Conceptos Básicos de Inteligencia de Negocios

Las aplicaciones de Business Intelligence (BI) son herramientas de soporte de decisiones que permitenen tiempo real, acceso interactivo, análisis y manipulación de información crítica para la empresa.Estas aplicaciones proporcionan a los usuarios un mayor entendimiento que les permite identificar lasoportunidades y los problemas de los negocios. Los usuarios son capaces de acceder y apalancar unavasta cantidad de información y analizar sus relaciones y entender las tendencias que últimamente estánapoyando   las   decisiones   de   los  negocios.   Estas   herramientas   previenen   una  potencial   pérdida   deconocimiento dentro de la empresa que resulta de una acumulación masiva reinformación que no esfácil de leer o de usar.  (CherryTree & Co., 2000


La necesidad de las empresas en cuanto a la recogida e interpretación de los datos que genera su negocio para ser capaces de adquirir ventajas competitivas con el resto de empresa del sector y, al mismo tiempo, adecuarse lo mejor posible a las necesidad que sus clientes requieren, no es algo ni mucho menos nuevo, pero los métodos para conseguirlo unidos a las nuevas posibilidades tecnológicas y el continuo desarrollo de los mismos, sí que nos obliga a un pequeño acercamiento a estos 10 conceptos básicos para entender el BI del presente:

1- BBDD relacionales. Lo de siempre

El modelo entidad-relación es el más estandarizado tanto en las bbdd productivas como en las analíticas. Por definición, dichas bases de datos se descompondrían en entidades, cada entidad es una tabla o conjunto de datos que guarda información de una unidad de negocio (p.e. usuarios, productos, ventas, clientes…) y que en su diseño mantiene una relación a nivel lógico y/o físico con otra entidad, de esta forma es posible, por ejemplo, vincular los clientes a los productos que consumen y al dinero que facturan.

2- BBDD no relacionales. Lo nuevo. Para que sirve

La recogida masiva de los eventos que se registran en una plataforma informática sin necesidad de que estos se dividan en entidades, ha abierto nuevas posibilidades en cuanto a la cantidad de información que podemos recoger y en cómo hemos de explotarla.

Uno de los usos más comunes de esta tipo de bbdd es el uso en web donde, en función del perfil de usuario, se le recomiendan uno u otro producto para su compra.

3- Data Governance.

Los nuevos sistemas de recogida de información exigen un mayor escrúpulo a la hora de garantizar la calidad e integridad de los mismos, esto ha provocado la aparición de un concepto que, sin ser nuevo, si que toma ahora nombre y apellidos en la figura del Data Governance (o vigilancia del dato), persona o sistema responsable de la calidad final de los mismos.

4- Datamart y Datawarehouse.

Datamart, sistema que reúne información de una sola área de negocio sin que necesariamente esta información haya de estar relacionada con el resto de áreas.

Datawarehouse, conjunto de Datamarts, o espacio analítico donde se combinan los elementos de las distintas regiones de negocio de la compañía y que, por lo tanto, permite análisis complejos y transversales.

5- ETL (el back end)

ETL (Extract, Transform and Load), proceso a través del cual una herramienta de software  nos permite capturar la información que generan las bases de datos propias de negocio, CRM, o de ERP, etc… de la compañía, para luego poder transformarla, adaptándola y finalmente cargarla en la bbdd analítica desde donde la explotaremos y analizaremos.

A través de las ETL’s generaremos las repositorios con la información que queremos explotar: datamarts y datawarehouses

6- Facts  & dimensions (hechos y dimensiones)

Los datamarts y, por extensión, los datawarehouses se conforman de tablas de hechos y dimensiones.

Las primeras registran los valores o indicadores propios del negocio, mientras que las segundas  permiten medir dichos indicadores en función de variables de distribución. Un buen ejemplo de esto sería poder visualizar el comportamiento de las ventas (facts) durante los meses del año en curso (dimension).

7- Modelado y Reporting (el frontend)

Las herramientas de modelado y reporting (OBIEE, Bussiness Object, Qlick View…) permiten preparar los datos en dashboards o reports que facilitaran su interpretación, Tablas bi-variadas, indicadores estadísticos, gráficos de tendencias, etc…Todo lo necesario para que el analista de negocio o el responsable/s del mismo puedan tomar las mejores decisiones para su negocio.

8- Hablemos un poco de arquitectura e infraestructura. Conceptos básicos

Al pensar la arquitectura y la infraestructura, nos acercamos, al menos metafóricamente, a los cimientos del edificio que sustentara nuestro proyecto de BI.

La Arquitectura es la estructura física del proyecto, las capas (o bases de datos)  por las pasaran los datos desde su origen hasta su explotación final, así como el workflow y transformaciones que dichos datos sufrirán.

Por infraestructura nos referiremos más a la necesidad tecnológica del proyecto: servidores donde estarán alojados los datos y tecnología de explotación de los mismos. Un buen dimensionamiento de la infraestructura nos permitirá no quedarnos cortos en los requerimientos de explotación ni pasarnos, aumentando innecesariamente, los costes en productos a los que no sacaremos un porcentaje razonable de partido.

