Sistemas Información Decisionales

Sistemas de Información
Decisionales
OBS Business School

Contenido
Acerca de este Documento ..............................................................................................................3
Business Intelligence .......................................................................................................................4

Entendiendo BI ..................................................................................................................................4
Business Analytics (BA) ....................................................................................................................6
Big Data..............................................................................................................................................27
Data Warehouses (Fundamentos) ................................................................................................8
DWH – Características .....................................................................................................................9
DWH – Ventajas..............................................................................................................................11
Data Marts ......................................................................................................................................11
Data Mining ......................................................................................................................................13

Cuadros de Mando ..........................................................................................................................15
Herramientas BI..............................................................................................................................24
El reto de los datos en las Organizaciones ................................................................................27
Paradigmas del BI en SaaS ...........................................................................................................32
Internet of Things (IoT).................................................................................................................33
Bibliografía .......................................................................................................................................35
OBS Business School 2

Acerca de este Documento
El presente documento tiene como principal objetivo ofrecer una visión general sobre la
Inteligencia de Negocio especialmente orientada para todos aquellos estudiantes que no poseen una
formación TI. No obstante, su lectura se recomienda también para todos aquellos estudiantes con
formación TI con el fin de refrescar conocimientos, al mismo tiempo de tener un mismo punto de
partida para la asignatura.
Su contenido no pretende hacer un estudio exhaustivo sobre los Sistemas de Información

decisionales, pero sí ubicar rápidamente a los estudiantes dentro de una serie de conceptos y
procesos que el permitan aprovechar al máximo la dinámica de la asignatura.
Este material es complemento base de los aspectos, ejemplos y webinars que serán
realizados durante el transcurso de la asignatura. Los conceptos a continuación descritos serán
profundizados a través del aula virtual y durante las videoconferencias programadas. Así mismo se
complementarán a través de las actividades.

Business Intelligence
Entendiendo BI
La Inteligencia de Negocios o Business Intelligence (BI), es uno de los conceptos en el mundo

tecnológico que ha tenido mayor repunte en los últimos años, este cada vez más es motivo de estudio
para su mayor entendimiento y aprovechamiento dentro de las operaciones y crecimiento de una
empresa.
Podríamos afirmar que la Inteligencia de Negocios es un proceso en el cual se analizan los

datos con que cuenta una organización para obtener información y conocimiento más detallado de
la realidad del negocio, y así facilitar la toma de decisiones y estrategias a seguir para el futuro. Sin
embargo, el término agrupa un conjunto amplio de componentes o elementos, que incluyen procesos
particulares lo que nos lleva a hablar de la existencia de Plataformas de Business Intelligence, las
cuales se componen de estructuras de repositorios de datos estructurados que denominaremos Data
Warehouse, de procesos de integración de datos que llamaremos procesos ETL (Extract, Transform
and Load), de herramientas de análisis de información, tales como OLAP (Online Analytical
Processing), Minería de datos (Data Mining), etc., de servidores y, en fin, de múltiples conceptos que
abordaremos en este estudio.
El objetivo fundamental de poseer una solución de BI recae en el entendimiento de la situación

del negocio y su proyección hacia el futuro, es decir, una plataforma BI recoge los datos provenientes
de diferentes sistemas informáticos, los procesa y los prepara de forma tal que se facilite su análisis
y estudio para comprender de una manera más versátil, amigable y organizativa el pasado y el
presente de la empresa, con lo cual poder obtener la capacidad de identificar tendencias y así estimar
el comportamiento futuro del negocio (modelos predictivos). Todo esto, además, implica el
entendimiento de causas y efectos de eventuales problemas, posibilita la capacidad de tomar
decisiones y acciones para corregirlos y así mejorar el desempeño de la organización. Por otra parte,
a través de una plataforma BI es posible apoyar toda la administración directiva y operacional
derivada de la planificación estratégica de la empresa. Una vez identificados los objetivos, metas e
indicadores del negocio, elementos estratégicos necesarios para conocer el rendimiento del negocio,
son las herramientas BI las que facilitarán la información relacionada con dichos indicadores, en un
formato adecuado para tal fin, en el cual el tomador de decisión se sienta cómodo para ejercer su rol
y desempeñar su función.
Por ejemplo, los departamentos de Marketing y Ventas son unas de las estructuras
organizacionales muy favorecidas con las plataformas BI, estas son capaces de ofrecer información

realmente valiosa relacionada con tendencias de consumo, ventas, clasificación y análisis de los
datos por tipos de clientes, productos, zonas, etc., permitiéndoles emprender campañas de Ventas
y Marketing enfocadas a las necesidades del negocio para su crecimiento y rentabilidad. En
definitiva, podemos puntualizar algunos beneficios empresariales de disponer de una arquitectura de
Business Intelligence:
- Minimiza los riesgos en la toma de decisiones.
- Simplifica el entendimiento de la información.
- Mejora la comunicación de la información.
- Centraliza la responsabilidad en la gestión de la información.
- Apoya el proceso de identificación de la causa raíz de los problemas.
- Permite reconocer tendencias y estimar comportamientos futuros.
- Permite conocer mejor la situación real del negocio.
- Apoya otros procesos productivos de la empresa.
Desde el punto de vista de los atributos que debe tener una plataforma de BI es importante
conocer los siguientes:
• Confiabilidad
Todos los datos contenidos en una plataforma de BI deben ser reales y confiables para los
usuarios del negocio que los utilizarán en la toma de decisiones, en caso contrario, si los
datos poseen errores de contenido se desconfiará del BI y, en consecuencia, habrá una
tendencia a descontinuar su uso por parte de los tomadores de decisión.
• Oportunidad
La información arrojada por una plataforma BI debe ser oportuna, es decir, se debe contar
con esta al momento que se requiera o por lo menos en un período de tiempo aceptable por
los usuarios que requieren la información. En el caso de que algún informe específico no esté
en el momento que se necesita, estos deberán igualmente ser construidos a través de unos
procedimientos lo suficientemente dinámicos y ágiles de forma tal que la información pueda
ser obtenida en el tiempo aceptable y oportuno para la toma de decisiones.
• Rendimiento
De cara a poder cumplir con el atributo antes mencionado relativo a la Oportunidad, los
componentes de una arquitectura BI deben estar configurados para que esta, de manera
integral, posea y ofrezca un alto rendimiento, en especial en términos de velocidad de
procesamiento y versatilidad en la entrega de información.
• Integridad

