Inteligencia de Negocios

1. ¿Qué es?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.Proceso que por excelencia extrae, manipula, procesa, combina, explora y analiza los datos para generar conocimiento.Desde un punto de vista más pragmático, y asociándolo directamente con las tecnologías de la información, podemos definir 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...

2. ¿Para qué Sirve?

Siempre se ha dicho que la Inteligencia de negocios sirve para que “las empresas tomen mejores decisiones y sean más competitivas”, lo cual es cierto y positivo. Sin embargo, para un directivo, además de algo abstracto es casi ofensivo. Es normal que se pregunte:

¿Qué pasa? ¿Ahora no tomo buenas decisiones?¿No son decisiones basadas en datos? ¿No soy capaz de hacer que mi empresa sea competitiva?

Creo que el Business Intelligence no está para hacer más inteligentes a los directivos (o a cualquiera que tome decisiones) y más competitiva a la empresa, creo que el Business Intelligence está para ayudar a los directivos a que hagan más inteligente y más competitiva a su empresa.

En concreto creo que la propuesta la Inteligencia de negocios tienes dos aspectos clave:

• Ahorrar tiempo y dinero.

• Ayudar a tomar mejores decisiones con más y mejor información.

Ahorrar tiempo, porque la inmensa mayoría de las empresas toman decisiones con información, en forma de hojas de cálculo (el omnipresente Excel) o informes a medida, pero suelen ser procesos que llevan mucho tiempo, tiempo que podría invertirse en tareas más importantes y que aporten más valor al negocio. En este sentido el BI estaría para sustituir un proceso manual de gestión de la información por un proceso automático.

Ayudar a tomar mejores decisiones, porque el Business Intelligence pone en manos de las personas que toman las decisiones: más y mejor información, en el momento adecuado y más accesible y visual. Y esto supone una gran ayuda para responder mejor y más a menudo a las preguntas claves del negocio:

¿Cómo van mis ventas? ¿Qué puedo hacer para vender más? ¿Qué puedo hacer para controlar mis costes? ¿Cuál es mi situación financiera y cómo tengo que responder? ¿Qué puedo esperar del futuro?

Visto así, el Business Intelligence se convierte en algo imprescindible en cualquier empresa informatizada, en cualquier empresa que se haga preguntas sobre el futuro, y que necesite información para responder a esas preguntas. Tomar decisiones con información es una necesidad básica de cualquier negocio, y el Business Intelligence es la forma más eficaz de hacerlo.

Quizá hace dos o tres años las empresas podían sobrevivir sin ser verdaderamente competitivas sin dar respuestas de calidad a esas preguntas, pero ahora ya no. ¿Acaso no es ahora cuando hacen falta más empresas, y más inteligentes?

No quiero terminar sin contarte que, desde Loogic podemos ayudarte si estás buscando inversión o necesitas consejo en tu startup. Verás más información en Loogic Ventures. Aquí podremos ayudarte con preparación y contacto con inversores así como con mentoring para otros aspectos de tu startup.

3. Características

Este conjunto de herramientas y metodologías tienen en común las siguientes características:

Accesibilidad a la información. Los datos son la fuente principal de este concepto. Lo primero que deben garantizar este tipo de herramientas y técnicas será el acceso de los usuarios a los datos con independencia de la procedencia de estos.

Apoyo en la toma de decisiones. Se busca ir más allá en la presentación de la información, de manera que los usuarios tengan acceso a herramientas de análisis que les permitan seleccionar y manipular sólo 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.

4. Módulos del SistemaEl módulo de INTELIGENCIA DE NEGOCIO permite llevar el control y seguimiento de indicadores, (tanto indicadores creados por el cliente como indicadores calculados automáticamente por el sistema a partir de variables). Permite ver la evolución temporal y gráfica de dichos indicadores y cálculos estadísticos. Además, permite configurar cuadros de mando a partir de los indicadores y controlar si se alcanzan los valores objetivo para cada caso, así como llevar el control de los seguimientos realizados en el tiempo.

