|
Business Intelligence, una introducción
En boca de muchos, no siempre
bien entendido y con un grado complejo de aplicación en los negocios modernos, Business
Intelligence es un concepto que conviene revisar a fondo en virtud de la posibilidad que
nos ofrece para tomar decisiones mejor informadas y estratégicas para el desarrollo del
negocio.
Conviene hacer un poco de historia. A partir de los años 70, se comienza a discutir
acerca de un concepto llamado Sistemas para la toma de decisiones, los cuales consistían
en un conjunto de herramientas de análisis acerca de la información disponible de la
operación del negocio y eran utilizados por especialistas muy allegados a técnicas de
programación y análisis. Con la llegada de las bases de datos relacionales, las
computadoras personales y la graficación por computadora, el acceso a la información y
su representación por parte de los usuarios finales comenzó a ser cada día mas
frecuente.
Así, en la actualidad, la disponibilidad de herramientas y el desarrollo de la
tecnología permiten que se genere una gran cantidad de información acerca de la
operación del negocio. ¿Pero en realidad toda esta información se utiliza oportuna y
adecuadamente? Con toda certeza que no. Las TI permiten generar una gran cantidad de
datos. los cuales, por si solos, no constituyen información relevante para la toma de
decisiones. Se requiere, entonces, aplicar a éstos un conjunto de técnicas y análisis
que conviertan estos datos en información estratégica para el negocio; adicionalmente,
la información se debe presentar de manera que sea fácilmente accesible para los
tomadores de decisiones.
Al conjunto de metodologías y herramientas que permiten transformar los datos en
información, y a su vez esta información en conocimiento; y de esta forma generar
información accesible para los tomadores es a lo que hoy denominamos Inteligencia de
Negocios (BI).
Existen diversas herramientas de BI, dentro de las cuales destacan las de Datawarehouse,
Data Mart, OLAP y Data Mining. Revisemos brevemente cada uno de estos conceptos.
Un Datawarehouse (Almacén de datos) contiene la información del negocio previa a su
incorporación al repositorio; se lleva a cabo un trabajo de limpieza, selección,
integración y muchas veces recibe algún tratamiento (procesamiento, transformación) que
permite mostrar una vista completa del negocio. Se ordena de acuerdo a grupos de
información inherente al negocio, es decir, clientes, proveedores, recursos humanos,
productos, etc. Su diseño debe considerar el soporte para llevar a cabo un análisis
estratégico y es además información de carácter histórico. También es necesario
desarrollar metadatos acerca de la información contenida en el Datawarehouse para conocer
su contexto con la finalidad de facilitar el uso por la organización así como su
administración y mantenimiento.
Los Datamarts son conjuntos de datos individuales que se derivan de un DWH, estos
componentes son especialmente desarrollados para fines específicos, es decir contestan
preguntas específicas planteadas en el diseño.
OLAP es un acrónimo que significa On Line Analityc Process, (Procesamiento analítico en
línea) y ofrece vistas multidimensionales de los indicadores de rendimiento del negocio y
responde a preguntas tales como ¿Quién?, ¿Cómo?, ¿Cuánto?, ¿Dónde?, ¿Qué? Lo
importante es que estas preguntas se plantean desde un punto de vista conceptual, es
decir; el usuario solo requiere conocer la operación del negocio para formular a manera
de pregunta sus necesidades de información y obtener de esta manera información
relevante.
Data Mining es la integración de tres componentes: inteligencia artificial, estadística
y bases de datos. La aplicación de Data Mining a la información de una organización,
permite conocer los datos y variables que generan diversos efectos en la misma. Esto
permite establecer modelos que reproducen situaciones reales del negocio de tal suerte que
es posible llevar a cabo predicciones, en general permite responder a todas las preguntas
que responde OLAP y adicionalmente a una muy importante ¿Por qué?, lo más emocionante
de esto es que se responde para el futuro, es decir, permite hacer pronósticos del
negocio.
