Por qué business intelligence

1
¿Por qué Business Intelligence?
La capacidad para tomar decisiones de negocio precisas y de forma rápida se ha
convertido en una de las claves para que una empresa llegue al éxito. Sin embargo,
los sistemas de información tradicionales (como la mayoría de los programas de
gestión, las aplicaciones a medida, e incluso los ERP más sofisticados), suelen
presentar una estructura muy inflexible para este fin. Aunque su diseño se adapta
con mayor o menor medida para manejar los datos de la empresa, no permite
obtener la información de los mismos, y mucho menos extrapolar el conocimiento
almacenado en el día a día de las bases de datos. Las principales características que
limitan estos sistemas son:
Gran rigidez a la hora de extraer datos, de manera que el usuario tiene
que ceñirse a los informes predefinidos que se configuraron en el momento
de la implantación, y que no siempre responden a sus dudas reales.
Necesidad de conocimientos técnicos. Para la generación de nuevos
informes o métricas suele resultar ineludible acudir al departamento técnico,
solicitando una consulta adecuada para interrogar la base de datos.
Largos tiempos de respuesta, ya que las consultas complejas de datos
suelen implicar la unión de tablas operacionales de gran tamaño, lo que se
traduce en una incómoda espera que dificulta la fluidez del trabajo.
Deterioro en el rendimiento del SI. Cuando la base de datos consultada,
para generar informes o ratios de negocio, es la misma que la que soporta el
operativo de la empresa, el funcionamiento del sistema puede degradarse
hasta afectar y paralizar a todos los usuarios conectados.
Falta de integración que implica islas de datos. Muchas organizaciones
disponen de múltiples sistemas de información, incorporados en momentos
distintos, para resolver problemáticas diferentes. Sus bases de datos no
suelen estar integradas, lo que implica la existencia de islas de información.
Datos erróneos, obsoletos o incompletos. El tema de la calidad de los
datos siempre es considerado como algo importante, pero esta labor nunca
se lleva al extremo de garantizar la fiabilidad de la información aportada.
Problemas para adecuar la información al cargo del usuario. No se trata
de que todo el mundo tenga acceso a toda la información, sino de que tenga
acceso a la información que necesita para que su trabajo sea lo más eficiente
posible.

2
Ausencia de información histórica. Los datos almacenados en los sistemas
operacionales están diseñados para llevar la empresa al día, pero no permiten
contrastar la situación actual con una situación retrospectiva de años atrás.
Para superar todas estas limitaciones, el Business Intelligence se apoya en un
conjunto de herramientas que facilitan la extracción, la depuración, el análisis y el
almacenamiento de los datos generados en una organización, con la velocidad
adecuada para generar conocimiento y apoyar la toma de decisiones de los directivos
y los usuarios oportunos.
No es que los productos de BI sean mejores que las aplicaciones actuales: se trata
de sistemas con objetivos distintos, eficientes en sus respectivas ramas, pero que
deben complementarse para optimizar el valor de los sistemas de información.
Datos, información, conocimiento
¿En qué se diferencia el conocimiento de los datos y de la información? En una
conversación informal, los tres términos suelen utilizarse indistintamente y esto
puede llevar a una interpretación libre del concepto de conocimiento. Quizás la forma
más sencilla de diferenciar los términos sea pensar que los datos están localizados
en el mundo y el conocimiento está localizado en agentes de cualquier tipo (personas,
empresas, máquinas...), mientras que la información adopta un papel mediador entre
ambos.
Los conceptos que se muestran a continuación se basan en las definiciones
de Davenport y Prusak (1999).
Datos
Los datos son la mínima unidad semántica, y se corresponden con elementos
primarios de información que por sí solos son irrelevantes como apoyo a la toma de
decisiones. También se pueden ver como un conjunto discreto de valores, que no
dicen nada sobre el por qué de las cosas y no son orientativos para la acción.

3
Un número telefónico o un nombre de una persona, por ejemplo, son datos que, sin
un propósito, una utilidad o un contexto no sirven como base para apoyar la toma de
una decisión. Los datos pueden ser una colección de hechos almacenados en algún
lugar físico como un papel, un dispositivo electrónico (CD, DVD, disco duro...), o la
mente de una persona. En este sentido las tecnologías de la información han aportado
mucho a recopilación de datos.
Como cabe suponer, los datos pueden provenir de fuentes externas o internas a la
organización, pudiendo ser de carácter objetivo o subjetivo, o de tipo cualitativo o
cuantitativo, etc.
Información
La información se puede definir como un conjunto de datos procesados y que tienen
un significado (relevancia, propósito y contexto), y que por lo tanto son de utilidad
para quién debe tomar decisiones, al disminuir su incertidumbre. Los datos se pueden
transforman en información añadiéndoles valor:
Contextualizando: se sabe en qué contexto y para qué propósito se
generaron.
Categorizando: se conocen las unidades de medida que ayudan a
interpretarlos.
Calculando: los datos pueden haber sido procesados matemática o
estadísticamente.
Corrigiendo: se han eliminado errores e inconsistencias de los datos.
Condensando: los datos se han podido resumir de forma más concisa
(agregación).
Por tanto, la información es la comunicación de conocimientos o inteligencia, y es
capaz de cambiar la forma en que el receptor percibe algo, impactando sobre sus
juicios de valor y sus comportamientos.
Información = Datos + Contexto (añadir valor) + Utilidad (disminuir la
incertidumbre)
Conocimiento
El conocimiento es una mezcla de experiencia, valores, información y know-how que
sirve como marco para la incorporación de nuevas experiencias e información, y es
útil para la acción. Se origina y aplica en la mente de los conocedores. En las
organizaciones con frecuencia no sólo se encuentra dentro de documentos o

4
almacenes de datos, sino que también esta en rutinas organizativas, procesos,
prácticas, y normas.
El conocimiento se deriva de la información, así como la información se deriva de los
datos. Para que la información se convierta en conocimiento es necesario realizar
acciones como:
Comparación con otros elementos.
Predicción de consecuencias.
Búsqueda de conexiones.
Conversación con otros portadores de conocimiento.
Arquitectura de una solución de Business Intelligence
Una solución de Business Intelligence parte de los sistemas de origen de una
organización (bases de datos, ERPs, ficheros de texto...), sobre los que suele ser
necesario aplicar una transformación estructural para optimizar su proceso analítico.
Para ello se realiza una fase de extracción, transformación y carga (ETL) de datos.
Esta etapa suele apoyarse en un almacén intermedio, llamado ODS, que actúa como
pasarela entre los sistemas fuente y los sistemas destino (generalmente un
datawarehouse), y cuyo principal objetivo consiste en evitar la saturación de los
servidores funcionales de la organización.
La información resultante, ya unificada, depurada y consolidada, se almacena en un
datawarehouse corporativo, que puede servir como base para la construcción de
distintos datamarts departamentales. Estos datamarts se caracterizan por poseer la
estructura óptima para el análisis de los datos de esa área de la empresa, ya sea
mediante bases de datos transaccionales (OLTP) o mediante bases de datos analíticas
(OLAP).

