Cano, J. (mayo,2010).

La industrialización de la información directiva : Business

Intelligence. Harvard - Deusto Márketing y Ventas (98) pp. 26-33. (AR41421)
MÁRKETING & VENTAS

DOSSIER

Conozca las ventajas que los proyectos de ‘business intelligence’ pueden

aportar a la toma de decisiones

LA INDUSTRIALI-
ZACIÓN DE LA
INFORMACIÓN
DIRECTIVA:
‘BUSINESS
INTELLIGENCE’
Josep Lluís Cano Giner
Profesor del Departamento de Sistemas de Información
de ESADE Business School y consultor de empresas.

El directivo de hoy debe conocer con detalle las

ventajas, las oportunidades y los aspectos clave de los
proyectos de business intelligence, ya
que se han convertido en una manera
eficiente y eficaz de elaborar sistemas
de información directiva, cada vez más
imprescindibles en los procesos de toma
de decisiones.
 LA INDUSTRIALIZACIÓN DE LA INFORMACIÓN DIRECTIVA: ‘BUSINESS INTELLIGENCE’
DOSSIER
H
ace ya unos cuantos años que, al
comenzar las clases de business
intelligence (BI) con directivos,
que proceden de multitud de em-
presas y de sectores muy diver-
sos, les formulo tres preguntas:
● ¿Cuántos de vosotros disponéis de más in-
formación y de menos tiempo para anali-
zarla?
● ¿Los sistemas de información de los que
disponéis os ayudan a tomar decisiones con
rapidez?
● ¿Los responsables de generar información
directiva están desbordados por las peticio-
nes de información: urgentes, continuas y
no coordinadas?
Normalmente, la respuesta a la primera de
las preguntas es prácticamente unánime: to-
dos disponen de más información, tanto inter-
na como externa, y también de menos tiempo
para analizarla, por lo que deberían contar
con soluciones que les permitieran acortar
tiempos en el proceso de análisis y toma de
decisiones.
Con respecto a la segunda pregunta, aun-
que la mayoría de ellos responden en un pri-
mer momento que no tienen sistemas de in-
formación que los ayuden a tomar decisiones
rápidamente, pronto se puede ver que algunos
ya trabajan con algunas de las soluciones de
BI disponibles en el mercado, que deberían fa-
cilitar su trabajo.
La respuesta a la tercera pregunta suele
ser unánime: siguen teniendo departamentos
técnicos desbordados por un número muy ele-
vado de peticiones de información, que, ade-
más, tienen formatos muy personalizados, lo
que obliga a dedicarles mucho tiempo y mu-
chos recursos.
Situación actual
E
n muchas empresas, los sistemas de
información directivos son artesana-
les, muy ligados a los usuarios que
los preparan y hechos a imagen y se-
mejanza de quienes los solicitan. No
se trata de dudar de las capacidades individua-
les de cada uno de los directivos que lideran
nuestras organizaciones, pero sí hay que cues-
tionarse si estos sistemas de información no
deberían ser los de la organización –lo que im-
plicaría el consenso de los componentes del
equipo directivo de cada uno de los niveles or-
27
Deberíamos
ganizativos en los que
está estructurada
nuestra organización–
dedicar sólo el 20%
y si, además, estos sis- del tiempo a preparar
temas no deberían el sistema de
apoyar su estrategia.
Asimismo, es im-
información
portante preguntarse
cuál es la consisten-
y el 80% a
cia de esos sistemas
directivos construidos
analizar la
sobre hojas de cálcu- información
lo, que, en la mayoría
de los casos, han sido
alimentadas manual-
mente a partir de la información contenida
en distintos sistemas. El riesgo de que se ha-
yan cometido errores es muy elevado; en al-
gunos casos, incluso se establecen costosos
procedimientos de control para que no se pro-
duzcan fallos. El proceso de construcción es
tan manual que requiere invertir mucho
tiempo y dedicar muchos esfuerzos para con-
seguirlo.
Los directivos necesitan información para
la toma de decisiones. Si no disponen de sis-
temas que les faciliten ese acceso a la infor-
mación, lo suelen resolver mediante distintas
alternativas: o bien acceden directamente a
la información de los sistemas transacciona-
les, con el grado de detalle que requieran; o
bien solicitan listados o estadísticas de la in-
formación que tienen en sus sistemas tran-
saccionales; o bien, en el peor de los casos,
crean entornos paralelos, que suelen depen-
der de algunas personas que destinan gran
parte de su tiempo a alimentar y construir de
