“Año de la lucha contra la corrupción e impunidad”

FACULTAD CIENCIAS CONTABLES Y FINANCIERAS

TRABAJO : INTELIGENCIA DEL NEGOCIO

CURSO : ANALISIS DEL SISTEMA I

CICLO : 8TO

ALUMNOS : CELI CESPEDES RICARDO

FRANCO DUQUE TATIANA YUDHIT

ROSILLO LIZANA JORGE FERNANDO

SOLIER CORONADO JEAN

VILCHEZ PACHERRES LUIS

Contenido

INTRODUCCIÓN ............................................................................................................ 3

1. INTELIGENCIA DE NEGOCIO.............................................................................. 4

2. EVOLUCIÓN DEL ANÁLISIS................................................................................ 6

3. COMPONENTES DE LA INTELIGENCIA DE NEGOCIO .................................. 8

4. BENEFICIOS QUE PROPORCIONA A LA ORGANIZACIÓN ......................... 18

5. HERRAMIENTAS DE LA INTELIGENCIA DE NEGOCIO O BUSINESS

INTELLIGENCE ........................................................................................................... 23

6. USUARIOS DE LAS HERRAMIENTAS BUSINESS INTELLIGENCE ............ 25

7. TENDENCIAS DE LA INTELIGENCIA DE NEGOCIO ..................................... 26

8. SELECCIÓN DE HERRAMIENTAS Y PROVEEDORES ................................... 30

INTRODUCCIÓN

En la actualidad los negocios cuentan con muchos datos e información en diferentes

orígenes de datos, como por ejemplo en archivo Excel, en texto, en bases de datos u otros;

para analizar dicha información se requiere primero depurarla, unificarla y transformarla

para que sirva como input para la toma de decisiones, lo que provoca que se ocupe mayor

tiempo operativo para preparar la información y queda poco tiempo para el análisis de la

información, siendo los Jefes y Gerentes quienes deben dedicarse mucho tiempo al tema

operativo y poco tiempo al análisis de la información.

En cualquier organización se hace necesaria la toma decisiones.

Generalmente, la información que se quiere investigar sobre un cierto dominio de la

organización se encuentra en bases de datos y en otras fuentes de almacenamiento. Surge

aquí la necesidad de conjugar los distintos ficheros y bases de datos de manera que se

pueda utilizarlos para extraer conclusiones.

La estructuración de los datos no es sencilla y esto se agrava cuando los diferentes

ficheros o bases de datos se encuentran en sistemas informáticos y soportes diferentes.

Lo razonable sería recoger los datos (información histórica) en un sistema separado y

específico. Nace el Data Warehouse (DWH), Almacén o Bodega de Datos, con la

necesidad de unificar los distintos ficheros y bases de datos para poder comprenderlos.

Por ello, se necesita de tecnologías que sirvan de guía para comprender el contenido de

las Bases de Datos.

Para enfrentar estos problemas, en los últimos años han surgido una serie de técnicas que

facilitan el procesamiento avanzado de los datos. La idea clave es que los datos contienen

más información oculta de la que se ve a simple vista. El verdadero valor de la

información se revela cuando a partir de ella somos capaces de descubrir conocimiento.

Este es el verdadero objetivo de la Business Intelligence.

 1. INTELIGENCIA DE NEGOCIO

La Inteligencia de Negocio o Business Intelligence es la habilidad para transformar los

datos en información, y la información en conocimiento, de forma que se pueda optimizar

el proceso de toma de decisiones en los negocios. El término BI fue introducido por

primera vez en el año 1989 por Howard Dresner.

Kimball R, Ross M. (2010) sostiene “Inteligencia de Negocios o BI (del inglés Business

Intelligence), es el conjunto de estrategias y aspectos relevantes enfocados a la

administración y creación de conocimiento sobre el medio, a través del análisis de los

datos existentes en una organización o empresa. Es el conjunto de estrategias y

tecnologías que nos van a ayudar a convertir los datos en información de calidad, y dicha

información en conocimiento que nos permita una toma de decisiones más acertadas y

nos ayude así a mejorar nuestra competitividad”.

Los datos son hechos y cifras sin procesar, sin ninguna interpretación y que por sí solos

no tienen ningún significado. Estos pueden ser transformados en información, siendo

datos procesados que adquieren un significado para el usuario que los procesa.

Finalmente, la información se convierte en conocimiento, combinando experiencia y

know-how que puede ser beneficioso para el usuario y la organización.