Uno de los elementos necesarios para cumplir con la Confiabilidad es la integridad de los
datos, esto se refiere fundamentalmente a que los datos deben estar acordes a sus fuentes
de extracción, es decir, los datos contenidos en la plataforma BI deben estar perfectamente
en consonancia con los sistemas de origen aun cuando hayan sido procesados y hayan
sufrido transformaciones y adecuaciones. Por ejemplo, los valores totales del BI deben ser
conciliables con la sumatoria de los valores individuales del sistema del cual se extrajeron los
datos.
• Simplicidad
No debemos confundir la complejidad de la información con la complejidad del formato para
su lectura y comprensión. En este aspecto nos referimos a la simplicidad en las estructuras
de los informes o salida visuales de la información. El peor escenario con que nos podemos
encontrar es una información sencilla visualizada en un formato no entendible por los
tomadores de decisión, por lo que las herramientas BI deben ofrecer mecanismos sencillos y
claros para visualizar la información.
• Relevancia
No se trata de almacenar datos por almacenar datos, una plataforma BI debe contener datos
que realmente interesen al negocio, para tomar decisiones y emprender acciones.
• Seguridad
Tanto la plataforma BI desde el punto de vista técnico como sus administradores debe ofrecer
a la organización la mayor seguridad de la información. Debemos recordar y ser conscientes
de que en estas estructuras reposa la gran mayoría, por no decir todos, de los datos de la
empresa. En consecuencia, el atributo de la Seguridad debe ser tratado con alta prioridad.
Business Analytics (BA)
1. Definición
El concepto Business Analytics es muy confundido con el de Business Intelligence, sin embargo, no
son lo mismo, aunque existe una estrecha relación entre ellos. El BA se apoya en la Minería de Datos
para la búsqueda de relaciones de los datos, generación de mayor información que produzca
Conocimiento, es decir, que a través del análisis realizado se puedan originar acciones concretas
que aumenten la productividad y la eficiencia del negocio. Las herramientas utilizadas para el Análisis
del Negocio van desde simple hojas de cálculo hasta complejas soluciones que emplean complejos
procedimientos automáticos que ayudan al agilizar dicho análisis.
BA también se preocupa por predecir o pronosticar comportamientos futuros del negocio, para lo
cual emplea Modelos Predictivos que se basan de manera automática en el análisis de tendencias
históricas de los datos, así como en el análisis estadístico probabilístico de la ocurrencia de sucesos
para así estimar eventos futuros. Hoy en día las herramientas de BA vienen integradas en la mayoría

de las soluciones BI de los principales proveedores del mercado, aun cuando de cualquier forma
estas puedan ser adquiridas de manera independiente.
Hagamos algunas comparaciones para identificar más claramente las diferencias entre BI y BA:
• BI se preocupa de Cuándo ha sucedido mientras que BA se preocupa por determinar si

sucederá de nuevo.
• BI identifica qué ha pasado mientras que BA procura identificar por qué ha pasado.
• BI incluye controles y alertas ante los indicadores mientras que BA investiga a través de la
minería de datos.
• BI se centra más en modelos estadísticos de tendencias históricas mientras que BA se centra
en modelos predictivos de eventos y tendencias futuras.
• BI utiliza constantes mientras que BA utiliza variables para probar y simular comportamientos
en los datos y de esta manera crear escenarios y anticipar situaciones.
Es importante destacar que todas las comparaciones que se hacen entre BI y BA no pretenden
descifrar cuál es mejor o peor y mucho menos vender una u otra solución, lo importante es aclarar
de cara a las organizaciones ambos conceptos con el fin de que estas puedan complementar sus
beneficios y emplear de ambas las funcionalidades que más necesiten en un momento determinado.
2. Ejemplos
• Utilización de modelos predictivos en el análisis de supervivencia a bordo del Titanic utilizando

la herramientas SPSS Modeler de IBM.
Introducción al Data Mining prediciendo la supervivencia a bordo del Titanic - YouTube

Data Warehouses (Fundamentos)
Los Data Warehouse (DWH) son más antiguos de lo que pensamos, inicialmente denominados como
simples repositorios de datos que servían para liberar altos tiempos de procesamiento en los
sistemas de información en los momentos de grandes operaciones de consultas para la generación
de informes destinados al análisis del Negocio y sus decisiones. El diseño de estos repositorios de
datos fue evolucionando, requiriendo cada vez más transformaciones en los datos para obtenerlos
en un formato más orientado a dicho análisis. Así, hoy en día un DW es una base de datos que
almacena buena cantidad de información muy valiosa para el negocio a la cual se puede acceder a
través de diferentes herramientas. Esta información proviene de diversas fuentes de información o
sistemas de información de una empresa u organización para llevar a cabo sus operaciones
tradicionales.
El volumen e historia que contenga el DWH dependerá esencialmente

de las necesidades de información que posea el Negocio para el
análisis y toma de decisiones.
Para muchos autores el DWH es el punto de partida para BI, dentro de

la visión del Instituto Internacional de Data Management, el DWH es la
solución tecnológica que soporta a la Inteligencia de Negocio, siendo
este una base de datos integrada para el soporte de las decisiones, que
además recopila datos que han sido extraídos desde diversas y
variadas fuentes internas o externas a la organización.
El diseño y construcción de un DWH recae en especialista de Bases de Datos, sin embargo,

independientemente de la metodología empleada o de la base de datos, tanto dicho diseño como
construcción se debe realizar con base a los requerimientos de información del Negocio.
La función del Data Management de cara al Data Warehousing se fundamenta en:
1) Entender las necesidades de información del Negocio orientada al BI

2) Definir la arquitectura y el mantenimiento del DWH
3) Implementar DWH y Data Marts
4) Procesar Datos hacia el DWH

5) Monitorizar y controlar la actividad operativa del DWH, mantener la entonación
adecuada para garantizar su mejor desempeño.
DWH – Características
A continuación, se explican algunas de las características de los Data Warehouses:
Usualmente reside en un servidor propio separado del entorno operativo transaccional. La

intención de esta característica es no poner en riesgo el rendimiento (performance) de los
sistemas operacionales. No obstante, en la actualidad con la evolución de la virtualización de
los servidores es posible que el DWH se encuentre en uno de estos servidores. Vale la pena
señalar que la virtualización de servidores consiste en el aprovechamiento de las capacidades
de un equipo en términos de procesamiento y memoria RAM para funcionar como su nombre
lo indica de manera virtual la emulación de más de un servidor en un mismo equipo
ejecutando diferentes sistemas de información.
La Carga de información en el DWH puede ser relativa en el tiempo. Aunque dependerá de

los requerimientos de usuario, un DWH tendrá la información en un momento determinado
luego de esta producirse en los sistemas fuentes, este período de tiempo puede varias
dependiendo fundamentalmente de la necesidad de la organización y del grado de
transformación que los datos deban tener, siendo, por ejemplo, desde mensual, semanal,
diario, incluso hasta considerarse en tiempo real (Real Time).

