Minera de datos

1. Definicin e Historia

Internet es el ms grande repositorio de hypertexto, donde se tienen enlaces, imgenes, videos,

texto, documentos, etc. Es debido a esto que se ha incrementado la demanda en el desarrollo
de aplicaciones que permitan mantener la informacin en orden y de rpido acceso; es decir,
todo apunta a la necesidad de metodologas de anlisis inteligente de datos.

Es as donde la Minera de Datos hace un intento de buscarle sentido al procesamiento de

informacin que actualmente se tiene disponible en la nube. Pero, qu es la minera de datos y
para que me sirve?

La minera de datos es el proceso de detectar la informacin procesable de los conjuntos

grandes de datos. Utiliza el anlisis matemtico para deducir los patrones y tendencias que
existen en los datos. Normalmente, estos patrones no se pueden detectar mediante la
exploracin tradicional de los datos porque las relaciones son demasiado complejas o porque
hay demasiado datos.

Estos patrones y tendencias se pueden recopilar y definir como un modelo de minera de datos.
Los modelos de minera de datos se pueden aplicar en escenarios como los siguientes:

Pronstico: clculo de las ventas y prediccin de las cargas del servidor o del tiempo de
inactividad del servidor.
Riesgo y probabilidad: eleccin de los mejores clientes para la distribucin de correo
directo, determinacin del punto de equilibrio probable para los escenarios de riesgo, y
asignacin de probabilidades a diagnsticos y otros resultados.
Recomendaciones: determinacin de los productos que se pueden vender juntos y
generacin de recomendaciones.
Bsqueda de secuencias: anlisis de los artculos que los clientes han introducido en el
carrito de la compra y prediccin de posibles eventos.
Agrupacin: distribucin de clientes o eventos en grupos de elementos relacionados, y
anlisis y prediccin de afinidades.

La Minera de Datos surge como una tecnologa que intenta ayudar a comprender el contenido
de una base de datos. De forma general, los datos son la materia prima bruta. En el momento
que el usuario les atribuye algn significado especial pasan a convertirse en informacin. Cuando
los especialistas elaboran o encuentran un modelo, haciendo que la interpretacin del confronto
entre la informacin y ese modelo represente un valor agregado, entonces nos referimos al
conocimiento.

Aunque desde un punto de vista acadmico el trmino Minera de Datos es una etapa dentro
de un proceso mayor llamado extraccin de conocimiento en bases de datos (Knowledge
Discovery in Databases o KDD) en el entorno comercial ambos trminos se usan de manera
indistinta. Lo que en verdad hace la Minera de Datos es reunir las ventajas de varias reas como
la Estadstica, la Inteligencia Artificial, la Computacin Grfica, las Bases de Datos y el
Procesamiento Masivo, principalmente usando como materia prima las bases de datos. Una
definicin tradicional es la siguiente: "Un proceso no trivial de identificacin vlida, novedosa,
potencialmente til y entendible de patrones comprensibles que se encuentran ocultos en los
datos" (Fayyad y otros, 1996). Desde nuestro punto de vista, lo definimos como "la integracin de
un conjunto de reas que tienen como propsito la identificacin de un conocimiento obtenido
a partir de las bases de datos que aporten un sesgo hacia la toma de decisin" (Molina y otros,
2001).

La idea de Minera de Datos no es nueva. Ya desde los aos sesenta los estadsticos manejaban
trminos como data fishing, data mining o data archaeology con la idea de encontrar
correlaciones sin una hiptesis previa en bases de datos con ruido. A principios de los aos
ochenta, Rakesh Agrawal, Gio Wiederhold, Robert Blum y Gregory Piatetsky-Shapiro, entre otros,
empezaron a consolidar los trminos de Minera de Datos y KDD. A finales de los aos ochenta
slo existan un par de empresas dedicadas a esta tecnologa; en 2002 existan ms de 100
empresas en el mundo que ofrecan alrededor de 300 soluciones. Las listas de discusin sobre
este tema las forman investigadores de ms de ochenta pases. Esta tecnologa ha sido un buen
punto de encuentro entre personas pertenecientes al mbito acadmico y al de los negocios.