También se define a la Inteligencia de Negocio como el conjunto de metodologías,

aplicaciones y tecnologías que permiten reunir, depurar y transformar datos de los

sistemas transaccionales (internos y externos a la compañía) en información estructurada,

para su explotación directa (reporting, análisis OLTP / OLAP, alertas) o para su análisis

y conversión en conocimiento, dando así soporte a la toma de decisiones sobre el negocio.

La información brindada por el BI puede tener distintos alcances como son:

  Nivel operativo: En este rubro es utilizado para la toma de decisiones diarias

acerca de las transacciones que se realizan al llevar a cabo las operaciones de la

empresa.

 Nivel táctico: Aporta información para los mandos medios en análisis y

decisiones mensuales que son de utilidad para revisiones de seguimiento y toma

de acciones.

 Nivel estratégico: A este nivel las decisiones son de mayor impacto en la

compañía siendo utilizada la información por la alta dirección.

2. EVOLUCIÓN DEL ANÁLISIS

En definitiva, una solución basada en Inteligencia de Negocio completa permite:

 Observar: ¿qué está ocurriendo?

 Comprender: ¿por qué ocurre?

 Predecir: ¿qué ocurriría?

 Colaborar: ¿qué debería hacer el equipo?

 Decidir: ¿qué camino se debe seguir?

 3. COMPONENTES DE LA INTELIGENCIA DE NEGOCIO

Los principales componentes de orígenes de datos en la Inteligencia de Negocio que

existen en la actualidad son:

 Fuentes de información, de las cuales partiremos para alimentar de información

el Data Warehouse.

 Proceso ETL de extracción, transformación y carga de los datos en el Data

Warehouse. Antes de almacenar los datos en un Data Warehouse, éstos deben ser

transformados, limpiados, filtrados y redefinidos. Normalmente, la información

que tenemos en los sistemas transaccionales no está preparada para la toma de

decisiones.

 El propio Data Warehouse o almacén de datos, con el Meta data o Diccionario de

datos. Se busca almacenar los datos de una forma que maximice su flexibilidad,

facilidad de acceso y administración.

 El motor OLAP, que nos debe proveer capacidad de cálculo, consultas, funciones

de planeamiento, pronóstico y análisis de escenarios en grandes volúmenes de

datos. En la actualidad existen otras alternativas tecnológicas al OLAP.

 Las herramientas de visualización, que nos permitirán el análisis y la navegación

a través de los mismos.

 3.1. FUENTES DE INFORMACION

Las fuentes de información a las que podemos acceder son:

 Básicamente, de los sistemas operacionales o transaccionales, que incluyen

aplicaciones desarrolladas a medida, ERP, CRM, SCM, etc.

 Sistemas de información departamentales: previsiones, presupuestos, hojas de

cálculo, etcétera.

 Fuentes de información externa, en algunos casos comprada a terceros, como por

ejemplo estudios de mercado (Nielsen en distribución de gran consumo, IMS de

la industria farmacéutica). Las fuentes de información externas son fundamentales

para enriquecer la información que tenemos de nuestros clientes. En algunos casos

es interesante incorporar información referente, por ejemplo, a población, número

 de habitantes, etc. Podemos acceder a información de este tipo en la web del

Instituto Nacional de Estadística (www. ine.es).

Existen muchos factores que contribuyen a la complejidad de cargar la información en un

datawarehouse. Uno de los principales es el número de fuentes de información distintas

de las que cargamos la información.

Acceder a distintas bases de datos requiere distintas habilidades y el conocimiento de

distintas sintaxis de SQL. Si el número de bases de datos a las que debemos acceder es

elevado, puede provocar que tanto las definiciones como las codificaciones en los

distintos entornos sean diferentes, lo que añadirá dificultad a nuestro proyecto; por ello,

un aspecto clave será conocer el modelo de información transaccional y el significado de

cada uno de sus elementos.

La información que cargamos en un datawarehouse normalmente es estructurada, es

decir, aquella que se puede almacenar en tablas: en la mayoría de los casos es información

numérica. Cada vez más, la tecnología nos permite trabajar con información no

estructurada, y se espera que este tipo de información sea cada vez más importante.

Dentro de la información no estructurada tenemos: correos electrónicos, cartas, informes,

videos, etc.

