UNIDAD I.

Introducción a la inteligencia de negocios

Contenido: Duración: 10 horas

1.1. Conceptos básicos de inteligencia de negocios

También llamado Busines Intelligence (BI) al conjunto de estrategias y herramientas

enfocadas a la administración y creación de conocimiento mediante el análisis de datos
existentes en una organización o empresa. La inteligencia de negocios es un conjunto de
iniciativas que le proveen a la gerencia de una empresa la información que ellos necesitan
para hacer su trabajo de una forma más efectiva. Se aplican conocimientos de analítica de
datos, de tecnologías de información, de innovación para solucionar problemáticas de las
áreas Económico-administrativas.

Es una investigación mixta: entrevistas a profundidad en el aspecto cualitativo y

cuestionario en el aspecto cuantitativo; en empresas del sector de tecnologías de
información y comunicación. Los principales hallazgos son: a) el conocimiento es el activo
de mayor valor en las empresas; b) el entorno de negocios es fundamental para la
competitividad; c) la innovación, los sistemas de información y los procesos de toma de
decisiones son parte de la inteligencia de negocios que requieren las empresas, yc) la
inteligencia de negocios desarrolla la competitividad a partir de la gestión del
conocimiento.

La necesidad de realizar una valoración sobre el rol de los activos intangibles dentro de las
organizaciones hace que sea necesario establecer estrategias entre la creación de valor con
base en el conocimiento y los mecanismos de adquisición de este en las empresas. En esta
investigación se plantea la problemática de establecer elementos que desarrollen la
capacidad de fortalecer el conocimiento que las empresas adquieren a través de acciones
centradas en los sistemas de información, la innovación y el proceso de la toma de
decisiones, todo coadyuvando a la ampliación de la inteligencia de negocios como un factor
fundamental en la competitividad empresarial.

Ejemplos de aplicación

1. Informes de marketing digital

centralizado en HelloFresh para
aumentar las conversiones
Empresa: HelloFresh
Problema: Los informes de marketing digital requerían demasiado tiempo, eran
manuales e ineficientes.
Solución: Para la compañía de kits de comidas HelloFresh, una solución de
inteligencia de negocios centralizada ahorró al equipo de análisis de marketing de
10 a 20 horas de trabajo por día al automatizar los procesos de generación de
informes. También permitió al equipo de marketing más amplio elaborar campañas
de marketing digital regionales e individualizadas.

Con base en los análisis agregados del comportamiento del cliente, HelloFresh
creó tres tipos de compradores para guiar sus esfuerzos. El hecho de poder ver y
rastrear datos en tiempo real significa que el equipo puede reaccionar a los
comportamientos de los clientes y optimizar las campañas de marketing. Como
resultado, vieron un aumento en las tasas de conversión y una mejor retención de
clientes.
2. Coca-Cola Bottling Company
maximizó su eficiencia operativa
Empresa: Coca-Cola Bottling Company (CCBC), el mayor socio independiente de
embotellado de Coca Cola
Problema: Los procesos de generación de informes manuales restringen el
acceso a ventas y datos de operaciones en tiempo real.
Solución: El equipo de inteligencia de negocios de Coca-Cola maneja la
generación de informes de todas las operaciones de ventas y entrega de la
empresa. Con su plataforma de BI, el equipo automatizó los procesos de
generación de informes manuales, ahorrando más de 260 horas al año, más de
seis semanas de trabajo de 40 horas.

La automatización de informes y otras integraciones de sistemas empresariales

ponen los datos de administración de relaciones con clientes (CRM) nuevamente
en manos de los equipos de ventas en el campo mediante dashboards móviles
que proporcionan información oportuna y accionable, y una ventaja competitiva
que los distingue de los demás.

Una implementación de BI de autoservicio fomenta colaboraciones más efectivas

entre los TI y los usuarios corporativos, lo que maximiza la experiencia de los
participantes. Los analistas y TI pueden centrarse en una estrategia global y en
innovaciones a largo plazo, como la gobernanza de datos corporativos, en lugar
de en tareas de investigación e informes manuales.
3. Chipotle creó una vista unificada
de las operaciones de los
restaurantes
Empresa: Chipotle
Problema: Las fuentes de datos dispares impedían a los equipos tener una vista
unificada de los restaurantes.
Solución: Chipotle Mexican Grill es una cadena de restaurantes estadounidense
con más de 2400 establecimientos en todo el mundo. Chipotle retiró su solución
de BI tradicional y la cambió por una plataforma de BI moderna y de autoservicio.
Esto les permitió crear una vista centralizada de las operaciones para que
pudiesen realizar un seguimiento de la efectividad operativa del restaurante a
escala nacional.

Ahora que el personal tiene más acceso a los datos, la velocidad de entrega de
informes para proyectos estratégicos se ha triplicado de trimestral a mensual y se
han ahorrado miles de horas de trabajo. "Este fue el boleto para llevar todas las
métricas y la comprensión al siguiente nivel", explicó Zach Sippl, director de
inteligencia de negocios.
 1.2. Inteligencia organizacional

"La inteligencia organizacional es la fuente para el futuro de su organización."

M Mc Master.

La inteligencia organizacional es la capacidad de una organización para tomar decisiones

efectivas, como resultado del conocimiento adquirido y el conocimiento generado, a partir
de la información interna (procedente de los recursos humanos, los procesos, los productos,
etc.) e información externa (análisis de tendencias, clientes, competidores). Por tanto, la
inteligencia organizacional, es la capacidad intelectual de las organizaciones, que no es
precisamente la unión de varias personas inteligentes, soportadas sobre las tecnologías más
avanzadas disponibles para realizar sus funciones, sino que en ella, el conocimiento
individual se gestiona, comparte y regenera en un nuevo conocimiento de carácter
organizacional.

Se realiza una aproximación a la gestión de la información y el conocimiento como

herramientas para la introducción de los enfoques de la denominada inteligencia
organizacional en las instituciones y se analiza la importancia de las nuevas tecnologías y
del profesional de la información en este modelo.
La Inteligencia Organizacional es transformar el conocimiento que tiene un individuo desde
su perspectiva dentro de la organización y convertirlo en un conocimiento colectivo que
permita compartir las reglas, estrategias y procesos para estandarizar y automatizar los
modelos de trabajo, integrar las aplicaciones y servicios corporativos, y responder con
creatividad a las demandas del mercado.

Las empresas y corporaciones, cuando no cuentan con Inteligencia Organizacional, son

ineficientes y no pueden gestionar proactivamente los niveles de servicio requeridos cuando
ejecutan sus procesos de negocio. Una vez adoptan iniciativas de Inteligencia
Organizacional, pueden alcanzar altos niveles de Flexibilidad, Visibilidad y Transparencia
en sus procesos de negocios, facilitando que las actividades relacionadas con ellos puedan
ser priorizadas, enviadas a las personas más indicadas para ejecutarlas y anticiparse para
evitar posibles fallas en los procesos.

La Inteligencia Organizacional busca relacionar los diez factores asociados con cualquier
proceso de negocio: Qué, Porqué, Dónde, Cuándo, Quién, Cómo, Con qué, Cuánto dura,
Qué resuelve y Cuánto vale.
Ante un proceso de negocio, la Inteligencia Organizacional documenta Qué se hace, Porqué
se hace, Dónde y Cuándo se hace, así como Quién lo hace, Cómo lo hace, Con qué recursos
lo hace y Cuánto tiempo dura para que, como resultado, pueda identificarse Qué resuelve y
Cuánto vale.
Una aplicación continua de este método permite perfeccionar el proceso de negocios
evaluado y convertirlo en una fuente de conocimiento para ser utilizado por todos los
actores que participan en la ejecución del mismo.
Los componentes tecnológicos de una iniciativa de Inteligencia Organizacional son los
siguientes:

● Repositorio de Procesos.- Provee una ubicación centralizada para almacenar,

categorizar y tener acceso a los procesos, sub-procesos y elementos relacionados
 (servicios, tableros de control, etc.). Todos los procesos dentro del repositorio son
definidos por un diagrama que representa las actividades tanto humanas como las
realizadas por los sistemas y aplicaciones.
● Motor de Procesos.- Asigna las actividades a los diferentes participantes en el
proceso haciendo fluir la información entre ellos. Un motor de procesos puede
ejecutar cualquier secuencia de pasos o actividades basado en el flujo del proceso y
las reglas de negocios relacionadas con el mismo.
● Integrador de Sistemas.- Incorpora al proceso la información proveniente de otras
aplicaciones, sistemas y bases de datos.
● Métricas de Procesos.- Reúnen la información del desempeño de los procesos
(tiempos de ejecución de las tareas y actividades que están dentro o fuera de los
umbrales definidos) y ofrece componentes para producir los informes relacionados.
● Modelado de Procesos.- Facilita un mecanismo robusto para la definición de los
procesos que va más allá de la elaboración de un diagrama. Captura las
características y el comportamiento del proceso y sus actividades. El método idóneo
para este modelado debe basarse en la Notación de Modelado de Procesos de
Negocios, o Business Process Model and Notation (BPMN).
● Motor para la generación de reportes y análisis.- Recoge y resume los datos de los
procesos y del negocio en reportes y tableros de control. Cuando una solución no
ofrece capacidades de reportes y análisis, pone la información a disponibilidad de
herramientas de terceros.
● Reglas de Negocios.- Provee facilidades para definir parámetros o reglas de negocios
robustas para ser utilizadas dentro de los procesos de negocios, para definir las rutas
de actividades y las condiciones para escalar los casos.
● Simulación, Optimización.- Ilustra los efectos de las condiciones, alternativas y
rutas de actividades dentro de un proceso, o analiza el desempeño de un proceso
publicado.
● Monitoreo de Eventos.- Analiza los procesos y los datos para activar los eventos
requeridos (actividades, escalamiento, notificaciones, etc.).

Ejemplos de aplicación
Analistas como Forrester han identificado que las empresas que tienen Inteligencia
Organizacional han alcanzado incrementos en la productividad de entre 30% y 50% para
los procesos de negocios que involucran a personal operativo y han logrado incrementos de
entre 15% y 30% en los procesos de negocios que involucran a personal táctico y
estratégico.

Gartner ha reportado que basado en las experiencias de sus clientes, el 80% de las empresas
que cuentan con Inteligencia Organizacional obtendrán un retorno anual en productividad
superior al 15%.

Si su empresa aún no ha evaluado ni decidido incluir una iniciativa de Inteligencia

Organizacional dentro de su plan estratégico, es el momento de evaluar el tema seriamente
y acercarse a expertos como IDS de Centroamérica que pueden ayudarle a definir cómo
obtener beneficios cuantificables de la Inteligencia Organizacional.

1.2.1. Gestión de datos

La gestión de datos consiste en recopilar, mantener y utilizar datos de manera segura,

eficiente y rentable. El objetivo de la gestión de datos es ayudar a las personas, las
organizaciones y las cosas conectadas a optimizar el uso de los datos dentro de los límites
de las políticas y normativas, para que puedan tomar decisiones y tomar medidas que
maximicen el beneficio para la empresa. Hoy en día es más importante que nunca disponer
de una estrategia de gestión de datos sólida, ya que las organizaciones confían cada vez más
en activos intangibles para crear valor.

La gestión de datos digitales en una organización abarca una amplia gama de tareas,
políticas, procedimientos y prácticas. La gestión de datos tiene un amplio alcance y abarca
factores como los siguientes:
 ● Creación, acceso y actualización de datos en diferentes niveles.
● Almacenamiento de datos en múltiples nubes y on-premises.
● Alta disponibilidad y recuperación ante desastres.
● Uso de los datos en una amplia variedad de aplicaciones, analíticas y algoritmos.
● Garantía de privacidad y seguridad para los datos.
● Archivo y destrucción de datos de acuerdo con los programas de retención y los
requisitos de cumplimiento normativo.
Una estrategia formal de gestión de datos aborda la actividad de los usuarios y
administradores, las funciones de las tecnologías de gestión de datos, las demandas de los
requisitos normativos y las necesidades de la organización para obtener valor de sus datos.

Los sistemas de gestión de datos en la actualidad

Hoy en día, las empresas necesitan una solución de gestión de datos que proporcione una
forma eficiente de gestionar los datos en un nivel de datos diverso pero unificado. Los
sistemas de gestión de datos se basan en plataformas de gestión de datos y pueden
incluir bases de datos, data lakes, almacenes, sistemas de gestión de big data, analítica de
datos y mucho más.
Todos estos componentes trabajan juntos como una "herramienta de datos" para suministrar
las prestaciones de gestión de datos que toda empresa necesita para sus aplicaciones, así
como la analítica y los algoritmos que utilizan los datos creados por esas aplicaciones.
Aunque las herramientas actuales ayudan a los administradores de bases de datos (DBA) a
automatizar muchas de las tareas de administración tradicionales, la intervención manual
todavía suele ser necesaria debido al tamaño y la complejidad de la mayoría de
implementaciones. Siempre que haya una intervención manual, aumenta la probabilidad de
error. Uno de los objetivos principales de la nueva tecnología de gestión de datos, la base
de datos autónoma, es reducir la necesidad de gestión manual.

5 mejores prácticas para la buena gestión de datos

#1 Define tus objetivos

#2 Mide la calidad de tus datos actuales

#3 Prioriza la seguridad

#4 Monitorea constantemente

#5 Utiliza las herramientas adecuadas

1.2.2. Gestión de la información

¿QUE ES GESTIÓN DE LA INFORMACIÓN?

Gestión de la información (GI) es la denominación convencional de un conjunto de

procesos por los cuales se controla el ciclo de vida de la información, desde su
obtención (por creación o captura), hasta su disposición final (su archivo o
eliminación). Tales procesos también comprenden la extracción, combinación,
depuración y distribución de la información a los interesados. El objetivo de la
gestión de la información es garantizar la integridad, disponibilidad y
confidencialidad de la información.

