¿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?
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.
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).
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
§ 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.