2.2 Herramientas y técnicas

2.2 Herramientas y técnicas

Como se ha mostrado a lo largo del presente capítulo, la Inteligencia de Negocio integra una serie de herramientas, tecnologías, metodologías y técnicas orientadas a aportar beneficios frente al tratamiento de la información en el negocio. En este capítulo se enumeran y se detallan los diferentes conceptos que forman la inteligencia de negocios, tanto técnicas referidas más al negocio como herramientas obtenidas con la informática.

2.2.1 OLTP (On-line Transaction Processing)

Tecnología que se utiliza para administrar aplicaciones que utilizan operaciones transaccionales, es decir, sistemas donde se realizan una gran cantidad de modificaciones y entradas de datos y pocas lecturas masivas de los mismos. En estos sistemas es necesario tener un tiempo de respuesta aceptable a la hora de realizar las modificaciones de los datos.

2.2.2 OLAP (On-line Analitycal Processing)

Estas herramientas manejan una serie de consultas de forma interactiva sobre estructuras multidimensionales (Cubos OLAP) cargadas previamente con los datos almacenados en las bases de datos corporativas tradicionales. Permiten realizar informes y obtener grandes cantidades de información a partir de lo que resultaría ser a modo rutinario una serie de complejas consultas sobre una base de datos de forma sencilla. Al estar los datos precompilados sobre una estructura intermedia, el tiempo de respuesta de las consultas es menor, posee una enorme potencia de cálculo y técnicas de indexación especializadas. Esta tecnología es favorable en un sistema OLTP pero suele ser lenta si se realizan complejas consultas. Con estos sistemas es posible analizar la información almacenada en un data warehouse, pero no es estrictamente necesario, ya que la información puede provenir de diferentes bases de datos. El objetivo de estas herramientas es obtener una mejor comprensión de lo almacenado en las bases de datos.

2.2 Herramientas y técnicas

Existe una categorización para estas herramientas según su arquitectura:

– M-OLAP (Multidimensional OLAP): Sistema OLAP que posee los datos almacenados en una base de datos multidimensional. Esta implementación mejora los tiempos de acceso a los datos ya que están precalculados a costa de necesitar mayor espacio de almacenamiento, aunque algunos sistemas utilizan la compresión. Es un sistema OLAP compuesto por Cubos.

2.2 Herramientas y técnicas

– R-OLAP (Relational OLAP): Sistema OLAP que mantiene los datos almacenados en una base de datos relacional. Para esta implementación se realiza un Cubo virtual o tablas en forma de estrella con lo que se consigue una mayor capacidad de almacenamiento sacrificando tiempo de respuesta.

2.2 Herramientas y técnicas

– H-OLAP (Hybrid OLAP): Combinación de los dos sistemas anteriores donde los datos se almacenan repartidos en implementaciones M-OLAP y R-OLAP. Esta combinación permite obtener ventajas de ambas implementaciones según donde se almacene el dato y las operaciones que se vayan a realizar sobre él.

2.2 Herramientas y técnicas

– D-OLAP (Desktop OLAP): Esta implementación se basa en almacenar los datos en un servidor intermedio para mejorar el rendimiento, ya que muchos de los datos de los sistemas M-OLAP y R-OLAP son descargados en máquinas individuales. Este sistema se utiliza cuando la solución BI está diseñada sobre una aplicación web.

2.2 Herramientas y técnicas

En cualquier herramienta OLAP encontramos dos tipos de variables características, independientemente del modo en que estén almacenados los datos:

– Dimensiones: Estas variables nos indican los diferentes puntos de vista con los que podemos analizar la información, representa una perspectiva de los datos. Forman parte de la Tabla de Dimensiones. Las dimensiones son usadas para seleccionar y agregar datos a un cierto nivel deseado de detalle. Las dimensiones se relacionan en jerarquías o niveles, esto es, un conjunto de niveles cada uno expresando un nivel de profundidad en la información. Permiten analizar la información de forma agrupada (ventas por año) o al detalle (ventas diarias).

Ejemplo: La dimensión tiempo está formada por la jerarquía “Por Trimestre”, que tiene los niveles “Año > Trimestre > Mes > Día”.