9- Clouding. Migrando a la nube

Los sistemas analíticos tradicionales tenían una clara dependencia del hardware físico del que dispusiese la compañía, la cual tenía que prever de antemano que iba a necesitar, esto dotaba de poca flexibilidad y escalabilidad al sistema.

La migración de los servers físicos a espacios virtuales en el cloud (las principales compañías de software ya ofrecen esta posibilidad: Microsoft, Amazon, Google..) elimina esos problemas y genera el entorno ideal para un sistema Big Data

10- Big Data y Hadoop.

El Big Data, es probablemente el concepto más novedoso y popular del Bussiness Intelligence y en el que centran actualmente sus esfuerzos un buen número de analistas e ingenieros de datos de las compañías tecnológicas más punteras.

Tres “V” resumen el éxito del almacenamiento masivo de datos: velocidad, variabilidad y volumen, es decir, grandes cantidades de datos lo más variados y ricos posibles que puedan ser explotados en tiempo real, o con mínima latencia.

Hadoop es un framework, uno de los mas populares para explotar  Bigdata, que dota de la infraestructura necesaria a través de una tecnología basada en un sistema de archivos distribuidos en clusters (HDFS) y de numerosas herramientas para su posterior procesado (Ambari, Sqooq, Hive, Pig…, son solo algunos ejemplos).




Referencias

Atre, S. (2003), “The top 10 critical challenges for business Intelligence success”, ComputerWorld, Vol.37. No. 23. www.computerworld.com/services/ whitepapers/story/0,4793,82630,00.html (Consultada en junio de 2005).Btglobalservices (s.f), ¿Cómo puede ayudar un Cuadrante Mágico a identificar a un proveedor? http://www.btglobalservices.com/business/global/es/business/business_zone/issue_02/magic_quadrants.html, (Consultada en junio de 2005).Buytendijk, F., Dresner, H. J., Linden, A., Tiedrich A., Hostmann B., Herschel, G., Gassman, B. (2004). Hype Cycle for Business Intelligence, 2004, Gartner [on-line database]Cognos (2005),Cognos posicionado como líder en el último estudio de Gartner sobre el mercado del Business Intelligence, http://www.cognos.com/es/pressfolder/2004/2712.html (Consultada en junio de 2005)CherryTree & Co. (2000), Business Intelligence-The Missing Link, CherryTree & Co. www.businessintelligence.ittoolbox.com/documents/document.asp?i=2741, (Consultada en mayo de 2005).Dresner, H.J., Hostmann B., Buytendijk F. (Noviembre, 2004), Magic Quadrants for Enterprise BI Suites and Platforms, Gartner [on-line database]Dresner H.J., Buytendijk F.,  Friedman T.  (Noviembre, 2003), Predicts 2004: Business Intelligence Markets, Gartner [on-line database]Friedman, T. (2004). Management Update: The Cornerstones of Business Intelligence Excellence. Gartner [on-line database]Graham, C. (Marzo, 2005), BI Software Becoming a Top Priority for CIOs, Gartner [on-line database]Havenstein, H. (2005). Users turn to operational business intelligence tools: Emerging capability promises real-time access to most data, http://www.computerworld.com/databasetopics/businessintelligence/story/0,10801,100506,00.html?SKC=businessintelligence-100506 (Consultado en junio de 2005)INFOchannel México, (2005), El auge del BI, INFOchannel México, http://0-site.securities.com.millenium.itesm.mx/doc.html?pc=MX&doc_id=70767142&query=business%3ABusiness%3AIntelligence&hlc=es, (Consultada en mayo de 2005)InformationBuilders (2004),Business Intelligence Goes Operational: On the Front Lines Making a Bottom-Line Difference, http://www.informationbuilders.com/solutions/operational_bi.html (Consultada en mayo de 2005)Laudon, Kenneth C.; Laudon, Jane P.  (2004) Management Information Systems. Editorial Pearson Prentice Hall, New Jersey U.S.A

¡Hola Raquel! Me intereso tu definición acerca de la inteligencia de negocios y me gustaría aportar una opinión, actualmente la inteligencia de negocios suele asociarse a las tecnologías de la información, aunque en realidad incluyen un campo mucho más amplio. La tecnología es simplemente una forma de facilitar esta función. De hecho todas las empresas e instituciones cuentan con un sistema de inteligencia de negocios, muchas veces manual, aunque puede que no sean totalmente conscientes de este hecho.

Además como conclusión, puede proporcionar la información que los usuarios del sistema necesitan, los modernos sistemas de inteligencia de negocios son capaces de detectar amenazas y oportunidades de manera automática y notificárselas al usuario adecuado en cada momento. Esta es una funcionalidad más reciente que se implementa mediante sistemas de alerta que se "disparan" cuando algún valor o parámetro establecido se sale de los márgenes de seguridad establecidos.