5
Los datos albergados en el datawarehouse o en cada datamart se explotan utilizando
herramientas comerciales de análisis, reporting, alertas... etc. En estas herramientas
se basa también la construcción de productos BI más completos, como los sistemas
de soporte a la decisión (DSS), los sistemas de información ejecutiva (EIS) y los
cuadros de mando (CMI) o Balanced Scorecard (BSC).

6
La Inteligencia de Negocio en los diferentes departamentos
de la empresa
En todas las empresas cada departamento acumula diferentes datos: sobre sus
clientes, sus inventarios, su producción, sobre la efectividad de las campañas de
márketing, información sobre proveedores y socios, además de los datos que pueden
proveer del exterior, como los referentes a competidores. En este sentido, el Business
Intelligence puede realizar distintas aportaciones a cada departamento, siempre con
el objetivo de integrar y optimizar la información disponible en la organización:
Departamento de marketing
El BI permite identificar de forma más precisa los segmentos de clientes y
estudiar con mayor detalle su comportamiento. Para ello se pueden incluir
análisis capaces de medir, por ejemplo, el impacto de los precios y las
promociones en cada segmento.
Departamento de compras
El BI permite acceder a los datos del mercado, vinculándolos con la
información básica necesaria para hallar las relaciones entre coste y beneficio.
Al mismo tiempo, permite monitorizar la información de cada factoría o
cadena de producción, lo que puede ayudar a optimizar el volumen de las
compras.
Departamento de producción
El BI proporciona un mecanismo que permite analizar el rendimiento de
cualquier tipo de proceso operativo, ya que comprende desde el control de
calidad y la administración de inventarios hasta la planificación y la
historización de la producción.
Departamento de ventas
El BI facilita la comprensión de las necesidades del cliente, así como responder
a las nuevas oportunidades del mercado. También son posibles análisis de
patrones de compra para aprovechar coyunturas de ventas con productos
asociados.
Departamento económico-financiero
El BI permite acceder a los datos de forma inmediata y en tiempo real,
mejorando así ciertas operaciones, que suelen incluir presupuestos,
proyecciones, control de gestión, tesorería, balances y cuentas de resultados.

7
Departamento de atención al cliente
Aplicado a este ámbito, el BI permite evaluar con exactitud el valor de los
segmentos del mercado y de los clientes individuales, además de ayudar a
retener a los clientes más rentables.
Departamento de recursos humanos
Obteniendo los datos precisos de la fuente adecuada, el BI permite analizar
los parámetros que más pueden afectar al departamento: satisfacción de los
empleados, absentismo laboral, beneficio-hora/hombre… etc.
Finalmente, en caso de aprovechar la integración de la información con proveedores
y socios, el BI ofrece niveles de análisis sobre cuestiones como nuevas oportunidades
de inversión, o nuevas ocasiones para la colaboración con terceros.
Cuadro de Mando Integral
El Cuadro de Mando Integral (CMI), también conocido como Balanced Scorecard
(BSC) o dashboard, es una herramienta de control empresarial que permite
establecer y monitorizar los objetivos de una empresa y de sus diferentes áreas o
unidades.
También se puede considerar como una aplicación que ayuda a una compañía a
expresar los objetivos e iniciativas necesarias para cumplir con su estrategia,
mostrando de forma continuada cuándo la empresa y los empleados alcanzan los
resultados definidos en su plan estratégico.
Diferencia con otras herramientas de Business Intelligence
El Cuadro de Mando Integral se diferencia de otras herramientas de Business
Intelligence, como los Sistemas de Soporte a la Decisión (DSS) o los Sistemas de
Información Ejecutiva (EIS), en que está más orientados al seguimiento de
indicadores que al análisis minucioso de información. Por otro lado, es muy común
que un CMI sea controlado por la dirección general de una compañía, frente a otras
herramientas de Business Intelligence más enfocadas a a la dirección departamental.
El CMI requiere, por tanto, que los directivos analicen el mercado y la estrategia para
construir un modelo de negocio que refleje las interrelaciones entre los diferentes
componentes de la empresa (plan estratégico). Una vez que lo han construido, los
responsables de la organización utilizan este modelo como mapa para seleccionar los
indicadores del CMI.

8
Tipos de Cuadros de Mando
El Cuadro de Mando Operativo (CMO), es una herramienta de control enfocada al
seguimiento de variables operativas, es decir, variables pertenecientes a áreas o
departamentos específicos de la empresa. La periodicidad de los CMO puede ser
diaria, semanal o mensual, y está centrada en indicadores que generalmente
representan procesos, por lo que su implantación y puesta en marcha es más sencilla
y rápida. Un CMO debería estar siempre ligado a un DSS (Sistema de Soporte a
Decisiones) para indagar en profundidad sobre los datos.
El Cuadro de Mando Integral (CMI), por el contrario, representa la ejecución de
la estrategia de una compañía desde el punto de vista de la Dirección General (lo que
hace que ésta deba estar plenamente involucrada en todas sus fases, desde la
definición a la implantación). Existen diferentes tipos de cuadros de mando integral,
si bien los más utilizados son los que se basan en la metodología de Kaplan &
Norton. La principales características de esta metodología son que utilizan tanto
indicadores financieros como no financieros, y que los objetivos estratégicos se
organizan en cuatro áreas o perspectivas: financiera, cliente, interna y
aprendizaje/crecimiento.
La perspectiva financiera incorpora la visión de los accionistas y mide la
creación de valor de la empresa. Responde a la pregunta: ¿Qué indicadores
tienen que ir bien para que los esfuerzos de la empresa realmente se
transformen en valor? Esta perspectiva valora uno de los objetivos más
relevantes de organizaciones con ánimo de lucro, que es, precisamente, crear
valor para la sociedad.
La perspectiva del cliente refleja el posicionamiento de la empresa en el
mercado o, más concretamente, en los segmentos de mercado donde quiere
competir. Por ejemplo, si una empresa sigue una estrategia de costes es muy
posible que la clave de su éxito dependa de una cuota de mercado alta y unos
precios más bajos que la competencia. Dos indicadores que reflejan este
posicionamiento son la cuota de mercado y un índice que compare los precios
de la empresa con los de la competencia.