En el contexto de las organizaciones, la gestión de la información se puede

identificar como la disciplina que se encargaría de todo lo relacionado con la
obtención de la información adecuada, en la forma correcta, para la persona
indicada, al coste adecuado, en el momento oportuno, en el lugar apropiado y
articulando todas estas operaciones para el desarrollo de una acción correcta. En
este contexto, los objetivos principales de la Gestión de la Información son:
maximizar el valor y los beneficios derivados del uso de la información, minimizar
el coste de adquisición, procesamiento y uso de la información, determinar
responsabilidades para el uso efectivo, eficiente y económico de la información y
asegurar un suministro continuo de la información.
La gestión de la información no tiene una diferenciación clara con la gestión
documental o la archivística. La GI aparece a mediados de los años 1950, cuando
los sistemas informáticos empezaron a ser comunes en todo tipo de
organizaciones. De acuerdo a la definición que se haga de “documento” y
“archivo”, pueden llegar a utilizarse indistintamente los conceptos.

El uso del término es extendido cuando se quiere hacer énfasis en un modelo de

gestión documental que, además de los elementos tradicionales, involucra
tecnología de la información y la comunicación (TIC), en la organización,
almacenamiento, y recuperación de información. En este contexto, un experto en
GI deberá, además de poseer la competencias de archivística, tener competencias
en áreas relacionadas con las TIC tales como redes de computadores,
criptografía, administración de sistemas operativos y servidores, etc.

La Gestión de la información se desarrolla a través de los procesos de selección,

localización, adquisición, análisis, almacenamiento y conservación de la información en
cualquier tipo de soporte, así como su búsqueda, recuperación y difusión, se reduce a
garantizar la accesibilidad y difusión de la información. Pero ya una década antes, la
información se definía como recurso estratégico, como valor intangible esencial, y a su
gestión como un elemento clave en el logro de la competitividad de las organizaciones
basan su éxito en conservar y recuperar información.

La finalidad de la Gestión de la información es ofrecer mecanismos que permitan a la

organización, adquirir, producir y transmitir, datos e informaciones con una calidad,
exactitud y actualidad suficientes para servir a los objetivos de la organización. En términos
perfectamente entendibles, sería conseguir la información adecuada, para la persona que lo
necesita, en el momento que lo necesita, para tomar la mejor de las decisiones. En el
momento actual, parece indiscutible que el éxito de la empresa no dependerá únicamente de
cómo maneje sus activos materiales, sino también de la gestión de los recursos de
información.

Ejemplos de aplicación

Hoy en día existen diferentes tipos de sistemas de información en base a sufinalidad, pero

desde el punto de vista más básico, son 4 los tipos principales:

CRM

Sus siglas significan Customer Relationship Management, es decir, gestión de relación con
el cliente. Este tipo de software automatiza las funciones relacionadas con los datos de los
clientes, permitiendo su almacenaje. Esto permite que las empresas puedan contactar a un
determinado tipo de clientes en base a sus intereses y a los datos almacenados.
SCM

Los sistemas SCM, o Supply Chain Management (administración de la cadena de

suministro), integran los procesos relacionados con los proveedores de servicios, productos
e informaciones. Su finalidad es satisfacer al consumidor gracias a la integración de datos
relacionados con la fabricación y proveedores, para que la logística sea óptima y las
mercancías se entreguen a tiempo y evitar la rotura de stock.
ERP

Los sistemas llamados ERP o Enterprise Resource Planning (planteamiento de recursos de

la empresa) integran los datos de la empresa en un mismo lugar para agilizar los procesos
internos y optimizar el presupuesto.

SIG

Estos Sistemas de Información Gerenciales tienen como fin respaldar la toma de decisiones
de la empresa a través de informes programados, informes de excepción o informes en
pilas.
 
Como puedes ver, por medio del desarrollo de sistemas y aplicaciones de información
puedes impactar muy positivamente en la calidad del servicio al cliente, además de
conseguir una automatización de procesos que puede permitirte reducir costes y mejorar
notablemente la toma de decisiones de tu empresa.

1.2.3. Transformación digital

Como primera definición podríamos decir que la transformación digital es la
aplicación de capacidades digitales a procesos, productos y activos para mejorar
la eficiencia, mejorar el valor para el cliente, gestionar el riesgo y descubrir nuevas
oportunidades de generación de ingresos.

La transformación digital es la integración de tecnología digital en todas las

áreas de una empresa, cambiando fundamentalmente la forma en que opera
y brinda valor a sus clientes. También supone un cambio cultural que requiere
que las organizaciones desafíen constantemente el status quo, experimenten y se
sientan cómodas con el fracaso.
 La transformación digital puede implicar la reelaboración de los productos,
procesos y estrategias dentro de la organización mediante el aprovechamiento
de la tecnología digital.

Como tal, la transformación digital requiere un examen y reinvención de la

mayoría, si no de todas las áreas dentro de una organización, de su cadena
de suministro y flujo de trabajo, las habilidades de sus empleados así como
procesos de discusión a nivel de junta directiva, interacciones con clientes y su
valor para las partes interesadas.

La transformación digital ayuda a una organización a seguir el ritmo a las

demandas emergentes de los clientes, manteniendolas en el futuro. La
transformación digital permite que las organizaciones compitan mejor en un
entorno económico que cambia constantemente a medida que la tecnología
evoluciona. Con ese fin, la transformación digital es necesaria para cualquier
empresa, organización sin fines de lucro o institución que busque sobrevivir en el
futuro.

Tecnologías clave

La tecnología impulsa la necesidad de la transformación digital y respalda la

digitalización de una organización. Además, no existe una sola aplicación o
tecnología que permita la transformación digital sino que existen múltiples
procesos clave que una organización generalmente debe tener para afrontar la
transformación:

● La computación en nube, por ejemplo, le otorga a la organización un acceso

más rápido al software que necesita, nuevas funcionalidades y actualizaciones,
además de almacenamiento de datos, y le permite ser lo suficientemente ágil
como para transformarse.
● La tecnología de información permite a una organización enfocar su inversión
de talento y el dinero destinado a investigación y desarrollo en soluciones
 personalizadas que respalden sus requisitos y los procesos que lo diferencian
en el mercado.
● Las plataformas móviles permiten que el trabajo se realice donde sea y cuando
sea.
● Machine learning y las tecnologías de inteligencia artificial brindan a las
organizaciones conocimientos para tomar decisiones más precisas sobre
ventas, marketing, desarrollo de productos y otras áreas estratégicas.

Otras tecnologías que impulsan la transformación empresarial son blockchain,

realidad aumentada y realidad virtual, redes sociales e internet de las cosas
(IoT).

Las organizaciones que ven la transformación digital principalmente como una

diferencia de tecnología sobre la transformación tradicional con ingeniería de
procesos de negocio terminarán perdiendo el poder de la transformación digital.

¿En qué se diferencia la transformación digital de la reingeniería de

procesos comerciales?

Un viaje de transformación digital mueve una organización de un mundo definido

por el proceso a un mundo basado en datos. Veamos por qué esto es poderoso y
cómo cambia el valor que una organización ofrece a los clientes y usuarios finales.

Procesos de colapso digital

En el mundo actual, las empresas se construyen mediante procesos, intentando

desarrollar procesos de alto nivel. Six Sigma y otras herramientas están diseñadas
para perfeccionar y mejorar esos procesos para crear eficiencia, enfoque y mejora
en la calidad. En contraste a esto, la transformación digital reduce los
procesos que una empresa hace o podría hacer en la actualidad, automatiza
el trabajo que la gente realiza y convierte el proceso en software. Lo que
queda son datos.
Lo digital convierte los procesos en datos. Esto permite a las organizaciones
ver su negocio a través del lente de los datos en lugar del objetivo del proceso. De
repente, los datos dejan claro que la gente importa y que la experiencia del
cliente importa. Por ejemplo, en lugar de ver el servicio al cliente como un
conjunto de procesos que inicia el cliente o la organización, son los datos del
cliente los que obligan a la organización a pensar en la experiencia del cliente.

A medida que surgen los datos y la capacidad de asociar esos datos con
indicadores o problemas, una organización puede no ser solo más eficiente sino
también cambiar lo que hace. El impacto comercial que resulta de ver el
mundo a través de un lente de datos en lugar de una lente de proceso es
muy poderoso.

Repensando suposiciones

En un mundo basado en datos, una organización puede reconsiderar muchas

de sus suposiciones antiguas. Cuando Airbnb, por ejemplo, se separó de los
procesos y se centró en los datos, se dio cuenta de que la empresa no necesita
poseer activos físicos (hoteles). Los aspectos de un negocio hotelero que lo
hicieron competitivo en un mundo impulsado por procesos se paralizaron en un
mundo impulsado por los datos. Las personas que tienen apartamentos en
excelentes ubicaciones son una opción diferente a los hoteles y ofrecen un valor
diferente en la experiencia del cliente.

Al repensar los viejos supuestos sobre un negocio, podemos llegar a los

diferentes lugares donde el valor u oportunidades surgen de forma diferente
al mundo definido por el proceso.

Otro ejemplo de replanteamiento de suposiciones en un mundo basado en datos

es el de los procesos de recursos humanos. Las empresas desarrollaron la
experiencia de sus empleados en torno a los procesos de recursos humanos que
prestan servicio a los empleados, como la nómina de sueldos, los beneficios, las
comunicaciones de los empleados y el reclutamiento. Cuando pasamos a una
experiencia digital y automatizada, los datos centran la atención en la experiencia
del empleado. En lugar de preguntar qué hace la organización por un
empleado, los datos muestran las necesidades y lo que está sucediendo con
el empleado.

Velocidad de habilitación de datos

La velocidad es la nueva moneda en los negocios. Las organizaciones deben

ser rápidas a la hora de cumplir con las necesidades o expectativas de los
clientes y empleados en un mercado competitivo. No hay atajos en la
transformación digital para alcanzar esta velocidad. Pero a medida que una
organización se adentra cada vez más en un mundo automatizado definido por
software, se mueve cada vez más rápido porque surgen los datos y sus
importantes asociaciones. Eso permite la transformación de lo que hace la
empresa.

En un mundo impulsado por procesos, los procesos deben ser rutinarios y permitir
obtener de manera consistente el resultado definido. La transformación digital
transforma los procesos, lo que hace que sea más rápido y más confiable
concentrarse en lo que se debe hacer en lugar de quedar atrapado en el
esfuerzo de obtener los procesos correctos.

Un mundo basado en datos permite entregar una experiencia de cliente

completa, "a tiempo y en su totalidad". Desde la experiencia del cliente, no es la
rapidez con que la organización responde el teléfono, sino la rapidez con que el
cliente puede completar un pedido. La experiencia y satisfacción del cliente radica
en el hecho de que el cliente no necesita múltiples conversaciones con la
organización. La necesidad de una reunión pueden hacerse rápidamente y
hacerse una sola vez.

Las mismas expectativas de experiencia se aplican a los empleados. En un

mundo impulsado por procesos, un vendedor necesita asegurarse de que la
compañía calcula las comisiones de manera adecuada mientras que en un mundo
basado en datos, el empleado puede ver la información.

No hay atajos

La tentación de pasar de una orientación de procesos a una orientación digital es

de acortar algunos pasos. Pero en realidad esto no es posible. La transformación
digital implica más que colapsar un proceso en un conjunto de datos. A
medida que una organización avanza en el camino de la transformación
digital, muchos aspectos del modelo comercial deben cambiar, ya que los
procesos y los datos están interrelacionados.

En un mundo basado en datos, una organización puede comprender el contexto

de todas las interacciones con un cliente, empleado o usuario final y si la
interacción traerá frustración o deleite a esa persona.

En un mundo basado en datos, una organización tiene el contexto completo

de las expectativas de los clientes, empleados o usuarios finales. Por lo tanto,
puede cambiar drásticamente dónde está el valor. Y puede cambiar la calidad de
lo que hace, así como hacerlo a tiempo y por completo, entregando el resultado
que el cliente o empleado desea.
 1.2.4. Factores críticos de éxito de inteligencia de negocios

El éxito de una iniciativa de inteligencia de negocios depende de algunas variables.

Entre las que mayor influencia puede tener en el resultado de un proyecto de este tipo
se encuentran las siguientes:
● Equilibrio entre requerimientos locales y globales: un imprescindible, ya que la
falta de este equilibrio podría conducir a la generación de silos de información. Para
conseguirlo hace falta tener en cuenta ambos tipos de requerimientos y para ello se
hará necesario aplicar bottom-up y top-down.
● Enfoque entre calidad de datos y control: el aspecto más complejo en la
implementación de una gran solución de Business Intelligence es la calidad de los
datos y, por eso, para conseguir alcanzar un enfoque que mantenga
su alineación con la directrices corporativas, hay que garantizar una estructura de
gestión de datos rigurosamente aplicada. Para lograrlo, se hace necesario en primer
término el identificar a los propietarios de los datos para la creación de datos
maestros específicos.
● Flexibilidad en el modelo de datos: este aspecto es crítico ya que hay que tener en
cuenta la escalabilidad en cualquier modelo de datos, especialmente si se entiende
 comprendida en un entorno sometido a un continuo cambio. Sólo aplicando esta
premisa se puede llevar a buen puerto una iniciativa de inteligencia de negocios.
● Estandarización, reusabilidad y automatización: en toda iniciativa de
automatización aplicada a la integración de datos, la estandarización es un aspecto
clave. En concreto, la implantación de estándares globales sin un arsenal de
componentes reutilizables, conlleva un gran desafío que pocas organizaciones
pueden asumir.
● Procesos: es imprescindible asegurar que el equipo de ejecución comprende los
procesos de negocio y los datos subyacentes, ya que el impacto de realizar un cambio
en un punto posterior en el tiempo daría lugar a sobreesfuerzos, al haberse
perdido claridad en los procesos del negocio.
● Gestión de dependencias: el grado de dependencia en una iniciativa de
inteligencia de negocios es alta y lo es mucho más en iniciativas de carácter global,
por eso es importante que las interdependencias sean gestionadas muy de cerca.
Para ello se necesita identificar los posibles cambios y/o mejoras que se han
programado, evaluando el impacto potencial de los mismos sobre el sistema en
conjunto.
● Desafíos operativos (24x7): tanto la secuenciación como la planificación de
recuperación ante fallos son aspectos muy importantes a tener en cuenta. En el caso
de una infraestructura global este desafío se incrementa, ya que las cargas  de datos
y el reporting se producen casi de manera simultánea.