La normalización de una estructura de datos radica es un procedimiento de definición de
cómo los datos van a ser almacenado en dicha estructura. De esta forma, una estructura
normalizada es aquella que descompone la información en datos (atributos) a la más mínima
expresión de detalle posible almacenada de manera individual, procurando minimizar la
redundancia en dichos datos, mantener su integridad y su rápido tratamiento individual. Para
realizar la normalización nos apoyaremos en los modelos de entidad relación en el diseño de
bases de datos. Por otro lado, una estructura de datos No normalizada o des normalizada
consiste por el contrario en almacenar la información en datos más orientados a la
redundancia y a la independencia relacional. Una base de datos no normalizada tiende a ser
menos eficiente en el tratamiento de los datos orientados a las operaciones, pero por otra
parte tiende a ser más eficiente en el tratamiento de los mismos orientados al análisis, en
este sentido, los DWH poseen datos procesados, tradicionalmente basados en estructuras
Menos Normalizadas o No Normalizadas.
Los DWH no son actualizados o modificados por los usuarios finales, sólo acceso de lectura.
Una de las principales características de los DWH es su no volatilidad, es decir, su
actualización debe venir igualmente desde la fuente a través de los mecanismos técnicos que
poseen los procesos ETL. Con esto se persigue fundamentalmente mantener la coherencia
y sincronización entre el DWH y las fuentes de datos.
Debe ser basado en requerimientos del negocio. Tanto el diseño como la construcción de un
Data Warehouse debe ser con base a las necesidades de negocio, las cuales serán
traducidas en términos técnicos a modelos de datos que soporten dichas necesidades.
Disponibilidad, la información de un DWH debe estar a disposición en todo momento para

el proceso de toma de decisiones, entendiendo estas no solo con un alcance estratégico, sino
también táctico y operacional. Esta característica además está íntimamente relacionada con
la versatilidad y el timing, no queremos solamente la información disponible sino en el
momento oportuno que sea requerida y con unos tiempos de respuesta acordes a las
necesidades.
Seguro, confiable y auditable, la seguridad de la información no es un tema exclusivo de

las fuentes de datos, ésta transciende a toda la plataforma BI y en este sentido al DWH. Quién
debe tener acceso a cuál información, Data Management da respuesta a esta interrogante,

ofreciendo además que el DWH sea confiable para su uso, y con la capacidad de poder
auditar la información que allí se almacena.
Homologa formatos en los datos. Integra datos. Los DWH al almacenar datos
transformados desde diferentes fuentes, permite al negocio hablar un mismo idioma, tener
una visión homologada de la información para evitar la confusión que podría generar tener
islas de información
DWH – Ventajas
Las ventajas de los DWH son muchas, a continuación, citaremos algunas de las más
relevantes:
Permite integrar los datos de diferentes sistemas, permite mayor entendimiento y

comprensión de los datos. Una visión homologada de la información.
Mantiene la historia del negocio para la reflexión de lo que ha pasado, acciones de lo que
está pasando y planificación del futuro.
Mejora los tiempos para la toma de decisiones.
Apoya la optimización de los procesos de negocio y el rendimiento de los sistemas

operacionales. Las consultas no recaen sobre el sistema fuente, sino que esa carga
operacional se desvía hacia el DWH.
Genera conocimiento del negocio para la organización, identificando sucesos y tendencias.
Data Marts
Esencialmente un Data Mart es el almacén de datos para un área específica de la organización. Sus
características son equivalentes a las de un DWH, solo que con datos exclusivos para una
determinado departamento o unidad de negocio.
Dada su similitud de funciones es común que en el día a día de la organización los términos de DWH
y Data Marts se confundan o se usen indistintamente, sin embargo, la clave será comprender que la
información del Data Mart representa un subconjunto de lo que podría estar o no en un DWH.

Importancia y Utilidad
Facilitar acceso a datos que se utilizan frecuentemente para áreas particulares de la

organización.
Agilizar los tiempos de respuestas a datos específicos requeridos por áreas específicas de la
organización.
Adecuación más particularizada para el área determinada de la empresa.
La arquitectura de los Data Marts puede variar tal como se puede identificar en la siguiente imagen:
En la ‘Arquitectura Dependiente’ los datos deben pasar primero por el DWH Corporativo, de allí su
nombre, lo que conlleva a una mejor administración técnica, pero trae como consecuencia un mayor
tiempo de procesamiento para la disponibilidad de la información y un mayor riesgo de generación
de errores. Por otra parte, la ‘Arquitectura Independiente’, no visualiza la necesidad de un DWH sino
del conjunto de Data Marts para cubrir las necesidades de negocio, aquí la información está más
rápido disponible pero su administración técnica es más compleja.

Data Mining
http://frontender.com/blog/enablers/data-mining/
1. ¿Qué es el data mining?
https://www.youtube.com/watch?v=ueAaIEr0PY4
http://www.uoc.edu/web/esp/art/uoc/molina1102/molina1102.html
KDd. Knowledge Discovery DataBase

https://es.slideshare.net/rauls85/mineria-de-datos-presentation

2. Ejemplos
• Sector Retail.
En el siguiente video podréis ver varios ejemplos divertidos de cómo se utiliza el datamining en
el sector Retail en diferentes países del mundo. Incluye el caso curioso de Target de
‘pregnancy prediction score’.
https://www.youtube.com/watch?v=f2Kji24833Y

Cuadros de Mando
A la hora de realizar análisis, resulta más cómodo y más efectivo visualizar la información utilizando
distintas representaciones gráficas para obtener una visión clara de qué tendencias siguen los datos
disponibles. Una vez identificadas las anomalías, entonces el usuario puede entrar en detalle a
analizar qué es lo que está ocurriendo según los datos. ¿Pero cómo crear una vista completa, y a la
vez de alto nivel, de los datos que pueda ser consultada directamente? Las tecnologías
especializadas en la generación de Cuadros de Mando (o en inglés dashboard) nos ayudarán en
conseguir este objetivo.
http://cmigestion.es/cuadro-de-mando-comercial/
Todos los sistemas de BI permiten extraer los datos almacenados mediante consultas. sin
embargo, estos datos no tienen por qué estar pensado para mostrarse directamente al usuario.
Es decir, podría ser una lista de datos almacenado en una tabla con diferentes campos para que
un técnico especialista pudieses identificar rápidamente un determinado estado de un proceso.
Si se quiere ir un paso más allá y formatear la información de manera que se entienda por una
persona que de manera rápida y de forma visual debe tomar una decisión, entonces estamos
hablando de una visualización a través de un Cuadro de Mando que por detrás necesitará un
sistema de BI.