9
La perspectiva interna recoge indicadores de procesos internos que son
críticos para el posicionamiento en el mercado y para llevar la estrategia a
buen puerto. En el caso de la empresa que compite en coste, posiblemente
los indicadores de productividad, calidad e innovación de procesos sean
importantes. El éxito en estas dimensiones no sólo afecta a la perspectiva
interna, sino también a la financiera, por el impacto que tienen sobre las
rúbricas de gasto.
La perspectiva de aprendizaje y crecimiento es la última que se plantea en
este modelo de CMI. Para cualquier estrategia, los recursos materiales y las
personas son la clave del éxito. Pero sin un modelo de negocio apropiado,
muchas veces es difícil apreciar la importancia de invertir, y en épocas de
crisis lo primero que se recorta es precisamente la fuente primaria de creación
de valor: se recortan inversiones en la mejora y el desarrollo de los recursos.
Pese a que estas cuatro son las perspectivas más genéricas, no son "obligatorias".
Por ejemplo, una empresa de fabricación de ropa deportiva tiene, además de la
perspectiva de clientes, una perspectiva de consumidores. Para esta empresa son
tan importantes sus distribuidores como sus clientes finales.
Una vez que se tienen claros los objetivos de cada perspectiva, es necesario definir
los indicadores que se utilizan para realizar su seguimiento. Para ello, debemos tener
en cuenta varios criterios: el primero es que el número de indicadores no supere los
siete por perspectiva, y si son menos, mejor. La razón es que demasiados indicadores
difuminan el mensaje que comunica el CMI y, como resultado, los esfuerzos se
dispersan intentando perseguir demasiados objetivos al mismo tiempo. Puede ser
recomendable durante el diseño empezar con una lista más extensa de indicadores.
Pero es necesario un proceso de síntesis para disponer de toda la fuerza de esta
herramienta.

10
No obstante, la aportación que ha convertido al CMI en una de las herramientas más
significativas de los últimos años es que se cimenta en un modelo de negocio. El éxito
de su implantación radica en que el equipo de dirección se involucre y dedique tiempo
al desarrollo de su propio modelo de negocio.
Beneficios de la implantación de un Cuadro de Mando Integral
 La fuerza de explicitar un modelo de negocio y traducirlo en indicadores
facilita el consenso en toda la empresa, no sólo de la dirección, sino también
de cómo alcanzarlo.
 Clarifica cómo las acciones del día a día afectan no sólo al corto plazo, sino
también al largo plazo.
 Una vez el CMI está en marcha, se puede utilizar para comunicar los planes
de la empresa, aunar los esfuerzos en una sola dirección y evitar la
dispersión. En este caso, el CMI actúa como un sistema de control por
excepción.
 Permita detectar de forma automática desviaciones en el plan estratégico u
operativo, e incluso indagar en los datos operativos de la compañía hasta
descubrir la causa original que dió lugar a esas desviaciones.
Riesgos de la implantación de un Cuadro de Mando Integral
 Un modelo poco elaborado y sin la colaboración de la dirección es papel
mojado, y el esfuerzo será en vano.
 Si los indicadores no se escogen con cuidado, el CMI pierde una buena parte
de sus virtudes, porque no comunica el mensaje que se quiere transmitir.
 Cuando la estrategia de la empresa está todavía en evolución, es
contraproducente que el CMI se utilice como un sistema de control clásico y
por excepción, en lugar de usarlo como una herramienta de aprendizaje.
 Existe el riesgo de que lo mejor sea enemigo de lo bueno, de que el CMI sea
perfecto, pero desfasado e inútil.
Si no está familiarizado con la utilización de un cuadro de mando integral, puede
resultarle útil, además, examinar las siguientes definiciones:
Plan director
Plan estratégico
Plan operativo anual (POA)
Sistemas de Soporte a la Decisión (DSS)
Sistemas de Información Ejecutiva (EIS)

11
Un Sistema de Soporte a la Decisión (DSS) es una herramienta de Business
Intelligence enfocada al análisis de los datos de una organización.
En principio, puede parecer que el análisis de datos es un proceso sencillo, y fácil de
conseguir mediante una aplicación hecha a medida o un ERP sofisticado. Sin
embargo, no es así: estas aplicaciones suelen disponer de una serie de informes
predefinidos en los que presentan la información de manera estática, pero no
permiten profundizar en los datos, navegar entre ellos, manejarlos desde distintas
perspectivas... etc.
El DSS es una de las herramientas más emblemáticas del Business Intelligence ya
que, entre otras propiedades, permiten resolver gran parte de las limitaciones de
los programas de gestión. Estas son algunas de sus características principales:
Informes dinámicos, flexibles e interactivos, de manera que el usuario
no tenga que ceñirse a los listados predefinidos que se configuraron en el
momento de la implantación, y que no siempre responden a sus dudas reales.
No requiere conocimientos técnicos. Un usuario no técnico puede crear
nuevos gráficos e informes y navegar entre ellos, haciendo drag&drop o drill
through. Por tanto, para examinar la información disponible o crear nuevas
métricas no es imprescindible buscar auxilio en el departamento de
informática.
Rapidez en el tiempo de respuesta, ya que la base de datos subyacente
suele ser un datawarehouse corporativo o un datamart, con modelos de datos
en estrella o copo de nieve. Este tipo de bases de datos están optimizadas
para el análisis de grandes volúmenes de información (vease ánalisis OLTP-
OLAP).
Integración entre todos los sistemas/departamentos de la compañía.
El proceso de ETL previo a la implantación de un Sistema de Soporte a la

12
Decisión garantiza la calidad y la integración de los datos entre las diferentes
unidades de la empresa. Existe lo que se llama: integridad referencial
absoluta.
Cada usuario dispone de información adecuada a su perfil. No se trata
de que todo el mundo tenga acceso a toda la información, sino de que tenga
acceso a la información que necesita para que su trabajo sea lo más eficiente
posible.
Disponibilidad de información histórica. En estos sistemas está a la orden
del día comparar los datos actuales con información de otros períodos
históricos de la compañía, con el fin de analizar tendencias, fijar la evolución
de parámetros de negocio... etc.
Diferencia con otras herramientas de Business Intelligence
El principal objetivo de los Sistemas de Soporte a Decisiones es, a diferencia de otras
herramientas como los Cuadros de Mando (CMI) o los Sistemas de Información
Ejecutiva (EIS), explotar al máximo la información residente en una base de datos
corporativa (datawarehouse o datamart), mostrando informes muy dinámicos y con
gran potencial de navegación, pero siempre con una interfaz gráfica amigable, vistosa
y sencilla.
Otra diferencia fundamental radica en los usuarios a los que están destinadas las
plataformas DSS: cualquier nivel gerencial dentro de una organización, tanto para
situaciones estructuradas como no estructuradas. (En este sentido, por ejemplo, los
CMI están más orientados a la alta dirección).
Por último, destacar que los DSS suelen requerir (aunque no es imprescindible)
unmotor OLAP subyacente, que facilite el análisis casi ilimitado de los datos para
hallar las causas raices de los problemas/pormenores de la compañía.

