Tecnologías de Inteligencia de Negocios

¿Qué es Business Intelligence?

Business Intelligence 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.

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...

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?

Las compañías han descubierto la necesidad de usar sus datos para apoyar la toma de decisiones, realizar una optimización de procesos y realizar reportes operacionales. Los vendedores de tecnología de Business Intelligence han construidos nichos de software para implementar cada nuevo patrón de aplicaciones que las compañías inventan. Estos patrones de aplicación resultan en productos de software centrados exclusivamente en cinco estilos de Business Intelligence tales como:

·         Reporte empresarial. Los reportes escritos son usados para generar reportes estáticos altamente formateados destinados para ampliar su distribución con mucha gente. 

·         Cubos de análisis. Los cubos basados en herramientas de BI son usados para proveer capacidades analíticas a los administradores de negocios. 

·         Vistas Ad Hoc Query y análisis. Herramientas OLAP relacionales son usadas para permitir a los expertos visualizar la base de datos y ver cualquier respuesta y convertirla en información transaccional de bajo nivel.

·         Data mining y análisis estadísticos. Son herramientas usadas para desempeñar modelado predictivo o para descubrir la relación causa efecto entre dos métricas.

·         Entrega de reportes y alertas. Los motores de distribución de reportes son usados para enviar reportes completos o avisos a un gran número de usuarios, dichos reportes se basan en suscripciones, calendarios, etc.

Reporte empresarial:

La implementación de herramientas de Business Intelligence (BI) tiene como expresión visual más característica los reportes de las variables e indicadores utilizados, en ocasiones este es un punto muy importante que considera el usuario final para decidir la adopción de una solución en particular, si los gráficos se adaptan a las necesidades de expresión de las variables, si los indicadores de gestión se mostraran de forma intuitiva a los usuarios finales, cada grafico responde a una necesidad, por eso es importante utilizar la herramienta adecuada para obtener la satisfacción del usuario final, de su elección muchas veces depende el éxito del proyecto

CUBO DE ANALISIS

Son las herramientas que se basan en la capacidad de analizar y explorar por los datos. Nos permiten cambiar el enfoque del “¿qué está pasando?” que podemos obtener a través de las herramientas de reporting al “¿por qué está pasando?”.
Para descubrir el “por qué”, los usuarios pueden navegar y profundizar en los datos para analizar los detalles o patrones. Las herramientas OLAP nos proporcionan análisis interactivo por las diferentes dimensiones de los datos (por ejemplo, tiempo, producto, cliente, criterios geográficos, etc.) y por los diferentes niveles de detalle (para la dimensión tiempo, habrá nivel de detalle año, trimestre, mes, día).
Esto significaría pasar de la visión estática de los datos a una visión dinámica, donde podemos ir “navegando” por los datos, bajando en el nivel de detalle, cambiando la dimensión por la cual analizamos la información. El típico ejemplo sería una tabla con los datos de ventas y márgenes por delegación de una empresa, y cuando observamos un indicador de rentabilidad negativa, buceamos en los datos de esta delegación hasta dar con el producto que se está vendiendo a precios de coste con margen negativo. Este sería el típico ejemplo de los Cubos Olap y los visores multidimensionales que nos permiten “profundizar en los datos”. Nos permitirían contestar a la pregunta: ¿qué sucedió y por qué?

Vistas Ad Hoc Query y análisis

Herramientas OLAP relacionales son usadas para permitir a los expertos visualizar la base de datos y ver cualquier respuesta y convertirla en información transaccional de bajo nivel

El término también se utiliza en informática para referirse a consultas en bases de datos ad hoc querying o ad hoc reporting. Esto implica que el sistema permite al usuario personalizar una consulta en tiempo real, en vez de estar atado a las consultas prediseñadas para informes. Generalmente las consultas ad hoc permiten a los usuarios con poca experiencia en SQL tener el mismo acceso a la información de la base de datos, para esto los sistemas que soportan ad hoc poseen GUIs para generarlas.
El término también se utiliza en ingeniería de software, para referirse a la manera de trabajo en donde se busca únicamente lograr un desarrollo que dé respuesta al problema en el que se está trabajando, sin dotar al desarrollo de la necesaria modularidad que permita reutilizar sus componentes en el futuro. 

Data mining y análisis estadísticos

La gran cantidad de datos que se crean en las actividades que desarrollamos como seres
humanos se encuentran almacenados en grandes bases datos y se multiplican rápidamente.
Esto es cierto para casi todos los sectores de la actividad pero, aún es más cierto, en las
empresas tanto públicas como privadas, locales o multinacionales. Sin embargo, se puede
afirmar que este incremento espectacular de datos almacenados no ha supuesto un
significativo aumento de la información disponible para la empresa (el bosque no deja ver los
árboles) ni, en general, se ha traducido en un incremento de la rentabilidad de las compañías.
Con el objetivo de optimizar todo el conocimiento existente en la información disponible, hay
que utilizar un conjunto de técnicas que se han resumido en la literatura en el concepto de
minería de datos o Data Mining.
El término Data Mining engloba un conjunto de algoritmos con un objetivo común, identificar de
una forma automática patrones que proporcionen información relevante y útil contenida en una
gran cantidad de datos. La minería de datos es una parte de un proceso más general que se
denomina Descubrimiento de conocimiento en las bases de datos (Knowledge Discovery in
Databases o KDD), concepto que proviene de la inteligencia artificial, si bien, en la mayor parte
de la bibliografía sobre el tema el concepto de Data Mining toma el significado global del
proceso. 

