrán las filtrac iones y entradas no permitidas. 4. Asegurar la calidad de los datos: definiendo, controlando y mejorando los procesos. En la práctica se deben poner en práctica todos los mecanismos para preservar intactos los atributos de la calidad del dato: completitud, exactitud, consistencia, conformidad, fiabilidad y unicidad. 5. Conocer el linaje del dato: a través del aseguramiento de la trazabilidad de las aplicaciones. En la práctica es fundamental para aumentar la fiabilidad de la inteligencia de negocio y detectar nuevas oportunidades, además de para minimizar el riesgo. 6. Apoyar la misión de gobierno de datos: aportando eficacia a los procesos de gestión de datos y uso de los mismos. En la práctica, la aplicación de este principio está relacionada con las acciones orientadas a planificar, monitorizar y controlar estas tareas. Es importante tener en cuenta la necesidad de garantizar la accesibilidad, disponibilidad, calidad, coherencia, verificabilidad y seguridad del dato, ya qu sólo así se puede ejercer el control óptimo sobre los datos. 7. Establecer reglas aplicables a los datos fuera de las bases de datos: para convertir en útil toda la información que se contiene en documentos externos a los sistemas, pero que también se considera de valor. En la práctica, estas reglas pueden determinar su forma de almacenamiento, su actualización, reglas de archivo, identificación de los propietarios del dato, responsables de su gestión y planes a corto, medio y largo plazo para no perder el potencial contenido en los datos que encierran. 8. Determinar todo lo relativo a la función de data storage: concretando qué datos son susceptibles de ser almacenados, en qué volumen y cuál será su ubicación. De esta manera, en la práctica se gana agilidad y precisión en las búsquedas, lo que supone un ahorro en costes y la optimización de procesos; dos de los objetivos de los principios del data management.
AA3-Ev 1: Desarrollo del Cuestionario
“Identificar técnicas
de inteligencia de negocios" BARBARA MILENA SANCHEZ DIEGO FERNANDO CALDERON GRUPO 1