forma artesanal esos sistemas de información
para los directivos. Las consecuencias de la
adopción de estas medidas son bien conocidas
por todos: su calidad y su disponibilidad sue-
len ser ampliamente discutibles.
Una vez llegados a este punto, los partici-
pantes dan muestras de preocupación y co-
mienzan a preguntarse en qué nos hemos
equivocado. Normalmente utilizo una cita de
Matthew B. Rice, publicada en su artículo
“Business Intelligence tools can help turn out
savings in core cost areas”, de la revista de
salud Managed Healthcare Alliance, que afir-
ma: “En muchos hospitales, los analistas fi-
nancieros destinan el 80% de su tiempo a
agregar y normalizar manualmente informa-
28 MÁRKETING & VENTAS
DOSSIER
ción en hojas de cálculo Excel y sólo un 20% a
analizar la información relevante”.
Normalmente, esta cita tranquiliza, por-
que muestra que se trata de un hecho absolu-
tamente generalizado. La siguiente pregunta
es “¿Cuáles deberían ser los porcentajes?”. La
respuesta es unánime: justo al revés. Así,
afirman: “Deberíamos dedicar sólo el 20% del
tiempo a preparar el sistema de información
y el 80% a analizar la información”.
El lector se preguntará cuál puede ser la
solución de la problemática planteada. La
respuesta es simple: business intelligence.
‘Business intelligence’: conceptos básicos
E
l objetivo básico de la business inte-
lligence es apoyar de forma sosteni-
ble y continuada a las organizacio-
nes para mejorar su competitivi-
dad, facilitando la información ne-
cesaria para la toma de decisiones. La expre-
sión business intelligence (BI) fue acuñada
por Howard Dresner, quien, cuando era con-
sultor de Gartner, la popularizó a modo de ex-
presión paraguas para describir un conjunto
de conceptos y métodos que debían ayudar a
mejorar la toma de decisiones, utilizando in-
formación sobre lo que había sucedido (he-
chos).
Al hacer uso de las tecnologías de BI, se
están utilizando modelos previamente defini-
dos por los directivos, mediante los cuales se
pretende transformar datos en información,
para, a partir de ella, ser capaces de extraer
conocimiento. Todo proyecto de BI debe tener
El objetivo básico de la ‘business
intelligence’ es apoyar de forma
sostenible y continuada a las
organizaciones para mejorar su
competitividad, facilitando la
información necesaria para la
toma de decisiones
un objetivo concreto, que es proporcionar la
información y las herramientas de análisis de
ésta que faciliten a los directivos la toma de
decisiones.
La definición de BI más comúnmente uti-
lizada es la de Gartner: “Es un proceso inte-
ractivo para explorar y analizar información
estructurada sobre un área (normalmente al-
macenada en un data warehouse) para des-
cubrir tendencias o patrones y, a partir de
ellos, derivar ideas y extraer conclusiones. El
proceso de BI incluye la comunicación de los
descubrimientos y la realización de los cam-
bios. Las áreas incluyen clientes, proveedores,
productos, servicios y competidores”.
Analicemos pormenorizadamente esta de-
finición:
● Proceso interactivo: al hablar de BI, se es-
tá suponiendo que se trata de un análisis
de información continuado en el tiempo
–no sólo en un momento puntual– y basa-
do en una estrategia competitiva determi-
nada. Aunque el análisis de información
en un momento puntual del tiempo puede
aportar valor, es incomparable con todo lo
que puede proporcionar un proceso conti-
nuado de análisis de información con un
foco estratégico en el que, por ejemplo, se
observen tendencias, cambios, variaciones,
etc. Ésta es una de las capacidades clave a
las que se refiere el profesor Xavier Gim-
bert en su libro Pensar estratégicamente.
Modelos, conceptos y reflexiones. Según
Thomas H. Davenport, hay organizaciones
que basan su estrategia competitiva en el
uso intensivo de las soluciones de BI para
competir en áreas concretas, como, por
ejemplo, la mejora de la cadena de sumi-
nistro, la selección de personal o la fijación
de precios dinámicos, entre otras.
● Explorar: en todo proyecto de BI hay un
momento inicial en el que por primera vez
se accede a información modelada, que se
debe interpretar. En esta primera fase hay
que “explorar” para comprender qué suce-
de en el negocio; es posible incluso que se
descubran nuevas relaciones, hasta el mo-
