Inteligencia De Negocios O BI

Gestionar la información en las empresas es, hoy en día, una herramienta clave para poder sobrevivir en un mercado cambiante, dinámico y global. Aprender a competir con esta información es fundamental para la toma de decisiones, el crecimiento y la gestión de nuestra empresa. La disciplina denominada como Business Intelligence nos acerca a los sistemas de información que nos ayudan a la toma de decisiones en nuestra organización. Las empresas utilizan bases de datos para dar seguimiento a las transacciones básicas, como el pago de proveedores, el procesamiento de pedidos, el seguimiento de los clientes y el pago a los empleados. Pero también necesitan las bases de datos para suministrar información que ayudara a la empresa a manejar los negocios de manera más eficiente y que ayudara a los gerentes, y a los empleados a tomar mejores decisiones.

INTELIGENCIA DE NEGOCIOS

Conjunto de herramientas, aplicaciones y tecnología cuya finalidad es ayudar a los usuarios a tomar mejores decisiones.

¿Cómo se implementa en una gran empresa?

En una empresa grande con robustas bases de datos o enormes sistemas para cada función, como manufactura, ventas y contabilidad, se requieren capacidades de datos para acceder datos desde múltiples sistemas. Estas capacidades incluyen el almacenamiento de datos, la minería de datos y herramientas para acceder bases de datos internas a través de la web.

¿Qué es un almacén de datos?

Es una base de datos que almacena datos actuales e históricos de potencial interés para los encargados de la toma de decisiones de toda la empresa. El almacén de datos consolida y estandariza información de diferentes bases de datos operativas con el propósito de que la información se pueda utilizar a través de la empresa para el análisis y la toma de decisiones por parte de la administración.

¿Qué es un mercado de datos?

Es un subconjunto de un almacén de datos en el que una parte resumida o altamente enfocada de los datos de la organización se coloca en una base de datos separada para una población específica de usuarios.

Una vez que se han capturado y organizado los datos en almacenes de datos y en mercados de datos, están a disposición para análisis más profundos.

Una serie de herramientas permite a los usuarios analizar estos datos para descubrir nuevos patrones, relaciones, y conocimientos profundos para orientar la toma de decisiones.

Estas herramientas para consolidar, analizar y dar acceso a extensas cantidades de datos para ayudar a los usuarios a tomar decisiones de negocios con frecuencia se denominan inteligencia de negocios (BI).

Las principales herramientas para la inteligencia de negocios incluye software para consultas e informes de bases de datos, herramientas para análisis de datos multidimensionales (procesamiento analítico en línea) y minería de datos.

COMPONENTES DE BUSINESS INTELLIGENCE

Los componentes son:

• Fuentes de información, de las cuales partiremos para alimentar de información el datawarehouse.

• Proceso ETL de extracción, transformación y carga de los datos en el datawarehouse. Antes de almacenar los datos en un datawarehouse, éstos deben ser transformados, limpiados, filtrados y redefinidos. Normalmente, la información que tenemos en los sistemas transaccionales no está preparada para la toma de decisiones.

• El propio datawarehouse o almacén de datos, con el Metadata o Diccionario de datos. Se busca almacenar los datos de una forma que maximice su flexibilidad, facilidad de acceso y administración.

• El motor OLAP, que nos debe proveer capacidad de cálculo, consultas, funciones de planeamiento, pronóstico y análisis de escenarios en grandes volúmenes de datos. En la actualidad existen otras alternativas tecnológicas al OLAP.

• Las herramientas de visualización, que nos permitirán el análisis y la navegación a través de los mismos.

Las fuentes de información a las que podemos acceder son:

• Básicamente, de los sistemas operacionales o transaccionales, que incluyen aplicaciones desarrolladas a medida, ERP, CRM, SCM, etc.

• Sistemas de información departamentales: previsiones, presupuestos, hojas de cálculo, etcétera.

• Fuentes de información externa, en algunos casos comprada a terceros, como por ejemplo estudios de mercado (Nielsen en distribución de gran consumo, IMS de la industria farmacéutica). Las fuentes de información externas son fundamentales para enriquecer la información que tenemos de nuestros clientes. En algunos casos es interesante incorporar información referente, por ejemplo, a población, número de habitantes, etc. Podemos acceder a información de este tipo en la web del Instituto Nacional de Estadística (www.ine.es).

Una vez decididas las fuentes de información debemos verificar la calidad de los datos.

1. Precisión: ¿Representan los datos con precisión una realidad o una fuente de datos que se pueda verificar?

2. Integridad: ¿Se mantienen constantemente la estructura de los datos y las relaciones a través de las entidades y los atributos?