El nombre de Dashboards o Cuadros de Mandos procede del paralelismo que se estableció con el
cuadro de mando de un vehículo. Cualquier persona (con un nivel conocimiento muy básico de la
mecánica de un vehículo) puede entender el estado de un vehículo en marcha mirando su cuadro de
mandos, de igual manera podemos también comprender el estado de un proceso de negocio
simplemente echando un vistazo al cuadro de mandos correspondiente.
1. Tipos de Cuadros de Mando
Se agrupan en dos tipos:
a) Cuadros de Mando Estratégicos o Integrales.
Diseñados para la alta dirección de la organización con la información que les es relevante.
b) Cuadros de Mando Operacionales o Analíticos.
Destinados a otras capas de la organización.
2. Información contenida en el Cuadro de Mando
• ¿Qué información es la que se incluye en un Cuadro de Mando?
Típicamente, la información mostrada en un Cuadro de Mando depende del usuario del

mismo. No obstante, es común que el Cuadro de Mando proporcione información acerca del
rendimiento del proceso de negocio mostrando los valores actuales de las medidas del
mismo. A su vez, esta información viene complementada por datos procedentes de las
dimensiones involucradas en el proceso. Por ejemplo, las ciudades que más contribuyen a
las ventas o la tendencia de las mismas en el último trimestre.
• De forma complementaria, el dashboard suele incluir una tabla extraída del almacén que
contiene la información exacta que se está mostrando, y que permite al usuario navegar de
cara a verificar hipótesis que puedan surgir durante el análisis del cuadro de mandos.
Sin embargo, la misma información puede mostrarse de distintas maneras. Veamos los elementos
de los que disponemos para construir nuestro dashboard ideal.
3. Elementos que conforman un Cuadro de Mando
• Existen numerosas formas de visualizar la información. Los elementos más habituales son
las gráficas que muestran valores y tendencias en los datos, como:

o Gráficos de barras
o Gráficos de líneas
o Tablas resumen
• Además, existen representaciones especializadas para ciertos tipos de datos, como por
ejemplo los geográficos, que suelen representarse directamente sobre mapas del mundo o
los gráficos de cuerdas para representar información de las redes sociales
• Además de estos elementos disponemos de otros tipos de representaciones dedicadas al

análisis, entre los que podemos destacar:
o Mapas de calor
o Gráficas de dispersión
o Choropleth (mapa que se indican los valores por zonas y colores)
o Parallel Coordinates
o Sankey Diagram
Estos gráficos se encuentran disponibles en la mayoría de soluciones de BI que ofrecen los

vendedores.
4. Soluciones de BI para el diseño de Cuadros de Mando
En el mercado existen diversas herramientas de BI que soportan y facilitan el diseño de Cuadros de

Mando, así como su publicación en un servidor para la compartición con otros usuarios en una
intranet o, incluso en internet.
Algunas soluciones:
o Open Source:
Permiten el desarrollo de Cuadros de Mando completos y personalizados a las necesidades

de los usuarios, pero suelen requerir de conocimientos de programación y diseño.
Ejemplos: Pentaho Community, Spago, Jaspersoft o ReportServer.
o Self Service:
Permiten a los usuarios finales de forma sencilla diseñar y publicar en el servidor de

Dashboard.
Ejemplos: Tableau, Qlikview,

Mediante estas soluciones podemos crear cuadros de mandos que nos permitan asegurarnos de la
buena marcha de nuestra empresa, desplegando toda la información relevante de un solo vistazo sin
necesidad de ejecutar múltiples consultas de forma manual para extraer la información
5. KPIs (‘Key Performance Indicators’ o Indicadores de Gestión)
Los números absolutos por sí solos no dan mucha información sin un contexto, necesitamos un
criterio. Un volumen de 100.000 ventas mensuales para una pequeña tienda de barrio es increíble,
mientras que para una gran superficie como Carrefour sería un absoluto desastre. Aquí es donde
entra en juego la definición de Indicadores Clave de Rendimiento, o de forma abreviada KPIs
• Los KPIs se basan en el principio de “una empresa es lo que mide”. Lo que no se mide, no
se controla, y lo que no se controla, no se puede mejorar.

• Un KPI es una fórmula que permite medir el desempeño de la empresa, normalmente de cara
a la consecución de un objetivo empresarial o a la buena marcha de un proceso. Para la
medición hacen falta al menos cuatro valores: un valor actual, un valor objetivo, un valor
umbral y un tiempo hasta el objetivo.
Por ejemplo, si nuestro objetivo es incrementar las ventas un 10%, en realidad lo que
estamos diciendo es que, al finalizar el año fiscal (tiempo hasta el objetivo), nuestro volumen
de ventas (fórmula) debe haberse incrementado un 10% por encima del volumen del año
anterior (valor objetivo). Si durante el primer trimestre nuestras ventas aumentaron
únicamente un 5% con respecto al primer trimestre del año anterior, deberemos tomar alguna
medida para alcanzar el 10% anual con éxito.
Por supuesto, no toda fórmula con un objetivo arbitrario es un KPI. Los KPIs deben cumplir una serie
de propiedades que enumeramos a continuación.
5.1. Propiedades de un KPI:
• De forma abreviada, un KPI debe de cumplir la abreviatura S.M.A.R.T:
o Specific:
Un KPI debe de ser específico, y medir únicamente una sola cosa. De lo contrario,
distintos tomadores de decisión pueden llegar a conclusiones distintas sobre el mismo
KPI, lo cual puede ocasionar un problema.
o Measurable:
Un KPI debe de ser medible, es imposible tomar decisiones sobre algo que debe ser
cuantificable si en realidad no tiene un valor ni se puede calcular.

