INTELIGENCIA DE NEGOCIOS Business Intelligence(BI) Una herramienta para tomar decisiones.

Presentación del tema: "INTELIGENCIA DE NEGOCIOS Business Intelligence(BI) Una herramienta para tomar decisiones."— Transcripción de la presentación:

1 INTELIGENCIA DE NEGOCIOS Business Intelligence(BI) Una herramienta para tomar decisiones

2 Inteligencia de Negocios Inteligencia de Negocios

3  Algo peor que no tener información disponible es tener mucha información… y no saber qué hacer con ella.  Escenarios, Pronósticos y Reportes  Tomar decisions - Lograr Ventaja competitiva

4 Inteligencia de Negocios Inteligencia de Negocios  La clave para BI es la información y uno de sus mayores beneficios es la posibilidad de utilizarla en la toma de decisiones.  Son muchas las empresas que se han beneficiado por la implementación de una sistema de BI, además se pronostica que con el tiempo se convertirá en una necesidad de toda empresa.  INFORMACIÓN  Vivimos en una época en que la información es la clave para obtener una ventaja competitiva en el mundo de los negocios. Rápido y fácil

5 Inteligencia de Negocios Inteligencia de Negocios  La Inteligencia de Negocios o Business Intelligence.- El proceso de analizar los bienes o datos acumulados en la empresa y extraer una cierta inteligencia o conocimiento de ellos.  bases de datos de clientes  información de la cadena de suministro  ventas personales  actividad de marketing  información relevante para la empresa  Que es Inteligencia de Negocio?  Es el proceso que por excelencia extrae, manipula, procesa, combina, explora y analiza los datos para presentarlos como información

6 Inteligencia de Negocios Inteligencia de Negocios  Inteligencia de negocios a nivel operativo, táctico y estratégico Nivel operativo - Este nivel manejan principalmente herramientas de reportes u hojas de cálculo con formatos fijos que está en constante actualización. Nivel Táctico - Éste nivel permite analizar los datos a nivel medio, permite analizar y consultar información mediante la utilización de software, sin intervención de terceros. Nivel Estratégico - Permite monitorear y analizar las tendencias, patrones, metas y objetivos estratégicos de la alta dirección. Un ejemplo de IN en éste nivel está constituido por: Balanced Scorecard (término introducido por Robert Kaplan y David Norton).

7 Inteligencia de Negocios Inteligencia de Negocios  Componentes de Business Intelligence  Todas las soluciones de BI tienen funciones parecidas, pero deben de reunir al menos los siguientes componentes:  Multidimensionalidad  Data Mining  Agentes  Data Warehouse

8 Inteligencia de Negocios Inteligencia de Negocios  Multidimensionalidad: la información multidimensional se puede encontrar en hojas de cálculo, bases de datos, etc.  Por ejemplo, un pronóstico de ventas de un nuevo producto en varias regiones no está completo si no se toma en cuenta también el comportamiento histórico de las ventas de cada región y la forma en que la introducción de nuevos productos se ha desarrollado en cada región en cuestión.

9 Inteligencia de Negocios Inteligencia de Negocios  Data Mining.- Las empresas suelen generar grandes cantidades de información sobre sus procesos productivos, desempeño operacional, mercados y clientes.  Las aplicaciones de data mining pueden identificar tendencias y comportamientos, no sólo para extraer información, sino también para descubrir las relaciones en bases de datos que pueden identificar comportamientos que no muy evidentes.

10 Inteligencia de Negocios Inteligencia de Negocios  Agentes: Los agentes son programas que piensan. Ellos pueden realizar tareas a un nivel muy básico sin necesidad de intervención humana.  Por ejemplo, un agente pueden realizar tareas un poco complejas, como elaborar documentos, establecer diagramas de flujo, etc.

11 Inteligencia de Negocios Inteligencia de Negocios  Data Warehouse: Es la respuesta de la tecnología de información a la descentralización en la toma de decisiones.  Coloca información de todas las áreas funcionales de la organización en manos de quien toma las decisiones. También proporciona herramientas para búsqueda y análisis.

