Algo peor que no tener información disponible es tener mucha información y no saber qué hacer con ella. La Inteligencia de Negocios o Business Intelligence.

Presentación del tema: "Algo peor que no tener información disponible es tener mucha información y no saber qué hacer con ella. La Inteligencia de Negocios o Business Intelligence."— Transcripción de la presentación:

1 Algo peor que no tener información disponible es tener mucha información y no saber qué hacer con ella. La Inteligencia de Negocios o Business Intelligence (BI) es la solución a ese problema, pues por medio de dicha información puede generar escenarios, pronósticos y reportes que apoyen a la toma de decisiones, lo que se traduce en una ventaja competitiva. La clave para BI es la información y uno de sus mayores beneficios es la posibilidad de utilizarla en la toma de decisiones. BI apoya a los tomadores de decisiones con la información correcta, en el momento y lugar correcto, lo que les permite tomar mejores decisiones de negocios. La información adecuada en el lugar y momento adecuado incrementa efectividad de cualquier empresa.

2 La inteligencia de negocio actúa como un factor estratégico para una empresa u organización, generando una potencial ventaja competitiva, que no es otra que proporcionar información privilegiada para responder a los problemas de negocio: entrada a nuevos mercados, promociones u ofertas de productos, control financiero, optimización de costes, planificación de la producción, análisis de perfiles de clientes, rentabilidad de un producto concreto, etc. Las organizaciones necesitan respuestas inmediatas a sus preguntas comerciales urgentes, por ejemplo cómo reducir costes de manera selectiva, cómo incrementar su efectivo o distribuir el capital de trabajo con mayor eficacia. No se pueden permitir el lujo de esperar soluciones costosas que sean lentas o incapaces de responder a las condiciones comerciales en constante cambio.

3 Solución Business Intelligence

4 OBJETIVOS Sistemas Control de Gestión Gerentes/Ejecutivos
Concentración de esfuerzos: Soportar las operaciones diarias Garantizar calidad y consistencia de datos Eliminación de esfuerzos de desarrollo de informes. Flujo de Información sin transcripciones ni manipuleos Sin papeles intermedios para la generación Tiempo libre para analizar y dar valor agregado a la información Cobertura completa de factores clave Focalización: Menor cantidad y mayor valor agregado Amigabilidad: información con formato amistoso y esquemas de navegación intuitivos Oportunidad: información (consolidada) según la necesidad del momento Información en la “Punta de los dedos”

5 COMPONENTES DE LA INTELIGENCIA DE NEGOCIOS
Las herramientas OLAP, junto con los Data Warehouse y Data Marts, entre otros, son algunos de los elementos fundamentales de la Inteligencia de Negocio (BI), debido al valor estratégico e impacto que genera en las empresas. Una solución de BI incluye la implementación de una serie de herramientas y técnicas orientadas a gestionar, explotar, distribuir y estructurar información. Entre ellas, destacan las siguientes:  Data Warehouse: (DW) o almacén de datos es una colección de datos que es extraída desde diferentes fuentes de información a lo largo de la empresa (bases de datos departamentales, intranet, sistemas transaccionales, etc.), con la finalidad de permitir la realización de consultas y análisis, fundamentalmente, para ayudar a la toma de decisiones. Apunta a disponer de una visión única de los clientes y proveer la mayor cantidad posible de información a los usuarios de la empresa, facilitándose el monitoreo del negocio.

6  Data Mart : un Data Mart o cubo de datos puede entenderse como un subconjunto del repositorio de datos, que se orienta a un área específica del negocio, como recursos humanos, ventas o marketing. En otras palabras, un Data Mart corresponde a un almacén de datos más restringido que un DW en cuanto al volumen de datos que contiene y al alcance dentro de la organización. Desde ese punto de vista, se trata de un repositorio que requiere menores costos y tiempo para construirse respecto de un DW, teniendo en común el que ambos permiten la realización de consultas, a través del uso de las herramientas OLAP.

7  Herramientas OLAP : (On Line Analytical Processing) son un conjunto de herramientas capaces de responder rápida y ágilmente a las solicitudes de información de los usuarios y que deben reflejar cualquier lógica de negocio por las que se consulte. Las herramientas OLAP presentan información multidimensional, es decir, desde múltiples perspectivas. Una de las principales cualidades de las herramientas de OLAP es identificar tendencias, es decir, permiten apoyar la toma decisiones considerando diversas variables, así como también permiten identificar cambios en las preferencias de los clientes. Sin embargo, aunque pueden responder consultas complejas y ratificar información, lo hacen siempre dependiendo del usuario, que es quien define las relaciones a considerar.