La calidad de los datos en un datawarehouse es fundamental, es necesario asegurar que

la calidad de los datos es máxima. Si en el datawarehouse hay errores, éstos se propagarán

a lo largo de toda la organización y son muy difíciles de localizar. Además, pueden

ocasionar que se tomen decisiones erróneas que afecten a los resultados de la

organización. Los costes derivados de que la calidad de los datos no sea la correcta pueden

llegar a ser muy elevados.

Las características que deberían cumplir los datos para tener una buena calidad:

- Precisión: ¿Representan los datos con precisión una realidad o una fuente de datos

que se pueda verificar?

- Integridad: ¿Se mantienen constantemente la estructura de los datos y las

relaciones a través de las entidades y los atributos?

- Coherencia: ¿Son los elementos de datos constantemente definidos y

comprendidos?

- Totalidad: ¿Están todos los datos necesarios?

- Validez: ¿Son los valores aceptables en los rangos definidos por el negocio?

- Disponibilidad: ¿Están los datos disponibles cuando se necesitan?

- Accesibilidad: ¿Se puede acceder a los datos fácil y comprensiblemente?

3.2. PROCESO ETL

El proceso trata de recuperar los datos de las fuentes de información y alimentar el

datawarehouse. Consume entre el 60% y el 80% del tiempo de un proyecto de Inteligencia

de Negocio o Business Intelligence, por lo que es un proceso clave en la vida de todo

proyecto.

Este parte del proceso de construcción del datawarehouse es costosa y consume una parte

significativa de todo el proceso, por ello requiere recursos, estrategia, habilidades

especializadas y tecnologías. La extracción, transformación y carga (el proceso ETL) es

necesario para acceder a los datos de las fuentes de información al datawarehouse. El

proceso ETL se divide en 5 subprocesos:

1. Extracción: Este proceso recupera los datos físicamente de las distintas fuentes de

información. En este momento disponemos de los datos en bruto. El principal

objetivo de la extracción es extraer tan sólo aquellos datos de los sistemas

transaccionales que son necesarios y prepararlos para el resto de los subprocesos

de ETL. Para ello se deben determinar las mejores fuentes de información, las de

mejor calidad. Con tal finalidad, deberemos analizar las fuentes disponibles y

escoger aquellas que sean mejores.

2. Limpieza: Los sistemas transaccionales (nivel operativo) contienen datos que no

han sido depurados y que deben ser limpiados. Este proceso recupera los datos en

bruto y comprueba su calidad, elimina los duplicados y, cuando es posible, corrige

los valores erróneos y completa los valores vacíos, es decir se transforman los

datos -siempre que sea posible- para reducir los errores de carga. En este momento

disponemos de datos limpios y de alta calidad.

3. Transformación: Este proceso recupera los datos limpios y de alta calidad y los

estructura y los resume en los distintos modelos de análisis. El resultado de este

proceso es la obtención de datos limpios, consistentes, sumarizados y útiles.

4. Integración: Este proceso valida que los datos que cargamos en el datawarehouse

son consistentes con las definiciones y formatos del datawarehouse; los integra en

los distintos modelos de las distintas áreas de negocio que hemos definido en el

mismo. Se debe comprobar por ejemplo si los totales de ventas que hemos cargado

coinciden con la información que residía en nuestro sistema transaccional, así

como si los valores que tienen los registros cargados corresponden a los definidos
 en el datawarehouse. Estos procesos pueden ser complejos y es fundamental

comprobar que se ha desarrollado correctamente, ya que en caso contrario pueden

llevar a decisiones erróneas a los usuarios.

5. Actualización: Este proceso es el que nos permite añadir los nuevos datos al

datawarehouse.

3.3. DATA WAREHOUSE

Un datawarehouse es una colección de información creada para soportar las aplicaciones

de toma de decisiones.

Sus características son:

 Orientado a un área: Cada parte del datawarehouse está construida para resolver

un problema de negocio, que ha sido definido por los tomadores de decisiones.

Por ejemplo: Entender los hábitos de compra de nuestros clientes, analizar la

calidad de nuestros productos, analizar la productividad de una línea de

fabricación, etc. Para poder analizar un problema de negocio necesitamos

información que proviene de distintos sistemas y la organizamos entorno a áreas:

ventas, clientes, elementos de transporte, etc. Provee a los tomadores de

decisiones de una visión completa y concisa sobre una problemática de negocio,

obviando toda aquella información que no necesitan para la toma de decisiones.