La Minera de Datos es una tecnologa compuesta por etapas que integra varias reas y que no
se debe confundir con un gran software. Durante el desarrollo de un proyecto de este tipo se
usan diferentes aplicaciones de software en cada etapa que pueden ser estadsticas, de
visualizacin de datos o de inteligencia artificial, principalmente. Actualmente existen
aplicaciones o herramientas comerciales de Minera de Datos muy poderosas que contienen un
sinfn de utileras que facilitan el desarrollo de un proyecto. Sin embargo, casi siempre acaban
complementndose con otra herramienta.

2. Qu puede hacer la Minera de Datos?

La minera de datos se utiliza sobre todo hoy en da por las empresas con un enfoque fuerte en
los consumidores, comunicaciones, comercio, finanzas, y las organizaciones de comercializacin.
Esto permite que las empresas determinen las relaciones entre los factores "internos" como el
precio, posicionamiento del producto, o las habilidades del personal, y factores "externos", como
los indicadores econmicos, la competencia y la demografa de los clientes. Y, que les permite
determinar el impacto en las ventas, la satisfaccin del cliente y las ganancias corporativas. Por
ltimo, les permite "profundizar" en la informacin resumida para ver datos detallados de las
transacciones.

Con la minera de datos, un minorista puede utilizar los registros de puntos de venta de compras
de los clientes para enviar promociones especficas basadas en el historial de compras de un
individuo. Minando datos demogrficos de las tarjetas de comentarios o de garanta, el
distribuidor podra desarrollar productos y promociones para atraer a segmentos especficos de
clientes.

Por ejemplo, Blockbuster Entertainment mina su base de datos del historial de alquiler de vdeo
para recomendar alquileres a los clientes individuales. American Express puede sugerir productos
a sus titulares de tarjetas basados en el anlisis de sus gastos mensuales.

Wal-Mart es una empresa pionera en la minera masiva de datos para transformar sus relaciones
con los proveedores. WalMart captura transacciones en puntos de venta de ms de 2.900 tiendas
en seis pases y continuamente transmite estos datos a su enorme depsito de 7.5 terabytes de
datos de Teradata. Wal-Mart permite a ms de 3.500 proveedores, acceder a datos sobre sus
productos y realizar anlisis de datos. Estos proveedores utilizan estos datos para identificar
patrones de compra del cliente a nivel de exhibicin de la tienda. Ellos usan esta informacin
para administrar inventario de la tienda local e identificar nuevas oportunidades de
comercializacin. En 1995, las computadoras de Wal-Mart procesaron ms de 1.000.000 de
consultas de datos complejos.

3. Aplicaciones de uso

Cada ao, en los diferentes congresos, simposios y talleres que se realizan en el mundo se renen
investigadores con aplicaciones muy diversas. Sobre todo en los Estados Unidos, la Minera de
Datos se ha ido incorporando a la vida de empresas, gobiernos, universidades, hospitales y
diversas organizaciones que estn interesadas en explorar sus bases de datos.

Podemos decir que "en Minera de Datos cada caso es un caso". Sin embargo, en trminos
generales, el proceso se compone de cuatro etapas principales:

Determinacin de los objetivos. Trata de la delimitacin de los objetivos que el cliente

desea bajo la orientacin del especialista en Minera de Datos.
 Preprocesamiento de los datos. Se refiere a la seleccin, la limpieza, el enriquecimiento,
la reduccin y la transformacin de las bases de datos. Esta etapa consume
generalmente alrededor del setenta por ciento del tiempo total de un proyecto de
Minera de Datos.

Determinacin del modelo. Se comienza realizando unos anlisis estadsticos de los datos,
y despus se lleva a cabo una visualizacin grfica de los mismos para tener una primera
aproximacin. Segn los objetivos planteados y la tarea que debe llevarse a cabo,
pueden utilizarse algoritmos desarrollados en diferentes reas de la Inteligencia Artificial.

Anlisis de los resultados. Verifica si los resultados obtenidos son coherentes y los coteja
con los obtenidos por los anlisis estadsticos y de visualizacin grfica. El cliente
determina si son novedosos y si le aportan un nuevo conocimiento que le permita
considerar sus decisiones.

A continuacin se describen varios ejemplos donde se ha visto involucrada la Minera de Datos.

Se han seleccionado de diversos dominios y con diversos objetivos para observar su potencial.
Respecto a los modelos inteligentes, se ha comprobado que en ellos se utilizan principalmente
rboles y reglas de decisin, reglas de asociacin, redes neuronales, redes bayesianas, conjuntos
aproximados (rough sets), algoritmos de agrupacin (clustering), mquinas de soporte vectorial,
algoritmos genticos y lgica difusa.

a. En el gobierno

El FBI analizar las bases de datos comerciales para detectar terroristas.

