|
De los datos a
las decisiones rentables
Por Armando Flores
Consultor Grupo Wissen
PROFIN México pertenece a Grupo Wissen junto con TTSI, EDSI e INSOTEC
La nueva economía
ha empujado a las compañías a tomar decisiones más rápidas y efectivas a través del
análisis de toda su información de nivel general a nivel detallado, información que
viene de fuentes de datos cada día más complejas.
En este sentido, cada vez es más evidente el valor que tiene el conocimiento para las
compañías, el cual proporciona hoy en día una mayor ventaja competitiva. A este
respecto, el concepto de Business Intelligence (BI, Inteligencia de Negocios) está de
moda. Sus aplicaciones para la toma de decisiones se convierten en una herramienta para
los gerentes, no sólo de informática, sino de cualquier área de dirección de la
empresa.
Hoy en día, la inteligencia de negocios se considera una nueva disciplina que pretende
convertir el gran volumen de datos que normalmente tiene almacenada una organización en
información útil para la toma de decisiones. Este es un proceso apoyado por herramientas
modernas de tecnología de información, que permiten al gerente explorar, conocer y
descubrir información de su propia empresa para producirla en conocimiento para la
organización.
Principales aplicaciones
La Inteligencia de Negocios se ha convertido en un término de gran alcance que puede
aplicarse a una variedad de productos de software y estrategias corporativas.
Más que una
aplicación, BI es más bien un objetivo comercial. Las empresas deben hacer que la
información que reside en sus bases de datos, servidores de archivos, páginas Web,
correo electrónico, sistemas de Planeación de Recursos Empresariales (ERP) y de
Administración de Relaciones con Clientes (CRM) estén accesibles a todos los empleados
que la necesiten, cuando la necesiten y en la forma que la necesiten, reduciendo así el
tiempo perdido en buscar datos específicos y permitiendo una mejor toma de decisiones
comerciales en toda la empresa.
Las soluciones de BI
ofrecen las capacidades de análisis necesarias para convertir los datos "en
crudo" a un conocimiento sobre el cual sea posible actuar.
Las aplicaciones de BI ofrecen actualmente las herramientas más flexibles, sólidas y
potentes para la distribución de reportes, análisis de datos y consultas dinámicas.
Los reportes y otros datos de salida de conocimiento creados a partir de fuentes de datos
de BI se distribuyen generalmente a través de aplicaciones tipo portal. Estas capacidades
combinadas deberán situar a las aplicaciones de BI en la lista de herramientas a
considerar por cualquier empresa que esté emprendiendo la implementación de una
solución de Gestión del Conocimiento.
El énfasis en el acceso a la información está conduciendo a la mayoría de las empresas
y organizaciones que abordan sus necesidades de administración del conocimiento a
comenzar por analizar sus aplicaciones en portales corporativos. Estos últimos permiten
el acceso a una amplia variedad de fuentes de datos estructuradas y no estructuradas a
través de una sola interfaz, generalmente personalizada y basada en un modelo Web. Los
portales simplifican el acceso a los datos abriendo ventanas a múltiples fuentes.
El precio de la inteligencia
Las ventajas de la Inteligencia de negocios tienen un costo. Aunque algunos proveedores de
aplicaciones de BI ofrecen soluciones limitadas para PYMES ya que sus precios arrancan en
miles de dólares y a veces en millones. Estos costos pueden variar dependiendo de la
cantidad de departamentos y del proveedor específico.
El mantenimiento y otros costos de una solución de BI relativos a Tecnología de la
Información –difíciles de determinar sin considerar una variedad de factores como
la cantidad de usuarios y la arquitectura del sistema– serán en general más bajos
que los de una solución de generación de reportes de empresas similares basadas en la
distribución de reportes estáticos.
Gracias a la capacidad de consultas dinámicas de una aplicación BI, no se requiere de la
intervención del departamento de Tecnologías de la Información cuando cambia la
necesidad de reportes por parte de los usuarios finales; este último tiene poder para
modificar las herramientas de generación de reportes cuando es necesario.
Difundiendo la riqueza
Cuando las empresas y organizaciones implementan por primera vez capacidades de consulta
dinámica en un almacén de datos o "Datawarehouse", pueden obtener grandes
beneficios sobre la inversión. Por ejemplo, permitir a una empresa ver las previsiones de
ventas, pedidos y entregas a nivel corporativo puede ofrecer una mejor coordinación entre
los planes de envío de pedidos y de entregas para los productos manufacturados.
Así, un director de operaciones que observe una baja previsión de ventas para un
determinado producto en una región específica podría consultar los planes de entregas
para el producto y reajustarlos para que se adapten mejor a las ventas previstas.
En algunos casos, una compañía puede evitar retrasar los pedidos en una región
complementándolos con un producto que habría quedado sin vender en otra región. Estos
ahorros en costos de entrega y almacenamiento pueden ser importantes, especialmente para
las empresas que envían productos internacionalmente.
Si se considera a las soluciones de BI como similares a su predecesor, el sistema EIS
(Enterprise Information System), el BI podría ser considerado equivocadamente como una
herramienta de administración estrictamente de alto nivel. Sin embargo, además de ayudar
a apoyar decisiones importantes, las soluciones de BI implementadas en diversos niveles en
empresas grandes y medianas, permiten tomar unas decisiones diarias pequeñas y
consistentemente mejores, que con el tiempo ejercen un impacto significativo sobre el
éxito de una empresa.