 Integrado: La información debe ser transformada en medidas comunes, códigos

comunes y formatos comunes para que pueda ser útil. La integración permite a las

organizaciones implementar la estandarización de sus definiciones, por ejemplo:

La moneda en la que están expresados los importes es común.

  Indexado en el tiempo: Significa que se mantiene la información histórica y se

almacena referida a determinadas unidades de tiempo, tales como horas, días,

semanas, meses, trimestres o años. Ello nos permitirá analizar, por ejemplo, la

evolución de las ventas en los periodos que queramos.

 No volátil: Significa que los usuarios no la mantienen, como lo harían en los

entornos transaccionales. La información se almacena para la toma de decisiones.

No se va actualizando continuamente, sino periódicamente, de forma

preestablecida.

Los datawarehouses se representan habitualmente como una gran base de datos, pero

pueden estar distribuidos en distintas bases de datos.

El trabajo de construir un datawarehouse corporativo puede generar inflexibilidades, o

ser costoso y requerir plazos de tiempo que las organizaciones no están dispuestos a

aceptar. En parte, estas razones originaron la aparición de los Data Mart. Los Data Mart

están dirigidos a una comunidad de usuarios dentro de la organización, que puede estar

formada por los miembros de un departamento, o por los usuarios de un determinado

nivel organizativo, o por un grupo de trabajo multidisciplinar con objetivos comunes.

Los Data Mart almacenan información de un número limitado de áreas; por ejemplo,

pueden ser de marketing y ventas o de producción. Normalmente se definen para

responder a usos muy concretos.

Normalmente, los Data Mart son más pequeños que los datawarehouses. Tienen menos

cantidad de información, menos modelos de negocio y son utilizados por un número

inferior de usuarios.

3.4. MOTOR OLAP

Existen distintas tecnologías que nos permiten analizar la información que reside en un

datawarehouse, pero la más extendida es el OLAP.

Los usuarios necesitan analizar información a distintos niveles de agregación y sobre

múltiples dimensiones: Por ejemplo, ventas de productos por zona de ventas, por tiempo,

por clientes o tipo de cliente y por región geográfica. Los usuarios pueden hacer este

análisis al máximo nivel de agregación o al máximo nivel de detalle. OLAP provee de

estas funcionalidades y algunas más, con la flexibilidad necesaria para descubrir las

relaciones y las tendencias que otras herramientas menos flexibles no pueden aportar.

A estos tipos de análisis les llamamos multidimensionales, porque nos facilitan el análisis

de un hecho desde distintas perspectivas o dimensiones. Esta es la forma natural que se

aplica para analizar la información por parte de los tomadores de decisiones, ya que los

modelos de negocio normalmente son multidimensionales.

La representación gráfica del OLAP son los cubos.

En el cubo tenemos las unidades vendidas de cada uno de los libros, para los distintos

clientes y en los distintos años. Este es el concepto de multimensionalidad. Disponemos

de las unidades vendidas de cada uno de los libros para cada uno de los clientes y en cada

uno de los años: el contenido de un cubo individual son las ventas de un libro a un cliente

en un año. Los contenidos de cada uno de los cubos individuales del cubo recogen lo que

llamamos “hechos” (en nuestro ejemplo las unidades vendidas). En la actualidad, las

soluciones OLAP permiten que cada una de los cubos individuales pueda contener más

de un hecho.

Las herramientas OLAP nos permiten “rotar” (en inglés “slicing”) los cubos, es decir,

cambiar el orden de las distintas dimensiones: En lugar de analizar por clientes, como en

el caso anterior, quizás estamos interesados en analizarlo por libros, ya que los usuarios

que lo quieren consultar son distintos y tienen distintas necesidades.

 3.5. HERRAMIENTAS DE VISUALIZACION

La visualización de la información del datawarehouse se puede hacer utilizando hojas de

cálculo, herramientas específicas o desde un simple navegador. Depende en cada caso de

las características del producto seleccionado.

La siguiente pantalla nos muestra un ejemplo de Analysis Services de Microsoft SQL

Server 2000:
Las herramientas de Business Intelligence nos permiten visualizar la información tanto

de forma numérica como gráficamente.