13
Tipos de Sistemas de Soporte a Decisiones
Sistemas de información gerencial (MIS)
Los sistemas de información gerencial (MIS, Management Information
Systems), tambien llamados Sistemas de Información Administrativa (AIS)
dan soporte a un espectro más amplio de tareas organizacionales,
encontrándose a medio camino entre un DSS tradicional y una aplicación
CRM/ERP implantada en la misma compañía.
Sistemas de información ejecutiva (EIS)
Los sistemas de información ejecutiva (EIS, Executive Information System)
son el tipo de DSS que más se suele emplear en Business Intelligence, ya que
proveen a los gerentes de un acceso sencillo a información interna y externa
de su compañía, y que es relevante para sus factores clave de éxito.
Sistemas expertos basados en inteligencia artificial (SSEE)
Los sistemas expertos, también llamados sistemas basados en conocimiento,
utilizan redes neuronales para simular el conocimiento de un experto y
utilizarlo de forma efectiva para resolver un problema concreto. Este concepto
está muy relacionado con el datamining.
Sistemas de apoyo a decisiones de grupo (GDSS)
Un sistema de apoyo a decisiones en grupos (GDSS, Group Decision Support
Systems) es "un sistema basado en computadoras que apoya a grupos de
personas que tienen una tarea (u objetivo) común, y que sirve como interfaz
con un entorno compartido". El supuesto en que se basa el GDSS es que si se
mejoran las comunicaciones se pueden mejorar las decisiones.

14
Si no está familiarizado con el concepto de Sistema de Soporte a Decisiones, puede
resultarle útil, además, examinar las siguientes definiciones:
Datawarehouse
Datamart
Datamining
Un Sistema de Información para Ejecutivos o Sistema de Información
Ejecutivaes una herramienta software, basada en un DSS, que provee a los gerentes
de un acceso sencillo a información interna y externa de su compañía, y que es
relevante para sus factores clave de éxito.
La finalidad principal es que el ejecutivo tenga a su disposición un panorama completo
del estado de los indicadores de negocio que le afectan al instante, manteniendo
también la posibilidad de analizar con detalle aquellos que no estén cumpliendo con
las expectativas establecidas, para determinar el plan de acción más adecuado.
De forma más pragmática, se puede definir un EIS como una aplicación informática
que muestra informes y listados (query & reporting) de las diferentes áreas de
negocio, de forma consolidada, para facilitar la monitorización de la empresa o de
una unidad de la misma.
El EIS se caracteriza por ofrecer al ejecutivo un acceso rápido y efectivo a la
información compartida, utilizando interfaces gráficas visuales e intutivas. Suele
incluir alertas e informes basados en excepción, así como históricos y análisis de
tendencias. También es frecuente que permita la domiciliación por correo de los
informes más relevantes.
A través de esta solución se puede contar con un resumen del comportamiento de
una organización o área específica, y poder compararla a través del tiempo. Es
posible, además, ajustar la visión de la información a la teoría de Balanced Scorecard
o Cuadro de Mando Integral impulsada por Norton y Kaplan, o bien a cualquier
modelo estratégico de indicadores que maneje la compañía.

15
Si no está familiarizado con el concepto de Sistema de Información Ejecutiva,
puede resultarle útil, además, examinar las siguientes definiciones:
Datamining
Datamart
Datawarehouse
Datamart
Un Datamart es una base de datos departamental, especializada en el
almacenamiento de los datos de un área de negocio específica. Se caracteriza por
disponer laestructura óptima de datos para analizar la información al detalle desde
todas las perspectivas que afecten a los procesos de dicho departamento. Un
datamart puede ser alimentado desde los datos de un datawarehouse, o integrar por
si mismo un compendio de distintas fuentes de información.

16
Por tanto, para crear el datamart de un área funcional de la empresa es preciso
encontrar la estructura óptima para el análisis de su información, estructura que
puede estar montada sobre una base de datos OLTP, como el propio datawarehouse,
o sobre una base de datos OLAP. La designación de una u otra dependerá de los
datos, los requisitos y las características específicas de cada departamento. De esta
forma se pueden plantear dos tipos de datamarts:
Datamart OLAP
Se basan en los populares cubos OLAP, que se construyen agregando, según los
requisitos de cada área o departamento, las dimensiones y los indicadores necesarios
de cada cubo relacional. El modo de creación, explotación y mantenimiento de los
cubos OLAP es muy heterogéneo, en función de la herramienta final que se utilice.
Datamart OLTP
Pueden basarse en un simple extracto del datawarehouse, no obstante, lo común es
introducir mejoras en su rendimiento (las agregaciones y los filtrados suelen ser las
operaciones más usuales) aprovechando las características particulares de cada área
de la empresa. Las estructuras más comunes en este sentido son las tablas report,
que vienen a ser fact-tables reducidas (que agregan las dimensiones oportunas), y
las vistas materializadas, que se construyen con la misma estructura que las
anteriores, pero con el objetivo de explotar la reescritura de queries (aunque sólo es
posibles en algunos SGBD avanzados, como Oracle).
Los datamarts que están dotados con estas estructuras óptimas de análisis presentan
las siguientes ventajas:
Poco volumen de datos
Mayor rapidez de consulta
Consultas SQL y/o MDX sencillas
Validación directa de la información
Facilidad para la historización de los datos
Si no está familiarizado con el concepto de datamart, puede resultarle útil, además,
examinar las siguientes definiciones:
Datawarehouse

17
Bases de datos OLTP y OLAP
Datamining
Datawarehouse
Un Datawarehouse es una base de datos corporativa que se caracteriza por integrar
y depurar información de una o más fuentes distintas, para luego procesarla
permitiendo su análisis desde infinidad de pespectivas y con grandes velocidades de
respuesta. La creación de un datawarehouse representa en la mayoría de las
ocasiones el primer paso, desde el punto de vista técnico, para implantar una solución
completa y fiable de Business Intelligence.
La ventaja principal de este tipo de bases de datos radica en las estructuras en las
que se almacena la información (modelos de tablas en estrella, en copo de nieve,
cubos relacionales... etc). Este tipo de persistencia de la información es homogénea
y fiable, y permite la consulta y el tratamiento jerarquizado de la misma (siempre en
un entorno diferente a los sistemas operacionales).
El término Datawarehouse fue acuñado por primera vez por Bill Inmon, y se traduce
literalmente como almacén de datos. No obstante, y como cabe suponer, es mucho
más que eso. Según definió el propio Bill Inmon, un datawarehouse se caracteriza
por ser:
Integrado: los datos almacenados en el datawarehouse deben integrarse en
una estructura consistente, por lo que las inconsistencias existentes entre los
diversos sistemas operacionales deben ser eliminadas. La información suele