A principios del mes de julio de 2002, el director del Federal Bureau of Investigation
(FBI), John Aschcroft, anunci que el Departamento de Justicia comenzar a
introducirse en la vasta cantidad de datos comerciales referentes a los hbitos y
preferencias de compra de los consumidores, con el fin de descubrir potenciales
terroristas antes de que ejecuten una accin. Algunos expertos aseguran que, con
esta informacin, el FBI unir todas las bases de datos probablemente mediante el
nmero de la Seguridad Social y permitir saber si una persona fuma, qu talla y tipo
de ropa usa, su registro de arrestos, su salario, las revistas a las que est suscrito, su
altura y peso, sus contribuciones a la Iglesia, grupos polticos u organizaciones no
gubernamentales, sus enfermedades crnicas (como diabetes o asma), los libros que
lee, los productos de supermercado que compra, si tom clases de vuelo o si tiene
cuentas de banco abiertas, entre otros. La inversin inicial ronda los setenta millones
de dlares estadounidenses para consolidar los almacenes de datos, desarrollar redes
de seguridad para compartir informacin e implementar nuevo software analtico y
de visualizacin.

b. En la empresa

Deteccin de fraudes en las tarjetas de crdito.

En 2001, las instituciones financieras a escala mundial perdieron ms de 2.000 millones

de dlares estadounidenses en fraudes con tarjetas de crdito y dbito. El Falcon
Fraud Manager es un sistema inteligente que examina transacciones, propietarios de
tarjetas y datos financieros para detectar y mitigar fraudes. En un principio estaba
pensado, en instituciones financieras de Norteamrica, para detectar fraudes en
tarjetas de crdito. Sin embargo, actualmente se le han incorporado funcionalidades
de anlisis en las tarjetas comerciales, de combustibles y de dbito. El sistema Falcon
ha permitido ahorrar ms de seiscientos millones de dlares estadounidenses cada
ao y protege aproximadamente ms de cuatrocientos cincuenta millones de pagos
con tarjeta en todo el mundo aproximadamente el sesenta y cinco por ciento de
todas las transacciones con tarjeta de crdito.

c. En la universidad

Conociendo si los recin titulados de una universidad llevan a cabo actividades

profesionales relacionadas con sus estudios.

Se hizo un estudio sobre los recin titulados de la carrera de Ingeniera en Sistemas

Computacionales del Instituto Tecnolgico de Chihuahua II, en Mjico (Rodas, 2001).
Se quera observar si sus recin titulados se insertaban en actividades profesionales
relacionadas con sus estudios y, en caso negativo, se buscaba saber el perfil que
caracteriz a los exalumnos durante su estancia en la universidad. El objetivo era
saber si con los planes de estudio de la universidad y el aprovechamiento del alumno
se haca una buena insercin laboral o si existan otras variables que participaban en
el proceso. Dentro de la informacin considerada estaba el sexo, la edad, la escuela
de procedencia, el desempeo acadmico, la zona econmica donde tena su
vivienda y la actividad profesional, entre otras variables. Mediante la aplicacin de
conjuntos aproximados se descubri que existan cuatro variables que determinaban
la adecuada insercin laboral, que son citadas de acuerdo con su importancia: zona
econmica donde habitaba el estudiante, colegio de donde provena, nota al
ingresar y promedio final al salir de la carrera. A partir de estos resultados, la
universidad tendr que hacer un estudio socioeconmico sobre grupos de alumnos
que pertenecan a las clases econmicas bajas para dar posibles soluciones, debido
a que tres de las cuatro variables no dependan de la universidad.

d. En los clubes deportivos

Los equipos de la NBA utilizan aplicaciones inteligentes para apoyar a su cuerpo de

entrenadores.

El Advanced Scout es un software que emplea tcnicas de data mining y que han
desarrollado investigadores de IBM para detectar patrones estadsticos y eventos
raros. Tiene una interfaz grfica muy amigable orientada a un objetivo muy especfico:
analizar el juego de los equipos de la National Basketball Association (NBA).

El software utiliza todos los registros guardados de cada evento en cada juego: pases,
encestes, rebotes y doble marcaje (double team) a un jugador por el equipo contrario,
entre otros. El objetivo es ayudar a los entrenadores a aislar eventos que no detectan
cuando observan el juego en vivo o en pelcula.