Otro ejemplo más elaborado es la siguiente pantalla utilizando Microstrategy, en la que

se combinan tanto tablas como gráficos:

4. BENEFICIOS QUE PROPORCIONA A LA ORGANIZACIÓN

Uno de los objetivos básicos de los sistemas de información es que nos ayuden a la toma

de decisiones. Cuando un responsable tiene que tomar una decisión pide o busca

información, que le servirá para reducir la incertidumbre. Sin embargo, aunque todos la

utilicen, no todos los responsables recogen la misma información: depende de muchos

factores, como pueden ser su experiencia, formación, disponibilidad, etc. Del mismo

modo, los responsables pueden necesitar recoger más o menos información dependiendo

que su mayor o menor aversión al riesgo.

Los beneficios que se pueden obtener a través del uso de la Inteligencia de Negocio

pueden ser de distintos tipos:

 Beneficios tangibles, por ejemplo: reducción de costes, generación de ingresos,

reducción de tiempos para las distintas actividades del negocio.

 Beneficios intangibles: el hecho de que tengamos disponible la información para

la toma de decisiones hará que más usuarios utilicen dicha información para tomar

decisiones y mejorar la nuestra posición competitiva.

 Beneficios estratégicos: Todos aquellos que nos facilitan la formulación de la

estrategia, es decir, a qué clientes, mercados o con qué productos dirigirnos.

4.1. BENEFICIOS TANGIBLES RELACIONADOS A LA

GENERACIÓN DE INGRESOS:

 Mejorar la adquisición de clientes y su conversión mediante el uso de la

segmentación.

 Reducir la tasa de abandono de clientes, incrementar su fidelidad, teniendo en

cuenta cuál es su valor o incrementar los ingresos por crecimiento de las ventas.

 Aumentar los resultados, consiguiendo que nuestros clientes actuales compren

más productos o servicios.

 Evitar las pérdidas producidas por las ventas de nuestros competidores.

 Aumentar la rentabilidad por el acceso a información detallada de productos,

clientes, etc.

 Conocer mejor cuáles son las características demográficas de nuestra zona de

influencia.

 Hacer crecer la participación de mercado.

 Reducir el tiempo de lanzamiento de nuevos productos o servicios.

 Mejorar aquellas actividades relacionadas con la captura de datos.

 Analizar la cesta de la compra y la afinidad de venta entre los productos.

 Facilitar la adopción de los cambios en la estrategia.

 Proveer el autoservicio de información a trabajadores, colaboradores, clientes y

proveedores o medir la efectividad de las campañas rápidamente y ser capaces de

hacer los ajustes durante el ciclo de vida de las mismas.

 Optimizar las acciones de marketing.

 Identificar clientes rentables en segmentos no rentables o analizar a la

competencia cuando establecemos precios.

 Crear nuevas oportunidades.

4.2. BENEFICIOS TANGIBLES RELACIONADOS A LA REDUCCIÓN

DE COSTOS:

 Negociar mejores precios con los proveedores, identificar a los proveedores más

importantes, gestionar descuentos por cantidades de compra; permitir el análisis

del cumplimiento de los proveedores y asignar las compras de acuerdo con ello;

medir el nivel de calidad, servicio y precio.

 Reducir o reasignar el personal necesario para llevar a cabo los procesos.

 Incrementar la productividad con información más inmediata y mejor.

 Aumentar el control de costes.

 Disminuir los gastos.

 Eliminar ineficiencias y reducir los costes operativos al generar “una sola versión

de la verdad”.

 Menguar pérdidas detectando fraude.

 Reducir los créditos incobrables.

 Hacer bajar las reclamaciones (por ejemplo, en el sector seguros). o Eliminarlas

sobreproducciones de productos.

 Acortar los tiempos de respuesta a las peticiones de informes.

 Analizar los problemas, reparaciones y defectos y proveer la información para

hacer un seguimiento y corregir los problemas recurrentes.

 Reducir el tiempo para recoger la información para cumplir con las normativas

legales.

 Evaluar el rendimiento de los activos y generar las alertas cuando el

mantenimiento preventivo se debe llevar a cabo.

 Proveer el suministro dentro del plazo.

 Hacer un seguimiento de los problemas de los productos desde el inicio de su vida

hasta el fin.

 Retirar los viejos equipos para disminuirlos costes de actividad.

 Reducir las devoluciones de productos.

 Analizar la productividad de los empleados.

 Dar soporte a las reclamaciones de facturación.

 Abaratar los costes de las acciones de marketing.

 Hacer un mejor seguimiento de las acciones delictivas.

 Saber qué comisiones se deben pagar.

 Hacer decrecer las pérdidas de créditos, analizando la utilización de los clientes,

asignando un análisis de riesgo.