– Indicadores o Métricas: Es el dato que está siendo analizado, aquello que es cuantificable en lo que se desea analizar, suelen ser valores numéricos.

Ejemplo: Número de productos vendidos en el mes de Mayo. Están contenidos en la Fact Table o Tabla de Hechos, base del modelo dimensional, la cual se ubica en el centro y alrededor tendrá las Tablas de Dimensiones, formando un esquema en estrella. Todo objeto de análisis es un hecho y por tanto, éstos contienen las métricas, y las dimensiones contienen los diferentes niveles que componen las jerarquías.

2.2 Herramientas y técnicas

La forma de exploración de los datos en análisis OLAP suele ser en forma de matriz, donde sobre cada uno de los ejes se sitúa una dimensión y sobre las celdas se sitúan las métricas, conteniendo el valor en función de las dimensiones escogidas. A partir de estas matrices de datos es posible generar distintos tipos de gráficas asociadas a las mismas.

2.2 Herramientas y técnicas

A partir de esta disposición inicial existen diferentes operaciones a realizar sobre los datos para obtener diferentes tipos de vistas o diferentes tipos de información:

  • Drill Down: Descomponer de manera visual algún dato en detalle según una cierta jerarquía de una dimensión.
  • Drill Up: Añadir un dato concreto según una cierta jerarquía de una dimensión.
  • Drill Through: Obtener una vista detallada de un elemento concreto. Por ejemplo, se desea observar un listado de los pedidos de cierto país al máximo detalle.
  • Rotación: Intercambiar las dimensiones de ejes.
  • Filtro: Seleccionar cierta información según un criterio de filtrado. Por ejemplo, obtener únicamente los pedidos de 4 países concretos en un trimestre determinado.

2.2.3 Query & Reporting

Herramientas para elaborar informes y listados no demasiado complejos con los datos más usuales y más sencillos de analizar, tanto de manera agregada como detallada de la información. Este tipo de herramientas trabajan de forma óptima a través de sistemas basados en almacenes de datos ya que su tecnología y su forma de estructurar la información favorecen que con estas herramientas se obtengan tiempos de respuesta menores en las consultas, no siendo así en los sistemas tradicionales.

Estas herramientas ofrecen diferentes formas de presentación y diseño (Excel, PDF,…), según el tipo de información analizada y dependiendo de para qué causa esté destinada. Algunas de estas herramientas ofrecen al usuario la posibilidad de refrescar la información de informes almacenados y que poseen información estática por medio de alarmas previamente programadas, de esta manera el usuario siempre dispondrá de la información actualizada. Los informes se pueden compartir con otros usuarios haciéndolos públicos o gestionando la suscripción a ciertos informes para dotar a los usuarios de diferentes permisos sobre los informes.

2.2.4 EIS y DSS

El concepto de Sistema de Apoyo a las Decisiones (Decision Support System, DSS) es muy amplio, ya que existen diversos puntos de vista dependiendo del ámbito en el que se deben tomar las decisiones. Se podría decir que se trata un sistema informático sobre el que se apoya la dirección en la toma de decisiones empresarial. Lo que a finales de los 80 era conocido como DSS ha progresado y evolucionado hasta el punto de convertirse en lo que hoy conocemos como Inteligencia de Negocio, aunque se sigue adoptando este concepto cuando se habla de reporting.

Un sistema de información ejecutiva (Executive Information System, EIS) es un tipo de DSS. Estas herramientas, también denominadas Cuadro de Mando Analítico, ayudaban a los altos ejecutivos a tener acceso al estado de los indicadores de su negocio, estudiarlos con detalle y tomar las medidas necesarias para obtener un rendimiento óptimo. Una de sus principales características era una atractiva y sencilla interfaz, la cual hacía posible que usuarios con un perfil no técnico pudiesen disfrutar de las posibilidades de la herramienta. Los EIS se apoyan sobre un almacén de datos para elaborar presentaciones con los indicadores clave de gestión del negocio (KPI’s) para la dirección, a diferencia de la generación de informes y listados. En la actualidad se ha adaptado la estructura de los EIS para obtener lo que se conoce como Cuadro de Mando Integral o Balanced Scorecard.