Fases del proceso de KDD (Knowledge Discovery in Databases) 

Una definición más general de la minería de datos es referirse a ella como la extracción no 

trivial de la información implícita, previamente desconocida y potencialmente útil, a partir de los 

datos. El Data Mining siempre intenta descubrir los patrones, perfiles y tendencias presentes y 

significativas ocultas en los datos trabajando con tecnologías de reconocimientos de patrones, 

como las redes neuronales, máquinas de aprendizaje, algoritmos genéticos, etcétera. 

El Data Mining puede dar respuesta a múltiples preguntas vitales que se plantean muy a 

menudo en los negocios: ¿quiénes son mis mejores clientes y cómo puedo fidelizarlos?, ¿qué 

estrategias puedo diseñar para aumentar mi cuota de mercado?, ¿cómo optimizar mi 

inventario?, ¿quiénes son los visitantes de mi sitio Web?, y otras muchas más preguntas 

importantes relativas al mundo de la gestión empresarial. 

Las relaciones del Data Mining con la estadística, la inteligencia artificial y las bases de datos 

son evidentes. Muchos de sus algoritmos, procedimientos, técnicas y metodología son iguales 

en esencia, aunque, muchas veces, se denominen con otros nombres. No obstante, el Data 

Mining presenta características útiles e interesantes que lo hacen atractivo. De forma general, 

se puede afirmar que para la resolución de problemas, muy a menudo complejos, se utilizan varios procedimientos dada la complementariedad de las técnicas en la solución de los 

mismos. 

El conjunto de problemas que aborda el Data Mining se pueden solucionar con diversas 

técnicas que se agrupan en los siguientes seis grandes grupos: Técnicas descriptivas, 

resúmenes e informes, segmentación, descripción de conceptos y clases, clasificación, 

predicción y análisis de dependencia. 

Algunos ejemplos de aplicación del Data Mining
• Determinación de cuáles clientes de una empresa se estima que dejarán de serlo. La idea es saber esto con la suficiente anticipación para poder tomar acciones tendientes a evitar que el cliente se vaya.
• Ventas cruzadas, las cuales consisten en ofrecer a los clientes de ciertos productos, otros nuevos que pueden resultarles atractivos.
• Campaña de oferta de un producto nuevo: estimar cuales son los clientes que más probablemente respondan a la oferta.
• Específicamente en entidades financieras, comprensión y gestión de riesgo financiero, operaciones de futuros, gestión de préstamos, perfiles de clientes, análisis de lavado de dinero, determinación de tendencias en mercados de acciones, planeamiento de estrategias de inversión, etc.
• Constituye una ayuda invalorable para los diseñadores de productos y procesos, ya que éstos necesitan tomar decisiones en un ambiente incierto y dinámico, con recursos limitados y restricciones de tiempo.
• Permite segmentar las campañas de marketing en forma más precisa, como también alinear las mismas con mayor cercanía a las necesidades, deseos, actitudes y motivaciones de los clientes y prospectos de una empresa. 

ANALISIS ESTADISTICOS

La Inteligencia Analítica de las empresas
En relación a las herramientas de Data Mining,Thomas Davenport introduce el concepto de Inteligencia Analítica. El término “inteligencia” es sinónimo de información, mientras que el término “analítica” se relaciona con el uso de análisis estadísticos y modelos predictivos sofisticados, para vencer a los competidores a través de la selección de los mejores clientes, la aceleración del proceso de innovación y la optimización de la cadena de abastecimiento.
Según Davenport, la inteligencia analítica puede y debe ser aplicada en las empresas para orientar tanto las decisiones humanas como las totalmente automatizadas.
Se trata de un subsistema de Business Intelligence, es decir, del conjunto de tecnologías y procesos basados en datos, que sirve para comprender y analizar el desempeño de una empresa.

Las cinco fases de la competencia analítica

Fase 1: Analíticamente deficiente: no hay mejora en las operaciones ni se miden resultados.

Fase 2: Analítica localizada: se emplea para mejorar una o más actividades funcionales. Se mide el retorno sobre la inversión de aplicaciones individuales.

Fase 3: Aspiraciones analíticas: se usa para mejorar una capacidad distintiva. Se mira el desempeño futuro y el valor de mercado.

Fase 4: Compañías analíticas: se desarrolla una amplia capacidad analítica, orientada a la diferenciación, que constituye un significativo impulsor del valor y el desempeño.