3. Coherencia: ¿Son los elementos de datos constantemente definidos y comprendidos?

4. Totalidad: ¿Están todos los datos necesarios?

5. Validez: ¿Son los valores aceptables en los rangos definidos por el negocio?

6. Disponibilidad: ¿Están los datos disponibles cuando se necesitan?

7. Accesibilidad: ¿Se puede acceder a los datos fácil y comprensiblemente?

Proceso de extracción, transformación y carga (ETL).

El proceso trata de recuperar los datos de las fuentes de información y alimentar el datawarehouse.

El proceso de ETL consume entre el 60% y el 80% del tiempo de un proyecto de Business Intelligence, por lo que es un proceso clave en la vida de todo proyecto.

Este parte del proceso de construcción del datawarehouse es costosa y consume una parte significativa de todo el proceso, por ello requiere recursos, estrategia, habilidades especializadas y tecnologías.

La extracción, transformación y carga (el proceso ETL) es necesario para acceder a los datos de las fuentes de información al datawarehouse. El proceso ETL se divide en 5 subprocesos:

1. Extracción: Este proceso recupera los datos físicamente de las distintas fuentes de información. En este momento disponemos de los datos en bruto.

2. Limpieza: Este proceso recupera los datos en bruto y comprueba su calidad, elimina los duplicados y, cuando es posible, corrige los valores erróneos y completa los valores vacíos, es decir se transforman los datos -siempre que sea posible para reducir los errores de carga. En este momento disponemos de datos limpios y de alta calidad.

3. Transformación: Este proceso recupera los datos limpios y de alta calidad y los estructura y sumariza en los distintos modelos de análisis. El resultado de este proceso es la obtención de datos limpios, consistentes, sumarizados y útiles.

4. Integración: Este proceso valida que los datos que cargamos en el datawarehouse son consistentes con las definiciones y formatos del datawarehouse; los integra en los distintos modelos de las distintas áreas de negocio que hemos definido en el mismo. Estos procesos pueden ser complejos.

5. Actualización: Este proceso es el que nos permite añadir los nuevos datos al datawarehouse.

Datawarehouse o almacén de datos

Cuando queremos analizar un problema empresarial, normalmente la información que necesitamos proviene de distintos sistemas, pero nosotros la requerimos en un mismo entorno para facilitar su análisis. Normalmente, en los sistemas transaccionales no tenemos preparada para ser analizada: sólo la tenemos la información de las transacciones actuales, pero no la de los periodos anteriores o la de las previsiones.

Si queremos estudiar la evolución de las ventas necesitamos saber:

• Ventas actuales.

• Ventas del/os periodo/s anterior/es.

• Presupuesto de ventas del ejercicio.

La aparición de los datawarehouse o Almacenes de datos son la respuesta a las necesidades de los usuarios que necesitan información consistente, integrada, histórica y preparada para ser analizada para poder tomar decisiones.

Al recuperar la información de los distintos sistemas, tanto transaccionales como departamentales o externos, y almacenándolos en un entorno integrado de información diseñado por los usuarios, el datawarehouse nos permitirá analizar la información contextualmente y relacionada dentro de la organización.

Gestión del datawarehouse

Los usuarios de negocio necesitan tomar decisiones basadas en la información de los datawarehouses, por lo que debemos asegurar:

• Alta disponibilidad.

• Rendimiento.

• Copias de seguridad y recuperación.

• Recuperación física en caliente.

La visualización de la información es independiente respecto de cómo se haya almacenado.

El OLAP Council sumarizó las 12 reglas de Codd en lo que ellos llamaban el concepto FASMI que los productos OLAP deben cumplir.

El concepto FASMI proviene de las siglas de las iniciales en inglés:

• FAST (Rápido): Debe ser rápido, necesitamos lanzar consultas y ver los resultados inmediatamente.

• ANALYSIS (Análisis): Debe soportar la lógica de negocio y análisis estadísticos que sean necesarios para los usuarios.

• SHARED (Compartido): Tiene que manejar múltiples actualizaciones de forma segura y rápida.

• MULTIDIMENSIONAL (Multidimensional): Tiene que proveer de una visión conceptual de la información a través de distintas dimensiones.

• INFORMATION (Información): Debe poder manejar toda la información relevante y la información derivada.

La representación gráfica del OLAP son los cubos.

Las herramientas OLAP nos permiten “rotar” (en inglés “slicing”) los cubos, es decir, cambiar el orden de las distintas dimensiones: En lugar de analizar por clientes, como en el caso anterior, quizás estamos interesados en analizarlo por libros, ya que los usuarios que lo quieren consultar son distintos y tienen distintas necesidades.

Existen distintos tipos de herramientas OLAP. La diferencia entra ellas, básicamente, depende de cómo acceden a los datos:

• ROLAP: Relational OLAP o Las capacidades OLAP acceden directamente a la base de datos relacional. Se accede por tanto a una base de datos relacional (RDBMS). Accede habitualmente sobre un modelo “estrella”. La principal ventaja es que no tiene limitaciones en cuanto al tamaño, pero es más lento que el MOLAP, aunque algunos productos comerciales nos permiten cargar cubos virtuales para acelerar los tiempos de acceso.