2.2.5 Cuadro de mando integral

El Cuadro de Mando Integral (CMI) o Balanced Scorecard fue presentado por los consultores e investigadores de negocios Robert Kaplan y David Norton en 1992 como base de un trabajo realizado para una empresa de semiconductores. Este modelo parte de que la estrategia empresarial es el punto más importante a tener en cuenta para controlar la evolución de la organización, así que se podría decir que está fuertemente ligado a los conceptos de “Dirección Estratégica” y “Business Performance Management”.

El cuadro de mando toma como núcleo principal la visión estratégica y la organización para aplicarla en diferentes perspectivas a toda la empresa y así mejorar su rendimiento por medio de indicadores de acción, objetivos y estándares. Estas perspectivas son:

– Perspectiva financiera: Esta perspectiva aborda los objetivos financieros de la empresa. Se trata de ofrecer una estrategia sobre la contabilidad por medio de indicadores financieros para obtener un estado financiero favorable para la empresa.

– Perspectiva del cliente: Para obtener el estado financiero deseado se necesitan estrategias para obtener clientes y satisfacer sus necesidades. Desde esta perspectiva se miden los indicadores y se tratan los objetivos que ayudan a la empresa en la relación con el cliente.

– Perspectiva de procesos: Desde esta perspectiva se pretende controlar las actividades internas de la empresa (compras, ventas, producción…etc.) para satisfacer los objetivos propuestos con el resto de categorías: satisfacer las necesidades del cliente y conseguir un estado financiero en crecimiento por medio de indicadores de gestión de procesos, objetivos e iniciativas.

– Perspectiva de formación y crecimiento: Estos indicadores forman el conjunto de recursos humanos que dotan a la organización de habilidades para mejorar y aprender. Esta perspectiva suele ser la menos desarrollada hoy en día y esto se traduce en que algunas empresas experimenten fracasos en el resto de perspectivas debido a que no poseen unos objetivos e iniciativas de formación y aprendizaje correctamente fijados.

2.2 Herramientas y técnicas

A partir de esta serie de categorías en las que aplicar la estrategia de negocio, se puede deducir que los cuadros de mando integrales son una potente herramienta de inteligencia de negocios para la dirección donde poder apoyarse y tomar las decisiones estratégicas necesarias para obtener el máximo rendimiento y evolución posible de su empresa. Un cuadro de mando ideal sería aquel que proporcionara una
visión global instantánea del estado actual de la empresa para definir posteriormente las estrategias necesarias. Se podría decir que estaríamos ante la cumbre de los sistemas de inteligencia de negocios.

2.2.6 Data Mining

La minería de datos consiste en extraer conocimiento útil a partir de los datos en bruto de una organización. Las empresas almacenan grandes cantidades de información oculta en sus datos y gracias a estas técnicas y herramientas informáticas y estadísticas es posible que esta información vea la luz aportando conocimiento beneficioso para el usuario por medio de clasificaciones y predicciones.

El objetivo de estas técnicas no es otro que encontrar patrones ocultos de comportamiento, tendencias y correlaciones entre los datos para disponer de suficiente información como para realizar modelos estadísticos que pueden servir para prever ciertas situaciones de la organización. Esta serie de patrones y tendencias se suelen agrupar en lo que se denomina como “Modelo de minería”, los cuales se pueden utilizar posteriormente en diferentes escenarios hipotéticos o simulados de negocio. Data mining se apoya en una serie de técnicas de adquisición de conocimiento y aprendizaje basadas en:

  • Redes neuronales: modelos de aprendizaje de conocimiento semejantes a una red neuronal biológica.
  • Árboles de decisión: Modelos en forma de árbol los cuales representan caminos de decisiones a tomar. Gracias a estas decisiones se obtienen clasificaciones para conjuntos de datos.
  • Algoritmos genéticos: Diseño basado en conceptos de evolución tales como mutaciones y combinaciones genéticas para la optimización de procesos.
  • Método del vecino más cercano: Técnica utilizada para la clasificación de registros en una serie de conjuntos basándose en similitudes con una serie de datos históricos.
  • Reglas de inducción: Partiendo de una premisa verdadera es posible llegar a una conclusión que quizás también lo sea. Se basa en técnicas estadísticas y lógicas.
  • Análisis de series temporales: Técnicas de análisis de las relaciones subyacentes de un conjunto de datos ordenados cronológicamente con el fin de predecir su comportamiento futuro.