8 Beneficios Reducción de plazos de obtención de información
Explotación corporativa de la información Liberación de horas hombre y costos asociados (Sistemas - áreas de Gestión - Usuarios) Mayor disponibilidad y facilidad de acceso a la información Posibilidad de obtener información y análisis antes irrealizables Reducción de costos operativos Excelente imagen externa de la organización Exposición de los problemas de calidad de datos en los sistemas Altos niveles de seguridad y control La información es oportuna, íntegra, relevante y confiable Los procesos manuales son prácticamente inexistentes Mayor disponibilidad de tiempo para el análisis

9  Data Mining : (DM) o minería de datos es una técnica orientada a extraer información desde grandes volúmenes de datos y corresponde a una de las claves de la inteligencia de negocios. El DM es un proceso que consta de tres fases: preparación de los datos, extracción de información e interpretación de los resultados. Normalmente, el DM se realiza con las llamadas técnicas de verificación, métodos de descubrimiento y búsqueda de patrones, los cuales se apoyan en herramientas de visualización de datos y construcción de modelos, con el objetivo de realizar predicciones utilizando los patrones detectados en los datos conocidos con información del pasado. De allí que el DM no es una herramienta orientada sólo a las asociaciones estadísticas, sino una tecnología que es fundamentalmente prospectiva, que permite descubrir nuevos factores, tendencias y asociaciones desconocidas previamente, llegando incluso a ser predictiva.

10 El proceso de descubrimiento de conocimiento en bases de datos involucra varios pasos: • Determinar las fuentes de información: que pueden ser útiles y dónde conseguirlas. • Diseñar el esquema de un almacén de datos (Data Warehouse): que consiga unificar de manera operativa toda la información recogida. • Implantación del almacén de datos: que permita la navegación y visualización previa de sus datos, para discernir qué aspectos puede interesar que sean estudiados. Esta es la etapa que puede llegar a consumir el mayor tiempo. • Selección, limpieza y transformación de los datos que se van a analizar: la selección incluye tanto una criba o fusión horizontal (filas) como vertical (atributos).La limpieza y pre-procesamiento de datos se logra diseñando una estrategia adecuada para manejar ruido, valores incompletos, secuencias de tiempo, casos extremos (si es necesario), etc.

11 • Seleccionar y aplicar el método de minería de datos apropiado: esto incluye la selección de la tarea de descubrimiento a realizar, la selección de él o de los algoritmos a utilizar. La transformación de los datos al formato requerido por el algoritmo específico de minería de datos. Y llevar a cabo el proceso de minería de datos, se buscan patrones que puedan expresarse como un modelo o simplemente que expresen dependencias de los datos, el modelo encontrado depende de su función (clasificación) y de su forma de representarlo (árboles de decisión, reglas, etc.), se tiene que especificar un criterio de preferencia para seleccionar un modelo dentro de un conjunto posible de modelos, se tiene que especificar la estrategia de búsqueda a utilizar (normalmente está predeterminada en el algoritmo de minería).

12 • Evaluación, interpretación, transformación y representación de los patrones extraídos: Interpretar los resultados y posiblemente regresar a los pasos anteriores. Esto puede involucrar repetir el proceso, quizás con otros datos, otros algoritmos, otras metas y otras estrategias. Este es un paso crucial en donde se requiere tener conocimiento del dominio. La interpretación puede beneficiarse de procesos de visualización, y sirve también para borrar patrones redundantes o irrelevantes. • Difusión y uso del nuevo conocimiento. Incorporar el conocimiento descubierto al sistema (normalmente para mejorarlo) lo cual puede incluir resolver conflictos potenciales con el conocimiento existente. El conocimiento se obtiene para realizar acciones, ya sea incorporándolo dentro de un sistema de desempeño o simplemente para almacenarlo y reportarlo a las personas interesadas.

13 Con la ayuda de herramientas y técnicas tales como el data warehousing y el data mining, la interpretación de los datos actuales nos puede brindar respuestas a preguntas que nos ayudarán a ser más competitivos, como por ejemplo: -   ¿Cuáles son los clientes más rentables, qué productos usan, y por qué? - ¿Qué tan temerosos del riesgo son estos segmentos, y por qué? - ¿Qué tipo de promoción puede atraerlos como para tentarlos a adoptar una estrategia de inversiones más agresiva? -  ¿Qué otros productos y servicios es probable que un cliente compre, teniendo en cuenta los productos que actualmente utiliza? - ¿Qué clientes tienen mayor probabilidad de irse a otro competidor?

14 Herramientas Open Source

15 Herramientas Open Source

16 Herramientas Open Source

17 Herramientas Open Source
Beneficios - Capacidad de modificación del código - Independencia del proveedor - La comunidad del Software Libre - Posibilidad de respuesta rápida - Tendencia a calidad y a la utilización de estándares Desventajas - No es conocido por muchos usuarios - Falta de algunas aplicaciones - Costos de implantación e interoperabilidad FUENTE: - - SBI Technology, Javier A. Estefan