Cuando la integración e integridad de datos se ha realizado de forma impecable, el

resultado es una BI útil que dará lugar a una toma de decisiones más precisa, donde
el riesgo queda minimizado. Sin embargo, para que las acciones que se desprenden
de esas resoluciones estén encaminadas hacia los objetivos de forma efectiva, hay
que asegurar en todo momento la calidad de los datos que son sometidos a
procesamiento

1.2.4.1. Organización
Una organización es una asociación de personas que se relacionan entre sí y utilizan
recursos de diversa índole con el fin de lograr determinados objetivos o metas.
Una organización es una estructura ordenada donde coexisten e interactúan personas con
diversos roles, responsabilidades o cargos que buscan alcanzar un objetivo particular.
La organización usualmente cuenta con normas (formales o informales) que especifican la
posición de cada persona en la estructura y las tareas que debería llevar a cabo.
Componentes esenciales de una organización
Toda organización cuenta con componentes básicos o esenciales, entre los que se
encuentran:
● Un grupo de personas que interactúan entre sí.
● Un conjunto de tareas o actividades que se realizan de forma coordinada con el fin
de alcanzar algún objetivo.
● Objetivos y metas.
● Recursos o materiales.
● Normas o convenciones que definen la relación de las personas y su rol en la
organización.

Tipos de organizaciones
Las organizaciones se pueden clasificar de diversas formas. A continuación, vemos algunas
de las más relevantes:
● Según la estructura: Las organizaciones pueden clasificarse
en formales e informales. A grandes rasgos, la primera es planificada y cuenta con
una estructura jerárquica definida junto con normas de funcionamiento. La segunda,
en tanto, nace de manera espontánea por la afinidad de las personas y el
descubrimiento de intereses comunes.
Así, por ejemplo, una empresa que produce calzado es una organización formal ya que está
definida por la administración central. Los cargos y responsabilidades se encuentran
detallados en documentos escritos y deben ser conocidos por todos. Al mismo tiempo, en la
misma empresa, podemos encontrar una organización informal, en donde surgen
afinidades y enfrentamientos entre las personas. Cada persona tiene una posición en el
grupo social, pero esta es informal (no explicitada en documentos).
● Según su localización: Pueden ser locales, nacionales e internacionales. Así, por
ejemplo, un club deportivo puede ser local (solo de Aranjuez), mientras que una
organización como la Organización de las Naciones Unidas es internacional.
● Según su tamaño: Pueden ser pequeñas, medianas o grandes. Para definir el
tamaño relativo se pueden utilizar diversos criterios. Por ejemplo, en el caso de las
empresas, la Comisión Europea recomienda la utilización simultánea de dos
criterios: El número de trabajadores y el ingreso (o patrimonio en su defecto).
● Según su propiedad: Pueden ser de propiedad pública (del Estado o gobierno) o
privada (de personas comunes o jurídicas). Por ejemplo, los municipios son parte
del gobierno, mientras que una empresa lechera puede ser de propiedad de privados.
Dentro de las organizaciones públicas, a su vez, encontramos las empresas estatales,
los entes reguladores, los ministerios, el parlamento, los juzgados, entre otros.
Igualmente, dentro de las organizaciones privadas, se pueden distinguir las
empresas privadas, las organizaciones no gubernamentales, entre otros.
● Según su fin: Pueden ser con o sin fines de lucro. Por ejemplo, los bancos
tienen ánimo de lucro, mientras que las organizaciones de ayuda humanitaria no.

Ejemplos de organizaciones
Las organizaciones pueden ser tan variadas como los intereses de las personas que las
componen.
Cómo ejemplos de organizaciones ampliamente conocidas tenemos:
● Sindicatos.
● Partidos políticos.
● Empresas.
● Organizaciones de ayuda humanitaria.
● Clubes deportivos.

1.2.4.2. Procesos

Un proceso es una secuencia de acciones que se llevan a cabo para lograr un fin
determinado. Se trata de un concepto aplicable a muchos ámbitos, a la empresa, a la
química, a la informática, a la biología, a la química, entre otros.

Un proceso se trata entonces, en general, de una serie de operaciones realizadas en orden

específico y con un objetivo.

Cabe señalar que nos hemos referido a un proceso como producto de la acción humana. Sin
embargo, también existen aquellos procesos naturales que se componen por fenómenos
sucesivos donde no interviene la mano de los humanos. Nos referimos, por ejemplo, a
cuando el agua del mar se condensa, convirtiéndose en nubes que luego llegarán a provocar
lluvias.
Procesos en la economía
En la microeconomía, o en el ámbito empresarial, se puede hacer referencia al proceso
productivo por el cual las materias primas se transforman en bienes intermedios o en
productos finales.
Asimismo, la cadena de suministro es un proceso, que abarca desde que la compañía se
provee de insumos hasta que logra llegar la mercancía hasta el consumidor. Esto, no sin
antes quizás haber pasado por un mayorista y/o por un minorista.

Otra aplicación del término proceso se da en el área de recursos humanos, en los procesos
de selección de personal. Estos pueden partir desde una convocatoria (masiva o interna)
para ocupar un determinado puesto de trabajo, y hasta llegar a la contratación de la persona
considerada idónea.
En el ámbito macroeconómico se puede hablar de proceso de inflación cuando se observa
una tendencia al alza en los precios. Igualmente, nos podemos referir al ciclo
económico como un proceso con periodos de recesión y periodos de expansión
del producto interior bruto (PIB).
Otros tipos de procesos
Fuera del económico y empresarial tenemos otros tipos de procesos como los siguientes:

● Procesos judiciales: Es el conjunto de actuaciones que se llevan a cabo frente a la

autoridad judicial para resolver un caso (por ejemplo, una demanda por el
incumplimiento de un contrato) y llevar a cabo el mandato de la ley (mediante una
sanción que puede ser una multa o la pena de cárcel).
● Procesos biológicos: Son los procesos por los que pasan los seres vivos donde
intervienen reacciones químicas. Ejemplo: La reproducción y transmisión de un
 virus.
● Procesos informáticos: Se trata de la puesta en marcha de un programa, por el cual
un microprocesador lleva a cabo unas determinadas instrucciones para llegar a un
estado final. Si abrimos en nuestro ordenador o laptop el administrador de tareas
podemos observar todos los procesos que están en desarrollo.
● Proceso electoral: En el ámbito político, este es el proceso por el cual se
desarrollan elecciones en un país, ya sean generales o locales. Este suele comenzar
meses antes del día de la votación cuando los partidos políticos empiezan a
desplegar su campaña.

1.2.4.3. Tecnología
La tecnología es el conjunto de conocimientos y técnicas que se aplican de manera
ordenada para alcanzar un determinado objetivo o resolver un problema.

La tecnología es una respuesta al deseo del hombre de transformar el medio y mejorar su

calidad de vida. Incluye conocimientos y técnicas desarrolladas a lo largo del tiempo que se
utilizan de manera organizada con el fin de satisfacer alguna necesidad.

La palabra tecnología proviene de la unión de dos palabras griegas: «tekne», que es técnica,
arte y, «logia», que significa destreza sobre algo.

Para qué sirve la tecnología

La tecnología es uno de los cuatro factores de la producción junto con el capital, la tierra y
el trabajo. El hombre utiliza la para satisfacer sus necesidades lo que puede implicar,
transformar su medio, resolver problemas, aumentar la eficiencia, mejorar la estética, etc.

La tecnología bien utilizada puede mejorar la calidad de vida de las personas (como, por
ejemplo, el desarrollo de métodos de producción más limpios). No obstante, mal utilizada,
puede causar grandes daños a las personas y a la sociedad (por ejemplo, la utilización de
tecnología para ataques y crímenes).

Tipos de tecnología
La tecnología puede clasificarse de acuerdo a diversos criterios. Por ejemplo, según su
tangibilidad se divide en:
● Blanda: Nos reporta bienes intangibles como nuevas teorías económicas o nuevas
formas de administración de recursos.
● Dura: Se refiere a la que nos ayuda a producir bienes tangibles como coches
modernos, edificios anti-terremotos, etc.
Asimismo, de acuerdo a la diversidad de sectores en los que pueda utilizarse, se clasifica
en:
● Flexible: Se refiere a la que se aplica en diversas actividades y áreas de estudio. Así,
por ejemplo, la nanotecnología se aplica tanto al campo de la salud como al de las
telecomunicaciones.
● Fija: Es aquella referida a un campo específico. Por ejemplo, una máquina para
operaciones quirúrgicas.

1.3. Impacto de la inteligencia de negocios en la toma de decisiones

El valor que aporta el Business Intelligence es la
diferencia entre tomar buenas o malas decisiones en
las organizaciones.
La inteligencia de negocios permite minimizar los riesgos en la toma de
decisiones. Una de las principales funciones de los roles directivos es decidir
acerca de asuntos de diversa índole cada día, pero los managers y responsables
no pueden permitirse el hacerlo sin saber realmente los resultados que dichas
decisiones pueden conllevar. La información y el análisis que el BI proporcionan
arrojan luz sobre el proceso de toma de decisiones. A través de un análisis
interno de los datos existentes, la inteligencia de negocio trata de formar un
conjunto de estrategias que otorguen información a las empresas.
Entre las herramientas y programas informáticos que los directivos tienen a
su disposición para tomar mejores decisiones se encuentran:

● Oracle BI: ofrece el acceso a la información y la posibilidad de compartir los datos

obtenidos con otros departamentos de la empresa. Permite realizar un análisis de
la información que conduce a tomar mejores decisiones, basadas en datos que
se han conseguido de manera sencilla y rápida.
● Cognos: permite a los roles directivos llevar a cabo evaluaciones correctas de la
información y una posterior toma de decisiones objetiva. Además, hace posible
la realización de pronósticos y simulaciones futuras de estrategias, que dibujen el
futuro de las operaciones facilitando su planificación.
● Business Objects: proporciona acceso de forma sencilla y clara a los datos
relevantes, ello facilita el análisis de la información almacenada por la compañía y
el posterior desarrollo de distintos informes para mejorar los procesos globales
de la empresa.
● WorkMeter: recopila información sobre el uso de las aplicaciones
informáticas y de otros dispositivos para determinar el nivel de carga y el
esfuerzo de las personas. WorkMeter ofrece a
los directivos detallados informes de actividad y productividad de las personas
que trabajan en la organización. Con el análisis de toda esta información se aporta
inteligencia a la toma de decisiones en relación con un departamento entero, un
equipo de trabajo o de forma individual. Además, puede  integrarse con otras
plataformas, como el CRM o una centralita, enriqueciendo el posterior análisis y
orientándolo a objetivos.

1.4. Evolución de la inteligencia de negocios

Lo primero que debemos aclarar es que, contrario a lo que parece, el término Business

Intelligence no es tan reciente, y aunque su evolución muy seguramente superó las
espectativas que se tenían en ese entonces, lo cierto es que es un concepto del que se ha
hablado, directa o indirectamente, desde hace 59 años.

Sí, así es, la primera persona en acuñar el término Business Intelligence fue Hans Peter
Luhn, investigador de IBM, quien, en su artículo “A Business Intelligence System”
publicado en 1958 hace mención al término y le proporciona la siguiente definición: “es la
habilidad de aprender las relaciones de hechos presentados de forma que guíen las acciones
hacia una meta deseada”. Y aunque es bastante básico comparado con la actualidad, abre
las puertas de un gran campo de investigación que nos trae hasta una de las tecnologías más
importantes de la actualidad.

Cuatro años después, en 1962, el canadiense Kenneth Iverson hace un importante avance
para el futuro del BI. Inventa el primer lenguaje de programación multidimensional, que
será la base para el procesamiento analítico en línea, conocido como OLAP.

Pero fue hasta 1969, cuando se creó el concepto de base de datos y en la década de los
setenta cuando se crearon grandes bases de datos y aplicaciones para empresas, creando un
campo de acción importante para el desarrollo del BI. En ese entonces, estas bases de datos
permitían realizar acceso a la información almacenada en las bases de datos, sin embargo,
la eficacia y la organización de estas bases era de muy baja calidad, lenta y de difícil acceso
a información específica.

En la siguiente década, durante los ochenta, hay un avance gracias al reporting y la creación
del concepto de Datawarehouse. Aunque existían potentes sistemas de bases de datos, no
había aplicaciones que lograran realmente facilitar la explotación de la información. Luego,
en septiembre de 1985, Microsoft lanza al mercado Excel 1.0, herramienta que se convierte
en la más popular y ampliamente utilizada.

Después de tantas décadas en el anonimato, llega durante los noventas la década de

popularización del Business Intelligence de la mano de Howard Dresner, quien volvió a
tocar el tema desde 1989. Durante esta década, determinante para las tecnologías que ahora
disfrutamos, se crearon múltiples aplicaciones de BI que ofrecían acceso a las bases de
datos y a la información estructurada generada por las empresas.

Con la entrada del nuevo milenio llega el Business Intelligence 2.0, se realiza una
importante consolidación de las aplicaciones a menos plataformas de Business Intelligence.
Ya no solo se considera la información estructurada, se empieza a tener en cuenta otro tipo
de información y documentos no estructurados.

En la actualidad, gracias a que gran parte de la interacción de las personas está mediada por
un aparato electrónico, la cantidad de información que se almacena en bases de datos es
casi inabarcable, se crea el concepto de Big Data y se vuelve indispensable crear
plataformas dispuestas a analizar y categorizar toda la información de manera rápida y
profunda.

Finalmente, en esta década, por medio del BI las empresas empiezan realmente a hacer un
uso eficaz de la información almacenada a favor de su negocio. Las habilidades
competitivas que esta herramienta genera, al facilitar reportes y análisis de diferentes
aspectos cruciales para la toma de decisiones, convierte al Business Intelligence en una
herramienta indispensable.
 1.4.1. La demanda de datos, información y analítica

Tipos de análisis de datos

¿Qué tan profundo se debe llegar a los datos en busca de ideas o hipótesis basadas en
hechos?

