MBA SEMIPRESENCIAL

MAESTRÍA SEMIPRESENCIAL EN
Administración de Empresas

Conceptos Generales de
Business Intelligence
Sesión 1
 Contenido

▪ De datos a información y a conocimiento:

Tipos de datos (estructurados y no
estructurados), problemas comunes en las
organizaciones y necesidades de los
usuarios
▪ Arquitectura de BI
▪ Almacenamiento de datos
▪ Cultura del dato
De datos a información y a conocimiento
“Los datos son el nuevo petróleo en la revolución digital. La
analítica el motor que nos permitirá avanzar”
 ¿Qué es Business Intelligence?
03 04
CONTRIBUYE A PERMITE LLEGAR A
COMPRENDER EL UN ANÁLISIS EN
NEGOCIO TIEMPO REAL

“Business Intelligence (BI) es una 02 05

AGILIZA EL PERMITE
forma de revelar información ACCESO A LA IDENTIFICAR
procesable en sus datos, INFORMACIÓN DE
FORMA EFICIENTE
EFECTIVIDADES Y
EFICIENCIAS
averiguar qué ha sucedido y, a
continuación, explorar por qué
ocurrió. Estos insights se pueden 01 06
utilizar para trazar o cambiar la vía FACILITA EL CONTRIBUYE A
UNA MEJOR
ACCESO A LA
de acceso de su negocio” (IBM). INFORMACIÓN TOMA DE
DECISIONES

Fuente: Elaborado por Carlos Sotomayor Fernandez

 Pirámide de la Información

INTELIGENCIA
Uso del conocimiento para entender, predecir y moldear el entorno en el que se desarrolla la
4 organización. Constituye una ventaja diferencial.

CONOCIMIENTO

3 Parte de la complejidad humana.

Se deriva a partir del entendimiento y uso de la información.

INFORMACIÓN
2 Datos agrupados, estructurados e interpretados.
Toma de decisiones, reducción de incertidumbre y realización de cálculos
Características: significante, relevante, vigente y válida.

DATOS
Elementos aislados recabados para algún fin. Representaciones
1 simbólicas de alguna variable o atributo que pueden ser
numéricas, texto, sonidos, imágenes, etc.

Fuente: Elaborado por Carlos Sotomayor Fernandez

Tipos de Datos
 Tipos de Datos

DATOS

ESTRUCTURADOS NO ESTRUCTURADOS
SEMI ESTRUCTURADOS
Almacenados en bases de Comprensibles para el ser
datos: humano, pero no
Parte estructurada y parte
▪ Tablas directamente para una
no estructurada. Por
▪ Cubos computadora:
ejemplo un correo
▪ Datamart ▪ Conversaciones en
electrónico:
▪ DWH redes sociales
▪ Parte estructurada:
▪ Otros ▪ Imágenes –Fotos
remitente, destinatario,
▪ PDF
fecha y hora de envío.
▪ Videos
▪ Parte no estructurada:
▪ Audios
cuerpo del mensaje
▪ Otros

Fuente: Elaborado por Carlos Sotomayor Fernandez

https://www.campusbigdata.com/big-data-blog/item/148-diferencias-entre-big-data-business-analytics-y-business-intelligence
https://www.campusbigdata.com/big-data-blog/item/148-diferencias-entre-big-data-business-analytics-y-business-intelligence
 Problemas en las Organizaciones
01 DATOS
Calidad de datos: incompletos, duplicados, no estandarizados, erróneos, inconsistentes,
falta de integridad, divergencia en las definiciones.

02 TALENTO Y ORGANIZACIÓN
Equipo no actualizado en nuevas tecnologías, negocio no se involucra, falta de
entendimiento entre el área analítica y el negocio, no se aprecia aporte al valor del área
analítica, no se mide ROI

03 TECNOLOGÍA
Soluciones propietarias u Open Source, tipo de almacenamiento, evaluación, falta “aterrizar”
propuestas de proveedores a realidad del negocio, no hay benchmark con competencia,
desconocimiento de datos abiertos, falta de partners estratégicos y de confianza, BI / ML / IA?

Fuente: Elaborado por Carlos Sotomayor Fernandez

 Necesidades de los Usuarios

https://www.evaluandosoftware.com/satisfaciendo-las-necesidades-de-informacion-de-los-usuarios-de-negocio/
 2019: menos del 50%
de las estrategias
corporativas mencionan datos y análisis como
componentes fundamentales para entregar valor
empresarial.

2022: el 90%
de las estrategias
corporativas mencionarán
explícitamente la información como
un activo empresarial crítico y el
análisis como una competencia
esencial.