• MOLAP: Multimensional OLAP o La implementación OLAP accede directamente sobre una base de datos multidimensional (MDDB82). La ventaja principal de esta alternativa es que es muy rápida en los tiempos de respuesta y la principal desventaja es que, si queremos cambiar las dimensiones, debemos cargar de nuevo el cubo.

• HOLAP: Hybrid OLAP o Accede a los datos de alto nivel en una base de datos multidimensional y a los atómicos directamente sobre la base de datos relacional. En esencia utiliza las ventajas del ROLAP y del MOLAP.

Las formas de acceso de las herramientas OLAP pueden ser:

• Cliente/Servidor, lo que significa tener las instalaciones locales en los ordenadores de los usuarios.

• Acceso web: cliente, cliente ligero, o sólo con el navegador.

En este tipo de acceso el navegador comunica con un servidor web, el cual habla con la aplicación del servidor, que es la que conecta con el datawarehouse. En el caso de acceder con el navegador sin ningún tipo de cliente o con cliente ligero (por ejemplo JAVA), normalmente se descargan pequeñas aplicaciones para aumentar la funcionalidad.

Estos son los grandes (pero no por ello los mejores), y se denominan así por ser proveedores de servicios no sólo de BI, si no de muchas otras cosas, corriendo a la par con actores pequeños en comparación pero en rápido ascenso como Tableau, SAS, QlikTech o MicroStrategy. Son los siguientes:

Microsoft (Suite SQL Server 2008)

Uno de los clásicos. En el 2008 SQL Server empaqueta la nueva versión de Analysis Services e Information Services, que junto con su gestor documental SharePoint ofrecen una solución atractiva y adaptable a varias configuraciones empresariales. En el análisis de 2010 se comporta bastante bien.

IBM (Cognos)

Al igual que otros, IBM optó por comprar Cognos a principios de 2008. En su versión 8, Cognos ha cosechado varios premios, sin embargo en 2010 ha salido un poquito peor parada en el cuadrante de Gartner.

SAP (NetWeaver)

Los alemanes de SAP ofrecen una solución a la que denominan Business Warehouse, que muy ingeniosamente hace referencia a las capacidades de su herramienta tanto en el ámbito del data warehousing como en el de Business Intelligence. En el sustrato de todo esto queda el trabajo de la empresa Business Objects, que SAP se agenció a finales de 2007 principios de 2008 en un buen movimiento. En el cuadrante de 2010 ha sufrido un pequeño varapalo

Oracle (OBIEE 11g)

La gente de Oracle se ha dedicado a comprar todo lo que le ha ido haciendo falta hasta sacar su suite Oracle Business Intelligence Enterprise Edition. Gran parte se basa en el trabajo de la empresa Siebel, la cual compraron en 2005, y sobre su trabajo crearon OBI 10g como suite analítica, que mejoraron en 2010 a la versión 11g. Pese a ser una solución abiertamente criticada por muchos profesionales, se mantiene alta en el cuadrante en parte por fidelidad de sus clientes hacia Oracle

• EMPRESAS SONDA

La incorporación masiva de las TI a los procesos de negocio genera una gran cantidad de datos al interior de las organizaciones, los que son asociados a los productos, canales de distribución, clientes, cadena logística, entre otras fuentes, y que son reconocidos como elementos de gran valor para la toma de decisiones de gestión.

Sin embargo, su manejo y análisis no es sencillo, y requiere de un conjunto de conceptos, procesos y sistemas que se han denominado Business Intelligence (BI). El objetivo de las herramientas de Inteligencia de negocios o gestión de información, es aprovechar la información del negocio y del mercado para mejorar la toma de decisiones, tanto estratégicas como operativas.

El objetivo de la implementación de un proyecto de BI en una empresa puede apuntar a identificar y retener a los mejores clientes, aumentar la eficiencia de sus campañas de marketing directo, conocer la rentabilidad de productos y sucursales, detectar oportunamente los fraudes, determinar el mínimo stock, entre otras aplicaciones.

Nuestras soluciones de BI incluyen:

1. Sistemas de Control de Gestión

• Datawarehouses Corporativo.

• Datamarts Departamentales.

• Modelos Predictivos y Descriptivos.

2. Servicio de Detección de Fraude Smart Scanning ponen a disposición de sus clientes una herramienta que incorpora las mejores prácticas y tecnologías de la industria al servicio de la detección de fraude.

3. Evaluación de ROI de proyectos de Inteligencia de Negocios: proveemos nuestras competencias para justificar económicamente un proyecto BI y medir sus resultados a través del tiempo.