Hay 4 tipos diferentes de análisis. Aquí, comenzaremos con el más simple y pasamos a los
tipos más sofisticados. Un punto importante, cuanto más complejo es un análisis, más valor
aporta.

Analítica descriptiva

Técnica que responde a la pregunta de qué sucedió. Después de analizar los ingresos
mensuales por grupo de productos y la cantidad total de piezas producidas por mes, un
fabricante puede responder una serie de preguntas sobre "qué sucedió". Estos hallazgos
simplemente indican que algo está mal o bien, sin explicar por qué.

Analítica diagnóstica

En esta etapa, los datos históricos se pueden contrastar con otros datos para responder a la
pregunta de por qué sucedió algo. Un caso sería desglosar las ventas y el beneficio bruto en
categorías para averiguar por qué no se alcanzó un objetivo de ventas. La analítica de
diagnóstico ofrece información detallada sobre un problema particular. Al mismo tiempo,
una empresa debe tener información detallada a su disposición, de lo contrario, la
recolección de datos puede resultar individual para cada problema y llevar mucho tiempo.

Analítica predictiva

Técnica que se anticipa y sugiere lo que es probable que suceda. Utiliza los hallazgos de
análisis descriptivos y de diagnóstico para detectar grupos y excepciones, y para predecir
tendencias futuras, lo que lo convierte en una herramienta valiosa para la predicción. La
analítica predictiva pertenece a los tipos de analítica avanzada y ofrece muchas ventajas,
como el análisis basado en aprendizaje automático. No debemos olvidar que el pronóstico
es sólo una estimación, cuya precisión depende en gran medida de la calidad de los datos y
la estabilidad de la situación.

Analítica prescriptiva

Es prescribir qué medidas tomar para eliminar un problema futuro o aprovechar al máximo
una tendencia. Este tipo de análisis requiere no sólo datos internos históricos sino también
información externa debido a la naturaleza de los algoritmos en los que se basa.

Beneficios para las empresas

Las organizaciones reconocen los beneficios de introducir análisis en todos los

departamentos y sus estadísticas, y aspiran a estar más orientadas a tomar decisiones
basadas en esta información. En lugar de limitar su uso al departamento de TI, hay muchas
ventajas en poner las ideas en manos del usuario final.
1. El uso de analítica de datos reduce los costos
En las industrias los procesos como el aseguramiento de la calidad y las pruebas pueden
implicar muchas complicaciones en el negocio. El análisis de datos puede proporcionar
información sobre el impacto de diferentes variables en el proceso de producción, lo que
ayuda a las industrias a tomar mejores decisiones.
2. El uso de analítica de datos aumenta la eficiencia
En el negocio hotelero, se pueden recopilar datos y estadísticas sobre tiempos de vuelo y
demandas, patrones climáticos, vacaciones y otros datos relevantes para determinar el
precio más óptimo para el hotel por día en función de la demanda esperada, mejorando los
resultados de ventas.
3. El uso de analítica de datos mejora los precios
Los negocios de logística automatizan la mayoría de sus procesos mediante el uso de
software que predice las rutas más eficientes según estadísticas para sus vehículos y
personal de reparto, lo que permite hacer menos paradas, ahorrar costos y realizar más
entregas por día.
4. Puedes competir con grandes empresas
Usar las mismas herramientas que las grandes empresas te permiten estar en el mismo
campo de juego. El negocio se vuelve más sofisticado al aprovechar las herramientas que
están disponibles.
Así que ya lo sabes, los datos están cambiando el mundo y cualquier propietario de negocio
que no se adapte tendrá dificultades para competir en este nuevo campo de juego
reinventado.
Big data es un término que describe el gran volumen de datos – estructurados y no
estructurados – que inundan una empresa todos los días. Pero no es la cantidad de datos lo
importante. Lo que importa es lo que las organizaciones hacen con los datos. El big data
puede ser analizado para obtener insights que conlleven a mejores decisiones y acciones de
negocios estratégicas.
Historia del Big Data
El término "big data" se refiere a los datos que son tan grandes, rápidos o complejos que es
difícil o imposible procesarlos con los métodos tradicionales. El acto de acceder y
almacenar grandes cantidades de información para la analítica ha existido desde hace
mucho tiempo. Pero el concepto de big data cobró impulso a principios de la década de
2000 cuando el analista de la industria, Doug Laney, articuló la definición actual de grandes
datos como las tres V:

Volumen: Las organizaciones recopilan datos de diversas fuentes, como transacciones

comerciales, dispositivos inteligentes (IO), equipo industrial, vídeos, medios sociales y
más. En el pasado, su almacenamiento habría sido un problema - pero el almacenamiento
más barato en plataformas como los data lakes y el Hadoop han aliviado la carga.

Velocidad: Con el crecimiento del Internet de las Cosas, los datos llegan a las empresas a
una velocidad sin precedentes y deben ser manejados de manera oportuna. Las etiquetas
RFID, los sensores y los medidores inteligentes están impulsando la necesidad de manejar
estos torrentes de datos en tiempo casi real.

Variedad : Los datos se presentan en todo tipo de formatos: desde datos numéricos
estructurados en bases de datos tradicionales hasta documentos de texto no estructurados,
correos electrónicos, vídeos, audios, datos de teletipo y transacciones financieras.

En SAS, consideramos otras dos dimensiones cuando se trata del big data:

Variabilidad:

Además de las crecientes velocidades y variedades de datos, los flujos de datos son
impredecibles, cambian a menudo y varían mucho. Es un reto, pero las empresas necesitan
saber cuándo algo está de moda en los medios sociales, y cómo gestionar los picos de carga
de datos diarios, estacionales y desencadenados por eventos.

Veracidad:

La veracidad se refiere a la calidad de los datos. Debido a que los datos provienen de tantas
fuentes diferentes, es difícil vincular, comparar, limpiar y transformar los datos a través de
los sistemas. Las empresas necesitan conectar y correlacionar las relaciones, las jerarquías y
los múltiples vínculos de datos. De lo contrario, sus datos pueden salirse de control
rápidamente.

La importancia del big data no gira en torno a la cantidad de datos que tienes, sino en lo que
haces con ellos. Puedes tomar datos de cualquier fuente y analizarlos para encontrar
respuestas que permitan…
1) reducir los costos
2) reducir el tiempo
3) desarrollar nuevos productos y optimizar las ofertas
4) tomar decisiones inteligentes. Cuando se combinan grandes datos con análisis de alta
potencia, se pueden realizar tareas relacionadas con los negocios como:
 ● Determinar las causas de origen de fallos, problemas y defectos casi en tiempo real.
● Generar cupones en el punto de venta basados en los hábitos de compra del cliente.
● Recalcular portafolios de riesgo completos en minutos.
● Detecte el comportamiento fraudulento antes de que afecte a su organización.

Big Data - y la forma en que las organizaciones gestionan y obtienen la información - está
cambiando la forma en que el mundo utiliza la información de los negocios. Más
información sobre el impacto del big data.

Integración de datos Deja Vu: Los grandes datos revitalizan la ID

Para seguir siendo pertinente, la integración de datos debe funcionar con muchos
tipos y fuentes de datos diferentes, y a la vez operar con diferentes latencias,
desde el tiempo real hasta la transmisión. Aprenda cómo el ID ha evolucionado
para cumplir con los requisitos modernos.

Cómo generar su estrategia de datos y analítica

¿Se pregunta cómo construir una organización analítica de clase mundial?
Asegurése de que la información es confiable. Potencie las decisiones basadas en
datos en todas las líneas de negocio. Impulse la estrategia. Y conozca cómo
obtener hasta el último pedazo de valor del big data

El data lake y el almacén de datos... conozca la diferencia

¿Es el término "data lake" simple exageración de marketing? ¿O es un nuevo
nombre para un almacén de datos? Phil Simon deja en claro lo que es un lago de
datos, cómo funciona y cuándo podría usted necesitar uno.

Nuevo ecosistema analítico

La nube, los contenedores y la potencia de cálculo a demanda - una encuesta de
SAS a más de 1.000 organizaciones explora la adopción de la tecnología e ilustra
cómo la adopción de enfoques específicos le posiciona para hacer evolucionar con
éxito sus ecosistemas analíticos.

El big data es un gran problema para las industrias. El ataque de la IoT y otros
dispositivos conectados ha creado un aumento masivo en la cantidad de
información que las organizaciones recolectan, manejan y analizan. Junto con el
big data viene el potencial de desbloquear grandes insights - para cada industria,
de grande a pequeña.
El deep learning anhela el big data porque es necesaria para aislar patrones
ocultos y para encontrar respuestas sin sobrecargar los datos. Con el deep
learning, cuantos más datos de buena calidad tenga, mejores serán los resultados.

1.4.2. Tendencias de la inteligencia de negocios

1 – La IA y el aprendizaje automático ofrecen interesantes posibilidades

La tendencia más significativa en BI es la integración de la IA y el aprendizaje automático.
«Ha comenzado una nueva era de analítica aumentada», declara el analista de IDC, Dan
Vesset. «La funcionalidad analítica habilitada por la IA que se requiere para llevar esta
nueva generación de software de BI a las masas es todavía incipiente, pero las tendencias
históricas sugieren que tomará menos de 10 años para que esta generación de software de
BI alcance la adopción generalizada».
Boris Evelson, analista de Forrester Research, añade que el BI aumentado (BI clásico
aumentado con IA) tiene el potencial de «convertir al usuario medio de la empresa en un
científico de datos ciudadano». El objetivo es permitir a los que no son científicos de datos
hacer previsiones, análisis predictivos, detección de anomalías y otras funciones
relacionadas con el BI «con un solo clic», según Evelson.
Además, los sistemas de aprendizaje automático pueden funcionar en segundo plano y
resolver el problema de «no saber lo que no se sabe». Los sistemas de aprendizaje
automático pueden identificar patrones interesantes en los datos, y alertar al usuario final de
una manera que nunca podría lograrse de otro modo, indica Evelson.
Bange añade: «La analítica aumentada describe las funciones que complementan las
capacidades humanas con el aprendizaje automático, para combinar la resolución creativa
de problemas con un reconocimiento de patrones sin igual para obtener lo mejor de ambos
mundos». El objetivo principal es facilitar el uso de la analítica y el BI, para reducir la
barrera de entrada de los usuarios ocasionales y, al mismo tiempo, aumentar la eficiencia y
la eficacia de los usuarios avanzados».

2 – La adopción de la nube aumenta en el mundo post-COVID

La adopción de software de BI en la nube ha sido una tendencia desde hace tiempo, pero
ciertamente se ha acelerado debido a la pandemia, que obligó a los empleados a trabajar
desde casa, y obligó a las TI a proporcionar acceso remoto a las aplicaciones empresariales
clave.
Bange afirma que el 50% de las nuevas implantaciones de BI se realizan en la nube, lo que
representa un aumento constante año tras año. Las ventajas del BI basado en la nube
incluyen la accesibilidad para los usuarios remotos, la escalabilidad, la elasticidad y la
velocidad de despliegue. Además, a medida que las empresas se sienten más cómodas
trasladando grandes conjuntos de datos a la nube con fines de copia de seguridad y para
ejecutar aplicaciones, es más probable que trasladen los almacenes de datos y el análisis de
datos a la nube. «Los líderes de la analítica prefieren llevar la analítica a los datos, y no al
revés», indica Bange.
3 – El procesamiento del lenguaje natural da un paso adelante
A menos que se sea un científico de datos, formular la consulta correcta puede ser difícil.
La respuesta es incorporar el procesamiento del lenguaje natural a los sistemas de BI, de
modo que el empleado medio pueda simplemente hacer una pregunta y obtener una
respuesta. El procesamiento del lenguaje natural no solo permite a los empleados con
formación en BI hacer un mejor uso de las herramientas de BI, sino que también permite a
las empresas extender el BI de forma más profunda y amplia a toda la organización.
Aunque el procesamiento del lenguaje natural es ciertamente una tendencia interesante,
también es justo decir que aún no ha llegado del todo. «Traducir el lenguaje natural en una
consulta precisa puede ser muy difícil», anota Evelson. «No siempre se obtiene la respuesta
correcta en el primer intento. A lo mejor se obtienen cientos de respuestas», algo parecido a
lo que ocurre cuando se hace una búsqueda en Google. Los sistemas de lenguaje natural
todavía requieren bastante ajuste, añade.

4 – El BI se integra en las plataformas CRM y ERP

Ya sea a través de una adquisición o de un desarrollo interno, los proveedores de CRM y
ERP están integrando el BI en sus plataformas. Por ejemplo, Salesforce compró el líder de
BI, Tableau, en el 2019 y rápidamente integró el software en su plataforma de CRM basada
en la nube.
La ventaja, según Vesset, es que el BI pasa de ser un proceso separado y desconectado, a
convertirse en una parte integral del flujo de trabajo del proceso de negocio. El BI integrado
puede ayudar a las empresas a automatizar los pasos involucrados en un proceso de
negocio, lo que ofrece una mayor velocidad y un mejor rendimiento.

5 – Surgen nuevas formas de presentar la información mediante la narración de

historias
En el BI tradicional, el sistema escupe informes y cuadros de mando repletos de gráficos
coloridos, pero esa presentación, aunque sea hábil, puede no ser la mejor o más útil manera
de presentar la información a los usuarios no técnicos. Bange dice que una contra-tendencia
a los «visuales altamente sofisticados» es un cambio hacia la narración de historias en lugar
de la descarga de datos.
Utilizando los principios de una disciplina llamada «diseño de la información», los
proveedores de BI están simplificando sus presentaciones de manera que guíen al usuario a
través de un problema o situación particular, y no solo presenten los datos en bruto, sino
que también ofrezcan recomendaciones sobre qué hacer. Este tipo de narración es más
probable que incluya una narración textual que acompañe a todas las imágenes brillantes.