Fuente: https://www.gartner.com/smarterwithgartner/why-data-and-analytics-are-key-to-digital-transformation/
 • Factor de éxito N° 1 para los CMO de hoy: capacidad de
utilizar de manera efectiva los datos y análisis de los clientes.
• Las empresas de hoy no están demostrando un ROI constante
en su inversión en análisis de marketing.
Deloitte (2019)

Deloitte, 2019
Arquitectura de BI
Parte de los sistemas de origen de una organización (bases
de datos, ERPs, ficheros de texto...), sobre los que suele
ser necesario aplicar una transformación estructural para
optimizar su proceso analítico.
 Arquitectura BI

https://blog.bi-geek.com/que-es-business-intelligence/
Almacenamiento de Datos
Almacén de datos NO ES base de datos.
 Evolución del Almacenamiento de Datos
• Data Warehouse + Data Lake.
• Estructuras de datos y funciones de gestión de datos similares al
Data Warehouse.
• Tipo de almacenamiento de bajo costo que utiliza el Data Lake:
Almacenamiento Cloud.
• Procesos ELT ( Extracción, Carga y Transformación).

• Repositorio con datos en bruto: arquitectura plana de

almacenamiento.
• Datos estructurados, semi-estructurados y no estructurados.

04 Lake House • Carga de datos sin procesar y cuando se requiere se modela.

• Se recomienda: almacenamiento Cloud.
• Usa tecnología Big Data.

03 Data Lake
• Repositorio único que recoge datos de diferentes sistemas de
la empresa.
• Datos estructurados e integrados.
• Procesos ETL (Extracción, Transformación y Carga).
• Se recomienda: servidor físico de almacenamiento por menor
02 Data Warehouse volumen de datos.
• Existen diferentes fuentes de datos desarticuladas entre si.
• Datos estructurados.
• Extracción manual a solicitud de reportes.
01 Sin Gestión de Datos • No existe gobierno de datos.
Evolución del Almacenamiento de Datos

https://databricks.com/blog/2020/01/30/what-is-a-data-lakehouse.html
Cultura del Dato
Las decisiones se basan en análisis de información y no en
predicciones ni en repetición de acciones que funcionaron en otras
ocasiones.
 Cultura Data Driven
Enfocada al
Data
Management,
gestión y uso
de los datos.

DATOS /
INFORMACIÓN Analítica de información,
modelos predictivos analíticos
Implementación de dashboards basados en KPI’s
para poder visualizar la personalizadas para el negocio
ANÁLISIS
información y compartir los y los objetivos.
resultados. Esto es vital para
que funcione un enfoque Data Este es el último eslabón en la
Driven, ya que permitirá VISUALIZACIÓN
cadena del enfoque Data
adoptar decisiones ágiles DE DATOS
Driven dentro de las
impulsadas por los datos. organizaciones. Es el último
TOMA DE punto y el más importante.
DECISIONES
 Qué es Gobierno de Datos

Esfuerzo cooperativo entre

Un problema de tecnología.
el Negocio y TI.

Combinación de personas,
Actividad de TI.
procesos y tecnología.

Proyecto que una vez

Proceso continuo.
implementado puede ser ignorado.
Esfuerzo del área de Analítica
Iniciativa empresarial.
Avanzada.
Estructura integral para
garantizar la calidad de Tarea de limpieza de datos.
datos.

Programa empresarial que Actividad de Analítica Avanzada

se sostiene por sí solo. delegada al Especialista de
Gobierno de Datos.
 Pilares del Gobierno de Datos
PROCESOS
Procesos de gestión de datos
Métricas de gobierno de datos.

TECNOLOGÍA
Implementación y automatización de la
función de datos: FRAMEWORK.

ORGANIZACIÓN
Data Owners
Data Stewards
Data Producers
Data Consumers
Especialista de Gobierno de Datos
 Conclusiones
✓ La cantidad de datos que se generan crece a
una velocidad exponencial representando
una oportunidad de construir ventaja
competitiva.
✓ Es vital diseñar, implementar y monitorear
una estrategia de business intelligence que
convierta los datos en información, la
información en conocimiento y el
conocimiento en inteligencia.
✓ Si bien el factor tecnológico (herramientas,
hardware, software) es importante, el factor
clave es la cultura organizacional y el talento
humano que la soporta.
 Conclusiones
✓ Tener claridad de la madurez analítica
alcanzada por la organización resulta
fundamental a fin de establecer los gaps en
cultura, talento, procesos y tecnología a
cubrir.
✓ Ser una organización data driven es tomar
decisiones basadas en los datos y la
analítica, no en intuición. Por ello, la
organización, la tecnología y los procesos
deben formar un círculo virtuoso.
✓ La calidad de los datos es clave para lograr
desarrollar inteligencia en la organización
por lo que el gobierno de datos resulta
imprescindible.