Ahora que conocemos las herramientas de BI podemos hablar acerca de los beneficios que
pueden generar dentro de las organizaciones, lo anterior sin embargo, requiere que éstas
cuenten con un cierto nivel de desarrollo tecnológico, bases de datos, sistemas de
información, infraestructura de cómputo, etc.
Es conveniente reflexionar que ninguna solución tecnológica debe ser implantada de
manera discrecional, sin antes analizar, como se mencionó en el párrafo anterior, su
posicionamiento tecnológico y si ésta se encuentra alineada con los objetivos
estratégicos del negocio así como el valor que aporta a la organización y el retorno de
inversión que ofrece.
La instrumentación de un proyecto de Inteligencia de negocios (BI) representa la
transformación de los datos en información y la transformación de la información en
conocimiento. Este conocimiento del negocio deberá optimizar y eficientar la operación y
más aún si los objetivos del BI están alienados a los objetivos estratégicos de la
organización se producirán con toda certeza innovaciones que podrían convertirse
eventualmente en diferenciadores.
Todo proyecto de BI debe considerar su arranque teniendo como base aquellos puntos donde
se puedan aportar mejoras sustanciales a los procesos que se encuentren vinculados con los
objetivos de negocio de mayor peso, en este sentido, se recomienda el desarrollo
incremental buscando aportar resultados oportunos.
Es importante señalar que para el éxito de un proyecto de esta naturaleza se requiere
además de las disponibilidad de datos de buena calidad, contar con un grupo de
especialistas que puedan entender qué hacer con los datos, interpretar sus resultados y
partir de estos definir acciones.
(Fuente: http://www.chein.com.mx/articulos/1jul-2002.htm)
Regresar
Análisis Multidimensional
Tanto para la eficiencia
operativa como para la planeación a futuro, se deben analizar muchos datos empresariales
interrelacionados. Esta necesidad empresarial se aborda mediante el procesamiento
analítico. En éste, el enfoque está en el análisis de los datos, específicamente en
el análisis multidimensional.
En el análisis multidimensional,
los datos se representan mediante dimensiones como producto, territorio y cliente, por
ejemplo. Por lo regular las dimensiones se relacionan en jerarquías, por ejemplo,
continente, país, región, estado, ciudad. El tiempo es también una dimensión con su
propia jerarquía como año, trimestre, mes, semana y día si se requieren.
Para facilitar un análisis
complejo, el procesamiento analítico o análisis multidimensional presenta una visión
empresarial sencilla de los datos. Un usuario empresarial puede acceder los ingresos por
departamento y tienda para los último cuatro trimestres, para un conjunto dado de
productos, por algún vendedor en especial ... Los resultados se pueden pivotear o girar
para cambiar los ejes y la perspectiva. Además, los usuarios empresariales pueden navegar
por las dimensiones profundizando u obteniendo resúmenes a lo largo de los elementos de
una dimensión, o penetran a través de las dimensiones para ver otras perspectivas.
El procesamiento analítico se
usa para "entender lo que ésta sucediendo en la empresa" y promete análisis
del tipo "¿qué pasa si ...?" e "¿y ahora qué?".
El procesamiento analítico se
emplea para análisis complejos, con amplia manipulación (análisis de datos dinámicos),
así como planeación a futuro y pronósticos - el pasado como prólogo del futuro.
Al procesamiento analítico o
análisis multidimensional se le conoce también como procesamiento analítico en línea
(OLAP).
(Fuente: Data Warehousing - La integración de
información para la mejor toma de decisiones, Autores: Harjinder S. Gill y Prakash C.
Rao, Editorial: Prentice Hall)
Si desea ver una herramienta OLAP en vivo puede acceder a:
- Demo OLAP de
la Nasa utilizando la herramienta de Cognos PowerPlay Web
- Demo
OLAP de la base de datos multidimensional de SAS (MDDB Report Viewer)
Regresar |
|
