TÍTULO

“INTRODUCCION A LA INTELIGENCIA DE NEGOCIOS”

AUTOR

MANUEL GARCIA LUIS

ASIGNATURA

INTELIGENCIA DE NEGOCIOS

ASESOR

JOSÉ LUIS GARCÍA MARTÍNEZ

INSTITUTO TECNOLÓGICO SUPERIOR DE CINTALAPA

Cintalapa de Figueroa Chiapas, Febrero 2018.

 1. INTRODUCCIÓN

El mercado actual vive constantes cambios esto aunado a las competencias que se generan
a cada día, hacen que las empresas no puedan postergar las decisiones relacionadas
directamente con el negocio; una demora en este sentido puede llevar la gestión de la
empresa al fracaso.

Es necesario entonces contar con un sistema que juegue el papel de soporte para la toma de
decisiones, de respuesta ágil y rápida, con información precisa para poder aprovechar las
oportunidades: “estar en el lugar indicado, en el momento oportuno, con la información
correcta”.

Gestionar la información en las empresas es, hoy en día, una herramienta clave para poder
sobrevivir en un mercado cambiante, dinámico y global. Aprender a competir con esta
información es fundamental para la toma de decisiones, el crecimiento y la gestión de una
empresa.

Los sistemas orientados para la toma de decisiones son los englobados por el término
Business Intelligence. Administrar una empresa sin contar con un sistema de Business
Intelligence adecuado es como caminar con los ojos vendados: se puede avanzar, ejecutar
los procesos operacionales correctamente, progresar aparentemente según los objetivos y
hasta crecer, pero en cuanto algo falla, los procesos se descontrolan, la coordinación
desaparece y, en el mediano plazo, la empresa se desploma sobre sí misma.

2. OBJETIVO
 Dar a conocer una visión acerca del por qué se debe contar con un sistema de apoyo
para la toma de decisiones dentro de una empresa.
 Comprender el concepto de Business Intelligence.
 Conocer acerca de los beneficios que trae aparejado el uso de Business Intelligence.
 Comprender los criterios que llevan a una empresa a utilizar una solución Business
Intelligence.
 3. DESARROLLO

En empresas pequeñas como en grandes organizaciones existen variados sistemas

informatizados que tienen como objetivo principal garantizar la persistencia de las
operaciones diarias realizadas.

Bajo el nombre de Business Intelligence (Inteligencia de Negocios) se cobijan diferentes

acrónimos, herramientas y disciplinas que apuntan a dar soporte a la tarea de toma de
decisiones.

Para definir BI partiremos de la definición del glosario de términos deGartner6:

“BI es un proceso interactivo para explorar y analizarinformación estructurada sobre un

área (normalmente almacenada en un datawarehouse), para descubrir tendencias o patrones,
a partir de los cuales derivar ideas y extraer conclusiones.

El proceso de Business Intelligence incluye la comunicación de los descubrimientos y

efectuar los cambios.

Las áreas incluyen clientes, proveedores, productos, servicios y competidores.”

Business Intelligence (BI) es una disciplina que, junto con sus correspondientes
herramientas, hacen centro en el análisis de la información para la correcta toma de
decisiones que le permita a la organización cumplir con los objetivos de negocio.

Fundamentalmente podemos nombrar a:

Data Warehousing: Los Data Warehouses o Almacenes de Datos se basan en estructuras

multidimensionales (cubos) en las que se almacena la información calculando previamente
todas las combinaciones de todos los niveles de todas las aperturas de análisis. Es, por
decirlo llanamente, un producto cartesiano que almacena todas las combinaciones. Se
puede decir que este método es exagerado o salvaje y en parte esta afirmación es real. Lo
que no debe perderse de vista es que esta “salvajada” es el precio que paga la organización
para poder tomar decisiones correctas. Siempre va a ser más barato el gasto que conlleva la
adquisición de SW o HW que el costo que representa una decisión tomada a destiempo.
Calidad de datos

La calidad de los datos en un datawarehouse es fundamental, como

Afirma Bill Inmon en su artículo53 aparecido en “Business Intelligence Network” sobre

Calidad de Datos:

“Las organizaciones actúan bajo la suposición de que la información de la que disponen es

precisa y válida. Si la información no es válida, entonces no pueden responder de las
decisiones basadas en ella.”