12 BD transaccional vs. DW Inteligencia de Negocios Inteligencia de Negocios

13 Beneficios : Con información se aumentan las posibilidades de llevar a cabo más y mayores transacciones de venta. Entender de una manera más oportuna las necesidades del entorno. Ventaja Competitiva basados en una toma de decisiones más informada. Proceso de Inteligencia de Negocios

14 Inteligencia de Negocios Inteligencia de Negocios VENTAJA COMPETITIVA TOMA DE DECISIONES CONOCIMIENTO INFORMACION DATO S VENTAJA COMPETITIVA

15 Inteligencia de Negocios Se puede:  Generar reportes globales o por secciones  Crear una base de datos de clientes  Crear escenarios con respecto a una decisión  Hacer pronósticos de ventas y devoluciones  Compartir información entre departamentos  Análisis multidimensionales  Generar y procesar datos  Cambiar la estructura de toma de decisiones  Mejorar el servicio al cliente Que puedo hacer con BI?

16 Inteligencia de Negocios - KDD  KDD: Proceso de Extracción de conocimiento  La Extracción de conocimiento está principalmente relacionado con el proceso de descubrimiento conocido como Knowledge Discovery in Databases (KDD), que se refiere al proceso no-trivial de descubrir conocimiento e información potencialmente útil dentro de los datos contenidos en algún repositorio de información [1]. No es un proceso automático, es un proceso iterativo que exhaustivamente explora volúmenes muy grandes de datos para determinar relaciones. Es un proceso que extrae información de calidad que puede usarse para dibujar conclusiones basadas en relaciones o modelos dentro de los datos. La siguiente figura ilustra las etapas del proceso KDD: [1]

17 Inteligencia de Negocios - KDD Descubrimiento de Conocimiento en Bases de Datos  En los últimos años, ha existido un gran crecimiento en nuestras capacidades de generar y colectar datos (Bajo costo de almacenamiento).  Información oculta  El descubrimiento de esta información oculta es posible gracias a la Minería de Datos (DataMining)  El valor real de los datos reside en la información que se puede extraer de ellos, información que ayude a tomar decisiones o mejorar nuestra comprensión de los fenómenos que nos rodean  Los datos son la materia prima bruta de la INFORMACIÓN

18 Inteligencia de Negocios - KDD  La capacidad de generar y almacenar información creció considerablemente en los últimos tiempos, se ha estimado que la cantidad de datos en el mundo almacenados en bases de datos se duplica cada 20 meses.  Con las sentencias SQL se puede realizar un primer análisis, aproximadamente el 80% de la información se obtiene con estas técnicas.  El 20% restante, que la mayoría de las veces, contiene la información más importante, requiere la utilización de técnicas más avanzadas.

19 Inteligencia de Negocios - KDD  KDD, apunta a procesar automáticamente grandes cantidades de datos para encontrar conocimiento útil en ellos, de esta manera permitirá al usuario el uso de esta información valiosa para su conveniencia.  En resumen El KDD es el Proceso no trivial de identificar patrones válidos, novedosos, potencialmente útiles y, en última instancia, comprensibles a partir de los datos, teniendo como objetivo encontrar conocimiento útil relevante y nuevo sobre un fenómeno o actividad, presentando los resultados de manera visual.

20 Inteligencia de Negocios - KDD  Las metas del KDD son:  Procesar automáticamente grandes cantidades de datos crudos.  Identificar los patrones más significativos y relevantes.  Presentarlos como conocimiento apropiado para satisfacer las metas del usuario.

21 Inteligencia de Negocios - KDD 1.Selección de datos. En esta etapa se determinan las fuentes de datos y el tipo de información a utilizar. Es la etapa donde los datos relevantes para el análisis son extraídos desde la o las fuentes de datos. 2.Preprocesamiento. Esta etapa consiste en la preparación y limpieza de los datos extraídos desde las distintas fuentes de datos en una forma manejable, necesaria para las fases posteriores. En esta etapa se utilizan diversas estrategias para manejar datos faltantes o en blanco, datos inconsistentes o que están fuera de rango, obteniéndose al final una estructura de datos adecuada para su posterior transformación. 3.Transformación. Consiste en el tratamiento preliminar de los datos, transformación y generación de nuevas variables a partir de las ya existentes con una estructura de datos apropiada. Aquí se realizan operaciones de agregación o normalización, consolidando los datos de una forma necesaria para la fase siguiente. 4.Data Mining. Es la fase de modelamiento propiamente tal, en donde métodos inteligentes son aplicados con el objetivo de extraer patrones previamente desconocidos, válidos, nuevos, potencialmente útiles y comprensibles y que están contenidos u “ocultos” en los datos. 5.Interpretación y Evaluación. Se identifican los patrones obtenidos y que son realmente interesantes, basándose en algunas medidas y se realiza una evaluación de los resultados obtenidos.