mento desconocidas porque las herramien-
tas utilizadas no ayudaban a descubrirlas.
● Analizar: se pretende descubrir relaciones
entre variables y, también, tendencias, es
decir, ¿cuál puede ser la evolución de la
variable o cuáles son los patrones de esa
 LA INDUSTRIALIZACIÓN DE LA INFORMACIÓN DIRECTIVA: ‘BUSINESS INTELLIGENCE’
DOSSIER
evolución? Si un cliente tiene una serie de
características, ¿cuál es la probabilidad de
que otro con similares características ac-
túe igual que él? O bien, si un cliente per-
tenece a un grupo de clientes que han con-
tratado diez productos o servicios y él sólo
ha solicitado nueve de los diez, ¿qué pro-
babilidad hay de que contrate el décimo?
● Información estructurada y data warehou-
se: la información que se emplea en la BI
se almacena en una base de datos, que se
denomina data warehouse. La base de da-
tos contiene distintas tablas y éstas, a su
vez, incluyen los valores de cada uno de los
atributos de los distintos registros. Todos
los registros guardados en el data warehou-
se provienen de distintas fuentes de infor-
mación, tanto internas como externas, y
han sido previamente preparados para ser
utilizados en los modelos que deben facili-
tar al directivo la toma de decisiones.
● Área de análisis: todo proyecto de BI debe
tener un objeto concreto de análisis. Así, es
posible centrarse en los clientes, los produc-
tos, los resultados de una localización o de
un área de ventas, etc. Son elementos que
hay que analizar con detalle y con un obje-
tivo concreto: por ejemplo, incrementar las
ventas, aumentar la participación de mer-
cado, ajustar las previsiones de venta, etc.
● Comunicar los resultados y efectuar los
cambios: un objetivo fundamental de la BI
es que, una vez descubierto un hecho rele-
vante para la organización, éste debe ser
comunicado a las personas que tienen que
introducir los cambios pertinentes en ella
para mejorar su posición competitiva.
El origen de la BI va ligado a la necesidad
de facilitar a los directivos acceso directo a la
información para ayudarlos en la toma de de-
cisiones, sin necesidad de que intervengan los
departamentos de sistemas de información.
Componentes tecnológicos de los proyectos
de ‘business intelligence’
E
n el cuadro 1 se pueden observar
los distintos componentes tecnoló-
gicos de los proyectos de BI. En un
proyecto real, primero hay que defi-
nir los objetivos, las necesidades y
el alcance de la solución, es decir, qué mode-
los de negocio se desea analizar. Esta infor-
mación es necesaria para tomar distintas de-
29
cisiones sobre cada uno de los componentes
tecnológicos.
Los componentes principales de un proyec-
to de BI son los siguientes:
● Fuentes de información, de las que se par-
tirá para alimentar el data warehouse.
● Proceso de ETL (siglas en inglés de extrac-
ción, transformación y carga de los datos
en el data warehouse). Antes de almacenar
los datos en un data warehouse, deben ser
seleccionados, extraídos, limpiados, trans-
formados, integrados y actualizados.
● El propio data warehouse o almacén de da-
tos, con el metadata o diccionario de datos.
● Herramientas de acceso, que permitirán
analizar esos datos y navegar a través de
ellos.
Aspectos clave de cada componente
Las fuentes de información a las que se tiene
acceso son las siguientes:
● Los sistemas operacionales o transaccio-
nales, que incluyen aplicaciones desarro-
lladas a medida: ERP, CRM, SCM, etc.
● Sistemas de información departamentales:
previsiones, presupuestos, hojas de cálcu-
lo, etc.
● Fuentes de información externas: en algu-
nos casos, información comprada a terceros
(por ejemplo, los
estudios de merca-
do). Las fuentes de
información exter-
nas son fundamen-
tales para enrique-
El punto
cer la información
que se tiene sobre
clave es deter-
los clientes. En al- minar las fuen-
gunos casos, es in-
teresante incorpo- tes más apro-
rar información
relativa, por ejem-
piadas de las
plo, a la población,
al número de habi-
que extraer la
tantes, etc. Se pue- información;
de acceder a infor- en este sentido, es
mación de este tipo
en la web del Insti- importante analizar
tuto Nacional de los formatos, la
Estadística (www. disponibilidad y la
ine.es). El Gobier-
no americano pone calidad de la
a disposición de los información
30 MÁRKETING & VENTAS