6 – El BI se vuelve operativo
El BI clásico ofrece informes con una periodicidad fija, semanal o mensual, por ejemplo.
Pero eso ya no es suficiente en el competitivo entorno empresarial actual, en el que las
decisiones deben tomarse en tiempo real. Con el BI operativo, también conocido como
inteligencia operativa (IO), se recopilan y analizan datos procedentes de diversas fuentes,
como el comportamiento de los consumidores y las interrupciones de la cadena de
suministro.
El sistema de BI puede entonces ofrecer recomendaciones para tomar decisiones rápidas,
como asignar más recursos a una función específica, o responder a una condición
empresarial que cambia rápidamente, anota Bange. Con el BI operativo, los cuadros de
mando pueden actualizarse automáticamente a intervalos fijos, como cada hora, y el
sistema puede activar alertas para notificar a los equipos operativos que hay un problema
que debe abordarse o una oportunidad emergente que puede aprovecharse.

7 – El éxito del BI sigue requiriendo un trabajo previo

Las herramientas de BI en sí mismas están bien establecidas, pero muchas empresas tienen
dificultades para implantar el BI porque no han hecho el trabajo previo necesario. «La
tecnología está madura», anota Evelson. Los obstáculos se encuentran en el lado de las
personas y los procesos de la ecuación. Las empresas tienen que crear una cultura basada en
los datos. Tienen que formar a los empleados.
Según la última encuesta de BARC, cuando se pidió a los encuestados que clasificaran sus
prioridades para el 2021, la gestión de la calidad de los datos y el descubrimiento de datos
encabezaban la lista. La analítica avanzada y el aprendizaje automático ocuparon el
undécimo lugar, lo que no significa que las empresas no estén interesadas en la IA.
Significa que «las empresas están luchando por adaptar los mecanismos de aprendizaje
automático cuando no se han conseguido los cimientos -datos de buena calidad y
accesibles-«. Bange afirma que las empresas «parecen estar volviendo a las raíces y
concentrándose en los fundamentos del uso y la gestión de sus datos, antes de trasladar las
prioridades a los métodos avanzados».
La recomendación de Evelson para los CIOs es «entrar en una plataforma de grado
empresarial de inmediato», ya sea renovando una versión antigua de una plataforma de BI
actual, o yendo con un nuevo proveedor. Señala que solo entre el 20 y el 30% de los datos
que podrían utilizarse para el análisis se introducen actualmente en el almacén de datos de
la empresa media. El BI es «una inversión en todo lo que un CIO necesita para tener éxito»,
finaliza.

1.4.2.1. Mercado laboral

El mercado laboral es aquel donde confluyen la oferta y la demanda de trabajo. La oferta de

trabajo está formada por el conjunto de trabajadores que están dispuestos a trabajar y la
demanda de trabajo por el conjunto de empresas o empleadores que contratan a los
trabajadores.

El mercado de trabajo tiene gran importancia para la sociedad. Su mal funcionamiento

puede afectar negativamente al crecimiento económico y al empleo de un país. Además, el
paro tiene importantes costes económicos y sociales:
● Económicos, ya que el desempleo supone una pérdida de producción potencial.
● Sociales, por los efectos nocivos del desempleo sobre la distribución de la renta y,
de ahí, sobre la cohesión social.
De esta manera, el crecimiento, la optimización de los recursos y cohesión social dependen,
en buena medida, del correcto funcionamiento del mercado de trabajo.
El salario es el precio del factor trabajo. Cuantos más bajos sean los salarios reales, más
trabajo demandarán las empresas. Cuanto más elevados sean los sueldos, más gente querrá
trabajar.
La demanda de empleo está directamente vinculada a la actividad económica, de modo que
solo un crecimiento sostenido de la producción puede garantizar el crecimiento del empleo
en cantidad suficiente para absorber la población dispuesta a trabajar.

En otras palabras, la demanda de trabajo es derivada de la demanda de bienes y servicios.

Esto, porque cuando una empresa vende quiere producir más, y para ello querrá contratar
trabajadores. Por tanto, si no hay producción no habrá más trabajadores que puedan ofertar
su empleo.

El desempleo es un desequilibrio económico originado por la diferencia entre la cantidad de

trabajo ofrecida y la cantidad de trabajo demandada, en las condiciones y niveles de
salarios existentes en un momento dado en el mercado de trabajo. En sentido estricto, por
desempleo se entiende el conjunto de personas en edad activa que, estando dispuestos a
trabajar, no tienen empleo.

Funcionamiento del mercado laboral

El mercado de trabajo, además, tiene otras peculiaridades. A pesar de que como cualquier
otro mercado se rige por la ley de la oferta y la demanda, interviene el gobierno (a través
de las normas jurídicas), las instituciones sociales y organizaciones colectivas como
los sindicatos.

En el mercado laboral se fija el salario y las condiciones de trabajo mediante un proceso de

negociación, determinándose así el nivel y la calidad de vida de los empleados.
En los mercados competitivos el precio funciona como un mecanismo de ajuste, hasta que
se alcanza el equilibrio. El mercado de trabajo no funciona como un mercado perfectamente
competitivo, ya que tiene imperfecciones, rigideces e intervenciones desde el exterior.
Imperfecciones porque tanto las empresas como los trabajadores tienen poder de mercado
para influir en el salario. Rigidez porque el empleo supone una relación personal estable y
tanto al trabajador como a la empresa les interesan otras condiciones además del salario.
Finalmente, hay intervención de la legislación laboral en el mercado de trabajo donde se
fijan las características de los contratos laborales, las indemnizaciones por despido, la
fijación de un salario mínimo, entre otros
Características el mercado laboral
Entre las características del mercado laboral destacan:

● Está sujeto a una regulación donde se impone un precio mínimo, que es el salario
mínimo legal. Esto implica que no es un mercado de competencia perfecta porque
siempre habrá personas dispuestas a recibir un salario por debajo de ese mínimo,
pero no podrán ser absorbidas por el mercado.
● Es un mercado con rigidez, pues los contratos de trabajo tienen normalmente un
periodo de duración. Así, un empleado no puede ser tan fácilmente despedido (al
menos que se le pague una compensación).
● Existen variables externas que afectan al mercado laboral, como los cambios
tecnológicos. Estos hacen que cada vez más tareas manuales o mecánicas puedan
ser desarrolladas por computadoras o inteligencias artificiales. Así, con el tiempo,
 serán más valoradas habilidades como la creatividad y la capacidad de pensar “fuera
de la caja”.
● Puede suceder que las entidades educativas no siempre formen a los profesionales
que demanda el mercado laboral, de modo que las personas deben adquirir
conocimientos ya estando en puestos de trabajo. Esto puede ser facilitado por los
propios empleadores mediante capacitaciones.
● Existe el llamado desempleo friccional que es cuando la persona deja su puesto
laboral de forma voluntaria. Así, se toma un tiempo para encontrar otra oportunidad
laboral, para estudiar, etc. Esta es una de las razones por las que no existe el pleno
empleo.

1.4.3. 4ta Revolución Industrial (Industria 4.0), 5ta Revolución Industrial

(Industria 5.0).

La Cuarta Revolución Industrial es un proceso de desarrollo tecnológico e industrial que

está vinculado con la organización de los procesos y medios de producción, al igual que las
tres anteriores.
La primera vez que se comenzó a hablar de todos estos avances como una Cuarta
Revolución Industrial fue en el año 2011. El elemento clave de la Cuarta Revolución
Industrial son las fábricas inteligentes, cuya principal característica es una mayor
adaptabilidad a las necesidades de la producción y una mejora en la eficiencia de los
recursos.

Esta Cuarta Revolución Industrial se centra en los sistemas ciberfísicos, la robótica, el

internet de las cosas, la conexión entre dispositivos y la coordinación cooperativa de las
unidades de producción de la economía.
Los fundamentos de la Cuarta Revolución Industrial
La Cuarta Revolución Industrial supone el último capítulo, hasta el momento, de las
diferentes revoluciones industriales (primera, segunda y tercera) que ha vivido la
humanidad. En este cuarto caso, los fundamentos sobre los que se levanta son:
● El internet de las cosas.
● Robótica.
● Dispositivos conectados.
● Los sistemas ciberfísicos.
● El «hágalo usted mismo» (cultura maker).
● La fábrica 4.0. (ciber fábrica o smart-industries).
La robótica, como una de las ramas más vanguardistas e innovadoras del ámbito de la
ingeniería, juega en este contexto un papel de primera magnitud. Se espera que la
nanotecnología, la inteligencia artificial, los drones y las impresoras 3D sirvan para
modificar diferentes aspectos de nuestras sociedades actuales.

Espacios como la medicina, la genética, la industria de alta precisión o las relaciones

laborales también sufrirán un importante impacto con esta nueva revolución industrial.
Sin embargo, la realidad es que, aunque estos elementos suponen la base de la Cuarta
Revolución Industrial, no podemos entender que se tratan de elementos que se encuentran
consolidados. De hecho, cabe interpretar que actualmente estamos inmersos en este
proceso, con la variabilidad y la impredecibilidad que ello supone en relación con el
resultado del mismo.
Los cambios en el mundo laboral
El mundo del trabajo y la configuración del mercado laboral serán algunos de los ámbitos
donde las repercusiones serán más importantes. Según algunas previsiones, se perderán 5
millones de puestos de trabajo en 15 países industrializados en los próximos años, como
consecuencia de la robotización y mecanización de cada vez más tareas. Esta posibilidad
crea un espacio de incertidumbre, dado que serán muchos los trabajadores y trabajadoras a
los que afectará la expansión de un nuevo modelo productivo. Especialmente podrá
aumentar el desempleo en sectores vinculados a mano de obra no cualificada y cuyas tareas
son más mecánicas y manuales, así como las de carácter administrativo.
No obstante, gracias a la Cuarta Revolución Industrial, también se abrirán nuevas ventanas
de oportunidad, con la aparición de nuevos mercados para la mano de obra. En este sentido,
se espera que con los nuevos avances aparezcan nuevas profesiones cuyas tareas se centren
en la producción de estas nuevas tecnologías, en los análisis de datos, relacionadas con
capacidades digitales o en tareas comerciales especializadas en los nuevos productos.
También en ámbitos de dirección, donde será clava la creatividad y la creación de nuevas
ideas y productos, en un mercado en constante cambio y rápida obsolescencia.
La economía del presente y del futuro
Además de los cambios en el ámbito laboral, los avences se dejerán sentir, y en algunos
casos ya lo ha hecho, en muy diferentes aspectos. La nueva economía que se avecina
tendrá un alto componente de digitalización. De tal modo, se considera que algunos de los
impactos que ya se pueden percibir están relacionados con la volatilidad geopolítica, la
expansión de internet y del cloud computing, los avances en la computación y los Big Data,
la popularización de la economía colaborativa, la flexibilidad del mercado laboral o la
transición a unas economías más verdes, conscientes de las limitaciones de los recursos
naturales.
Se espera, junto a estas repercusiones, que aparezcan otras, como el desarrollo de nuevas
formas de energía, más limpias, la proliferación de robótica y automoción autónoma o,
incluso, aspectos relacionados con la ciberseguridad y los ciberataques.
Evidentemente, todas estas particularidades que se desarrollarán en los próximos años, o al
menos así se espera, implicarán cambios, retos, posibilidades y peligros. Lograr minimizar
los aspectos más negativos, al tiempo que se maximizan los elementos positivos, será una
de las principales prioridades que tendrán que gestionarse. Y, en ello cobrará gran
importancia, sin duda, la capacidad de regular de un modo adecuado todo este proceso y
sus repercusiones.

Ha pasado menos de una década desde que el concepto de Industria 4.0 se afianzó. A pesar
de ello, algunos visionarios ya se están centrando en la próxima revolución industrial,
la Industria 5.0. Esta revolución tecnológica pretende potenciar la transformación del
sector industrial en espacios inteligentes basados en IoT y en computación cognitiva. En
este sentido, esta tecnología trata de unir máquinas y humanos o, en otras palabras,
desarrollar la Inteligencia Artificial para que pueda realizar procesos similares a los que
ejecuta el pensamiento humano.
La Industria 5.0 pone el énfasis en la colaboración entre máquinas y humanos para mejorar
la productividad y la eficiencia. Por ello, en Oasys captamos el mejor talento del ámbito
de la ingeniería sin olvidar a los perfiles emergentes en Industria 5.0. Estos profesionales
deben estar adaptados a trabajar codo con codo con máquinas inteligentes. Sabiendo esto,
echemos un vistazo a cómo será la Industria 5.0.
Características de la Industria 5.0
Si bien es cierto que el avance tecnológico implícito en esta quinta revolución industrial
destruirá puestos de trabajo, se reestructurarán algunos empleos para facilitar el trabajo
humano.
● Manufacturación personalizada. La Industria 5.0 impulsará la creación de
productos personalizados. Actualmente, disponemos de un abanico casi infinito de
productos, por lo que el próximo paso es adaptarlos a las necesidades individuales.
● Despliegue de cobots. Para hacer realidad el punto anterior, es necesaria la ayuda
de robots colaborativos. Los cobots, de la mano del ingenio humano, se encargarán
de generar los productos. Así, estos ciborgs serán la clave fundamental de la
Industria 5.0.
● Empoderamiento humano. Se delegarán las tareas mecánicas, peligrosas y
rutinarias a la Inteligencia Artificial. De este modo, el humano podrá disponer de
más tiempo para llevar a buen puerto esas tareas que solo la razón puede ejecutar.
● Rápidez y calidad. La cadena de producción industrial será mucho más rápida
gracias a la colaboración entre robots y humanos. Además, todo producto gestado
en este entorno gozará de más calidad sin sacrificar el toque humano.
● Respeto medioambiental. Es probable que, con la mejora tecnológica, las
organizaciones desarrollen sistemas de producción basados en energías renovables.
De este modo, podría reducirse la emisión de residuos.
El Futuro de la Revolución Tecnológica
Los avances en la industria son imparables. De hecho, las revoluciones tecnológicas se
suceden en plazos de tiempo cada vez más cortos. Aunque las organizaciones se irán
adaptando de forma paulatina a la quinta revolución industrial, a lo largo del proceso ya se
habrán asentado las bases de la sexta. Estos ciclos se retroalimentan entre sí, por lo que
parece que vamos a vivir en un mundo en constante cambio.
Según el paper Welcome to Industry 5.0 de Universal Robots, la Industria 5.0 devuelve la
batuta a la mano humana. Este proceso trata de mejorar la productividad en la industria
mientras que, de forma paralela, pretende reducir la frialdad endémica de estos entornos.
De esta forma, parece que los humanos volvemos a ganar protagonismo por encima de las
máquinas, relegadas a ser nuestras eternas ayudantes.