Cabe destacar que, a diferencia de otras herramientas de BI, con la minería de datos no sólo se traslada y se presenta la información sino que se presentan datos al usuario que antes no eran visibles a simple vista.

2.2.7 CRM

Customer Relationship Management en inglés. Es un concepto que trata de romper con el marketing tradicional, más centrado en el producto, y centrarse en el cliente, en establecer buenas relaciones con él y satisfacer sus necesidades. Hay que tratar al cliente de tal manera que se tenga como objetivo a cumplir el obtener su lealtad y confianza en el servicio o el producto que le estemos ofreciendo. Esta manera de gestionar la empresa orientándola hacia el cliente no sólo se puede conseguir por medio de una herramienta informática sino que cabe inculcar una cultura en la organización y cambiar algunos aspectos tradicionales.

Estas herramientas cubren en la actualidad aspectos como: automatización de la fuerza de ventas, seguimiento de oportunidades, control de agenda y contactos, control de campañas de marketing, análisis de la información obtenida de los clientes…etc. En definitiva son herramientas que potencian la generación y la obtención de información sobre los diferentes perfiles de clientes para anticiparse a su demanda. En la actualidad podemos encontrar soluciones CRM On Demand (On-line), que parecen ser las que mejor aceptación están teniendo entre los usuarios y los departamentos de RRHH que manejan estas aplicaciones. Algunos ejemplos que podemos encontrar son Salesforce o como alternativa open source, SugarCRM.

2.2.8 BPM y CPM

BPM y CPM son conceptos que se consideran sinónimos, Business Performance Management y Corporate Performance Management. Este concepto viene a considerar el análisis y el control de los indicadores clave del rendimiento del negocio con el objetivo de mejorar la eficiencia de la organización, tal como se vio en los Cuadros de Mando Integral pero de un modo más amplio.

Se podría decir que el BPM, también coincidente con Business Process Management, va más allá del Business Intelligence, ya que se podría controlar y mejorar la empresa a través de una serie de aplicaciones informáticas que gestionen los procesos del negocio, apoyándose en las herramientas anteriormente expuestas. Por tanto, se puede observar que el BI y el BPM están claramente ligados en cuanto nos referimos a técnicas de mejora empresarial y a la monitorización de los indicadores clave del negocio, aunque el BPM se podría considerar una progresión del BI.

2.2.9 CIF y GIF

Las siglas CIF y GIF vienen de Corporate Information Factory y Government Information Factory respectivamente, presentados por el iniciador de la teoría del data warehousing Bill Inmon. Estos términos se refieren en si a una solución integral de inteligencia de negocios teniendo en cuenta además el data warehouse propuesto por Inmon y, añadiendo para completar el concepto, cualquier herramienta o técnicas fuera del apartado informático que aporten beneficios a la compañía. Se podría decir que estos términos agrupan cualquier sistema informático y de información presente en la compañía para el análisis y la explotación de los datos.

2.2.10 Gestión del conocimiento

El término gestión del conocimiento agrupa una serie de técnicas para gestionar, controlar y transmitir toda la información acumulada en la compañía a lo largo de su historia para que este conocimiento no quede restringido solo en ciertos sectores o a ciertos empleados de la empresa o que caiga en el olvido sin darle el uso apropiado. Este concepto ha tomado más forma en cuanto se empezaron a incorporar herramientas informáticas en las organizaciones, basadas en tecnologías de la información con el fin de almacenarla, gestionarla y compartirla (Intranets, Sites, Data warehouses, Wikis…).

Hay autores que afirman que no es posible la implantación de un sistema de BI sin la existencia previa de un sistema o una serie de técnicas para la gestión del conocimiento. Esta afirmación no es una ley, pero de esta manera se puede observar la relación entre los sistemas de gestión del conocimiento y los sistemas de BI a la hora del manejo y el transporte de información en una compañía, en la cual la combinación y el apoyo mutuo de ambas facilitaría enormemente la transformación de los datos en conocimiento y la utilización de éste en la toma de mejores decisiones.

Publicaciones Similares