Los Data Mart pueden ser independientes o dependientes. Los primeros son alimentados
directamente de los orígenes de información, mientras que los segundos se alimentan desde
el datawarehouse corporativo.

Los Data Mart independientes pueden perpetuar el problema de los “silos de información”
y en su evolución pueden llegar a generar inconsistencias con otros Data Mart.

Si optamos por la estrategia más común, la de construir distintos Data Marts, el proyecto
comienza con un Data Mart único al que posteriormente se irán añadiendo otros Data Marts
que cubrirán otras áreas de negocio. Normalmente no requiere de grandes inversiones y es
fácil de implementar, aunque conlleva algunos riesgos; de entre ellos, cabe destacar
fundamentalmente dos: puede perpetuar la existencia del problema de “silos de
información” y posponer la toma de decisiones que conciernen a la defi nición de criterios
y modelos de negocio. Si seguimos esta estrategia debemos tener claro el plan de acción, es
decir, qué áreas cubriremos y la integración de los distintos modelos.

Esta estrategia se utiliza a veces como un paso previo al desarrollo de un datawarehouse

corporativo.

Básicamente, las organizaciones necesitan la información:

Como soporte a las transacciones. Estamos utilizando la información para coordinar las
operaciones entre los distintos departamentos o funciones y para registrar qué está
sucediendo.

Para toma de decisiones y control. A partir de la información obtenida tomaremos

decisiones: este es el segundo uso de la información. Esta misma información nos puede
servir para controlar si los vendedores han cumplido sus cuotas de venta.
Los distintos sistemas de información intentan dar soporte a la toma de decisiones en los
distintos niveles de la organización. Los problemas a los que nos enfrentamos en estos
últimos son diferentes. En los niveles inferiores de la organización se trata de dar respuesta
a preguntas de tipo estructurado; es decir, las preguntas que se presentan se pueden
responder con afirmaciones, negaciones o valores.

Los componentes son:

• Fuentes de información, de las cuales partiremos para alimentar de información el

datawarehouse.

• Proceso ETL50 de extracción, transformación y carga de los datos en el datawarehouse.

Antes de almacenar los datos en un datawarehouse, éstos deben ser transformados,
limpiados, filtrados y redefinidos. Normalmente, la información que tenemos en los
sistemas transaccionales no está preparada para la toma de decisiones.

• El propio datawarehouse o almacén de datos, con el Metadata o Diccionario de datos. Se

busca almacenar los datos de una forma que maximice su flexibilidad, facilidad de acceso y
administración.

• El motor OLAP51, que nos debe proveer capacidad de cálculo, consultas, funciones de
planeamiento, pronóstico y análisis de escenarios en grandes volúmenes de datos. En la
actualidad existen otras alternativas tecnológicas al OLAP, que también desarrollaremos en
el presente capítulo.

• Las herramientas de visualización, que nos permitirán el análisis y la navegación a través

de los mismos.
 4. CONCLUSION

Un sistema es un conjunto de elementos organizados que interactúan entre sí. Representa el

conjunto de reglas de negocio que la organización define para llevar a cabo los procesos y
procedimientos funcionales y operativos necesarios para alcanzar los objetivos propuestos.

Una Base de Datos es un conjunto de datos que pertenecen al mismo contexto y se

encuentran almacenados sistemáticamente dentro de alguna estructura que los contiene.

Bajo el nombre de Business Intelligence (Inteligencia de Negocios) se cobijan diferentes

acrónimos, herramientas y disciplinas que apuntan a dar soporte a la tarea de toma de
decisiones.

Los Data Warehouses o Almacenes de Datos se basan en estructuras multidimensionales

(cubos) en las que se almacena la información calculando previamente todas las
combinaciones de todos los niveles de todas las aperturas de análisis.

Data Mart: El almacén de datos de un hecho en particular se denomina Data Mart (DM).

Data Mining: Está asociado al escalón más alto de la pirámide (Nivel Estratégico) y tiene
por objeto eliminar los errores cometidos por las personas al analizar los datos debido a
prejuicios y dejar que sean los datos los que muestren los modelos subyacentes en ellos.
Bibliografía
Disponible en http://www.b-eye-network.com/, agosto 2006.

“CIO Update: Data Quality ‘Firewall’ Enhances the Value of the datawarehouse”, Ted Friedman, Gartner,
2004.

MOSS, L., AND ADELMAN, S., “Data Warehouse Goals and Objectives, Part
3”, DM Review, November 1999.