Un resultado interesante fue uno hasta entonces no observado por los entrenadores
de los Knicks de Nueva York. El doble marcaje a un jugador puede generalmente dar
la oportunidad a otro jugador de encestar ms fcilmente. Sin embargo, cuando los
Bulls de Chicago jugaban contra los Knicks, se encontr que el porcentaje de
encestes despus de que al centro de los Knicks, Patrick Ewing, le hicieran doble
marcaje era extremadamente bajo, indicando que los Knicks no reaccionaban
correctamente a los dobles marcajes. Para saber el porqu, el cuerpo de
entrenadores estudi cuidadosamente todas las pelculas de juegos contra Chicago.
Observaron que los jugadores de Chicago rompan su doble marcaje muy rpido de
tal forma que podan tapar al encestador libre de los Knicks antes de prepararse para
efectuar su tiro. Con este conocimiento, los entrenadores crearon estrategias
alternativas para tratar con el doble marcaje.

La temporada pasada, IBM ofreci el Advanced Scout a la NBA, que se convirti as

en un patrocinador corporativo. La NBA dio a sus veintinueve equipos la oportunidad
de aplicarlo. Dieciocho equipos lo estn haciendo hasta el momento obteniendo
descubrimientos interesantes.
 4. Conclusin

Nuestra capacidad para almacenar datos ha crecido en los ltimos aos a velocidades
exponenciales. De otro lado, nuestra capacidad para procesarlos y utilizarlos no ha ido a la par.
Por este motivo, la Minera de Datos se presenta como una tecnologa de apoyo para explorar,
analizar, comprender y aplicar el conocimiento obtenido usando grandes volmenes de datos.

En el mbito comercial, esta tcnica es muy utilizada para encontrar patrones ocultos de
consumo de los clientes para poder explorar nuevas ideas. Predecir el comportamiento de un
futuro cliente, basndose en los datos histricos de clientes que presentaron el mismo perfil,
ayuda a poder retenerlo durante el mayor tiempo posible y ofrecerle productos o servicios que
s son de relevancia para l.

En resumen, la Minera de Datos se presenta como una tecnologa emergente, con varias
ventajas: por un lado, resulta una buena manera de unir el trabajo de investigadores y las
personas de negocios; por otro, ahorra grandes cantidades de dinero a una empresa y abre
nuevas oportunidades de negocios. Adems, no hay duda de que trabajar con esta tecnologa
implica cuidar un sinnmero de detalles debido a que el producto final involucra "toma de
decisiones".

Inteligencia de Negocios
1. Definicin e Historia

Hoy en da, las organizaciones manejan un flujo de informacin el cual era inimaginable apenas
unos aos atrs. Gracias a que nuestro mundo es ahora mucho ms instrumentado, la
capacidad de recolectar datos es impresionante. Basta con observar la informacin tan valiosa
que recolecta un supermercado por medio de las tarjetas de lealtad, por una cmara de
seguridad en las calles o la forma en que los call centers recopilan informacin para entender el
porqu de las quejas y el abandono de sus clientes. Lamentablemente para muchas empresas,
este tipo de datos se han convertido a su vez en un peso con el cul es difcil lidiar. Debido al
gran volumen de informacin con el que se cuenta actualmente, lejos de ser til, puede devenir
en un fallido intento por darle un uso adecuado.
Es aqu donde entra una de las herramientas ms mencionadas ltimamente en el rea de TI:
Business Intelligence. Se refiere directamente a la prctica y al conjunto de herramientas que
pueden ayudar a las empresas a adquirir un mejor entendimiento de ellas mismas. Esto gracias a
la capacidad de explotar su informacin, con la intencin de poder manipularlos de una manera
ms sencilla y entender el porqu de nuestro desempeo o, mejor an, plantear escenarios a
futuro, lo cual nos ayudar a tomar mejores decisiones.

En un panorama actual, donde las oportunidades fciles dejaron de existir, las organizaciones
tiene la necesidad de encontrar nuevos caminos para sobrevivir y crecer, no quedndose en la
obsolescencia y as poder responder a los desafos constantes de cambio de manera gil e
ingeniosa. Es por ello, que para hacer frente a estos desafos, la mayor parte de las empresas
estn recurriendo a la Inteligencia de Negocio con la expectativa de lograr un mayor retorno de
su inversin a diferencia a la que pueden obtener con Sistemas Operacionales como ERP
(Planificacin de Recursos de la Empresa), CRM u otras implementaciones, al mismo tiempo que
desean obtener una riqueza de informacin almacenada en estos sistemas operacionales
(acceso a la informacin que realmente importa).