1.5. Tipos de usuario de inteligencia de negocios

Tipos de usuario
Usuarios de Negocio
Tradicionalmente, las empresas no proporcionan herramientas y soluciones de análisis a
este tipo de usuarios sino que optan normalmente por tener analistas especializados y roles
de liderazgo gerencial lo que provoca que los requerimientos de análisis sean canalizados
siempre a través de estas personas.
Los usuarios de negocio requieren herramientas que anteriormente habían sido reservadas
para usuarios más “selectos”. Poner en sus manos una mayor capacidad analítica, les da el
potencial para ser más eficientes en sus respectivos roles y libera a los especialistas y
gerentes de negocio para que puedan aportar contribuciones de mayor valor.
Es crítico que las fuentes de información sean confiables y que las herramientas sean
familiares y fáciles de utilizar, ya que estos usuarios se alejarán de cualquier herramienta
nueva si no entienden inmediatamente su funcionamiento o si los resultados de sus análisis
son incorrectos.
Ejecutivos
Una mayor capacidad de examinar un amplio rango de datos, para explicar y entender
mejor el desempeño de la organización lleva a mejorar significativamente la habilidad de
planeación y manejo de recursos de los ejecutivos de negocio.
Si bien no requieren de soluciones tan avanzadas como los gerentes de negocio, los
analistas de negocio o los analistas avanzados, una buena capacidad de análisis les permite,
con el tiempo, gerenciar con una mayor precisión.
El reporteo analítico satisface sus necesidades, permitiéndoles explorar de manera confiable
una vista del negocio y tomar las acciones necesarias para dirigir mejor sus procesos de
toma de decisiones.
Gerentes de Negocio
Los gerentes de negocio requieren extender sus capacidades analíticas a diferentes líneas
de productos para distintos clientes en variadas geografías y sectores de mercado o incluso
en diferentes husos horario. Además, necesitan la capacidad para seccionar la información
de una mayor cantidad de fuentes de datos y, cuando han terminado sus análisis, desean
compartir esta información con otros grupos de usuarios.
El reporteo analítico provee un buen fundamento para ellos. Sin embargo, para poder ir más
profundo requieren también del análisis de tendencias, el cual les ayuda a determinar que
tan bueno es su desempeño con respecto a diversos factores y les permite analizar porqué,
cuándo y dónde ocurren las diferencias. El manejo corporativo de dimensiones les ayuda
también a mantener, administrar y compartir, las múltiples jerarquías de la información
para su uso y reúso en las diferentes tareas de análisis.
Debido a que no son especialistas en sistemas o analistas avanzados, ellos requieren
interfaces y aplicaciones con las cuales ya estén familiarizados o se puedan familiarizar
fácilmente y necesitan tener la seguridad de que están trabajando con un «una sola versión
de la verdad».
Analistas de Negocio y Financieros
No hay necesidad de convencer a los analistas de negocio y financieros del valor de la
Inteligencia de Negocios, ellos ya están ahí, son el grupo de usuarios en cuyo rol se analiza
la información a un nivel más profundo que los mismos gerentes de negocio y al mismo
tiempo tienen la combinación de conocimiento de negocio y técnico necesarios para ayudar
en los procesos de toma de decisiones a los usuarios y los gerentes de negocio.
Estos usuarios son responsables de la generación y publicación de los reportes regulares de
la compañía así como también de las consultas no planeadas. No es un rol sencillo dada la
confianza que reside en ellos para proveer datos confiables, consistentes y actualizados, de
hecho, muchos analistas de negocio dedican el 80% de su tiempo a manipular datos en
hojas de cálculo de Microsoft Excel.
Conducen análisis de tipo «What-If» para la organización por lo que se benefician de las
capacidades del modelado de escenarios y el modelado predictivo.
Analistas Avanzados
Los analistas avanzados son habilidosos especialistas estadísticos que se encuentran a sí
mismos bajo la creciente presión de hacer cada vez más en menos tiempo para audiencias o
grupos de usuarios cada vez más diversos.
Los ejecutivos les requieren análisis detallados de temas de gran magnitud e importancia
para la compañía y los analistas de negocio confían en ellos para obtener información más
consistente y análisis más precisos, aun así, tradicionalmente los analistas avanzados no han
sido parte de las aplicaciones de Inteligencia de Negocios.
Como resultado de este aislamiento y las demandas tan variantes que tienen, los analistas
avanzados necesitan una solución que les facilite el compartir sus análisis estadísticos para
soportar la toma de decisiones del negocio con mayor visión y mayor grado de validación.
Ellos no tienen tiempo para lidiar con múltiples herramientas ni con las complejidades de
exportar/importar datos de/desde diferentes fuentes y sistemas, necesitan un herramienta
capaz de incorporar sus resultados directamente al reporteo corporativo y los dashboards
corporativos.

1.5.1. Productores de información

PRODUCTORES DE INFORMACIÓN
El concepto de productores de información incluye tanto a las personas físicas que crean
información original –investigadores, científicos, tecnólogos, intelectuales, pensadores,
literatos, ensayistas, periodistas, fotógrafos, artistas, etc.– como a aquellos otros agentes –
personas jurídicas, entidades, asociaciones, organizaciones, etc.– que elaboran distintos
productos informativos completa o parcialmente originales. Su principal tarea es crear,
recopilar, almacenar, organizar, conservar y comunicar la información que requieren los
procesos productivos característicos de la economía informacional.
Ésta es la forma característica que ha adoptado la economía mundial desde mediados de la
década de los ochenta del siglo pasado, momento en el que la productividad y la
competitividad de las unidades o agentes de esta economía –empresas, consorcios, regiones
geográficas, naciones o países– comenzaron a utilizar su capacidad para generar, procesar y
aplicar con eficacia la información basada en el conocimiento.
Se produjo así, según indica el sociólogo M. Castells (1997), el nacimiento de un sistema
económico basado en un paradigma tecnológico organizado entorno a unas tecnologías de
la información muy potentes, adaptables y versátiles que hacen que la información misma
se convierta en el principal producto del proceso de producción económica. Estas
tecnologías, al modificar la forma de procesar la información, intervienen en todos los
escenarios en los que se desarrolla la actividad humana y establecen multitud de conexiones
entre los agentes que producen, procesan o usan dicha información.
El catálogo de agentes productores de información se ha multiplicado exponencialmente en
los últimos años en buena medida porque las tecnologías de la información y las
comunicaciones han afectado radicalmente a las relaciones que los ciudadanos establecen
con el consumo, los modos de procesamiento, edición y difusión de la información, ya que
permiten actuar como productores de información a agentes individuales o colectivos que
tradicionalmente habían permanecido al margen de los medios de producción informativa,
como instituciones, empresas, bloggers, autores de páginas web personales o colectivas,
etc.
Un ejemplo reciente que ilustra bien este proceso de incremento de productores de
información es el fenómeno conocido como “web 2.0. Supone un salto cualitativo desde la
informática personal hacia la informática social y se caracteriza por un uso avanzado de las
prestaciones de las TIC por parte de los usuarios, que no se limitan a una navegación pasiva
sino que comparten y producen contenidos, colaboran con otros usuarios y establecen
relaciones sociales a través de la Web. El cuadro recogido a continuación visualiza dicho
salto cualitativo.

UNIDAD III. Componentes de la inteligencia de negocios

Contenido:
Duración: 6 horas

3.1. Necesidades de inteligencia de negocios

La inteligencia de negocio es una necesidad y una oportunidad para revelar conocimientos

valiosos de la empresa mediante cuadros de mando, que nos permitan adoptar las
decisiones correctas y anticiparnos a futuros escenarios.

Alguien dijo «La inteligencia (como información o conocimiento) es poder«. Los paises

más avanzados, y tambien los menos, disponen de unos Servicios de Inteligencia para que
los gobernantes puedan tomar decisiones de todo tipo. También en la empresa ante la gran
cantidad de datos e información disponible necesita una Inteligencia de los Negocios.
Sobre el año 1996 apareció el concepto de Business Intelligence (BI) o Inteligencia de los
Negocios. Fue la consultora Gartner la que mas o menos la definió así:
«Para el año 2000, la Democracia de la Información emergerá en las empresas de
vanguardia, con las aplicaciones de Inteligencia de Negocios ampliamente disponibles a
nivel de empleados, consultores, clientes, proveedores y el público en general. La clave
para surgir en un mercado competitivo es mantenerse delante de sus competidores. Se
requiere mas que intuición para tomar decisiones correctas basadas en información exacta y
actualizada. Las herramientas de informes, consulta y análisis de datos pueden ayudar a los
usuarios de negocios a navegar a través de un mar de información para sintetizar la
información valiosa que en él se encuentra – hoy en día esta categoría de herramientas se
les llama «Inteligencia de Negocios».
La Inteligencia de los Negocios es el conjunto de productos y servicios que permiten a los
usuarios finales acceder y analizar de manera rápida y sencilla, a la información para
la toma de decisiones de negocio a nivel operativo, táctico y estratégico.
La BI es esencialmente una ciencia de la economía, esto significa que se basa en
los datos en lugar de simples conjeturas. Lo datos son recolectados usando medios
informáticos, y organizados de una manera lógica con el fin de obtener la información justa
y necesaria. Esta información es tratada e interpretada para utilizarla ya en la toma de
decisiones.
Existen herramientas (Business Intelligence Tools) a disposición de las empresas para la
toma de decisiones de la alta gerencia a nivel estratégico; para la media gerencia y analistas
a nivel táctico; y para todo tipo de personal a nivel operativo. Algunas:

Congresos
Cuadros de mando

El cuadro de mando integral, es un mecanismo de control que posibilita el

establecimiento y la monitorización de los objetivos de la organización y de sus distintas
áreas

Además, se puede definir como una herramienta que potencia a las empresas a definir sus
objetivos y proyectos imprescindibles para llegar a ejecutar su estrategia, presentando de
manera constante cuando la organización y los trabajadores logran los objetivos
especificados en su plan estratégico.
La diferencia entre el cuadro de mando integral y otras herramientas de Business
Intelligence, como pueden ser los sistemas de soporte a la decisión o los sistemas de
información ejecutiva, radica en que estos últimos están más enfocados al rastreo de
indicadores y el cuadro de mando se basa más profundamente en el análisis meticuloso de
la información.
Además, es bastante habitual que el cuadro de mando integral esté gestionado por la
dirección general de la empresa, mientras que otras herramientas de Business Intelligence
van más encaminadas hacia la dirección departamental. El cuadro de mando integral,
requiere que los altos directivos evalúen el entorno empresarial y la estrategia para
desarrollar un modelo de negocio que plasme las interrelaciones entre los distintos actores
de la organización. Una vez desarrollado este plan estratégico, la alta dirección lo utilizará
como guía para escoger los indicadores del cuadro de mando integral.
 
Modelos de cuadro de mando
Existen dos modelos de cuadro de mando, a saber:
El Cuadro de Mando Operativo (CMO)
Es una aplicación para controlar el seguimiento de variantes operativas, es decir, aquellas
que son inherentes a algunos de los departamentos de la organización. La temporalidad de
los cuadro de mandos operativos puede ser a diario, de semana en semana o mensual y se
concentra en variables que marcan procedimientos, por lo que su establecimiento y
desarrollo es más sencillo y ágil. Un buen cuadro de mando operativo debería ir unido
siempre a un sistema de soporte de decisiones para analizar exhaustivamente sobre los
datos.
El Cuadro de Mando Integral (CMI)
Define la puesta en marcha de una estrategia empresarial desde un prisma de la dirección
general, por lo que ésta debe estar al tanto de todas sus etapas. Se pueden encontrar
distintos modelos de cuadro de mando integral, aunque los más comunes con los definidos
por Kaplan & Norton. Estos autores categorizan en cuatro perspectivas al cuadro de mando
integral.
● La perspectiva financiera que integra la percepción de los accionistas y calcula la
producción de valor para la organización. Valora la manera en la que generar valor
para los accionistas y en definitiva para la empresa.
● Perspectiva del cliente, escenifica la posición de la empresa en los mercados o
segmentos en los que desea estar presente. Es decir, representa el posicionamiento
en el mercado y de qué manera lo mantiene.
● La perspectiva interna reúne aquellos factores de procedimientos internos que son
decisivos a la hora de posicionarse en el mercado y de llevar una estrategia de
 manera exitosa.
● Perspectiva de aprendizaje y crecimiento, se trata de variables que miden las
mejoras y el desarrollo de los recursos para invertir en un proyecto u otro. Dan
como resultado la cantidad de recursos materiales y humanos necesarios para
establecer un modelo de negocio fructífero.

3.2. Fuentes de la información

Se denominan fuentes de información a diversos tipos de documentos que contienen datos

útiles para satisfacer una demanda de información o conocimiento. Conocer, distinguir y
seleccionar las fuentes de información adecuadas para el trabajo que se está realizando es
parte del proceso de investigación.

Según el nivel de información que proporcionan las fuentes de información pueden ser

primarias o secundarias.
Las fuentes primarias contienen información nueva y original, resultado de un trabajo
intelectual.
Son documentos primarios: libros, revistas científicas y de entretenimiento, periódicos,
diarios, documentos oficiales de instituciones públicas, informes técnicos y de
investigación de instituciones públicas o privadas, patentes, normas técnicas.
Las fuentes secundarias contienen información organizada, elaborada, producto de
análisis, extracción o reorganización que refiere a documentos primarios originales.
Son fuentes secundarias: enciclopedias, antologías, directorios, libros o artículos que
interpretan otros trabajos o investigaciones.