Los indicadores pueden derivarse de variables incluidas en la propia plataforma, con la correspondiente captura de datos, o bien ser creados por el propio cliente.

De forma resumida las herramientas que engloba este servicio son las siguientes:

CONFIGURACIÓN DE VARIABLES. Permite capturar información de otros módulos de la plataforma mediante variables generales o bien introducir las propias de los clientes.

INDICADORES. Permite establecer indicadores basados en las variables configuradas. Se pueden realizar seguimientos, consultas y comparativas de indicadores intercentro.

CUADROS DE MANDO. Permite crear cuadros de mando con varios indicadores pre-configurados, visualizando su avance en tablas y registrando los seguimientos.

VISUALIZACIÓN (GRÁFICOS, DASHBOARD, TABLA). El módulo de inteligencia de negocio cuenta con diferentes formatos para la visualización de los datos: formato tabla, formatos gráficos, dashboard o panel de control. Permite en todo momento visualizar de una manera muy gráfica e intuitiva el estado de nuestros indicadores respecto al objetivo a conseguir.

CÁLCULO DE ESTADÍSTICAS. Dispone no solo de datos de evolución temporal de los indicadores sino también de datos estadísticos.CALCULO AUTOMÁTICOS DE VARIABLES E INDICADORES GENERALES. El módulo dispone de un catálogo de variables automáticas, cuyos valores se calculan de forma automática por el sistema a partir de los datos introducidos en otros módulos.

AVISOS AL CORREO ELECTRÓNICO. Se pueden activar diferentes avisos al correo electrónico que permiten al responsable de los indicadores estar informado en todo momento de su evolución.

ARCHIVOS. Posibilidad de incluir ficheros adjuntos con archivos y/o URLs propios de la empresa, favoreciendo el seguimiento de los indicadores o cuadros de mando.

RESPONSABLES. Permite al cliente identificar en cada ficha de indicador o cuadro de mando el usuario encargado de realizar el seguimiento del indicador o cuadro de mando.

SEGUIMIENTOS. Permite guardar en todo momento "fotografías" del estado de los indicadores en una determinada fecha que pueden registrarse como seguimiento del cuadro de mando.

5. ¿Quiénes la Utilizan?

•Empresas de servicios.

•Empresas de producción.

Ventas: Análisis de ventas; Detección de clientes importantes; Análisis de productos, líneas, mercados; Pronósticos y proyecciones.

Marketing: Segmentación y análisis de clientes; Seguimiento a nuevos productos.

Finanzas: Análisis de gastos; Rotación de cartera; Razones Financieras.

Manufactura: Productividad en líneas; Análisis de desperdicios; Análisis de calidad; Rotación de inventarios y partes críticas.

Embarques: Seguimiento de embarques; Motivos por los cuales se pierden pedidos.

Las empresas financieras: utilizan BI para el control de riesgos de divisas.

Hoteles: utilizan aplicaciones de BI para llevar un registro estadístico del porcentaje promedio de ocupación del hotel.

Público al que va dirigido el BI:

• Desde siempre, el BI era usado por pocos analistas en compañías muy grandes. Pero la base del trabajo es distribuir todo tipo de información para todo tipo de empleados.

• Para los administradores: porque necesitan información para realizar una eficaz y rentable empresa.

• Para los gerentes: y tomadores de decisiones que requieren de un acceso rápido y fácil a información útil.

6. Plataformas que usa el sistema

La plataforma Pentaho Open Source Business Intelligence

La plataforma Open Source Pentaho Business Intelligence cubre muy amplias necesidades de Análisis de los Datos y de los Informes empresariales. Las soluciones de Pentaho están escritas en Java y tienen un ambiente de implementación también basado en Java. Eso hace que Pentaho es una solución muy flexible para cubrir una amplia gama de necesidades empresariales – tanto las típicas como las sofisticadas y especificas al negocio.