Haciendo un poco de historia, la Inteligencia de Negocio (Business Intelligence o BI) no es un

concepto nuevo, en octubre de 1958 Hans Peter Luhn (investigador de IBM), acuo el trmino en
el artculo A Business Intelligence System, en el cual hace mencin de la siguiente definicin:
la habilidad de aprender las relaciones de hechos presentados de forma que guen las acciones
hacia una meta deseada.

Pero es hasta el ao 1989 que Howard Dresden (analista de Gartner), propone una definicin
ms formal del BI, la cual es: conceptos y mtodos para mejorar las decisiones de negocio
mediante el uso de sistemas de soporte basados en hechos.

Como es lgico, este concepto ha ido evolucionando a travs de los aos hasta llegar a la
creacin de un concepto ms formal el cual es utilizado hasta nuestros tiempos.

El mundo de la informacin ha aumentado la necesidad de obtener ptimos, rpidos y eficientes

mtodos para extraer y transformar los datos de una organizacin en informacin y distribuirla
a lo largo de la cadena de valor (es un modelo terico que permite describir las actividades
que generan valor en una organizacin). La Inteligencia de Negocio cubre esta necesidad, es
por ello que en primera instancia, se puede decir que es una evolucin de los sistemas de
soporte a las decisiones.

La Inteligencia de Negocios es el conjunto de metodologas, aplicaciones, prcticas y

capacidades enfocadas a la creacin y administracin de informacin que permite tomar
mejores decisiones a los usuarios de una organizacin. (Caralt, 2010)
Segn Luis Mndez Del Ro, la Inteligencia de Negocios es un conjunto de herramientas y
aplicaciones para la ayuda a la toma de decisiones que posibilitan acceso interactivo, anlisis y
manipulacin de informacin corporativa de misin crtica. Estas aplicaciones contribuyen a un
conocimiento valioso sobre la informacin operativa identificando problemas y oportunidades
de negocio. Con estas, los usuarios son capaces de tener acceso a grandes volmenes de
informacin para establecer y analizar relaciones y comprender tendencias que posteriormente
soportarn decisiones de negocios.

2. Por qu Inteligencia de Negocios?

Tenemos datos pero carecemos de informacin Es importante almacenar los datos de

clientes, empleados, departamentos, compras, ventas, entre otros en aplicaciones,
sistemas financieros o fuentes de datos. Si queremos que nuestra empresa tenga mayor
ventaja sobre la competencia esta gestin no es suficiente. Necesitamos profundizar el
nivel de conocimiento de nuestros clientes, empleados, operaciones para as, tener la
capacidad de encontrar patrones de comportamiento, monitorear, rastrear, entender,
administrar y contestar aquellas interrogantes que me permitan maximizar el rendimiento
de nuestra empresa.

Fragmentacin Poseen aplicaciones independientes a travs de todos los

departamentos pero se carece de una visin global de la empresa. Tal vez por la
incapacidad de las herramientas de BI de integrar fuentes de datos heterogneas. Esto
limita a la empresa a tomar decisiones importantes sin tener todos los elementos
imprescindibles a la mano. Esta fragmentacin conduce a lo que se llama diferentes
versiones de la verdad. Los gerenciales solicitan informes a los distintos departamentos
obteniendo diferentes resultados del mismo informe. La tarea ya no es solo crear el
informe sino justificar de donde y que condiciones se utilizaron para la creacin de este
informe. Si el gerencial decide agregar una nueva variable a esta ecuacin, recrear este
informe puede conllevar un esfuerzo de semanas.

Manipulacin manual La necesidad de generar anlisis de negocios e informes nos ha

llevado a utilizar herramientas de BI y/o de reportes que no son las ms confiables. Esta
prctica conlleva la exportacin de datos a distintas herramientas que resultan en un
proceso lento, costoso, duplicacin de trabajo, poca confiabilidad en los informes,
propenso a errores y sujetos a la interpretacin individual.