o Achievable:
Un KPI debe de ser realista y alcanzable, no tiene sentido dedicar todo el esfuerzo y
recursos de la compañía a mejorar el desempeño de un indicador que jamás podrá
ser satisfecho.
o Relevant:
El valor de un KPI debe influir en los objetivos estratégicos de la empresa. Si el valor

de un KPI es irrelevante para la estrategia empresarial, el KPI en sí mismo no tiene
sentido ni merece dedicarle esfuerzo y recursos.
o Time framed:
Un KPI debe de estar definido en el tiempo, debe de estar claro a partir de cuándo
comienza a medirse y cuando debe de haber alcanzado su objetivo, de forma que
pueda realizarse un seguimiento de su evolución y analizar cómo se modifica su valor
conforme se toman decisiones y se llevan a cabo iniciativas.
• Además de estas propiedades, normalmente los KPIs se asocian con una perspectiva o
departamento de la empresa. Las perspectivas más habituales son las definidas por
Kaplan y Norton, que se distribuyen en Finanzas, Producto, Aprendizaje y Cliente, aunque
cada empresa puede utilizar su propio conjunto de perspectivas. La idea fundamental es
que todas las áreas deben estar cubiertas, a fin de garantizar que las actividades de la
empresa están adecuadamente monitorizadas.
5.2. Definición y seguimiento de KPIs
• Los KPIs de una empresa dependen principalmente de la actividad que desarrolle y de la

forma de operar de la empresa
• El mecanismo habitual de definición de KPIs es mediante un proceso de descubrimiento,

prueba y validación iterativo.
o Un comité encargado de la elicitación de KPIs, analiza los KPIs utilizados por otras
empresas en el desarrollo de actividades similares
o El comité evalúa si estos KPIs pueden asociarse con objetivos estratégicos de la

empresa. Aquellos que pueden asociarse, se traducen en fórmulas de acuerdo con
los datos almacenados en la empresa y ayudan a identificar otras posibles fórmulas
que podrían utilizarse como KPIs

o Cada KPI candidato es implementado y puesto a prueba durante un periodo variable
o Pasado el periodo, se comprueba cómo ha evolucionado el KPI con respecto al

objetivo que pretende medirse y al desarrollo de la empresa. Si la evolución es
positiva, el KPI se incluye en la lista de KPIs de la empresa y se le asigna un
responsable. De lo contrario, se descarta y se repite el proceso.
Introducción al Big Data para aplicaciones de negocio. Lucentia Lab 2014
Resulta importante hacer especial hincapié en el último punto. Como decíamos al principio, “una
empresa es lo que mide”. Si una empresa utiliza los KPIs equivocados y no se deshace de ellos, lo
que hará será utilizar todo su esfuerzo en un objetivo inútil. Teniendo esto en cuenta vamos a ver las
formas en las que podemos representar un KPI y algunos ejemplos.
5.3. Formas de representar un KPI y ejemplos

• La representación más habitual de un KPI es en forma de barra horizontal, con una marca
para representar el objetivo y un indicador de cuánto tiempo queda para alcanzarlo.
• Una representación alternativa es el uso de “cuentakilómetros” como los utilizados en los

vehículos, con colores para representar en verde la zona de consecución del objetivo, en
amarillo la zona entre el umbral y el objetivo marcado y en rojo la zona de peligro por debajo
del umbral.
• De cara a mostrar un resumen, las empresas suelen agrupar los KPIs en los llamados
Cuadros de Mandos Integrales o Balanced Scorecards, que presentan toda la información
referente a estos indicadores de forma resumida.
• Alternativamente, en la actualidad se propone la representación en forma de árbol,

combinando la visión de los objetivos de la empresa con los KPIs asociados a cada objetivo.
• En general, todas las representaciones incluyen un nombre para el KPI, una fórmula en
lenguaje natural en la descripción y el valor correspondiente del KPI. Por ejemplo, algunas
definiciones de KPIs utilizados en negocio electrónico son las siguientes:
o Ratio de conversión: Cuántos visitantes acaban comprando un producto
o Número de ventas (mensuales, trimestrales, anuales)
o Margen medio de beneficio
o Número de páginas visitadas por usuario
o Tiempo medio por visita

o Número de peticiones de atención al consumidor
o Tiempo medio de resolución de llamadas de atención al consumidor
Mediante estos KPIs podemos identificar anomalías en nuestra actividad empresarial, adelantarnos
a la aparición de problemas, focalizar el esfuerzo en corregirlos y mejorar el desempeño de la
empresa para alcanzar con éxito los objetivos estratégicos marcados.

Herramientas BI
Cuando se quiere analizar herramientas hay dos principales fuentes de información a consultar:
Gartner (https://www.gartner.com) y Forrester (https://go.forrester.com).
Ambas son consultoras de prestigio que posicionan las diferentes aplicaciones del mercado en base
a propios criterios de análisis.
• Gartner posiciona a los diferentes ‘vendors’ en una parrilla denominada ‘cuadrante mágico’
en base al análisis de dos ejes: ‘abililty to execute’ y ‘completeness of visión’. En la parrilla se
identifican 4 cuadrantes en donde se posicionando las diferentes aplicaciones como:
‘challenges’, ‘leaders’, ‘visionaries’ y ‘niche players’.
• Forrester posiciona a los diferentes venders en un diagrama de ola al que llama ‘Forrester
wave’, comparando los ejes de ‘current ofering’ con ‘strategy’, identificando en 4 olas los
siguientes posicionamientos: leaders, strong performers, contenders y challengers.
Los análisis se realizan cada trimestre y por tanto para comparar información debéis estar mirando
el mismo rango temporal, aun así, las conclusiones de ambas consultoras pueden diferir pue utilizan
metodología de análisis diferentes.
1. Herramientas ‘Business Intelligence and Analytics Platforms’
Permiten desarrollar visualizaciones y conectar con repositorios de datos, es decir, tienen integradas
la capa OLAP y la de visualización
En la siguiente figura se muestra el análisis realizado en 2017 sobre soluciones de BI y analítica de

datos. Gartner: Magic quadrant for Business Intelligence and Analytics Platforms.

https://cdn2.hubspot.net/hubfs/2172371/Q1%202017%20Gartner.pdf?t=149626062
En la siguiente figura se muestra el análisis realizado por Forrester en Q3’17 sobre Enterprise
BI Platform (en concreto para instalaciones on-premise, es decir, en infraestructuras locales
y no incluyendo soluciones en la nube).
http://saqlik.com/wp-content/uploads/2017/09/Forrester-BI-Sep-2017.pdf