4.3. BENEFICIOS INTANGIBLES

 Optimizar la atención a los clientes.

 Aumentar la satisfacción de los clientes.

 Mejorar el acceso a los datos a través de consultas, análisis o informes.

 Información más actualizada.

 Dotar a la información de mayor precisión.

 Conseguir ventajas competitivas.

 Controlar mejor de la información.

 Ahorrar costes.

 Menor dependencia de los sistemas desarrollados.

 Mayor integración de la información.

4.4. BENEFICIOS ESTRATÉGICOS

 Mayor habilidad para analizar estrategias de precios.

 Y para identificar y nutrir a aquellos clientes con mayor potencial.

 Mejorar la toma de decisiones, realizándola de forma más rápida, informada y

basada en hechos. o Mayor visibilidad de la gestión.

 Dar soporte a las estrategias.

 Aumentar el valor de mercado.

5. HERRAMIENTAS DE LA INTELIGENCIA DE NEGOCIO O BUSINESS

INTELLIGENCE

- Generadores de informes: Utilizadas por desarrolladores profesionales para crear

informes estándar para grupos, departamentos o la organización.

- Herramientas de usuario final de consultas e informes: Empleadas por usuarios

finales para crear informes para ellos mismos o para otros; no requieren

programación.

- Herramientas OLAP: Permiten a los usuarios finales tratar la información de

forma multidimensional para explorarla desde distintas perspectivas y periodos de

tiempo.

- Herramientas de Dashboard y Scorecard: Permiten a los usuarios finales ver

información crítica para el rendimiento con un simple vistazo utilizando iconos

gráficos y con la posibilidad de ver más detalle para analizar información

detallada e informes, si lo desean.

- Herramientas de planificación, modelización y consolidación: Permite a los

analistas y a los usuarios finales crear planes de negocio y simulaciones con la

información de Business Intelligence. Pueden ser para elaborar la planificación,

los presupuestos, las previsiones. Estas herramientas proveen a los dashboards y

los scorecards con los objetivos y los umbrales de las métricas.

- Herramientas datamining: Permiten a estadísticos o analistas de negocio crear

modelos estadísticos de las actividades de los negocios. Datamining es el proceso

para descubrir e interpretar patrones desconocidos en la información mediante los

cuales resolver problemas de negocio. Los usos más habituales del datamining

son: segmentación, venta cruzada, sendas de consumo, clasificación, previsiones,

optimizaciones, etc.
 6. USUARIOS DE LAS HERRAMIENTAS BUSINESS INTELLIGENCE

6.1. LOS PRODUCTORES DE INFORMACIÓN

Normalmente se trata del 20% de los usuarios y utilizan herramientas desktops

(herramientas de “escritorio” instaladas en su ordenador) para crear informes o modelos.

Normalmente se trata de estadísticos que utilizan herramientas datamining o autores de

informes que utilizan herramientas de diseño o de programación para crear informes

específicos. Habitualmente los autores de informes son: técnicos de sistemas de

información o usuarios de negocio avanzados que son capaces de entender la información

y la informática. Los usuarios avanzados pueden crear o utilizar informes, por lo que en

el gráfico están a medio camino entre los productores y los consumidores de información.

Usualmente utilizan hojas de cálculo, herramientas de consulta y de informes para acceder

y analizar la información.

6.2. LOS CONSUMIDORES DE INFORMACIÓN

La mayoría de los consumidores de información son usuarios no habituales que

regularmente consultan informes para la toma de decisiones, pero no acceden a los

números o hacen análisis detallados diariamente. Los usuarios no habituales son

directivos, gestores, responsables, colaboradores y usuarios externos. Este numeroso

grupo está bien servido con cuadros de mando con análisis guiados, informes interactivos

(por ejemplo: OLAP, informes parametrizados, vinculados) e informes de gestión

estandarizados. La mayoría de estas herramientas proveen ahora acceso vía web para
promover el acceso desde cualquier lugar y facilitar el uso y minimizar los costes de

administración y mantenimiento.

7. TENDENCIAS DE LA INTELIGENCIA DE NEGOCIO

Analizando las tendencias tecnológicas actuales y las nuevas tendencias estratégicas, la

Inteligencia de Negocios (BI, Business Intelligence) podrá beneficiarse de estas

tendencias para ampliar aún más, su impacto en las Organizaciones. Algunas de estas son:
 7.1. CÓMPUTO COLABORATIVO

El trabajo colaborativo y relacional propiciado por las redes sociales en las Empresas

fomentará que las nuevas funcionalidades de BI, como la de poder hacer anotaciones o

comentarios compartidos en los informes, faciliten el mejor entendimiento y socialización

de los mismos. Adicionalmente el poder acceder a estos datos no estructurados desde las

plataformas de BI para detectar oportunidades y optimizar las decisiones, será uno de los

grandes retos para los proveedores de este tipo de soluciones.