22 Inteligencia de Negocios - KDD  Relación con otras disciplinas  Sistemas de información / bases de datos  Estadística, aprendizaje automático / IA (redes neuronales, lógica difusa, algoritmos genéticos, razonamiento probabilístico).  Reconocimiento de patrones  Visualización de datos (interfaces)  Computación distribuida

23 Inteligencia de Negocios – El procesos de KDD  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.

24 Inteligencia de Negocios – El proceso de KDD  Selección, limpieza y transformación de los datos que se van a analizar  Seleccionar y aplicar el método de minería de datos apropiado;  clasificación, agrupamiento o clustering  la selección de él o de los algoritmos a utilizar;  forma de representarlo (árboles de decisión, reglas, etc.)  Evaluación, interpretación, transformación y representación de los patrones extraídos.  Difusión y uso del nuevo conocimiento.

25 Inteligencia de Negocios  Como apoya Inteligencia de Negocios al flujo de información de la empresa.  Los modelos de solución de la Inteligencia de Negocios procuran aprovechar las bondades de la tecnología de cómputo para resolver un problema de Administración del Conocimiento. Ante tal postura las aplicaciones de la Inteligencia de Negocios tienden a: “Crear sistemas especializados en una función específica de la empresa, que contribuya a ser mas eficiente el diagnóstico de una situación y tomar la decisión adecuada para su solución; mediante la sistematización del manejo de datos, refinamiento de la información, representación del conocimiento”

26 Inteligencia de Negocios  Importancia de BI en las organizaciones  La toma de decisiones es ineficiente si la entrada de datos es capturada de forma ineficiente, por lo que con frecuencia el análisis de la información es tan basta que la solución puede llegar muy lenta o incluso fuera de tiempo. Es por eso que la importancia de manejar BI es crucial, para el éxito o fracaso de una empresa con datos considerablemente altos y variables.  Las tecnologías de BI buscas incrementar la eficiencia organizacional y su efectividad, agilizando el flujo de datos dentro de la organización.  Existen otros datos dentro de los Bi, que incluso redefinen los procesos ya existentes po unos nuevos, que eliminan pasos o en su caso crean nuevas capacidades.

27 Inteligencia de Negocios  Desafíos críticos para el éxito de BI.  Falta de compromiso de los niveles organizacionales - Poca disponibilidad por parte de los elementos que representan los negocios.  Riesgos de BI  Si se tienen las herramientas adecuadas con el personal inadecuado y/o poco capacitado.  Se vean opacados los resultados obtenidos por el desempeño financiero.  Se trabaja con una relación escasa con los proveedores y se pierden los beneficios de trabajar con ellos y con otros socios de negocios.  La tecnología evoluciona rápidamente, todas ellas al introducirse en la empresa corren un riesgo de no ser manejadas adecuadamente y en su totalidad, hata que son comprendidas y dominadas.  Un riesgo importante es la habilidad de los vendedores.  Acceso erróneo de los datos.  Que la empresa tenga múltiples herramientas de BI, con datos poco claro y metas incompatibles con la organización. Induce a tener diferentes conclusiones de los mimos datos.

28 Inteligencia de Negocios  Casos Prácticos – Ejemplo 1  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.

29 Inteligencia de Negocios  Casos Prácticos – Ejemplo 2  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.

30 Inteligencia de Negocios  Casos Prácticos – Ejemplo 3  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%.

31 Inteligencia de Negocios  Direcciones de referencia  Inteligencia de negocios  https://www.gestiopolis.com/inteligencia-de-negocios/