Los beneficios de este sistema pueden transmitirse también a los clientes y a las firmas
colaboradoras. Por ejemplo, extendiendo una solución BI más allá del firewall, a una
extranet, una compañía puede permitir a sus clientes ver informes dinámicos que
muestren sus hábitos de compra e identificar las áreas en las que pueden consolidar
compras de diferentes proveedores para aprovechar descuentos en volumen.
Otro beneficio menos directo de implementar una solución BI está en la capacidad de una
empresa para "empaquetar" y revender sus propios datos internos a otras
compañías. Los mismos datos que forman y determinan la información suministrada a los
usuarios internos de la solución BI pueden ser utilizados por consumidores externos
dispuestos a pagar por esa información.
Sin embargo, la solución BI no ayuda en la recolección de estos datos; en realidad, la
recolección de datos ha formado parte probablemente de las operaciones de las empresas
durante décadas. No obstante, el BI ofrece una herramienta para organizar, limpiar y
distribuir de forma segura información derivada de estos datos a un conjunto de clientes.
Regresar
El Modelo Dimensional
El modelado
dimensional (ver la siguiente figura) es una técnica de diseño lógico que busca
presentar la información en un marco estándar e intuitivo que permita un acceso de alto
rendimiento. Este tipo de modelado es independiente de las tecnologías y permite el
empleo de cualquier base de datos, ya sea relacional -denominadas ROLAP, cuando se aplica
el modelo dimensional a una base de datos relacional-, dimensional, -MOLAP, modelo
dimensional sobre base de datos dimensional-, de objetos, etc. Cada modelo dimensional
está compuesto de una tabla con una clave primaria compuesta, denominada tabla de hechos,
y un conjunto de tablas más pequeñas denominadas tablas de dimensiones. Cada una de las
tablas de dimensión tiene una clave primaria que corresponde exactamente con uno de los
componentes de la clave compuesta de la tabla de hechos. Esta estructura que asemeja una
estrella –una gran tabla central o tabla de hechos conectada con un conjunto de
tablas menores dispuestas de manera radial alrededor de esta tabla central- recibe a
menudo el nombre de “star join” o modelado en estrella.
|
Figura
1. Modelo dimensional |
Una tabla de hechos,
debido a su clave primaria compuesta de dos o más claves ajenas, siempre expresa una
relación ‘muchos’ a ‘muchos’. las tablas de hechos, además de sus
campos clave, contienen una o más medidas numéricas o “hechos”, que se
“dan” para la combinación de las claves que definen cada registro. En el
ejemplo, las métricas son el valor de venta y el número de unidades
vendidas. Los indicadores más útiles en una tabla de hechos son numéricos y
aditivos. La aditividad es crucial porque las aplicaciones de Data Warehouse casi nunca
recuperan un solo registro de la tabla de hechos; en su lugar, acceden a cientos, miles o
incluso millones de registros a la vez y, por tanto, lo único eficaz que se puede hacer
con ellos es sumarlos.
Las tablas de dimensiones, por el contrario, contienen información textual descriptiva.
Los atributos de las dimensiones se emplean como fuente de las restricciones en las
consultas al Data Warehouse.
El modelado en estrella es altamente desnormalizado. Con ello se logra minimizar el
número de uniones y, por consiguiente, incrementar el rendimiento de las consultas
–una tabla de hechos está relacionada con numerosas tablas de dimensiones-. Una
variante del modelo en estrella es el modelo en copo de nieve o snowflake. En
este modelado se normalizan las dimensiones creando así jerarquías en las mismas y
conservando lo esencial del modelo en estrella: las tablas de hechos.
La manera más habitual de visualizar un modelo dimensional es a través de la imagen de
un cubo (ver figura siguiente), en el que es posible representar un modelo de tres
dimensiones mediante un cubo. Normalmente, un modelo dimensional está formado por más de
tres dimensiones y en este caso se denomina hipercubo, sin embargo, un hipercubo es
difícil de visualizar por lo que el cubo es el término más utilizado.
|
Figura
2. Visualización del modelo dimensional mediante representación en cubo. |
En la figura
anterior el hecho, indicador o métrica corresponde al número de unidades vendidas y
está determinado por la combinación de tres dimensiones: mercado, producto y tiempo (las
dimensiones de mercado y producto tienen dos niveles de jerarquía). Como ejemplo, se
representa que en el año 2001 se vendieron 17 unidades del producto vino rosado en
Alcorcón (Madrid).
Una de las ventajas del modelo dimensional es que el marco predecible del esquema “star
join” resiste a los cambios inesperados en el comportamiento del usuario. Cada
dimensión es equivalente y todas las dimensiones pueden ser concebidas como puntos de
entrada, simétricamente iguales a la tabla de hechos. El diseño lógico puede realizarse
independientemente de los patrones de consulta esperados, siendo simétricas tanto las
interfaces de usuario como las estrategias de consulta, así como el SQL generado contra
el modelo dimensional.
Otra de las fortalezas del modelo dimensional es el hecho de que los nuevos elementos de
datos y las nuevas decisiones de diseño son fácilmente adaptables. Todas las tablas
–hechos y dimensiones- pueden modificarse, simplemente agregando nuevos registros de
datos a la tabla –por ejemplo, añadiendo nuevas métricas a la tabla de hechos- o
con una sentencia SQL –para incluir nuevas dimensiones al modelo-. Los datos no se
deberían volver a cargar, ya que no es necesario volver a programar las herramientas de
consulta o de reportes para adaptarse a los cambios, y la ejecución de las aplicaciones
existentes continuará dando los mismos resultados.
(Fuente: http://www.tid.es)
Regresar |
|