Poca agilidad Debido a la carencia de informacin, la fragmentacin y la manipulacin

manual me mantiene en un nivel de rendimiento bajo. Como dice el dicho: Justo
cuando me aprend las respuestas me cambiaron las preguntas... Necesitamos de una
herramienta lo suficientemente gil que se ajuste a las necesidades del negocio.
 3. Beneficios e importancia de la Inteligencia de Negocios

Dentro del marco de beneficios que representa una solucin de inteligencia de negocios
podemos mencionar que esta nos permite:

Manejar el crecimiento El reto para las empresas es evolucionar, es crecer y esto significa
cambio. Que tan giles son mis procesos para enfrentar los cambios y las necesidades
puntuales de la empresa.

Control de costos El manejo de costos es el detonador que fuerza muchas empresas a

considerar una solucin de inteligencia de negocios, para tener la capacidad de medir
gastos y ver esto a un nivel de detalle que identifique la lnea de negocio, producto,
centro de costo, entre otras.

Entender mejor los clientes Las empresas almacenan toneladas de informacin valiosa
relacionada a sus clientes. El reto es transformar esta informacin en conocimiento y este
conocimiento dirigido a una gestin comercial que represente algn tipo de ganancia
para la empresa. Ventas cruzadas, ventas incrementales, retencin de clientes, anticipar
nuevas oportunidades, medicin de efectividad de campanas e identificar los patrones
de compras y/o comportamiento de los clientes hacen de la inteligencia de negocios un
elemento vital para lograr los objetivos de la empresa.

Indicadores de gestin Los indicadores de desempeo me permiten representar

medidas enfocadas al desempeo organizacional con la capacidad de representar la
estrategia organizacional en objetivos, mtricas, iniciativas y tareas dirigidas a un grupo
y/o individuos en la organizacin. Dentro de las capacidades funcionales de los
indicadores de gestin podemos mencionar: el monitoreo, anlisis y la administracin.
Monitorea lo procesos crticos de negocio y las actividades utilizando mtricas que me
den una alerta sobre un problema potencial o alguna gestin que debo realizar. Analiza
la raz de los problemas explorando la informacin de mltiples perspectivas en varios
niveles de detalles. Administra los recursos y procesos para dirigir la toma de decisiones,
optimizar el desempeo. Esto nos permite tener una visin global de la empresa con la
capacidad de dirigir la organizacin en la direccin correcta.

La Inteligencia de Negocios sirve para:

Ampliar la visin estratgica, reducir el riesgo y la incertidumbre en la toma de decisiones

empresariales y construir ventajas competitivas de largo plazo en base a su informacin
inteligente.
 Tener una mejora continua de la organizacin, gracias a la informacin oportuna que
genera el conocimiento que enriquece la toma de decisiones.

Que las organizaciones sean proactivas y giles en la gestin de la informacin que

utilizan.

En la actualidad, bajo el trmino Inteligencia de Negocios, se reconoce el valor de suministrar

hechos e informacin como soporte a la toma de decisiones dentro de una organizacin.

Los procesos de inteligencia de negocios se han convertido en una parte esencial de la gestin
empresarial, ya que nos proporcionan informacin de mucha importancia para una
organizacin:

Nos permiten saber con exactitud quines son nuestros clientes?

dnde estn los clientes?
cmo son los clientes?
qu pautas de comportamiento tienen?
qu es lo que quieren los clientes?

As mismo:

Permiten conocer el funcionamiento de los procesos internos de una organizacin.

Dan respuesta a preguntas importantes como:

cunto cuesta cada uno de los productos o servicios que ofrece la empresa?
cules de esos productos o servicios son realmente rentables?
dnde est perdiendo la empresa?
cunto cuesta conseguir cada cliente?
cules departamentos de la empresa funcionan correctamente?
qu servicios puede externalizar la empresa?

4. Ventajas de implementar la Inteligencia de Negocios

La adquisicin de un sistema de BI debe proporcionar las siguientes ventajas: (Ro, 2006)

Una plataforma de tecnologa integrada que se aadira a las inversiones ya realizadas

por una organizacin, para proporcionar informacin de alta calidad a cada
 computadora o servidor de cada departamento de una empresa, aadiendo valor en
cada paso del proceso y proporcionando una versin nica de la realidad.

Acceso amplio y potenciado a las capacidades de anlisis ya conocidas que ayudan a

conocer el pasado de una organizacin para controlar y comunicar el presente y
predecir el futuro con fiabilidad.
Interfaces de usuario personalizadas que se adapten a cada tarea, concebida y
diseadas para todos los niveles de experiencia y patrones de uso de los usuarios de la
informacin (como expertos, ejecutivos, gerentes, tecnlogos, etc.).