DOSSIER

CUADRO 1

Componentes tecnológicos de los proyectos de ‘business intelligence’

Sistemas transaccionales

(ERP, CRM, SCM, etc.) Metadata

Informes
Selección
Sistemas departamentales Extracción Cuadros
Limpieza de mando
Transformación
Integración Simulación
Información externa
Actualización Base Data mart
de datos Data mining

Otras fuentes Proceso de ETL

Herramientas
Fuentes de información de acceso

Servidor
Data warehouse

ciudadanos información del Gobierno fede-
ral en el portal www.data.gov.
Son muchos los factores que hacen que el
proceso de cargar la información en un data
warehouse sea más o menos complejo. Uno de
los principales es el número de fuentes de in-
formación distintas a las que hay que acceder
para extraer la información. El número de
fuentes varía de una organización a otra: en
grandes corporaciones, se habla de una media
Según Thomas H. Davenport,
hay organizaciones que basan
su estrategia competitiva en el
uso intensivo de las soluciones
de BI para competir en áreas
concretas, como, por ejemplo,
la mejora de la cadena de
suministro, la selección de
personal o la fijación de precios
dinámicos
de ocho bases de datos, pero en algunos casos
puede llegar a cincuenta. Si el número de ba-
ses de datos es elevado, es muy probable que
tanto las definiciones como las codificaciones
en los distintos entornos sean diferentes, lo
que puede añadir dificultad al proyecto. Por
esta razón, un aspecto clave será conocer el
modelo de información transaccional y el sig-
nificado de cada uno de sus elementos.
La información que se carga en un data
warehouse es estructurada, es decir, se puede
almacenar en tablas; se trata, por tanto, de
información numérica. No obstante, ahora la
tecnología permite trabajar con información
no estructurada, que se espera que sea cada
vez más importante. Dentro de este tipo de
información se incluyen correos electrónicos,
cartas, informes, vídeos, etc.
El punto clave es determinar las fuentes
más apropiadas de las que extraer la infor-
mación; en este sentido, es importante anali-
zar los formatos, la disponibilidad y la calidad
de la información. Hay que analizar si la in-
formación de la que se dispone es la que se
necesita para alimentar los modelos de nego-
cio definidos anteriormente. En este punto,
muchas veces se descubre que no se posee la
información necesaria para completar el mo-
delo de negocio planteado, circunstancia que
 LA INDUSTRIALIZACIÓN DE LA INFORMACIÓN DIRECTIVA: ‘BUSINESS INTELLIGENCE’
DOSSIER
puede llevar a modificar las aplicaciones
transaccionales para conseguirla.
En un concesionario de automóviles, por
ejemplo, es muy importante saber el número
de visitas que se han recibido en la exposición
y su relación con las ventas. Si se ha diseñado
un modelo de negocio que relaciona el número
de visitas, el de ofertas y el de ventas y no se
dispone del número de visitas, habrá que mo-
dificar los procesos y las aplicaciones para re-
coger esa información. Si las ventas disminu-
yen, se debe atribuir a que ha disminuido el
número de clientes interesados en los vehícu-
los o bien a que la efectividad de la venta ha
caído.
En algunas empresas, esta tarea es, si ca-
be, más compleja, debido a que se maneja in-
formación que es parecida, pero que expresa
significados distintos: retomando el ejemplo
de los concesionarios de coches, cuando se ha-
bla de ventas de vehículos, puede referirse a
los que se han pedido, a los que se han factu-
rado, a los que se han matriculado o, incluso,
a aquéllos sobre los que se ha informado a la
marca para las estadísticas de venta. En al-