18
estructurarse también en distintos niveles de detalle para adecuarse a las
distintas necesidades de los usuarios.
Temático: sólo los datos necesarios para el proceso de generación del
conocimiento del negocio se integran desde el entorno operacional. Los datos
se organizan por temas para facilitar su acceso y entendimiento por parte de
los usuarios finales. Por ejemplo, todos los datos sobre clientes pueden ser
consolidados en una única tabla del datawarehouse. De esta forma, las
peticiones de información sobre clientes serán más fáciles de responder dado
que toda la información reside en el mismo lugar.
Histórico: el tiempo es parte implícita de la información contenida en un
datawarehouse. En los sistemas operacionales, los datos siempre reflejan el
estado de la actividad del negocio en el momento presente. Por el contrario,
la información almacenada en el datawarehouse sirve, entre otras cosas, para
realizar análisis de tendencias. Por lo tanto, el datawarehouse se carga con
los distintos valores que toma una variable en el tiempo para permitir
comparaciones.
No volátil: el almacén de información de un datawarehouse existe para ser
leído, pero no modificado. La información es por tanto permanente,
significando la actualización del datawarehouse la incorporación de los últimos
valores que tomaron las distintas variables contenidas en él sin ningún tipo
de acción sobre lo que ya existía.
Otra característica del datawarehouse es que contiene metadatos, es decir, datos
sobre los datos. Los metadatos permiten saber la procedencia de la información, su
periodicidad de refresco, su fiabilidad, forma de cálculo... etc.
Los metadatos serán los que permiten simplificar y automatizar la obtención de la
información desde los sistemas operacionales a los sistemas informacionales.
Los objetivos que deben cumplir los metadatos, según el colectivo al que va dirigido,
son:
Dar soporte al usuario final, ayudándole a acceder al datawarehouse con
su propio lenguaje de negocio, indicando qué información hay y qué
significado tiene. Ayudar a construir consultas, informes y análisis, mediante
herramientas de Business Intelligence como DSS, EIS o CMI.
Dar soporte a los responsables técnicos del datawarehouse en
aspectos de auditoría, gestión de la información histórica, administración
del datawarehouse, elaboración de programas de extracción de la

19
información, especificación de las interfaces para la realimentación a los
sistemas operacionales de los resultados obtenidos... etc.
Por último, destacar que para comprender íntegramente el concepto de
datawarehouse, es importante entender cual es el proceso de construcción del
mismo, denominado ETL (Extracción, Transformación y Carga), a partir de los
sistemas operaciones de una compañía:
Extracción: obtención de información de las distintas fuentes tanto internas
como externas.
Transformación: filtrado, limpieza, depuración, homogeneización y
agrupación de la información.
Carga: organización y actualización de los datos y los metadatos en la base
de datos.
Una de las claves del éxito en la construcción de un datawarehouse es el desarrollo
de forma gradual, seleccionando a un departamento usuario como piloto y
expandiendo progresivamente el almacén de datos a los demás usuarios. Por ello
es importante elegir este usuario inicial o piloto, siendo importante que sea un
departamento con pocos usuarios, en el que la necesidad de este tipo de sistemas
es muy alta y se puedan obtener y medir resultados a corto plazo.
Principales aportaciones de un datawarehouse
Proporciona una herramienta para la toma de decisiones en cualquier área
funcional, basándose en información integrada y global del negocio.
Facilita la aplicación de técnicas estadísticas de análisis y modelización para
encontrar relaciones ocultas entre los datos del almacén; obteniendo un valor
añadido para el negocio de dicha información.
Proporciona la capacidad de aprender de los datos del pasado y de predecir
situaciones futuras en diversos escenarios.

20
Simplifica dentro de la empresa la implantación de sistemas de gestión
integral de la relación con el cliente.
Supone una optimización tecnológica y económica en entornos de Centro de
Información, estadística o de generación de informes con retornos de la
inversión espectaculares.
Si no está familiarizado con el concepto de datawarehouse, puede resultarle útil,
además, examinar las siguientes definiciones:
Datamart
Datamining
Bases de datos OLTP y OLAP
OLTP - On-Line Transactional Processing
Los sistemas OLTP son bases de datos orientadas al procesamiento de transacciones.
Una transacción genera un proceso atómico (que debe ser validado con un commit,
o invalidado con un rollback), y que puede involucrar operaciones de inserción,
modificación y borrado de datos. El proceso transaccional es típico de las bases de
datos operacionales.
El acceso a los datos está optimizado para tareas frecuentes de lectura y
escritura. (Por ejemplo, la enorme cantidad de transacciones que tienen que
soportar las BD de bancos o hipermercados diariamente).
Los datos se estructuran según el nivel aplicación (programa de gestión a
medida, ERP o CRM implantado, sistema de información departamental...).
Los formatos de los datos no son necesariamente uniformes en los diferentes
departamentos (es común la falta de compatibilidad y la existencia de islas de
datos).
El historial de datos suele limitarse a los datos actuales o recientes.

21
OLAP - On-Line Analytical Processing
Los sistemas OLAP son bases de datos orientadas al procesamiento analítico. Este
análisis suele implicar, generalmente, la lectura de grandes cantidades de datos para
llegar a extraer algún tipo de información útil: tendencias de ventas, patrones de
comportamiento de los consumidores, elaboración de informes complejos… etc. Este
sistema es típico de los datamarts.
El acceso a los datos suele ser de sólo lectura. La acción más común es la
consulta, con muy pocas inserciones, actualizaciones o eliminaciones.
Los datos se estructuran según las áreas de negocio, y los formatos de los
datos están integrados de manera uniforme en toda la organización.
El historial de datos es a largo plazo, normalmente de dos a cinco años.
Las bases de datos OLAP se suelen alimentar de información procedente de
los sistemas operacionales existentes, mediante un proceso de extracción,
transformación y carga (ETL).
Persistencia ROLAP, MOLAP, HOLAP
Datamining (Minería de datos)
El datamining (minería de datos), es el conjunto de técnicas y tecnologías que
permiten explorar grandes bases de datos, de manera automática o semiautomática,
con el objetivo de encontrar patrones repetitivos, tendencias o reglas que expliquen
el comportamiento de los datos en un determinado contexto.
Básicamente, el datamining surge para
intentar ayudar a comprender el contenido
de un repositorio de datos. Con este fin,
hace uso de prácticas estadísticas y, en
algunos casos, de algoritmos de búsqueda
próximos a la Inteligencia Artificial y a las
redes neuronales.
De forma general, los datos son la materia
prima bruta. En el momento que el usuario
les atribuye algún significado especial pasan
a convertirse en información. Cuando los
especialistas elaboran o encuentran un
modelo, haciendo que la interpretación que
surge entre la información y ese modelo