Al buscar diversas fuentes de información es necesario hacerlo de manera selectiva y

dinámica, pues existen grandes cantidades de fuentes de información y se generan más cada
día.

Fuentes de información primarias.

Entre las fuentes de información primarias podemos mencionar, monografías o libros
electrónicos, en internet encontramos sobre todo obras monográficas de escritoras a texto
completo. Revistas, las cuales al ser publicaciones periódicas ofrecen información más
actualizada, además este tipo de publicaciones suelen tener cierto nivel de especialización.
Enciclopedias, son obras de consulta generales o temáticas las cuales suelen tener tipos
diferentes de información. Diccionarios  especializados, obras organizadas alfabéticamente
en donde se puede localizar información de un área específica. Directorio, listas de
personas, instituciones, organizaciones, etc. organizadas por distintos criterios. Repertorios
biográficos, son obras que contienen biografías, en ocasiones se encuentran especializados
en algún área del conocimiento. Estadísticas, estas son un instrumentos de análisis que
recogen una gran cantidad de datos y los muestran de manera organizada. Las fuentes
referenciales (bibliografías  y catálogos de bibliotecas) las cuales te apoyan  en la búsqueda
de materiales diversos.
Fuentes de información primarias.
Entre las fuentes de información primarias podemos mencionar, monografías o libros
electrónicos, en internet encontramos sobre todo obras monográficas de escritoras a texto
completo. Revistas, las cuales al ser publicaciones periódicas ofrecen información más
actualizada, además este tipo de publicaciones suelen tener cierto nivel de especialización.
Enciclopedias, son obras de consulta generales o temáticas las cuales suelen tener tipos
diferentes de información. Diccionarios  especializados, obras organizadas alfabéticamente
en donde se puede localizar información de un área específica. Directorio, listas de
personas, instituciones, organizaciones, etc. organizadas por distintos criterios. Repertorios
biográficos, son obras que contienen biografías, en ocasiones se encuentran especializados
en algún área del conocimiento. Estadísticas, estas son un instrumento de análisis que
recogen una gran cantidad de datos y los muestran de manera organizada. Las fuentes
referenciales (bibliografías  y catálogos de bibliotecas) las cuales te apoyan  en la búsqueda
de materiales diversos.

3.2.1. Fuentes digitales

Los tipos de fuentes de información son los distintos orígenes de la información. Estas son,
principalmente, tres: fuente primaria, secundaria y terciaria.
Fuente digital
La fuente digital es aquella en la que que se expone información, y se accede a ella, a través
de un soporte digital. Es el caso de revistas digitales, periódicos digitales, así como otros
portales electrónicos en los que se ofrece información. Para llegar a ella, por tanto, es
preciso un dispositivo electrónico que nos permita obtenerla.
 3.2.2. Fuentes internas

Como fuentes internas se conocen todas aquellas que proceden de la investigación interna

de la propia empresa y que puede intercambiarse con clientes y proveedores. Dentro de este
tipo, se debe diferenciar entre fuentes internas primarias y fuentes internas secundarias.
Las fuentes internas primarias son todas aquellas que reportan datos generados dentro de
la propia compañía por elemento internos de la gestión comercial como ventas, clientes,
precios, productos y capital humano, entre otros.  En este sentido, cabe destacar el
protagonismo que juegan los equipos administrativo y comercial de la empresa como
elementos emanadores y recolectores de datos. (En este apartado, hay que subrayar la
importancia que tiene el CRM en la gestión de la información orientada a la mejora de
ventas).

3.2.3. Fuentes externas

Por otra parte, las fuentes externas son todas aquellas procedentes de varias vías ajenas a
la empresa. Además, representan la fuente más popular siendo denominadas por LILIEN y
KOTLER como fuentes de la inteligencia del marketing.
Dentro de las fuentes externas, hay que subrayar también las fuentes externas primarias:
todas aquellas que arrojan información bien por los medios internos de la empresa, bien a
través de elementos externos como agencias o empresas de investigación. Dicha
información procede de la unidad primaria de información de la empresa (consumidores,
distribuidores, accionistas y empleados).

3.3. Proceso ETL

Los procesos ETL son una parte de la integración de datos, pero es un elemento importante
cuya función completa el resultado de todo el desarrollo de la cohesión de aplicaciones y
sistemas.

La palabra ETL corresponde a las siglas en inglés de:

    •    Extraer: extract.
    •    Transformar: transform.
    •    Y Cargar: load.
 
Con ello, queremos decir que todo proceso ETL consta precisamente de estas tres fases:
extracción, transformación y carga. Vamos a definir en qué consisten cada una de estas
fases.

Fase de Extracción en los procesos ETL

Para llevar a cabo de manera correcta el proceso de extracción, primera fase de los
procesos ETL, hay que
seguir los siguientes pasos:

● Extraer los datos desde los sistemas de origen.

● Analizar los datos extraídos obteniendo un chequeo.
● Interpretar este chequeo para verificar que los datos extraídos cumplen la pauta o
estructura que se esperaba. Si no fuese así, los datos deberían ser rechazados.
● Convertir los datos a un formato preparado para iniciar el proceso de transformación

Además, uno de las prevenciones más importantes que se deben tener en cuenta durante el
proceso de extracción sería el exigir siempre que esta tarea cause un impacto mínimo en
el sistema de origen. Este requisito se basa en la práctica ya que, si los datos a extraer son
muchos, el sistema de origen se podría ralentizar e incluso colapsar, provocando que no
pudiera volver a ser utilizado con normalidad para su uso cotidiano.
Procesos ETL: fase de Transformación
La fase de transformación de los procesos de ETL aplica una serie de reglas de
negocio o funciones sobre los datos extraídos para convertirlos en datos que serán
cargados. Estas directrices pueden ser declarativas, pueden basarse en excepciones o
restricciones pero, para potenciar su pragmatismo y eficacia, hay que asegurarse de que
sean:
● Declarativas.
● Independientes.
● Claras.
● Inteligibles.
● Con una finalidad útil para el negocio.
Proceso de Carga: la culminación de los procesos ETL
En esta fase, los datos procedentes de la fase anterior (fase de transformación) son cargados
en el sistema de destino. Dependiendo de los requerimientos de la organización, este
proceso puede abarcar una amplia variedad de acciones diferentes.

Existen dos formas básicas de desarrollar el proceso de carga:

● Acumulación simple: esta manera de cargar los datos consiste en realizar un resumen de
todas las transacciones comprendidas en el período de tiempo seleccionado y transportar el
resultado como una única transacción hacia el data warehouse, almacenando un valor
calculado que consistirá típicamente en un sumatorio o un promedio de la magnitud
considerada. Es la forma más sencilla y común de llevar a cabo el proceso de carga.

● Rolling: este proceso sería el más recomendable en los casos en que se busque mantener
varios niveles de granularidad. Para ello se almacena información resumida a distintos
niveles, correspondientes a distintas agrupaciones de la unidad de tiempo o diferentes
niveles jerárquicos en alguna o varias de las dimensiones de la magnitud almacenada (por
ejemplo, totales diarios, totales semanales, totales mensuales, etc.).

Sea cual sea la manera elegida de desarrollar este proceso, hay que tener en cuenta que esta
fase interactúa directamente con la base de datos de destino y, por eso, al realizar esta
operación se aplicarán todas las restricciones que se hayan definido en ésta. Si están bien
definidas, la calidad de los datos en el proceso ETL estará garantizada.
 
Aplicaciones de los procesos ETL

Gracias a los procesos ETL es posible que cualquier organización:

    •    Mueva datos desde una o múltiples fuentes.
    •    Reformatee esos datos y los limpie, cuando sea necesario.
    •    Los cargue en otro lugar como una base de datos, un data mart o un data warehouse.
    •    Una vez alojados en destino, esos datos se analicen.
    •    O, cuando ya están cargados en su ubicación definitiva, se empleen en otro sistema
operacional, para apoyar un proceso de negocio.
 
No obstante, las herramientas ETL no tienen por qué utilizarse sólo en entornos de Data
Warehousing o construcción de un Data Warehouse, sino que pueden ser útiles para
multitud de propósitos, como por ejemplo:
   •  Tareas de Bases de datos: que también se utilizan para consolidar, migrar y sincronizar
bases de datos operativas.
   •  Migración de datos entre diferentes aplicaciones por cambios de versión o cambio de
aplicativos.
   •  Sincronización entre diferentes sistemas operacionales (por ejemplo, entre nuestro
entorno ERP y la web de ventas).
   •  Consolidación de datos: sistemas con grandes volúmenes de datos que son
consolidados en sistemas paralelos, ya sea para mantener históricos o para llevar a cabo
procesos de borrado en los sistemas originales.
   •  Interfases de datos con sistemas externos: como el envío de información a clientes o
proveedores. También servirían para la recepción, proceso e integración de la información
recibida.
   •  Interfases con sistemas Frontoffice: serían interfases de subida/bajada con sistemas de
venta.
   •  Otros cometidos: como la actualización de usuarios a sistemas paralelos o la
preparación de procesos masivos (tipo mailings o newsletter).
 
Otros usos de los procesos ETL
Los procesos ETL no sólo se utilizan cuando sobreviene la aparición de nuevas
aplicaciones que se han de incorporar a las rutinas de la organización, sino que
también es frecuente emplearlos para la integración con sistemas heredados.
Cuando se habla de sistemas heredados se está haciendo referencia a las aplicaciones
antiguas que existen en el entorno de la empresa. Muchas veces, estos sistemas se deben
integrar con nuevos aplicativos, por ejemplo con ERPs.
La principal dificultad que puede presentarse en este tipo de situaciones es que la
tecnología utilizada en estas aplicaciones antiguas complica la integración con los
nuevos programas y, por eso, convieen contar con ela poyo experto de un buen aliado
tecnológico.

3.4. Almacén de datos

Un data warehouse es un tipo de sistema de gestión de datos diseñado para habilitar y dar

soporte a las tareas de inteligencia empresarial (BI), especialmente las analíticas. Los data
warehouses solo se han diseñado para realizar consultas y tareas de análisis, y suelen
contener grandes cantidades de datos históricos. A menudo, la información dentro de un
data warehouse proviene de una amplia gama de fuentes, como los archivos de registro de
aplicaciones o las aplicaciones de transacción.
Un data warehouse centraliza y fusiona grandes cantidades de datos de múltiples fuentes.
Gracias a sus capacidades analíticas, las organizaciones pueden obtener información
empresarial valiosa a partir de los datos y mejorar las decisiones. Con el tiempo, se
construye un registro histórico de gran valor para los expertos en datos y los analistas de
negocio. Debido a estas funciones, se puede considerar al data warehouse como la “única
fuente de información” de una entidad.
Obtenga más información sobre Autonomous Data Warehouse
Un data warehouse típico suele incluir los siguientes elementos:
● Una base de datos relacional para almacenar y gestionar los datos.
● Una solución de extracción, carga y transformación (ELT) para preparar los datos
para el análisis.
● Análisis estadísticos, informes y funciones de extracción de datos.
● Herramientas de análisis de clientes para visualizar y presentar datos a usuarios de
negocio.
● Otras aplicaciones analíticas más sofisticadas que generan información procesable
aplicando data science y algoritmos de inteligencia artificial (IA)

Ventajas de un data warehouse

Los data warehouses ofrecen una ventaja exclusiva y global: permitir a las organizaciones
analizar grandes cantidades de datos de variables y extraer un valor significativo, además
de mantener un registro histórico.
Los data warehouses cuentan con cuatro características exclusivas (descritas por el experto
en informática William Inmon, considerado el originador de los data warehouses) por las
que pueden aportar esta ventaja global. Según esta definición, los data warehouses disponen
de las siguientes características:
● Orientados a sujetos. Pueden analizar datos sobre un tema particular o área
funcional (como las ventas).
● Integrados. Los data warehouses crean uniformidad entre diferentes tipos de datos de
fuentes dispares.
● No volátiles. Cuando la información entra en un data warehouse, es estable y no
cambia.
● Tienen en cuenta las variaciones a lo largo del tiempo. La analítica de los data
warehouses toma en consideración los cambios que se producen con el tiempo.
Un data warehouse bien diseñado realizará consultas muy rápidamente, ofrecerá una gran
producción de datos y aportará la flexibilidad necesaria para que los usuarios finales
puedan “cortar y fragmentar” o reducir el volumen de datos para realizar un examen más
detallado y cumplir con diferentes demandas, ya sea a un nivel muy global o muy detallado.
El data warehouse es la base funcional para los entornos de BI middleware que suministran
informes, cuadros de mando y otras interfaces a los usuarios finales.

Arquitectura de un data warehouse

La arquitectura de un data warehouse depende de las necesidades específicas de la
organización. Algunas de las arquitecturas más comunes son:
● Sencilla. Todos los data warehouses comparten un diseño básico en el que los
metadatos, los datos de resumen y los datos sin procesar se almacenan en el
repositorio central del almacén. En uno de los lados, el repositorio se alimenta de
 fuentes de datos y, en el otro, los usuarios finales acceden para las tareas de análisis,
elaboración de informes y extracción.
● Sencilla con zona de preparación. Es necesario limpiar y procesar los datos
operativos antes de colocarlos en el almacén. Aunque esto se puede hacer mediante
programación, muchos data warehouses añaden una zona de preparación de datos
antes de introducirlos en el almacén, a fin de simplificar la preparación.
● Radial. Al añadir data marts entre el repositorio central y los usuarios finales, las
organizaciones pueden personalizar su data warehouse para atender a varias áreas
de negocio. Cuando los datos ya están listos para el uso, se mueven al data mart
correspondiente.
● Entorno de pruebas. Los entornos de pruebas (sandbox) son zonas seguras, privadas
y protegidas donde las empresas pueden explorar de forma rápida e informal nuevos
conjuntos de datos o nuevas maneras de analizarlos sin tener que cumplir con las
reglas y los protocolos formales del data warehouse.