gunos casos, como el anterior, bastaría con
identificar cada una de las “ventas”, pero, en
otros casos, la complejidad es mayor; así, por
ejemplo, cuando se trata de calcular la renta-
bilidad de las ventas o de los clientes, los dife-
rentes intereses que hay en la organización
pueden dificultar la definición del indicador.
Es necesario asegurarse de que la calidad
de los datos sea óptima. Si el data warehouse
contiene errores, éstos se propagarán a lo lar-
go de la organización y serán difíciles de loca-
lizar. Además, pueden llevar a adoptar deci-
siones erróneas que afecten a los resultados
de la organización. Los costes derivados de
los datos incorrectos pueden llegar a ser muy
elevados. Si los usuarios perciben que la cali-
dad de los datos no es suficiente, rápidamen-
te desprestigiarán el proyecto de BI.
El proceso de ETL es el que permite acce-
der a los datos de las distintas fuentes de in-
formación, recuperarlos cuando es necesario
y, finalmente, alimentar el data warehouse.
La construcción del data warehouse es costo-
sa y consume una parte significativa del con-
junto del proceso. Por ello, requiere gestionar
los recursos y disponer de una estrategia bien
definida, así como de habilidades especializa-
das y de las tecnologías necesarias.
31
El proceso de ETL incluye la selección, la
extracción, la limpieza, la transformación, la
integración y la actualización de los datos:
● Selección. De toda la información dispo-
nible en la organización, de origen tanto
interno como externo, se elige aquélla que
alimentará el data warehouse.
● Extracción. Recupera los datos física-
mente de las distintas fuentes de informa-
ción seleccionadas. En este momento se
cuenta con los datos en bruto.
● Limpieza. Restablece los datos en bruto y
comprueba su calidad, elimina los duplica-
dos y, cuando es posible, corrige los valores
erróneos y completa los valores vacíos; en
otras palabras, los datos se transforman
–siempre que sea posible– para reducir los
errores de carga. En este momento se dis-
pone de datos limpios y de alta calidad.
● Transformación. Recupera los datos lim-
pios y de alta calidad y los estructura y su-
ma en los distintos modelos de análisis. El
resultado de este proceso es la obtención
de datos limpios, consistentes, sumados y
útiles.
● Integración. Comprueba que los datos
que se cargan en el data warehouse sean
coherentes con las definiciones y los for-
matos de éste y los integra en los distintos
modelos de las diferentes áreas de negocio
definidos en él. Estos procesos pueden lle-
gar a ser complejos.
● Actualización. Permite añadir los nuevos
datos al data warehouse.
Se debe determinar
cada cuánto tiempo se
ejecutará el proceso de
ETL en función de los
objetivos del proyecto. Es necesario
Asimismo, se puede
desarrollar utilizando asegurarse de que la
programación o las so- calidad de los datos
luciones especializa- sea óptima, ya que
das que existen en el
mercado. Además, hoy
día, la mayoría de las
los costes
soluciones de gestores derivados de
de bases de datos in-
corporan funcionali- los datos
dades que facilitan es-
te proceso.
incorrectos
El data warehouse pueden llegar a ser
o almacén de datos es muy elevados
32 MÁRKETING & VENTAS
DOSSIER
el componente central del proyecto de BI. En
él residen todos los datos, a los que se puede
acceder mediante las diferentes herramien-
tas de acceso.
A la hora de analizar un problema empre-
sarial, la información proviene por lo general
de distintos sistemas, pero habitualmente se
requiere un mismo entorno para facilitar su
análisis. En los sistemas transaccionales, ge-
neralmente la información no está preparada
