Inteligencia De Negocios

INTELIGENCIA DE NEGOCIO

Se define por Inteligencia de Negocio o Business Intelligence (BI) a la transformación de los datos de la compañía en conocimiento para obtener una ventaja competitiva. Desde un punto de vista más pragmático, y asociándolo directamente a 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 OLAP...) o para su análisis y conversión en conocimiento soporte a la toma de decisiones sobre el negocio. [6]

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 debe 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.

El término inteligencia empresarial se refiere al uso de los datos de una empresa para facilitar la toma de decisiones a las personas que deciden, es decir, la comprensión del funcionamiento actual y la anticipación de acciones para dar una dirección bien informada a la empresa.

Las herramientas de inteligencia se basan en la utilización de un sistema de información de inteligencia que se forma con distintos datos extraídos de los datos de producción, con información relacionada con la empresa o sus ámbitos y con datos económicos.

Mediante las herramientas y técnicas ETL (extraer, transformar y cargar) se extraen los datos de distintas fuentes, se depuran y preparan (homogeneización de los datos) para cargarlos en un almacén de datos.

Por último, las herramientas de inteligencia analítica posibilitan el modelado de las representaciones en base a consultas para crear tablas; esto se conoce como presentación de informes. [7]

De acuerdo a su nivel de complejidad se pueden clasificar las soluciones de Business Intelligence en:

• Consultas e informes simples (Queries y reports).

• Cubos OLAP (On-Line Analytic Processing).

• Data Mining o minería de datos.

• Sistemas de previsión empresarial; predicción mediante estudio de series temporales (ejemplo: Previsión de ventas).

La figura 1 muestra las etapas por la que transitan los datos que forman parte del proceso de información en una organización, pero con los roles involucrados en este proceso de toma de decisiones. [3]

Fig.1 Etapas por las que transitan los datos en un proceso de toma de decisiones

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. [1]

SISTEMAS DE APOYO A LA TOMA DE DECISIONES

Los Sistemas de Apoyo a la Toma de Decisiones, o en inglés: Decision Support Systems (DSS) como sistemas informáticos, consisten habitualmente en varios componentes: bases de datos fuentes, sistemas de Extracción-Transformación-Carga de datos, Data Warehouse (DW) o Almacenes de Datos, herramientas de Procesamiento Analítico en Línea (OLAP), bases de datos multidimensionales y otras herramientas de análisis de información.

El apoyo para la toma de decisiones, no es parte de la tecnología de base datos por si misma, sino que resulta de la combinación de varias aplicaciones de esta técnica (Figura 2). Las aplicaciones reciben los nombres de Data Warehouse, Datamart o Mercado de datos, OLAP (Procesamiento Análitico en Línea), Minería de Datos, entre otros.

Fig.2 Apoyo para la toma de decisiones

DATA WAREHOUSE

Un Data Warehouse (DW) o Almacén de datos 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 pespectivas 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. [4]

Los "almacenes de datos" son una tecnología relativamente reciente, encaminada a proporcionar metodologías para recopilar e integrar los datos históricos de una organización, cuyo fin es el análisis, la obtención de resúmenes e informes complejos y la extracción de conocimiento. Esta tecnología está diseñada especialmente para organizar grandes volúmenes de datos de procedencia generalmente estructurada (por ejemplo bases de datos relacionales).

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).

La siguiente tabla describe las diferencias que se deben tener en cuenta para estructurar y diseñar almacenes de datos en comparación con las bases de datos transaccionales. [5]

Parámetros Base de Datos Transaccional Almacén de Datos

Propósito Operaciones diarias. Soporte a las aplicaciones. Recuperación de información, informes, análisis y minería de datos.

Tipo de datos Datos de funcionamiento de la organización. Datos útiles para el análisis, la sumarización, etc.

Características de los datos Datos de funcionamiento, cambiantes, internos, incompletos. Datos históricos, datos internos y externos, datos descriptivos.

Modelo de datos Datos normalizados. Datos en estrella, en copo de nieve, parcialmente desnormalizados, multidimensionales.

Número y tipo de usuarios Cientos/miles: aplicaciones, operarios, administrador de la base de datos. Decenas: directores, ejecutivos, analistas.

Acceso SQL. Lectura y escritura. SQL y herramientas propias (slice &

dice, drill, roll, pivot). Lectura.

Tabla 1. Diferencias entre las bases de datos transaccionales y los almacenes de datos.

Principales aportes de un data warehouse:

• Proporciona una herramienta para la toma de decisiones en cualquier área funcional, basándose en información integrada y global del negocio.

• Facilita la aplicación de técnicas estadísticas de análisis y modelización para encontrar relaciones ocultas entre los datos del almacén; obteniendo un valor añadido para el negocio de dicha información.

• Proporciona la capacidad de aprender de los datos del pasado y de predecir situaciones futuras en diversos escenarios.

• Simplifica dentro de la empresa la implantación de sistemas de gestión integral de la relación con el cliente.

• Supone una optimización tecnológica y económica en entornos de Centro de Información, estadística o de generación de informes con retornos de la inversión espectaculares.

Existen dos paradigmas en el campo del Data Warehousing, el paradigma de Bill Inmon y el paradigma de Ralph Kimball, ambos conocidos como los padres del Data Warehouse.

El paradigma de Inmon:

La tecnología de data warehouse, forma parte de los sistemas de inteligencia de negocio. Una empresa debe tener un Data Warehouse y varios Data Marts que se nutran de la información del Data Warehouse. En un Data Warehouse la información puede estar almacenada en 3ra Forma Normal. [2]

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

...