7.2. COMPUTACIÓN MÓVIL

El creciente aprovechamiento de las redes celulares para potenciar la computación en

cualquier parte y en cualquier momento, facilitará el uso de los mensajes de datos

inteligentes en el momento justo, mejorando así todo el proceso de gestión comercial y

gerencial, pues una vez llegue el mensaje de alerta al móvil, se podrá visualizar en él, en

tiempo real el informe completo y actualizado, haciendo más efectiva su labor con el

Cliente o donde quiera que se esté llevando a cabo la presentación.

7.3. VISUALIZACIÓN DE DATOS

Las cada vez más sofisticadas herramientas para la visualización de datos (en formatos

que van más allá de las simples imágenes estáticas) permitirán presentar información de

forma clara y efectiva. Este concepto de visualización de datos ha estado directamente

relacionado con las tecnologías de BI desde sus orígenes y obtener mayor interactividad

y claridad de mediante la visualización será uno de los objetivos de las soluciones

analíticas de los próximos años.

 7.4. ANÁLISIS PREDICTIVOS

Las soluciones de Inteligencia de Negocios permitirán también aprovechar otras

tendencias del sector, como son los análisis predictivos o de performance, que tratan de

aplicar disciplinas matemáticas y de minería de datos (estadística, reconocimiento de

modelos o inteligencia artificial) para tratar de encontrar patrones y tendencias en los

datos que permitan mejorar el desempeño en áreas como proyecciones de consumo,

prevención de fraudes, tendencias de compra o ideas para nuevos productos. Gartner

predice que para el 2011, las Empresas que implementen aplicaciones de Performance

Management (CPM) para soportar una cultura organizacional basada en él, tendrán

mejores resultados que sus pares en un 30%.

7.5. ANÁLISIS DINÁMICO DE DATOS

Uno de los más importantes retos de la Inteligencia de Negocios es cómo poder realizar

análisis sobre grandes volúmenes de datos, con origen diverso y hacerlo muy

rápidamente, según vayan llegando. Los próximos avances en esta tendencia permitirán

que nuevos análisis sean viables en sectores muy diversos como seguimiento y control al

tráfico vehicular, mercados financieros globalizados, seguimiento médico a pacientes

geográficamente dispersos, monitoreo de ecosistemas y medio ambiente global, además

de agilizar las tradicionales de análisis global y en línea de mercados, ventas, clientes,

compras, proveedores, etc.

 7.6. APLICACIONES COMPUESTAS

Las nuevas arquitecturas orientadas a servicios web se irán integrando cada vez más con

la tradicional plataforma de BI, habilitando de este modo una proliferación de nuevas

aplicaciones que pueden ser creadas o integradas directamente por los usuarios de una

manera sencilla, flexible y orientadas a la Web, entre estas nuevas aplicaciones figurarán

informes de fuentes de datos RSS, Twitter, Redes Sociales, etc. Esta tendencia aumentará

los próximos años, a medida que más usuarios se sientan cómodos creando aplicaciones

perfectamente adaptadas a sus necesidades a partir de componentes.

7.7. CLOUD COMPUTING

El movimiento Web 2.0 también ha traído conceptos como el de cloud computing, un

modelo que ofrece servicios accesibles en cualquier momento a través de Internet, de

forma que el lugar donde se encuentra un usuario o dispositivo es irrelevante. Las

tecnologías de base que soportan el cloud computing (virtualización, automatización,

estándares abiertos e informática basada en la Red) permiten a los centros de datos

corporativos actuar con la eficiencia de Internet. La relación del cloud computing con la

inteligencia de negocio aumenta a medida que los usuarios se hacen cada vez más

móviles, disponen de varios dispositivos preparados para Internet y necesitan acceder a

su información independientemente del lugar en que se encuentren. Algunos ejemplos de

esta tendencia son el Elastic Compute Cloud (EC2) de Amazon, la Platform as a Service

(PaaS) de Google, y la Azure platform de Microsoft, para solo citar algunos de ellos.
 7.8. INTERFACES MULTITOUCH