22
represente un valor agregado, entonces nos referimos al conocimiento. Vea
más diferencias entre datos, información y conocimiento.
Aunque en datamining cada caso concreto puede ser radicalmente distinto al anterior,
el proceso común a todos ellos se suele componer de cuatro etapas principales:
Determinación de los objetivos. Trata de la delimitación de los objetivos
que el cliente desea bajo la orientación del especialista en data mining.
Preprocesamiento de los datos. Se refiere a la selección, la limpieza, el
enriquecimiento, la reducción y la transformación de las bases de datos. Esta
etapa consume generalmente alrededor del setenta por ciento del tiempo total
de un proyecto de data mining.
Determinación del modelo. Se comienza realizando unos análisis
estadísticos de los datos, y después se lleva a cabo una visualización gráfica
de los mismos para tener una primera aproximación. Según los objetivos
planteados y la tarea que debe llevarse a cabo, pueden utilizarse algoritmos
desarrollados en diferentes áreas de la Inteligencia Artificial.
Análisis de los resultados. Verifica si los resultados obtenidos son
coherentes y los coteja con los obtenidos por los análisis estadísticos y de
visualización gráfica. El cliente determina si son novedosos y si le aportan un
nuevo conocimiento que le permita considerar sus decisiones.
Carga de trabajo en las fases de un proyecto de datamining
En resumen, el datamining se presenta como una tecnología emergente, con varias
ventajas: por un lado, resulta un buen punto de encuentro entre los investigadores
y las personas de negocios; por otro, ahorra grandes cantidades de dinero a una
empresa y abre nuevas oportunidades de negocios. Además, no hay duda de que
trabajar con esta tecnología implica cuidar un sinnúmero de detalles debido a que
el producto final involucra "toma de decisiones".

23
En el artículo Data Mining: Torturando a los datos hasta que confiesen, Luis Carlos
Molina proporciona una visión muy clarificadora sobre la minería de datos, incluyendo
interesantes ejemplos de aplicaciones de la misma. Recomendamos su lectura.
Si no está familiarizado con el concepto de Datamining, puede resultarle útil, además,
examinar las siguientes definiciones:
Datamart
Datawarehouse
Plan director
El plan director es un documento formal en el que se intenta plasmar, por parte de
los responsables de una compañía (directivos, gerentes, empresarios...) cual será la
situación de la misma dentro un período de tiempo, generalmente de 5 a 10 años.
El plan director es cualitativo: define las futuras cualidades (no las cantidades) de
la compañía, finalista: indica lo que se quiere conseguir, pero no cómo conseguirlo,
yatemporal: no establece plazos para alcanzar lo propuesto, a excepción de la
propia vigencia del plan.
El plan director recoge tres puntos principales:
Productos y servicios: describe el catálogo de productos y/o servicios que
ofrecerá la compañía a sus clientes, y en los que deben basarse sus ingresos en
el medio y en el largo plazo. Esta enumeración debería ser visionaria, completa y
realista.
Mercado potencial: describe el perfil de los clientes que tendrán acceso a
los productos que ofrece la compañía (público final, empresas...), indicando el
segmento más aproximado y sus características principales.
Ventajas competitivas: describe las características que deben situar a la
compañía en una situación ventajosa con respecto a su competencia. Estas
ventajas deben ser, ante todo, difíciles de imitar y sostenibles en el tiempo.
Aprenda más sobre ventajas competitivas aquí.

24
En la práctica, el plan director se suele condensar en un documento escrito
(generalmente de menos de 10 páginas) que no es más una instantánea del futuro
que los directivos quieren para su compañía.
El plan director es, por tanto, el eje central sobre el que se articularán otros
documentos de vital importancia para la empresa, como el plan estratégico o el plan
operativo anual.
Si no está familiarizado con el concepto de Plan Director, puede resultarle útil,
Plan estratégico
Plan estratégico
El plan estratégico es un documento formal en el que se intenta plasmar, por parte
de los responsables de una compañía (directivos, gerentes, empresarios...) cual será
la estrategia de la misma durante un período de tiempo, generalmente de 3 a 5 años.
El plan estratégico es cuantitativo: establece las cifras que debe alcanzar la
compañía,manifiesto: describe el modo de conseguirlas, perfilando la estrategia a
seguir, ytemporal: indica los plazos de los que dispone la compañía para alcanzar
esas cifras.
El plan estratégico recoge tres puntos principales:
Objetivos: un objetivo es un hecho que no depende directamente de la
compañía, y que está formado por la ecuación: cantidad a alcanzar + plazo para
conseguirlo. El verbo asociado a un objetivo es siempre conseguir:
- Conseguir una facturación de 1.000.000 € antes de 2.010.
- Conseguir incrementar la rentabilidad económica un 10% durante 2.008.
- Conseguir una cuota de mercado del 40% antes de Noviembre de 2.007.
Los objetivos del tipo: "Optimizar los recursos empleados" o "Maximizar el
beneficio durante este año" no son válidos, ya que no indican una cantidad a
alcanzar y un plazo para conseguirlo. Tampoco sería correcto el

25
objetivo: "Gastar 10.000 € en renovar el equipamiento informático durante
Febrero", ya que eso depende directamente de la compañía.
Políticas: una política es una conducta que marca la compañía, y que sirve
para describir su actitud, continuada en el tiempo, a la hora de enfrentarse a
situaciones de diversa índole. El verbo asociado a una política es
siempre establecer:
- Establecer una política de cobros a 30 días y de pagos a 90 días.
- Establecer una política de contratación para titulados con al menos 2 años de
experiencia.
- Establecer una política retributiva basada en un 80% de retribución fija y 20%
retribución variable.
Existen muchos parámetros sobre los que se puede establecer la actitud de la
empresa, como la política de tesorería, la política de atención al cliente, la
política de recursos humanos, la política de imagen corporativa, la política de
reparto de dividendos...
Acciones: una acción es un hecho que depende directamente de la
compañía, y que generalmente se lleva a cabo para facilitar la consecución de
los objetivos, fomentar el respeto a las políticas impuestas, o vertebrar la
estrategia global de la empresa. El verbo asociado a una acción es
siempre realizar:
- Asistir a los principales congresos del sector para mejorar la formación
interna.
- Lanzar una campaña de publicidad en TV y periódicos para promocionar el
nuevo producto.
- Elaborar un manual de procedimientos interno que agilice la incorporación de
nuevos miembros.
Las acciones se suelen agrupar de tal manera que sea sencillo identificar su
origen y, a su vez, su finalidad. Así se pueden clasificar como dependientes de
un objetivo estratégico, de una política de empresa o simplemente como
acciones puntuales.
En la práctica, el plan estratégico se suele sintetizar en un documento escrito
(generalmente de menos de 20 páginas), concretando así las líneas estratégicas
generales a seguir por la compañía.
El plan estratégico describe, por tanto, una manera de conseguir las cualidades
organizacionales enumeradas en el plan director. No obstante, el plan estratégico no