para ser analizada: sólo se dispone del conte-
nido que ofrecen las transacciones actuales,
pero, por ejemplo, no se cuenta con la de los
períodos anteriores o la de las previsiones. De
este modo, para estudiar la evolución de las
ventas, es necesario conocer las ventas actua-
les, las ventas del período o los períodos ante-
riores y el presupuesto de ventas del ejercicio.
En el data warehouse hay que cargar toda la
información imprescindible para poder tomar
las decisiones pertinentes.
‘Data warehouse’ a análisis
B
ill Inmon ha analizado las caracte-
rísticas que debe reunir un data
warehouse y concluye lo siguiente:
“Orientado a un área, integrado, in-
dexado en el tiempo, es un conjunto
no volátil de información que da soporte a la
toma de decisiones”. Es importante analizar
cada una de estas características con detalle:
● Orientado a un área significa que cada
parte del data warehouse está construida
para resolver un problema de negocio que
ha sido definido por quienes toman las de-
cisiones; por ejemplo, entender los hábitos
La construcción del ‘data
warehouse’ es costosa y
consume una parte significativa
del conjunto del proceso;
por ello, requiere disponer
de una estrategia bien definida,
de habilidades especializadas
y de las tecnologías necesarias
de compra de los clientes, determinar la
calidad de los productos, analizar la pro-
ductividad de una línea de fabricación, etc.
Para poder analizar un problema de nego-
cio, se precisa información que proviene de
distintos sistemas y se organiza en torno a
distintas áreas: ventas, clientes, elementos
de transporte... El data warehouse propor-
ciona a los tomadores de decisiones una vi-
sión completa y concisa de una problemáti-
ca de negocio, obviando toda aquella infor-
mación que no necesitan para adoptarlas.
● Integrado hace referencia a que la infor-
mación debe ser transformada en medidas,
códigos y formatos comunes para que pue-
da ser útil. La integración permite a las
empresas implementar la estandarización
de sus definiciones; por ejemplo, la mone-
da en la que están expresados los importes
es común.
● Indexado en el tiempo indica que la infor-
mación se mantiene en unidades de tiem-
po, como horas, días, semanas, meses, tri-
mestres o años. Esto ofrece la posibilidad
de analizar, por ejemplo, la evolución de
las ventas en los períodos que se desee.
● No volátil significa que los usuarios no
mantienen la información, como harían en
los entornos transaccionales. La informa-
ción se almacena para la toma de decisio-
nes. No se va actualizando continuamente,
sino de forma periódica y preestablecida.
Un componente crítico del data warehouse
es el metadata, repositorio central de infor-
mación de la propia información. Ofrece el
significado de cada uno de los componentes
del data warehouse y de sus atributos. La in-
formación que incluye el metadata es útil pa-
ra los departamentos de tecnología y para los
propios usuarios. Puede contener definiciones
de negocio, descripciones detalladas de los ti-
pos de datos, formatos y otras características.
Los data warehouses se representan habi-
tualmente como una gran base de datos, pero
pueden estar distribuidos en distintas bases
de datos.
El trabajo de construir un único data
warehouse corporativo puede generar inflexi-
bilidades o ser costoso y requerir plazos de
tiempo que las organizaciones no están dis-
puestas a aceptar. En parte, estas razones
originaron la aparición de los data marts. Los
data marts están dirigidos a una comunidad
 LA INDUSTRIALIZACIÓN DE LA INFORMACIÓN DIRECTIVA: ‘BUSINESS INTELLIGENCE’ 33
DOSSIER