4. ASP BI: el cliente nos entrega la información y nosotros nos hacemos cargo del proyecto y también de su operación.

5. Scan BI: consultoría de exploración de oportunidades de aplicación y análisis de factibilidad.

Han desarrollado proyectos de BI para sectores pioneros en su adopción, como son los de salud, retail, telecomunicaciones, minero y financiero. Esta experiencia nos ha permitido desarrollar un gran conocimiento respecto de la tecnología, la problemática de negocios de estas industrias, y también de los pasos necesarios para la correcta implementación de estos proyectos.

En SONDA cuentan con alianzas con Microstrategy y con SAP particularmente con el módulo de BW y otros importantes proveedores tecnológicos de este tipo de soluciones.

Nuestras soluciones de Business Intelligence permiten, entre otras cosas:

• Determinar stocks.

• Reducir de costos.

• Detectar de Fraudes.

• Mejorar eficiencia operacional.

• Segmentar de clientes en base a comportamiento.

• Realizar mantención predictiva de fallas para equipamiento crítico.

Giesecke & Devrient de México (G&D) empresa líder proveedora de tarjetas con chip y SIM adquirió el BI de MicroStrategy.

MicroStrategy es un modelo de datos único que proporciona información veraz y oportuna mediante interfaces amigables, reduciendo la dependencia hacia TI

Contando con funcionalidades que ayudarán a:

• Soportar el análisis y la toma de decisiones estratégicas para el negocio.

• Facilitar la comunicación

• Facilitar el despliegue y/o envío de información.

• Integrar información estratégica y operativa en el mismo entorno.

• Facilitar la visualización y el análisis de información resultante.

• Filtrar información de manera ágil y a varios niveles.

“Las expectativas de G&D de México sobre MicroStrategy están en función del papel que esta herramienta jugará en la empresa ayudando a la toma de decisiones basada en información confiable y actualizada del negocio; en primera instancia es tener una visión global y profunda de los principales indicadores del negocio así como vigilar la evolución de estos, esto permitirá a los responsables tomar las decisiones necesarias de manera más oportuna, dando lugar a una mayor eficiencia en las operaciones e incremento de la productividad.

Debe ser entendido como Soporte de Comunicación entre todos los miembros y áreas de la organización. El sistema de gestión de la información debe ser algo vivo, dinámico y permanentemente cambiante.”, concluyó Juan Carlos Rodríguez Sáinz.

“La plataforma de Business Intelligence de MicroStrategy ofrece una herramienta que permite a nuestros clientes y usuarios de negocios acceder a su información más fácil y rápidamente siendo cada vez más autónomos de su departamento de sistemas” comentó Carlos Parada, Director General de MicroStrategy México.

El futuro de Business Intelligence

El ambiente del mundo de los negocios de hoy exige una aplicación cada vez más eficiente de la información disponible. BI como su nombre en inglés lo indica, genera un conocimiento al negocio, que se deriva de la correcta utilización de la información generada dentro y fuera de la empresa. BI es una herramienta que pone a disposición de los usuarios la información correcta en el lugar correcto. Son múltiples los beneficios que ofrece a las empresas, entre ellos se encuentra la generación de una ventaja competitiva. Hay una gran variedad de soluciones de BI que en suma, son muy similares, pero para que se considere completa debe reunir cuatro componentes: multidimensionalidad, datamining, agentes y data warehouse. Son ya muchas las empresas que han implementado soluciones de BI y se han visto enormemente beneficiadas, la próxima puede ser la suya. La mejor forma de resumir todo lo anterior es por medio de la frase de Bill Gates, Director de Microsoft, "BI ayuda a rastrear lo que en realidad funciona y lo que no".

BUSINESS INTELLIGENCE EN GENERAL MOTORS MÉXICO.

Caso GM México

Con ventas anuales por 10,000 millones de dólares, la visión de General Motors (GM) México es ofrecer a las personas un portafolio de vehículos acorde con sus necesidades y estilos. Su objetivo es poner énfasis en el servicio post venta, ya que de eso dependerá la satisfacción del cliente.

Para cumplir con este objetivo, el área de Sistemas jugara un papel muy importante en la compañía, pues debe mantener una operación estable de todas las herramientas que auxilian el negocio, así como proporcionar la tecnología de información (TI) necesaria para que la subsidiaria se mantenga competitiva.

Con ayuda de la tecnología analizamos la viabilidad de los negocios, atendemos las necesidades del mercado mexicano de manera oportuna y conocemos el estado de los almacenes para aumentar o disminuir el inventario con base en la demanda de los vehículos", explica Fernando Durán López, director de Sistemas de General Motors México.

AUDI AG

. La línea de lujo Volkswagen AG.utiliza business intelligence para mejorar la coherencia de las operaciones en la línea de ensamblaje de sus vehículos, en la planta de ingolstadt, Alemania.

...