26
suele estar lo suficientemente detallado como para actuar a nivel departamental.
Para ello, se suele utilizar el plan operativo anual.
La herramienta de Business Intelligence dedicada a la inclusión y seguimiento del
plan estratégico en una empresa es el Cuadro de Mando Integral o Balanced
Scorecard.
Si no está familiarizado con el concepto de Plan Estratégico, puede resultarle útil,
Plan director
El plan operativo anual es un documento formal en el que se enumeran, por parte de
los responsables de una entidad facturadora (compañía, departamento, sucursal u
oficina) los objetivos a conseguir durante el presente ejercicio.
El plan operativo anual debe estar perfectamente alineado con el plan estratégico de
la empresa, y su especificación sirve para concretar, además de los objetivos a
conseguir cada año, la manera de alcanzarlos que debe seguir cada entidad
(departamento, sucursal, oficina...).
Por ejemplo, ante un objetivo estratégico global del tipo: "Conseguir una facturación
de 1.000.000 € antes de 2.010.", un plan operativo debe desglosar esa cifra para
cada año:"Conseguir una facturación de 600.000 € en el año 2.008", "Conseguir una
facturación de 800.000 € en el año 2.009", "Conseguir una facturación de 1.000.000
€ en el año 2.010".
Además, el plan operativo anual debe desglosar los objetivos para cada entidad
facturadora: "La oficina de Madrid debe alcanzar una cifra de ventas de 200.000 €
en el año 2.008", "La oficina de Valencia debe alcanzar una cifra de ventas de 150.000
€ en el año 2.008", etc...
Incluso, dentro de cada sucursal o departamento es posible hallar una predicción del
volumen esperado de ventas para cada mes del año (teniendo en cuenta la

27
estacionalidad del producto o las oscilaciones que ha experimentado el mercado en
años anteriores).
Por tanto, es común en un plan operativo anual disponer, para cada mes (desde
enero a diciembre), de un valor POA para cada objetivo. A medida que va avanzando
el año es posible fijar el valor real que se ha alcanzado y, por tanto, hallar posibles
errores o desviaciones en el plan.
Por ejemplo, para el caso del objetivo:
"La oficina de Madrid debe alcanzar una cifra de ventas de 200.000 € en el año 2.008"
Mes POA Acumulado Real Acumulado Desviación
Enero 15.000 € 16.292 € 1.292 €
Febrero 30.000 € 26.488 € -3.512 €
Marzo 50.000 € 41.351 € -8.649 €
Abril 70.000 € 60.134 € -9.866 €
Mayo 85.000 € 74.011 € -10.989 €
Junio 100.000 € 88.506 € -11.494 €
Julio 120.000 € (-) (-)
Agosto 150.000 €
Septiembre 170.000 €
Octubre 180.000 €
Noviembre 190.000 €
Diciembre 200.000 €

28
Esto es preciso hacerlo, naturalmente, para cada objetivo anual de cada entidad.
Lo más importante de este modelo es que, mediante un correcto seguimiento del
plan operativo anual, se puede hallar no sólo las desviaciones en el plan, sino también
el motivo de su origen. La herramienta de Business Intelligence dedicada a este fin
es una de las más implantadas en las empresas modernas: el Cuadro de Mando
Integral oBalanced Scorecard.
Si no está familiarizado con el concepto de Plan Operativo Anual, puede resultarle
útil, además, examinar las siguientes definiciones:
Plan director
Plan estratégico
Plataformas de Business Intelligence
A continuación mostramos las principales plataformas de Business Intelligence con
las que trabaja nuestra empresa. Si desea un listado más exhaustivo de productos
puede consultar aquí.
Ejemplos prácticos de Business Intelligence
A continuación mostramos una serie de ejemplos reales (resumidos) de Business
Intelligence:

29
Empresa conservera
Este caso práctico se refiere a uno de las mayores empresas conserveras de Galicia,
con presencia internacional, más de 500 empleados y cerca de 100.000.000 € de
facturación.
A pesar de que en el sector conservero es bien conocida la estacionalidad de las
ventas (el consumo de atún en conserva se dispara en verano, debido a su
participación en las ensaladas) y en diciembre (con motivo de la navidad), esta
empresa no había sido capaz de optimizar la cantidad de producto finalizado que
debía almacenar en stock para maximizar sus beneficios.
Mediante la implantación de un sistema de soporte a la decisión (DSS), y tras el
análisis minucioso de los datos históricos que guardaba la compañía, resultó posible
rediseñar todo el proceso logístico y de almacenamiento productivo hasta el punto
de incrementar la rentabilidad económica de la misma (independientemente de la
producción y la demanda) en un 10%.
Cadena de supermercados
Una conocida cadena de supermercados gallegos ha recurrido a un sistema de
Business Intelligence para averiguar cual era el perfil de sus clientes más rentables
e intentar hacer lo posible para fidelizarlos.
Para ello, una de las primeras acciones que llevó a cabo fue la creacción de una
"tarjeta descuento", que vinculara a los clientes con el club del supermercado. Para
poder optar a esta tarjeta, cada cliente debía facilitar sus datos personales básicos
(edad, sexo, origen...) y unos datos complementarios de sus preferencias. A cambio
recibía descuentos eventuales en sus compras.
Tras haber acumulado una relevante cantidad de datos, llegó el momento de extraer
la información requerida mediante un sistema de soporte a la decisión. Entre las
rarezas obtenidas en los resultados, cabe destacar que el perfil ideal de cada cliente
tenía sustanciales diferencias en función de la ubicación geográfica, a pesar de que
el límite del análisis era dentro de la propia Galicia.
Cooperativa lechera
En una cooperativa láctea de origen gallego, cuyos productos se publicitan en TV a
nivel nacional, se habían desatado las alarmas debido a las grandes desviaciones
económicas existentes, cada año, entre los parámetros estimados en enero y los
resultados analizados doce meses más tarde.
Finalmente, para resolver el problema y potenciar al máximo sus sistemas
informáticos tradicionales, la cooperativa decidió implantar un cuadro de mando