Los módulos de la plataforma Pentaho BI son:

• Reporting: un modulo de los informes ofrece la solución adecuada a las necesidades de los usuarios. permite generar informes ágil y de gran capacidad y la distribución de los resultados del análisis en múltiples.

• Análisis: Pentaho Análisis suministra a los usuarios un sistema avanzado de análisis de información. Con uso de las tablas dinámicas el usuario puede navegar por los datos,

ajustando la visión de los datos, los filtros de visualización, añadiendo o quitando los campos de agregación.

• Dashboards: En Pentaho Dashboards es muy fácil incorporar una gran variedad en tipos de gráficos, tablas y velocímetros (dashboard widgets) e integrarlos con los Portlets JSP, en donde podrá visualizar informes, gráficos y análisis OLAP.

• Data Mining: análisis en Pentaho se realiza con una herramienta WeKa.

• Integración de Datos: se realiza con una herramienta Kettle ETL (Pentaho Data Integration) que permite implementar los procesos ETL. Últimamente Pentaho lanzó una nueva versión – PDI 3.0 – que marcó un gran paso adelante en OSBI ETL y que hizo Pentaho Data Integration una alternativa interesante para las herramientas comerciales.

7. Base de Datos Disponibles

Por otro lado, los principales componentes de orígenes de datos en el Business Intelligence que existen en la actualidad son:

Datamart

Un 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:

Datamart OLAPSe 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

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 perspectivas 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

Datamining (Minería de datos)

El datamining (minería de datos), es el conjunto de técnicas y tecnologías que permiten explorar grandes bases de datos, de manera automática o semiautomática, con el objetivo de encontrar patrones repetitivos, tendencias o reglas que expliquen el comportamiento de los datos en un determinado contexto.

Básicamente, el datamining surge para intentar ayudar a comprender el contenido de un repositorio de datos. Con este fin, hace uso de prácticas estadísticas y, en algunos casos, de algoritmos de búsqueda próximos a la Inteligencia Artificial y a las redes neuronales.Aunque en datamining cada caso concreto puede ser radicalmente distinto al anterior, el proceso común a todos ellos se suele componer de cuatro etapas principales:

• Determinación de los objetivos. Trata de la delimitación de los objetivos que el cliente desea bajo la orientación del especialista en data mining.• Preprocesamiento de los datos. Se refiere a la selección, la limpieza, el enriquecimiento, la reducción y la transformación de las bases de datos. Esta etapa consume generalmente alrededor del setenta por ciento del tiempo total de un proyecto de data mining.• Determinación del modelo. Se comienza realizando unos análisis estadísticos de los datos, y después se lleva a cabo una visualización gráfica de los mismos para tener una

primera aproximación. Según los objetivos planteados y la tarea que debe llevarse a cabo, pueden utilizarse algoritmos desarrollados en diferentes áreas de la Inteligencia Artificial.• Análisis de los resultados. Verifica si los resultados obtenidos son coherentes y los coteja con los obtenidos por los análisis estadísticos y de visualización gráfica. El cliente determina si son novedosos y si le aportan un nuevo conocimiento que le permita considerar sus decisiones.

8. Principales actividades que la empresa realiza como tal

Actividades siguientes:

Sistemas de previsión, planificación y control de gestión. Sistemas de reporting y análisis on line de datos. Sistemas de Data Mining. Cuadros de mando genéricos y modelizados (Balanced Score Card).