de usuarios dentro de la propia organización, ● Herramientas de Los usos más

que puede estar formada por los miembros de data mining: per-
un departamento, por los usuarios de un de- miten a los esta-
habituales del ‘data
terminado ámbito organizativo o por un gru- dísticos o analistas mining’ son la
po de trabajo multidisciplinar con objetivos de negocio crear segmentación, la
comunes. modelos estadísti-
Los data marts almacenan información de cos de las activida-
venta cruzada,
un número limitado de áreas; por ejemplo,
márketing, ventas o producción. Normalmen-
des de las empre-
sas. El data mi-
las sendas de
te se definen para responder a usos muy con-
cretos y su tamaño es menor que el de los da-
ning es el proceso
de descubrir e in-
consumo, la
ta warehouses, aunque en algunos casos pue- terpretar patrones clasificación,
den ser mayores, cuando el grado de detalle
de la información es más elevado. Tienen me-
desconocidos en la
información con
las previsiones
nos cantidad de información y menos modelos
de negocio y son utilizados por un número in-
los que resolver
problemas de ne-
y las optimiza-
ferior de usuarios.
Los usuarios de estas soluciones presen-
g o c i o. L o s u s o s
más habituales del
ciones
tan distintas necesidades en cuanto al acceso data mining son la
a la información. Las principales herramien- segmentación, la
tas de acceso son las siguientes: venta cruzada, las sendas de consumo, la
● Generadores de informes: son utilizados clasificación, las previsiones, las optimiza-
por los desarrolladores profesionales para ciones, etc. En el mercado existen diversos
generar informes estándar para grupos, productos que cubren en mayor o menor
departamentos o el conjunto de la organi- medida las distintas necesidades de los
zación. usuarios.
● Herramientas de usuario final de consul- En resumen, el rol de los directivos es for-
tas e informes: son empleadas por los mular preguntas y definir la información o
usuarios finales para crear informes tanto los modelos de negocio que pueden ayudarles
para ellos mismos como para otros; no re- a adoptar medidas concretas, y, por supuesto,
quieren programación. dirigir proyectos de BI que “industrialicen” la
● Herramientas OLAP: permiten a los usua- información necesaria para la toma de deci-
rios finales tratar la información de forma siones en la organización. El reto, por tanto,
multidimensional, para explorarla desde está más en el lado de los directivos que en el
distintas perspectivas y en distintos perío- de las soluciones tecnológicas. ❑
dos de tiempo.
● Herramientas de dashboard y scorecard: «La industrialización de la información directiva: ‘business intelli-
gence’». © Ediciones Deusto. Referencia n.º 3601.
permiten a los usuarios finales consultar
información crítica para el rendimiento de
la organización con un simple vistazo, me-
diante iconos gráficos, con la posibilidad
de acceder a información más detallada y
a más informes si así lo desean.
● Herramientas de planificación, modeliza-
ción y consolidación: ofrecen a los analis-
tas y a los usuarios finales la posibilidad
de crear planes de negocio y simulaciones
con la información de BI. Pueden servir
para elaborar la planificación, los presu-
puestos, las previsiones, etc. Estas herra-
mientas proveen a los dashboards y los Si desea más información relacionada
scorecards de los objetivos y los umbrales con este tema, introduzca el código 21371
en www.e-deusto.com/buscadorempresarial
de las mediciones.