Interfaces Multitouch. Esta tecnología se popularizó gracias a la película Minority Report

y al lanzamiento del iPhone de Apple. Se trata de una interfaz que dispone de una pantalla

multitáctil que ofrece nuevas e innovadoras capacidades de interacción (como ampliar o

reducir la pantalla con un simple gesto del dedo). Las herramientas de BI también

aprovecharán las ventajas de esta tecnología para simplificar la navegación o manipular

dispositivos móviles, por ejemplo. Con la llegada del movimiento ecológico y del cloud

computing, la creciente proliferación de dispositivos móviles cada vez más inteligentes,

la capacidad de combinar aplicaciones para crear una aplicación compuesta o mashup y

la constante evolución de las tecnologías de visualización y modelización predictiva, se

han abierto nuevos horizontes en la aplicación estratégica del análisis de negocios.

8. SELECCIÓN DE HERRAMIENTAS Y PROVEEDORES

Escoger aquella herramienta de Business Intelligence que mejor satisfaga las necesidades

de los usuarios en cuanto a las funcionalidades, con la mejor arquitectura y al mejor coste,

no es una tarea fácil; y mucho menos si tenemos en cuenta la cantidad de herramientas y

proveedores disponibles.

Un primer paso para elegir las herramientas de Business Intelligence tener en cuenta las

características de los usuarios que tenemos en nuestra organización.

En segundo lugar, se deben evaluar las características del producto como:

 Datos financieros sobre del proveedor

 La arquitectura tecnológica del proveedor.

 Las funcionalidades de consultas.

  Las funcionalidades de informes.

 Tipo de arquitectura

 Las funcionalidades de administración

 Los precios

Las principales soluciones más reconocidas a nivel mundial son:

 SAGENT SOLUTION PLATTFORM:

Este sistema integrado extrae, transforma, mueve, distribuye y presenta la información

clave para la toma de decisiones en la empresa en un entorno homogéneo.

 MICROSTRATEGY:

Provee soluciones a clientes de cualquier industria y/o área funcional con el fin de

ayudarlos en la obtención de un mayor conocimiento sobre la información manejada en

su empresa.
  BUSINESS OBJECTS:

Suministra a los usuarios el poder acceder de forma sencilla a los datos, analizar la

información almacenada y creación de informes.

 COGNOS:

Es un software que ofrece la funcionalidad de análisis y toma de decisiones. Cuenta con

una herramienta especial para modelación, pronóstico – forecasting -, y simulación -

what-if - del negocio.

  BITAM/ARTUS BUSINESS INTELLIGENCE SUITE:

Herramienta capaz de agrupar la información y utilizarla como un activo que ayudará a

la empresa a identificar las oportunidades de negocio, optimizar las áreas de finanzas,

clientes, procesos internos, aprendizaje e innovación.

 ORACLE9I APPLICATION SERVER:

Permite acceder, analizar y compartir la información y tomar decisiones precisas, basadas

en datos en forma rápida.

 BIBLIOGRAFIA
Cano, J. (2007). Business Inteligence: Competir con la Información. Recuperado 30

octubre, 2019, de

http://itemsweb.esade.edu/biblioteca/archivo/Business_Intelligence_competir_con_infor

macion.pdf

Estevez, E. (2019, 19 marzo). Sistema de Gestión Empresarial. Recuperado 30 octubre,

2019, de https://www.sage.com/es-es/blog/sistema-de-gestion-empresarial-que-es/

Castro, J. (2015, 12 octubre). ¿Qué es la inteligencia de negocios y cómo beneficia a tu

empresa? Recuperado 30 octubre, 2019, de https://blog.corponet.com.mx/que-es-la-

inteligencia-de-negocios

Cutro, L. (2016). TENDENCIAS DE BI Business Intelligence. Recuperado 30 octubre,

2019, de http://exa.unne.edu.ar/informatica/SO/Cutro_trabajo_adsc_DAD_2010.pdf

Carhuaricra, M., & Gonzales, J. (2017). IMPLEMENTACIÓN DE BUSINESS

INTELLIGENCE PARA MEJORAR LA EFICIENCIA DE LA TOMA DE

DECISIONES EN LA GESTIÓN DE PROYECTOS. Recuperado 30 octubre, 2019, de

http://repositorio.usil.edu.pe/bitstream/USIL/3202/1/2017_Gonzales-Caporal.pdf