Existen herramientas Open Source (BIRT, pentaho, JasperSoft, talend, SpagoBI, Knime, metabae,
etc) y herramientas propietarias como reflejan Gartner/Forrester. También en modalidad onpremise
o en el cloud (Microsoft Power BI Azure, Google BigQuery, Google Fusion Table, etc).
2. Herramientas minería de datos. ‘Data sciencie and machine learning’
En la siguiente figura se ha utilizado el magic quadrant de Gartner para ver las herramientas de
datamining (‘data science and machine learning’) existente en el mercado.
https://www.kdnuggets.com/2018/02/gartner-2018-mq-data-science-machine-learning-changes.html

Big Data
Es una plataforma tecnológica que ha sido concebida para gestionar grandes volúmenes de datos,
tanto internos (generados por la propia organización), como externos (provenientes principalmente
de redes sociales), inmensamente superiores a los que gestionan las plataformas TI con sistemas
operativos y manejadores de bases de datos tradicionales del mercado.
La tendencia al tratamiento del Big Data es cada vez mayor, sobre todo por el crecimiento
sostenido de las redes sociales y la participación de las organizaciones en estas, también incluyen
la cantidad de datos en formato visual que día a día se generan y que igualmente son importantes
para las empresas, nos referimos a imágenes, videos, publicidades, mensajes de textos, archivos de
sonidos, etc. Imaginemos por un momento la cantidad de datos que diariamente almacenan grandes
compañías trasnacionales de Banca o Telecomunicaciones, por ejemplo, al guardar todos los
mensajes de texto, registros de llamadas de sus clientes, registros de validación de centrales
telefónicas y antenas, transacciones bancarias, etc. Más aún cuando en muchas localidades es
exigencia regulatoria mantener varios años de historia de estas transacciones y de muchas otras.
Todos estos formatos y volúmenes de información que gestionan plataformas Big Data siguen
siendo muy relevantes para la Inteligencia de Negocios en la Organizaciones. Big Data permite poder
almacenar la información, analizarla, crear tendencias, etc. Las plataformas tradicionales TI estaban
presentando problemas con el tratamiento de estos grandes volúmenes de datos y de diferentes
tipos, no solo a nivel de costos sino también en los mecanismos para gestionarlos en los tiempos
requeridos por el negocio, sus usuarios y clientes. Por este motivo ha surgido Big Data y los
principales fabricantes y proveedores de soluciones de tecnologías de información han lanzado
soluciones integrales para la gestión del Big Data, esto es, plataformas especialmente diseñadas en
términos de hardware (espacio en disco y memoria) y software (sistema operativo y manejadores de
base de datos) para la administración de tan grades cantidades de datos.

¿Qué es Big Data?
https://www.youtube.com/watch?v=mqMFMgVnRO8
¿Qué es Big Data y cómo usarlo en tu negocio?
https://www.youtube.com/watch?v=CcDCqW88uNY
Las V’s del Big Data es una característica esencial de identificación que se explican en los siguientes links:
https://www.youtube.com/watch?v=3AjaLBt6uUU
https://www.youtube.com/watch?v=S81frJYbjcE
1. Volumen
Cantidad de datos que son generados y se almacenan con la finalidad de procesarlos para transformar los
datos en acciones.
2. Velocidad
Es la rapidez en la que los datos son creados, almacenados y procesados en tiempo real.
3. Variedad
Formas, tipos y fuentes en las que se registran los datos.
4. Veracidad
Grado de fiabilidad de la información recibida.
5. Valor
Datos que se transforman en información, ésta a su vez en conocimiento y este en acción o en decisión.
6. Viabilidad
Capacidad que tienen las empresas en generar un uso eficaz del gran volumen de datos que manejan.
7. Visualización
Modo en que los datos son presentados para encontrar patrones y claves ocultas.

El reto de los datos en las Organizaciones
Son muchas las organizaciones que en la actualidad no han logrado explotar todas las
ventajas y beneficios que puedan tener a partir de los datos, la identificación y la comprensión de su
alcance se ha constituido en un gran reto a lo largo y ancho de cada empresa, es un error suponer
que cada empleado aprovecha la información que pueden generar a partir de los datos y del uso de
las herramientas BI y Big Data, más aún, en muchas ocasiones identifican necesidades de
información y acuden a procesos propios, internos, de escritorio para procesar durante muchas horas
datos que muy probablemente estén ya procesados en el BI.
Para trabajar sobre este reto la principal recomendación es crear campañas e iniciativas que
transmitan a todos los empleados las capacidades de información y los beneficios que tiene la
empresa por contar con una arquitectura BI. Esta función debe recaer principalmente en los directivos
de las áreas funcionales y técnicas informáticas.
Por otra parte, también existe una gran brecha entre la perspectiva y visión con respecto al
concepto y uso de la Inteligencia de Negocio entre las áreas informáticas y las funcionales. Las áreas
informáticas tienden a centrarse en los asuntos técnicos, velocidades de procesamiento, rendimiento
de los servidores, creación de consultas, etc. Muchas veces perdiendo de vista la visión estratégica
del negocio. Por su parte, las áreas funcionales tienden a concentrarse exclusivamente en sus
necesidades sin contemplar la complejidad técnica y los impactos en tiempo y recursos de sus
requerimientos. Esta brecha se ha convertido en un gran reto dentro de las empresas, para lo cual
hoy en día se han creado estructuras organizativas especialmente destinadas a la gestión y gobierno
de la información, estas estructuras son llamadas con muchos nombres, dependiendo del tamaño y
las características particulares de cada empresa, por lo general, por ejemplo, las encontraremos
como Gerencia de Gestión de la Demanda, Gerencia de Información, Coordinación de
Relacionamiento de Requerimientos de Información, Dirección de Business Intelligence, etc. Su
función principal es canalizar todos los requerimientos de información y servir como intermediario
entre los especialistas informáticos BI y las áreas de negocio, organizando, planificando y
controlando todos los requerimientos generados, definiendo formatos de presentación de la
información, contenido de los informes, niveles de acceso relacionados con perfiles de usuarios,
análisis de la viabilidad técnica y funcional de los requerimientos de información, etc. Siempre
velando por que el enfoque de la arquitectura de Business Intelligence esté alineada con los objetivos
estratégicos de la empresa, generando información veraz, oportuna y confiable, estos últimos
atributos claves de un modelo BI.
Otras empresas que han aceptado el reto impuesto por la inteligencia de negocios son las
proveedoras de soluciones de Business Intelligence, estas han evolucionado y siguen mejorando

soluciones especiales para cada tipo de industria, con informes y vistas de datos adaptados a las
necesidades de cada sector, Esta forma de trabajo basada en recopilar e implementar las mejores
prácticas, es decir aquellas que se han mostrado como más eficientes y /o han proporcionado de
forma clara valor añadido, permite evolucionar e ir incorporando mejoras continuas a su plataforma
de BI. En cuanto a Big Data ha sucedido lo mismo, rápidamente los principales fabricantes han
creado soluciones propias con base a Big Data, buscando agregar valor directamente al negocio.