9. las Empresas que utilizan

Empresa conserveraEste caso práctico se refiere a uno de las mayores empresas conserveras de Galicia, con presencia internacional, más de 500 empleados y cerca de 100.000.000 € de facturación.A pesar de que en el sector conservero es bien conocida la estacionalidad de las ventas (el consumo de atún en conserva se dispara en verano, debido a su participación en las ensaladas) y en diciembre (con motivo de la navidad), esta empresa no había sido capaz de optimizar la cantidad de producto finalizado que debía almacenar en stock para maximizar sus beneficios.Mediante la implantación de un sistema de soporte a la decisión (DSS), y tras el análisis minucioso de los datos históricos que guardaba la compañía, resultó posible rediseñar todo el proceso logístico y de almacenamiento productivo hasta el punto de incrementar la rentabilidad económica de la misma (independientemente de la producción y la demanda) en un 10%.

10.Tecnología de Soporte

Sistemas de Soporte a la Decisión (DSS)

Un Sistema de Soporte a la Decisión (DSS) es una herramienta de Business Intelligence enfocada al análisis de los datos de una organización. Permiten resolver gran parte de las limitaciones de los programas de gestión.

Características de DSS:

•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 técnicos. 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 (vease ánalisis OLTP-OLAP).•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 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.

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.

11. Ventajas

La aplicación de un modelo de Business Intelligence ayudara a la transformación de los datos en información, y la información en conocimiento, de forma que se pueda optimizar el proceso de toma de decisiones en los negocios de la organización.

-Aumento de ingreso y reducción de gastos -Análisis de la rentabilidad de clientes -Simulaciones y análisis de tendencias -Para desarrollarlo con eficiencia y eficacia es necesario: -Realizar comparativos entre periodos. -Revisar los indicadores administrativos y de desempleo. -Avisos de puntos críticos -Alineamiento de lo táctico a lo operativo -Seguimiento estratégico. Los beneficios que se alcanzaran con base en la implementación de Business

Intellinge son de manera generalizada los siguientes: Agilidad en el proceso de toma de decisiones. Eliminación de controles manuales Centralización de informaciones de gestión Rapidez en la recolección de información. Transformación de procesos reactivos en activos. Seguimiento y administración en la ejecución de la estrategia.

12. Desventajas

Implementación más Funcionalidad menos analítica sencilla Poca facilidad de personalización Funcionalidad estándar.

Las empresas fallan en reconocer que los proyectos de BI son iniciativas de negocios ínter organizacionales, y en entender dichas iniciativas difieren de las típicas soluciones independientes.

Existe la falta de compromisos por parte de los sponsors (los cuales tienen autoridad en la empresa.

Se tiene poca disponibilidad de los representantes de negocios. Hay ausencia de un personal disponible y habilidoso. Existe un mal concepto del software de BI. No trabajan bajo una estructura detallada. No existe un análisis del negocio o estandarización No existe una apreciación del impacto que causan los datos de mala calidad en

la rentabilidad del negocio. No se entiende la necesidad del uso de un meta datos. Demasiada confianza métodos y herramientas no alineadas.

13. Software de Business Intelligence

Todas las soluciones de BI tienen funciones parecidas, pero deben de reunir al menos los siguientes componentes: Multidimensionalidad: la información multidimensional se puede encontrar en hojas de cálculo, bases de datos, etc. Una herramienta de BI debe de ser 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.

Data Mining: Las empresas suelen generar grandes cantidades de información sobre sus procesos productivos, desempeño operacional, mercados y clientes. Pero el éxito de los negocios depende por lo general de la habilidad para ver nuevas tendencias o cambios en las tendencias. Las aplicaciones de data mining pueden identificar tendencias y comportamientos, no sólo para extraer información, sino también para descubrir las relaciones en bases de datos que pueden identificar comportamientos que no muy evidentes.

Agentes: Los agentes son programas que "piensan". Ellos pueden realizar tareas a un nivel muy básico sin necesidad de intervención humana. Por ejemplo, un agente pueden realizar tares un poco complejas, como elaborar documentos, establecer diagramas de flujo, etc.

Data Warehouse: Es la respuesta de la tecnología de información a la descentralización en la toma de decisiones. Coloca información de todas las áreas funcionales de la organización en manos de quien toma las decisiones. También proporciona herramientas para búsqueda y análisis.