Fase 5: Competidores analíticos: se compite totalmente en base a la maestría analítica, que es el impulsor primario del valor y el desempeño.

Las compañías más exitosas y sofisticadas desde una perspectiva analítica alcanzan la Fase 5, la cual se sostiene también por lo que el autor denomina los cuatro pilares de la competencia analítica:

• El análisis de la información es el fundamento de una capacidad distintiva y estratégica.

• El enfoque y la gestión de la inteligencia analítica involucran a toda la organización.

• La alta gerencia está comprometida con el empleo del enfoque analítico.

• Existe una ambición a gran escala. Las estrategias basadas en la inteligencia analítica constituyen la apuesta de la compañía a futuro.

Los competidores verdaderamente analíticos exhiben los cuatro atributos a la vez, mientras que las organizaciones menos avanzadas en este terreno pueden tener sólo uno o, como máximo, dos de ellos.
Muchas compañías generan estadísticas descriptivas sobre aspectos externos de sus negocios (ingresos por cliente, volumen promedio de pedidos, etc), perolas empresas líderes analíticas van más allá y utilizan modelos predictivos para identificar a los clientes más rentables, e integran los datos generados en la empresa y fuera de ella para obtener un mayor conocimiento del cliente. 

ENTREGA DE REPORTES Y ALERTAS

La entrega de reportes y alertas tiene algunas características comunes:
§ Accesibilidad a la información. Sin información, sin datos, no hay nada que estudiar. Estas herramientas y técnicas garantizan el acceso a los datos por parte de los usuarios.
§ Apoyo en toma de decisiones. Acceso a herramientas de análisis que permitan a los usuarios seleccionar y manipular aquellos datos que les interesen.
§ Orientación al usuario final. Se busca independencia entre los conocimientos técnicos de los usuarios y su capacidad para utilizar estas herramientas. 

Las soluciones de Bussines Intelligence se pueden clasificar en dos grupos:
Reportes:
§ Reportes predefinidos
§ Reportes a medida
§ Consultas (“Query”)/Cubos OLAP (On-Line Analytic Processing). 

 Alertas
§ Análisis:
§ Análisis estadístico
§ Pronósticos (“Forecasting”)
§ Modelado Predictivo o Minería de datos (“Data Mining”)
§ Optimización

Softwares de inteligencia de negocio

·         Pentaho Reporting: herramienta de reporting anteriormente llamada jFreeReports, adquirida e integrada en la suite Business Intelligence open source Pentaho. Para generación de informes existen diferentes aplicaciones tanto a nivel de cliente( report wizard, reportdesigner) como web(web ad-hoc reporting). 

·         Eclipse Birt: Herramienta especializada en reporting basada en la distribución eclipse con capacidad de ser embebida en proyectos J2EE de manera independiente. Es uno de los proyectos que existen en la fundación eclipse y está apoyado tanto por IBM como por actúate. 

·          Jasper Reports: Esta herramienta es el producto que lleva más tiempo en el mercado, cuanta con una herramienta llamada iReports para el desarrollo de informes. 

·      Business Objects: Ofrece a los usuarios el acceso constante y de manera sencilla y clara a los datos relevantes, para facilitar el análisis de la información que ha sido almacenada, y el posterior desarrollo de distintos informes para mejorar los procesos globales de la empresa.

·         Cognos: Este brinda un sistema efectivo para llevar a cabo evaluaciones correctas de la información y una posterior toma de decisiones adecuada. Cabe destacar que Cognos cuenta además con una herramienta especial, que ha sido desarrollada para permitir la realización de modelos, pronósticos y simulaciones de negocios, con el fin de ofrecer la posibilidad de planificar el futuro de las operaciones. 

·         Microstrategy: Es otra de las herramientas más difundidas, cuya característica fundamental reside en que provee de las soluciones necesarias a los clientes de cualquier tipo de empresa o sector funcional de las mismas, con el objetivo de brindar un marco de ayuda que les permitirá acceder a un mayor conocimiento de la información que está siendo manejada por la empresa. 

·         Oracle BI: Al igual que las diversas aplicaciones de su tipo, ofrece la posibilidad de tener acceso a la información, compartir esos datos con los diversos sectores de la compañía, y permitir el análisis de dicha información para llevar a cabo las tomas de decisiones correctas, que estarán basadas en datos obtenidos de manera sencilla y rápida. 

·         WorkMeter: Recopila información sobre el uso de las aplicaciones informáticas y de otros dispositivos (PBX, móviles,…) para determinar el nivel de carga y el esfuerzo de las personas. Ésta información es agrupada y presentada tanto al gestor como al mismo empleado, generando un ambiente de objetividad y transparencia. Workmeter ofrece la base objetiva necesaria para facilitar procesos de evaluación y mejora, permitiendo asimismo medir el impacto positivo de los cambios.

Hoola! Bienvenidos a mi Blog!