Paradigmas del BI en SaaS
El SaaS (Software como Servicio o en inglés ‘Software as a Service)’, es un modelo de
negocio que han implementado compañías tecnológicas en el cual ofrecen sus soluciones de
sistemas de información en un entorno y administración propia. Es decir, donde la empresa que los
contrata no requiere de la compra de licencias o mantenimientos, sino que contrata el uso de dicho
sistema como un servicio que en la gran mayoría de casos incluye infraestructura, mantenimiento y
hospedaje (hosting, alojamiento de aplicaciones y servicios web).
Son muchas las empresas que aún no aceptan o concientizan el uso del SaaS, sobre todo
para sus sistemas operacionales, contables y administrativos, ¿la razón?, principalmente por poner
en manos de terceros sus operaciones diarias y por sentir el control directo e inmediato de su
personal ante su plataforma tecnológica de información. No obstante, en lo que respecta a BI, este
razonamiento no ha sido aplicado en su totalidad, cada vez más son las empresas que contratan un
SaaS para la gestión de su BI, ¿por qué?, principalmente por los siguientes motivos:
• Costes: ofertas significativamente menores comparando con un proyecto de implementación

de una arquitectura BI y su posterior mantenimiento.
• Adecuadas soluciones: son los proveedores que se han preocupado por ofrecer buenos
sistemas BI como servicio, incluyendo la especialidad en áreas específicas de negocio.
• Mayor aceptación al riesgo en la interrupción de operaciones: muchas veces la salida de

servicio de una plataforma de BI no afecta directamente a las operaciones diarias de la
empresa (de hecho, muchas empresas todavía no cuentan ni con un sistema de BI) por lo
que la tolerancia al riesgo en este sentido es mayor.
Sin embargo, el SaaS aún debe vencer el paradigma de la seguridad en la información; más aún
cuando se trata de BI. Existen grandes miedos por parte de los tomadores de decisión y la Dirección,
cuyas principales preocupaciones son: ¿dónde estarán los datos?, ¿están seguros?, ¿quiénes
tendrán acceso?, entre otros. Por otra parte, técnicamente también surgen algunos temores
especialmente relacionados con los tiempos de transmisión de datos a través de los diferentes
procesos de una plataforma BI, sobre todo por grandes volúmenes de información que algunos tipos
de empresas tienen que manejar, de esta misma manera también existen miedos por los tiempos de
respuesta de la plataforma BI en un esquema SaaS.
Más allá de todas las consideraciones, lo más destacable es que estamos en presencia de
un mundo cambiante, en cuanto al manejo de la información se refiere, y en tal sentido debemos
estar preparados en cuanto a conceptos, tendencias y, por qué no, preparados para asumir los
cambios.

Internet of Things o Internet de las Cosas (IoT)
Antes de entrar en el mundo del IoT debemos precisar el concepto de Machine-to-Machine
(M2M), por tratarse de un término muy unido desde el punto de vista tecnológico. M2M se refiere
principalmente a la conexión establecida por dos máquinas remotas que compartirán datos entre sí,
permitiendo de esta manera establecer una integración entre dichas máquinas con sistemas y
procesos que permitan alcanzar un objetivo específico.
Estas capacidades de comunicación entre máquinas han permitido diversos avances para las
sociedades, tanto a nivel de las personas como de las organizaciones, su beneficio y usos son muy
amplios, por ejemplo: el control de procesos, detección de eventos (alarmas), meteorología, gestión
del tráfico de automóviles, puntos de ventas, integración con Sistemas de Gestión como ERP, CRM,
Sistemas CORE, etc.
IoT podría parecer un término técnico complejo de entender, sin embargo, su comprensión
podrá resultar más sencilla de lo que creemos, existen muchas definiciones algunas más técnicas,
pero quizás no exista una definición absoluta o única del concepto. Simplemente se trata de la
capacidad que tienen diferentes objetos (sensores, alarmas, relojes, automóviles, etc.) para
conectarse entre sí a través de Internet. Algunos autores se refieren a estos objetos como Objetos
Inteligentes (Smart Objects), con un sentido similar al que entendemos por teléfonos inteligentes
(Smart Phones) y por televisores inteligente (Smart TVs).
Si bien es cierto que las conexiones entre las máquinas son posibles desde hace décadas,
IoT actualmente tiene gran auge debido a los avances tecnológicos en materia de dispositivos
electrónicos más pequeños, abaratamiento de la tecnología en comparación a sus predecesoras y
la versatilidad a la hora de la transferencia de datos, lo que ha originado adicionalmente nuevos
modelos de negocios y de servicios orientados a la información, generación de conocimiento y toma
de decisiones. Así, por ejemplo, IoT es capaz de generar grandes volúmenes de datos, que hasta
hace pocos años atrás era muy costoso almacenarlos y aprovecharlos, sin embargo, hoy en día con
las nuevas tecnologías Big Data no solo se ha abaratado su almacenamiento y procesamiento, sino
que se han logrado diseñar y construir software especializados en la Analítica de los Datos (Data
Analytics) orientados a un mejor y más rápido aprovechamiento de estos.
Por otra parte, la evolución de las tecnologías en la Nube (Cloud) han tenido también su parte
como impulsadoras de IoT, las plataformas en la Nube han permitido la transferencia de datos en
tiempo real, compartirlos y rápidamente aprovecharlos en la generación de conocimiento sobre una
situación o proceso determinado.