Una gama de soluciones para satisfacer la demanda de informacin y generacin de

informes de diferentes sectores de actividad (servicios financieros, fabricacin,
telecomunicaciones, salud, etc.) y de toda la empresa (gestin del rendimiento
empresarial, inteligencia de clientes, inteligencia financiera, gestin del capital humano,
inteligencia de la cadena de suministro, etc.)

Existen numerosos factores por los cuales una empresa debe apostar por la Inteligencia de
Negocio y los ms importantes son:

Incrementar los ingresos, reducir costos, competir efectivamente.

La BI debe ayudar a las empresas a conseguir una visin integral y oportuna de la informacin,
aportando conocimiento para una efectiva toma de decisiones.

Gestionar la complejidad.

La BI debe ayudar a las empresas a organizar sus datos para su fcil anlisis y minera, para
descubrir patrones de comportamiento y tendencias que son difciles de detectar.

Explotar las inversiones existentes.

La BI debe ayudar a las organizaciones a hacer uso intensivo de las inversiones en tecnologas
de la informacin ya existentes, aadiendo valor al integrar y analizar los datos almacenados en
los sistemas operacionales.

5. Conclusin

Las herramientas de inteligencia de negocios y el perfil de usuarios analticos han evolucionado

atravs de estos aos. Adems, el nivel de conciencia, la necesidad y la evolucin del mercado
han llevado a las empresas a considerar que la Inteligencia de Negocios sea una prioridad ante
la gerencia y las personas que toman decisiones.

Un sistema de BI debe llevar las operaciones de inteligencia de una organizacin (rendimiento

empresarial, clientes, informacin financiera, capital humano, cadena de suministro, etc.) al
siguiente nivel, poniendo la inteligencia en manos del mayor nmero posible de usuarios expertos,
en toda la organizacin, de una forma ms eficaz y a un costo inferior.

Actualmente, una buena cantidad de organizaciones estn utilizando iniciativas de BI para

descubrir tendencias, ser ms eficientes y diferenciarse de su competencia.

Bitcoin
1. Orgenes

Es una criptodivisa concebida en 2009. El trmino se aplica tambin al protocolo y a la red P2P
que lo sustenta y de forma comn se denomina como una moneda digital. Generalmente se usa
Bitcoin para referirse a la red o al protocolo y bitcoin (plural: bitcoins o bitcoines) para
referirse a las unidades monetarias.

Bitcoin se caracteriza por ser descentralizado, es decir, no est respaldado por ningn gobierno
ni depende de la confianza en un emisor central. Por el contrario, utiliza un sistema de prueba de
trabajo para impedir el doble gasto y alcanzar el consenso entre todos los nodos que integran la
red intercambiando informacin sobre una red no confiable y potencialmente comprometida.
De igual forma, las transacciones no necesitan de intermediarios y el protocolo es cdigo abierto.

Bitcoin es un proyecto innovador en constante evolucin y cambio. Si bien los desarrolladores

recomiendan investigar cmo funcionan antes de invertir en ellos o abrir una cartera para
utilizarlos, tambin consideran que tiene la capacidad de cambiar el mundo en trminos
econmicos.

Desde la dcada de 1970, la utilizacin de firmas digitales basadas en criptografa de clave

pblica ha proporcionado un fuerte control de propiedad. Sobre la base de la criptografa de
clave pblica, en 1998 Wei Dai describe b-Money, una solucin descentralizada al problema de
pagos electrnicos. Posteriormente, Nick Szabo y Hal Finney extienden y complementan el
trabajo de Wei Dai.
En 2008, Satoshi Nakamoto publica un artculo en la lista de criptografa de metzdowd.com
donde describe el protocolo Bitcoin.

El 3 de enero de 2009 la red P2P de Bitcoin entra en funcionamiento con la publicacin del primer
programa cliente, de cdigo abierto, y la creacin de los primeros bitcoins. Hasta la invencin
de bitcoin era obligado que todos los pagos en el comercio electrnico se canalizaran a travs
de entidades centralizadas de confianza, generalmente bancos y otras empresas financieras,
que gestionaban el seguimiento de todas las transacciones.