3.5. Explotación de la información.

La inteligencia de negocio propone un abordaje interdisciplinario (dentro del que se

encuentra la Informática), que tomando todos los recursos de información disponibles y el
uso de herramientas analíticas y de síntesis con capacidad de transformar la información en
conocimiento, se centra en generar a partir de estos, conocimiento que contribuya con la
toma de decisiones de gestión y generación de planes estratégicos en las organizaciones. La
Explotación de Información es la sub-disciplina Informática que aporta a la Inteligencia de
Negocio las herramientas para la transformación de información en conocimiento. Se ha
definido como la búsqueda de patrones interesantes y de regularidades importantes en
grandes masas de información. Cuando los procesos de explotación de información son
definidos, se decide que algoritmos de minería de datos van a dar soporte a los procesos de
explotación de información. En este contexto, este trabajo propone una caracterización de
procesos de explotación de información relacionados a los siguientes problemas de
inteligencia de negocio: descubrimiento de reglas de comportamiento, descubrimiento de
grupos, descubrimiento de atributos significativos, descubrimiento de reglas de pertenencia
a grupos y ponderación de reglas de comportamiento o de reglas de pertenencia a grupos.
Explotación de Información La explotación de Información es la sub-disciplina Informática
que aporta a la Inteligencia de Negocio las herramientas (procesos y tecnologías) para la
transformación de información en conocimiento, para lograr este objetivo se utiliza a la
Minería de Datos. Se define la Minería de Datos (Data Mining) como el proceso mediante
el cual se extrae conocimiento comprensible y útil que previamente era desconocido
desde bases de datos, en diversos formatos, de manera automática.

Explotación de Información La minería de datos es un elemento fundamental de un proceso

más amplio que tiene como objetivo el descubrimiento de conocimiento en grandes bases
de datos, este proceso, tiene una primer etapa de preparación de datos, luego el proceso de
minería de datos, la obtención de patrones de comportamiento, y la evaluación e
interpretación de los patrones descubiertos. (Gp:) Siste-ma de Inf. (Gp:) Prepara-ción datos
(Gp:) Evaluación Interpre-tac. Visualizac. (Gp:) Minería De Datos (Gp:) Conocimien-to
(Gp:) Patrones

Explotación de Información Ante la necesidad existente de brindar al

incipiente mercado una aproximación sistemática para la implementación de proyectos de
Minería de Datos, diversas empresas han especificado un proceso de modelado diseñado
para guiar al usuario a través de una sucesión formal de pasos: SAS propone la utilización
de la metodología SEMMA [SEMMA 2008] (Sample, Explore, Modify, Model, Assess).
En el año 1999 uno grupo de empresas europeas, NCR (Dinamarca), AG (Alemania), SPSS
(Inglaterra) y OHRA (Holanda), desarrollaron una metodología de libre distribución
CRISP-DM (Cross-Industry Standard Process for Data Mining) [CRISP, 2008]. La
metodología P3TQ [Pyle, 2003] (Producto, Place, Price, Time, Quantity), tiene
dos modelos, el Modelo de Explotación de Información y el Modelo de Negocio.
Procesos de Explotación de Información Se identificaron cinco procesos de minería de
datos y el contexto en el cual deben ser aplicados: Proceso de predicción, Proceso de
construcción de modelos, Proceso de descubrimiento de grupos, Proceso de identificación
de factores y Proceso de detección de perfiles

Procesos, tecnologías aplicaciones de DM

La familia TDIDT (Top Down Induction Trues) pertenece a los métodos inductivos
del Aprendizaje Automático que aprenden a partir de ejemplos preclasificados. Dado un
conjunto que contiene ejemplos pertenecientes a distintas clases, se realiza una prueba
sobre los distintos atributos y se realiza una partición según el “mejor” atributo. Para
encontrar el “mejor” atributo, se utiliza la teoría de la información, determinando que
atributo aporta mayor ganacia (o menor perdida de información) al tomar un
determinado valor.
Dolor de pecho de angor Duración del angor No (Infarto de miocardio) Más de 30’ Menos
de 30’ Típico Ausente Atípico No (Infarto de miocardio) Si (Infarto de miocardio)
Respuesta vasodilatadora Negativo Positivo Si (Infarto de miocardio) Irradiación del angor
Si No No (Infarto de miocardio) Si (Infarto de miocardio) Angor en relación Antigüedad
del angor Irradiación del angor Duración del angor Respuesta vasodilatadora Dolor de
pecho de angor Infarto agudo de miocardio Infarto agudo de miocardio Infarto agudo de
miocardio Infarto agudo de miocardio Infarto agudo de miocardio Infarto agudo de
miocardio ALGORITMOS TDIDT Presentación intuitiva del proceso de inducción
Si Cantidad de calorías = Alta Y estoy a dieta = Sí Entonces No comerlo Si Cantidad de
calorías = Alta Y estoy a dieta = No Y estoy yendo al gimnasio = No Entonces Comerlo la
mitad Si Cantidad de calorías = Alta Y estoy a dieta = No Y estoy yendo al gimnasio = Sí
Entonces Comerlo Si Cantidad de calorías = Baja Entonces Comerlo Reglas
ALGORITMOS TDIDT Construcción de reglas
Minería de datos en entornos WEB La aplicación de técnicas de Data Mining sobre el
conjunto de datos contenidos en la World Wide Web se conoce con el nombre de
WebMining el objetivo es aprovechar todas las ventajas de los procesos de Minería de
Datos para obtener conocimiento de la información disponible en Internet. Existen dos
enfoques bien diferenciados de análisis, por un lado la Minería de datos desde el lado
del servidor y por el otro desde el lado del cliente. Se utiliza la minería de datos en entornos
Web para descubrir en forma automática documentos y servicios de la web y extraer
información útil sobre ellos, información que implica distintos tipos de datos:
imágenes, sonido, texto, semi-estructurado, imágenes, etc.,

Minería de datos en entornos WEB (2) Se aplican técnicas de Minería de Datos para:
Descubrir conocimiento relacionado con el contenido de la Web donde se localizan los
datos de las páginas HTML, los datos multimedia, datos XML y de textos. Descubrir
conocimientos relacionados con el uso y el acceso a la Web (Web User Mining). Descubrir
conocimientos relacionados con la estructura de la Web y se relaciona con encontrar
patrones de comportamiento en los enlaces o links que se encuentran en los documentos
hipertextuales en Internet.

3.6. Herramientas para inteligencia de negocios

Introducción de minería de datos
El mercado de las herramientas de Business Intelligence crecerá a un ritmo anual del
7,6% entre 2020 y 2025, según pone de manifiesto un estudio de MarketsandMarkets.
La Inteligencia de Negocio y el Big Data están ofreciendo a las organizaciones justo lo que
más necesitan: confianza en medio de la incertidumbre por la pandemia de la COVID-19 y
por la imparable transformación digital en que se halla inmerso el sector empresarial.
Los expertos en Business Intelligence y Big Data recurren a soluciones tecnológicas para
automatizar las tareas de recolección y análisis pero, sobre todo, para trabajar en
la visualización de datos. Numerosos departamentos (como marketing, RRHH, compras,
logística, etc.), así como los mandos directivos, hacen uso de dashboards creados con
estas plataformas para consultar información previamente tratada por los analistas y data
scientists.
Ante este interés por el Business Intelligence, el número de herramientas a nuestra
disposición no hace sino aumentar. ¿Con cuál -o cuáles- quedarnos? En datahack hemos
llevado a cabo nuestra propia selección con las 6 soluciones de Inteligencia de
Negocio más útiles para este 2021. ¿Las has probado ya?
1.     Power BI
Power BI es una suite de Microsoft para la gestión de datos y la realización de análisis
descriptivos y predictivos. Power BI vuelca la información en cuadros de mando
interactivos que muestran la evolución de las variables del negocio, favoreciendo una
dinámica self-service de acceso a los datos por parte de las distintas áreas de la
organización.
Entender el funcionamiento de esta herramienta de Business Intelligence es
prácticamente una obligación para los expertos en Big Data. ¿Qué puedes hacer para
acercarte a ella?
● Lee nuestro post acerca de qué es Power BI y para qué sirve.
● Matricúlate en nuestro curso introductorio sobre visualización de datos en Power
BI.
● Da un paso más aprendiendo con datahack acerca de visualización avanzada de
datos con Power BI.
2.     Tableau
Tableau mantiene su posición de preeminencia entre las soluciones de Business
Intelligence más utilizadas. Probablemente, porque los niveles de dificultad en su manejo
se adaptan al conocimiento de sus usuarios: los neófitos pueden efectuar análisis
sencillos en una plataforma visual e intuitiva; mientras que los especialistas disponen de
numeras opciones de configuración en un entorno seguro y escalable.
Además, su gran implantación en todo el mundo ha favorecido el crecimiento de
una comunidad online muy activa, que comparte a menudo sus experiencias con la
herramienta en foros y redes sociales.
3.     MicroStrategy
La rapidez y la inmediatez son las grandes ventajas que sitúan a MicroStrategy como una
de las herramientas de Business Intelligence con más potencial en 2021. Ofrece
numerosas posibilidades de integración con otras aplicaciones (con Power BI, entre
otras), permite efectuar análisis en tiempo real y acaba con los silos en el manejo de la
información empresarial. Además, provee funcionalidades específicas para el entorno
móvil.
4.     Oracle BI
Oracle BI es la suite de soluciones de Inteligencia de Negocio de Oracle. Presenta dos
grandes bazas como herramienta de Business Intelligence para este año:
● Analítica en la nube. Con Oracle Analytics Cloud es posible combinar un
almacenamiento on premise de los datos con la ejecución de análisis en la nube. El
resultado es un acceso seguro a los insights desde cualquier lugar.
● Inteligencia Artificial y Machine Learning. El uso de la IA y el aprendizaje
automático sustenta la formulación de predicciones más fiables.
5.     Qlik
Qlik lleva a gala su posición de liderazgo dentro del Cuadrante Mágico de Gartner 2020
para herramientas de analítica y Business Intelligence, donde comparte trono con
Microsoft y Tableau. Lo mejor de esta plataforma es que, con un tono pedagógico en su
comunicación, intenta hacer fácil lo difícil, apostando por la simplificación de sus
comandos y la automatización de las órdenes. En definitiva, persigue que los usuarios le
pierdan el miedo a los datos.
6.     SAP BusinessObjects Business Intelligence
La plataforma BusinessObjects Business Intelligence de SAP destaca por su escalabilidad,
requisito extremadamente valioso para startups y empresas en expansión. Se trata de una
herramienta de Inteligencia de Negocio con implementación local y 100% integrable con
el paquete Office de Microsoft, lo que la convierte en la solución de elección para aquellas
compañías que han hecho de Excel su biblia corporativa.

UNIDAD IV. Visualización y presentación de datos.

4.1. Tablas dinámicas

https://www.youtube.com/watch?v=xuG1E_BtMRY
https://www.youtube.com/watch?v=Jpu5pri586g
4.1.1. Partes de una tabla dinámica
https://www.youtube.com/watch?v=1u7reJwa_bw
https://www.youtube.com/watch?v=Hp957xdGx54
4.1.2. Creación de tablas dinámicas
https://www.youtube.com/watch?v=gsxCopOjGZo
https://www.youtube.com/watch?v=1kZ9aVy_pEo
4.1.3. Agrupar datos en tablas dinámicas
https://www.youtube.com/watch?v=Be2G0gChuOo
https://www.youtube.com/watch?v=gLLKxR62ex4
4.1.4. Filtrar datos
https://www.youtube.com/watch?v=s0xDbh_9T3Q
https://www.youtube.com/watch?v=zjNmQ3iYt5I
4.1.5. Creación de gráficas dinámicas
https://www.youtube.com/watch?v=6q1xGFW-xOQ
https://www.youtube.com/watch?v=bo81FPp1VeI
4.2. Administración de escenarios
https://www.youtube.com/watch?v=YQ9wGXtr-9E
https://www.youtube.com/watch?v=LpnmNqAO56s
4.2.1. Creación de escenarios
https://www.youtube.com/watch?v=WDqfHYP3sZY
https://www.youtube.com/watch?v=62ri31MBWgo
4.2.2. Gestión de escenarios
https://www.youtube.com/watch?v=Z0zJtXJB8nQ
https://www.youtube.com/watch?v=syji5LZOz40
4.2.2.1. Mostrar
https://www.youtube.com/watch?v=t7zHhCgC20g
https://www.youtube.com/watch?v=xI4GLuPM6Tg
https://www.youtube.com/watch?v=faVUsDn0vR8

4.2.2.2. Modificar
https://www.youtube.com/watch?v=kogaMdE75bI
https://www.youtube.com/watch?v=npP56ZRAPrs
4.2.2.3. Eliminar
https://www.youtube.com/watch?v=kogaMdE75bI
https://www.youtube.com/watch?v=UVNM3NfBhKc
4.2.3. Informe con escenarios
https://www.youtube.com/watch?v=AYcXSnbaPrQ
https://www.youtube.com/watch?v=AofP5yKsQ38
4.3. Cuadros de mando
https://www.youtube.com/watch?v=mvtCHG6EPmM
https://www.youtube.com/watch?v=EqSPN_4dn64
4.4. Dashboard de negocios
https://www.youtube.com/watch?v=OeBMWKr5xFY
https://www.youtube.com/watch?v=6EhOjQ629EU
4.4.1. Beneficios y utilidad
https://www.youtube.com/watch?v=4I40XzWo1YY
https://www.youtube.com/watch?v=u53T67u39BI
4.4.2. Proceso de creación de un dashboard
https://www.youtube.com/watch?v=qeya4pRrSTE
https://www.youtube.com/watch?v=F0OmqE9YYhY
4.4.3. Dashboard y análisis de datos
https://www.youtube.com/watch?v=3wRZo91f2r4
https://www.youtube.com/watch?v=0n0m7v7tedg
4.4.4. Fuente de datos para dashboard
https://www.youtube.com/watch?v=LPV4UOF5vf4
https://www.youtube.com/watch?v=9DiZsY8GPss