Para las personas el IoT ofrece y seguirá ofreciendo muchas soluciones en diferentes ámbitos
de la vida diaria, interviene y seguirá creciendo está intervención en las comunidades, por ejemplo,
con la salud, la educación, seguridad, ahorros, etc. Por su parte, para las empresas hablamos de
soluciones que mejorarán la toma de decisiones, aumento de la productividad en diferentes sectores
como la banca, telecomunicaciones, manufactura, retail, operaciones, entre otros.
A pesar de los paradigmas en IoT relacionados a la seguridad, privacidad, costes, estándares,

regulaciones, etc., su avance sigue siendo realmente impresionante. Las tendencias se han
mantenido, así como la visión sobre los cambios que estas tecnologías representan en materia
social, cultural y económica. Las organizaciones estás teniendo en cuenta los nuevos modelos de
negocio y se pueden abrir gracias a la conexión a Internet e intercambio de datos entre todos los
dispositivos con que contamos hoy en día.
Hay tendencias de crecimiento que son innegables: la población seguirá aumentando, la

tendencia al uso de la web a través de dispositivos móviles, los procesos de transformación digital
de las organizaciones, aparición de nuevos negocios (e-sports, e-banking, e-health. e-movilidad) o
la virtualización de muchos de ellos (e-commerce), Smart cities, y muchos términos todavía por
aparecer: smart companies, smart business, smart data, etc. ¿Estáis preparados?

Bibliografía
• Cano Giner, J. L. (2007). Business intelligence: Competir con información. Madrid: Fundación
Cultural Banesto.
• http://oracle.abast.es/oracle_erp.shtml
• Sinnexus.
http://www.sinnexus.com/business_intelligence/sistemas_soporte_decisiones.aspx
• Antonio Chavez
http://cloudready.com.mx/blog/consideraciones-de-seguridadpara-cloud-computing/
• Tony Sintes.
http://proteco.fi-b.unam.mx/index.php/component/content/article/21-web/85-servidor-de-
aplicaciones-servidor-web-icual-es-la-diferencia.
• Diego F. Romero
http://www.editum.org/Que-Es-Un-Servidor-Web-p-401.html
• Manuel Ramos
http://www.innovadirectivos.es/sistemas-de-informacion/itservice-management/.
• http://www.idc.com/prodserv/idc_cloud.jsp
• Antonio Rivas (Mayo, 2011).
http://www.bi.dev42.es/2011/02/05/analisis-del-cuadrante-degartner-business-intelligence-
2011-parte-1/
• Pablo Albarracín
http://tecno.americaeconomia.com/noticias/el-desafiodel-big-data-mas-que-solo-grandes-
volumenes-de-datos.
• http://docs.oracle.com/cd/B10500_01/server.920/a96520/concept.htm.
• Barry Devlin (Enero, 2011).
http://radar.oreilly.com/print/2011/01/data-warehouse-bigdata.html.
• http://www.tecnicas.com/conceptos/datawarehouse.aspx

• http://www.dataprix.com/datawarehouse-vs-datamart.
• http://es.insight.com/content/oracle/obi_marketing.
• http://searchbusinessanalytics.techtarget.com/definition/business-analytics-BA.
• https://www.mulesoft.com/resources/esb/enterprise-application-integration-eai-and-esb#eai-
approach
• Big Data. Universidad de Alicante.
• Karen Rose, Scott Eldridge, Lyman Chapin. The Internet of Things: An Overview
Understanding the Issues and Challenges of a More Connected World. Octuber 2015
http://www.internetsociety.org/sites/default/files/ISOC-IoT-Overview-20151022.pdf
• Aplicaciones y Servicios M2M.
http://www.tcpsi.com/servicios/m2m.htm Consultado el 04/02/2017.

Sistemas Información Decisionales

Cargado por

Copyright:

Formatos disponibles

Sistemas Información Decisionales

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Sistemas Información Decisionales

Cargado por

Copyright:

Formatos disponibles

Sistemas de Información

OBS Business School

Acerca de este Documento ..............................................................................................................3

Business Intelligence .......................................................................................................................4

Data Mining ......................................................................................................................................13

OBS Business School 2

Su contenido no pretende hacer un estudio exhaustivo sobre los Sistemas de Información

OBS Business School 3

La Inteligencia de Negocios o Business Intelligence (BI), es uno de los conceptos en el mundo

Podríamos afirmar que la Inteligencia de Negocios es un proceso en el cual se analizan los

El objetivo fundamental de poseer una solución de BI recae en el entendimiento de la situación

OBS Business School 4

- Minimiza los riesgos en la toma de decisiones.

- Simplifica el entendimiento de la información.

- Mejora la comunicación de la información.

- Centraliza la responsabilidad en la gestión de la información.

- Apoya el proceso de identificación de la causa raíz de los problemas.

- Permite reconocer tendencias y estimar comportamientos futuros.

- Permite conocer mejor la situación real del negocio.

- Apoya otros procesos productivos de la empresa.

OBS Business School 5

Business Analytics (BA)

OBS Business School 6

• BI se preocupa de Cuándo ha sucedido mientras que BA se preocupa por determinar si

• Utilización de modelos predictivos en el análisis de supervivencia a bordo del Titanic utilizando

Introducción al Data Mining prediciendo la supervivencia a bordo del Titanic - YouTube

OBS Business School 7

El volumen e historia que contenga el DWH dependerá esencialmente

Para muchos autores el DWH es el punto de partida para BI, dentro de

El diseño y construcción de un DWH recae en especialista de Bases de Datos, sin embargo,

La función del Data Management de cara al Data Warehousing se fundamenta en:

1) Entender las necesidades de información del Negocio orientada al BI

OBS Business School 8

A continuación, se explican algunas de las características de los Data Warehouses:

Usualmente reside en un servidor propio separado del entorno operativo transaccional. La

La Carga de información en el DWH puede ser relativa en el tiempo. Aunque dependerá de

OBS Business School 9

Disponibilidad, la información de un DWH debe estar a disposición en todo momento para

Seguro, confiable y auditable, la seguridad de la información no es un tema exclusivo de

OBS Business School 10

Permite integrar los datos de diferentes sistemas, permite mayor entendimiento y

Mejora los tiempos para la toma de decisiones.

Apoya la optimización de los procesos de negocio y el rendimiento de los sistemas

Genera conocimiento del negocio para la organización, identificando sucesos y tendencias.

OBS Business School 11

Facilitar acceso a datos que se utilizan frecuentemente para áreas particulares de la

Adecuación más particularizada para el área determinada de la empresa.

OBS Business School 12

1. ¿Qué es el data mining?

KDd. Knowledge Discovery DataBase

OBS Business School 13

OBS Business School 14

OBS Business School 15

1. Tipos de Cuadros de Mando

Se agrupan en dos tipos:

a) Cuadros de Mando Estratégicos o Integrales.

b) Cuadros de Mando Operacionales o Analíticos.

Destinados a otras capas de la organización.

2. Información contenida en el Cuadro de Mando