30
integral (Balanced Scorecard) y realizar un seguimiento minucioso de sus objetivos
estratégicos. Tras ocho meses desde la puesta en producción del sistema,
consiguieron encontrar el origen de las desviaciones y tomar las acciones oportunas
para enderezar la trayectoria operativa de la empresa.
Por otro lado, y como efecto colateral estrechamente relacionado, el sistema ha
permitido analizar el impacto en las ventas de cada una de sus campañas
publicitarias. Basándose la información contenida en sus propias bases de datos, la
cooperativa ha conseguido desde entonces adaptar su publicidad para incrementar
en un 8% su cuota de mercado.
Operador de telecomunicaciones
Este ejemplo hace referencia a uno de los mayores operadores de telecomunicación
del mundo, con más de 91 millones de clientes en 220 países de los cinco continentes.
Esta organización cuenta con 190.000 empleados y ofrece una gama completa de
servicios de telecomunicaciones: telefonía local, internacional y móvil; internet y
multimedia; transporte de datos; y difusión de TV por cable.
En los últimos años, la empresa ha venido utilizando los sistemas informáticos como
un arma estratégica fundamental en la batalla entre operadores de
telecomunicaciones. El objetivo de una de sus principales iniciativas ha sido reducir
las inconsistencias en los datos y compartir la información de manera más eficaz
entre las diferentes áreas de negocio, implementando en toda la organización
estándares en el campo del software de gestión.
Peluquería local
Una peluquería de Santiago de Compostela llevaba dos años abierta al público.
Durante todo ese tiempo, las dueñas, dos chicas jóvenes y emprendedoras, habían
trabajado todos los días de la semana (a excepción, naturalmente, de los domingos)
para sacar adelante su negocio.
Al haber estabilizado su cartera de clientes decidieron descansar un día más a la
semana. Su primera opción fue cerrar los lunes, como las demás peluquerías de la
zona. No obstante, decidieron basar su decisión en la información histórica que
habían recogido en su pequeña aplicación de citas.
Los resultados obtenidos fueron contudentes, ya que el lunes resultó ser el cuarto
día más rentable de la semana (probablemente como consecuencia del cierre de la
competencia). Finalmente el día elegido para descansar fue el martes.

31
¿Cómo saber si su empresa necesita una solución BI?
Recuerde que el objetivo del Business Intelligence es colocar todos los datos al
alcance de toda la empresa, proporcionando las herramientas para extraerlos de las
aplicaciones, conferirles un formato estándar, y posteriormente almacenarlos en un
repositorio optimizado para una entrega de la información rápida y resumida que
haga posible un análisis muy detallado.
Para realizar un diagnóstico instantáneo de su empresa, sólo tiene que responder al
siguiente cuestionario:
¿Está seguro de qué productos y clientes son los más importantes para su
empresa?
Sí No N/a
¿Tiene problemas para crear una visión clara de toda su organización?
Sí No N/a
¿Sabe si está perdiendo cuota de mercado con respecto a su competencia?
Sí No N/a
¿Ha perdido oportunidades de negocio por recibir información atrasada?
Sí No N/a
¿Dedica horas extras a analizar documentos e informes?
Sí No N/a
¿Tiene informes de varios sistemas operacionales que no concuerdan?
Sí No N/a
¿Dispone de alguna ventaja competitiva clara con respecto a las demás
empresas de su sector?
Sí No N/a
¿Sabe con certeza si su gente está alcanzando los objetivos planificados?
Sí No N/a
Si al menos la mitad de las respuestas han sido afirmativas, su empresa puede
encontrar importantes beneficios al implantar un sistema de Business Intelligence.
En caso contrario, puede consultar aquí los motivos por los que quizá llegue a
interesarle en un futuro.

32
Razones por las que invertir en Business Intelligence
Según un artículo de Gartner Research, la falta de conocimiento es la mayor amenaza
para las empresas modernas. Para ello, apuntan, “el objetivo del Business
Intelligencees eliminar las conjeturas y la ignorancia en los ambientes empresariales,
aprovechando los vastos volúmenes de datos cuantitativos que las empresas
recolectan todos los días en sus diversas aplicaciones corporativas”.
BI como solución tecnológica
Centralizar, depurar y afianzar los datos. Las tecnologías de BI permiten
reunir, normalizar y centralizar toda la información de la empresa, mediante
unalmacén de datos, permitiendo así su explotación sin esfuerzo. De esta
forma, los departamentos comercial, operativo y financiero basan las
decisiones estratégicas en la misma información.
Descubrir información no evidente para las aplicaciones actuales. En
el día a día de las aplicaciones de gestión se pueden esconder pautas de
comportamiento, tendencias, evoluciones del mercado, cambios en el
consumo o en la producción, que resulta prácticamente imposible reconocer
sin el software adecuado. Es lo que se puede calificar como extraer
información de los datos, y conocimiento de la información.
Optimizar el rendimiento de los sistemas. Las plataformas de BI se
diseñan para perfeccionar al máximo las consultas de alto nivel, realizando
las transformaciones oportunas a cada sistema (OLTP - OLAP), y liberando los
servidores operacionales.
BI como ventaja competitiva
Seguimiento real del plan estratégico. Si su empresa dispone de plan
estratégico, el business intelligence le permite, mediante un cuadro de
mando, crear, manejar y monitorizar las métricas y los objetivos estratégicos
propuestos en ese plan, para poder detectar a tiempo las desviaciones,
adoptando las acciones oportunas para corregirlas.
Aprender de errores pasados. Al historizar los datos relevantes, una
aplicación de BI permite que una empresa aprenda de su historia y de sus
mejores prácticas, y que pueda evitar tropezarse de nuevo con los mismos
errores del pasado.
Mejorar la competitividad. Según la consultora internacional Gartner, 7 de
cada 10 compañías realizan análisis sobre sus datos de forma diaria, o incluso
instantánea, en el 2.006. Este mecanismo les permite maximizar su

33
rentabilidad. La acuciante tendencia a explotar la información marca cada vez
más la diferencia en los sectores.
Obtener el verdadero valor de las aplicaciones de gestión. Durante los
últimos años, las empresas se han embarcado en la construcción de estas
aplicaciones clave para sus negocios. Sin embargo, no siempre han sabido
aprovechar todo el potencial que les pueden proporcionar: cuentas de
resultados, cash-flow, etc… Con el business intelligence, todos los empleados,
desde el director general hasta el último analista, tienen acceso a información
adecuada, integrada y actualizada

Por qué business intelligence

Más contenido relacionado

La actualidad más candente (20)

Similar a Por qué business intelligence (20)

Último (20)

Por qué business intelligence