2. Principales caractersticas

No pertenece a ningn Estado o pas y puede usarse en todo el mundo por igual.
Puedes cambiar bitcoins a euros u otras divisas y viceversa, como cualquier moneda.
No hay intermediarios: Las transacciones se hacen directamente de persona a persona.
Es descentralizada: no es controlada por ningn Estado, banco, institucin financiera o
empresa.
Es imposible su falsificacin o duplicacin gracias a un sofisticado sistema criptogrfico.
Las transacciones son irreversibles.
No es necesario revelar tu identidad al hacer negocios y preserva tu privacidad.
El dinero te pertenece al 100%; no puede ser intervenido por nadie ni las cuentas pueden
ser congeladas.

3. Funcionamiento

La abreviatura oficial del Bitcoin es BTC, y su smbolo es una B atravesada con una o dos lneas
verticales () parecidas a la lnea del dlar, aunque sin parte media. 1 BTM se puede dividir en
1000 BTMs o mBTCs, que vienen a ser milsimas partes de un BTC; o en cien millones de Satoshis
en honor al creador japons de la moneda Satoshi Nakamoto. Como cualquier otra divisa, el
valor del Bitcoin va variando.

Para poder tener Bitcoins, antes tenemos que crearnos un monedero virtual. Eso puede
conseguirse con aplicaciones nativas de cada sistema como la oficial (disponible para OS X,
Windows y Linux) o con servicios web como Coinbase. En un monedero virtual podemos guardar
nuestro saldo de Bitcoins y enviar dinero con esa divisa hacia los monederos de otros usuarios y
empresas.

Para poder hacerlo, cada monedero tiene una direccin que consiste en un cdigo de cifras y
letras de 33 caracteres de largo. Podemos simplemente usar el cdigo que nos de el monedero
o generar tantos cdigos como queramos, para poder dar cdigos diferentes a varias personas
y as saber quin nos ha entregado bitcoins (recordar que las transferencias son completamente
annimas).

Para introducir Bitcoins en nuestro monedero virtual podemos comprar divisa cambindola
desde euros o dlares, y tambin podemos hacer el paso inverso de cambiar Bitcoins por nuestra
moneda usual para que nos lo ingresen a nuestra cuenta bancaria. Pero hay otra forma de
conseguir Bitcoins: mediante el llamado Mining.

Para que las transferencias con Bitcoins funcionen y se pueda eviar el fenmeno del doble gasto
(o que se use una misma transaccin digital para comprar ms de una vez) se necesitan bloques
de datos que registran y aseguran todas y cada una de las transacciones que se realicen.
Generar esos bloques de datos implica tener un ordenador trabajando a mximo rendimiento,
as que el trato es el siguiente: utiliza tu ordenador para generar esos bloques de datos y consigue
Bitcoins a cambio.

Es, para los que lo recuerden, algo muy parecido a lo que nos ofreca la aplicacin del Seti: utiliza
la potencia de tu ordenador para descifrar datos recogidos del espacio exterior, pero en este
caso en vez de colaborar en la bsqueda de vida inteligente en otros planetas el beneficio es
un poco de divisa digital.

De esta forma es el propio usuario el que ayuda a sacar la moneda adelante y no un banco
central o un gobierno. El Bitcoin no se puede manipular en beneficio de unos pocos, y las tasas
que los servicios de transacciones exigen son mucho menores que las que nos piden los bancos
actualmente. Para evitar la inflacin, la cantidad de Bitcoins que se generarn tiene un tope de
21 millones, cantidad que se liberar de forma regular y controlada hasta el ao 2140.

4. Conclusin

El sistema de Bitcoins es un sistema tericamente muy interesante y que podra revolucionar el

comercio mundial, ya que permite las transacciones directas entre particulares y con empresas
sin intermediarios y con una claridad y transparencias nunca antes vistas.

A pesar de las ventajas, el surgimiento de posibles desventajas es una realidad a tener en cuenta.
Una de ellas es que la bitcoin se dise para desempearse como el oro, por lo que podra
resultar deflacionaria y cara. Por ello y por otras razones, como su relacin con el trfico de
drogas, las entidades de cambio que la gestionan y las posibles consecuencias de su aceptacin
generalizada, se la est cuestionando por parte de varios organismos oficiales y paraoficiales.

En conclusin, la bitcoin es un proyecto que todava est a prueba y que con el tiempo se ver
si el mismo deber adaptarse a la economa global o si suceder lo opuesto. Un detalle no
menor: incluso sus propios desarrolladores recomiendan ser cautos y tratarlo como software
experimental, por lo que pueden pasar muchos aos antes de que esta criptomoneda se pueda
consagrar como el sustituto del dinero real.