Inteligencia de NegociosIntroducción Vivimos en una época en que la informaciónes la clave para obtener una ventaja competitiva en el mundo de los negocios. Para mantenerse competitiva una empresa, los gerentes y tomadores de decisiones requieren de un acceso rápido y fácil a información útil y valiosa de la empresa. Una forma de solucionar este problema es por medio del uso de Business Intelligence o Inteligenciade Negocios. Algo peor que no tener información disponible es tener mucha información y no saber qué hacer con ella. La Inteligencia de Negocios (BI) es la solución a ese problema, pues por medio de dicha información puede generar escenarios, pronósticos y reportes que apoyen a la toma de decisiones, lo que se traduce en una ventaja competitiva. La clave para BI es la información y uno de sus mayores beneficios es la posibilidad de utilizarla en la toma de decisiones. En la actualidad hay una gran variedad de software de BI con aplicaciones similares que pueden ser utilizados en las diferentes áreas de la empresa, tales como, ventas, marketing, finanzas, etc. Son muchas las empresas que se han beneficiado por la implementación de una sistema de BI, además se pronostica que con el tiempo se convertirá en una necesidad de toda empresa. Todas las empresas de cualquier giro prestan atención especial al proceso de toma de decisiones que realizan a lo largo de las etapas de administración ejercidas en los niveles jerárquicos. Puesto que el éxito que alcancen, depende en buena medida de la oportuna y certera elección realizada de acuerdo al objetivo, problema o curso de acción que se pretende abordar. Las organizaciones hacen una gran inversión al contratar personal capacitado para ejercer labores específicas que incluyen la toma de decisiones en la conducción, operación y evaluación de la función de la cual son responsables. Por tal motivo, las empresas han otorgado un valor especial al uso de sistemas de información proveedores de los elementos para la toma de decisiones que corresponda al problema detectado, así como al logro de la metaplanteada. Se puede reconocer, que el objetivo final de esta clase de aplicaciones es apoyar al personal responsable de la administración de una función, área o de toda la organización en el mejor desempeño de su tarea, especialmente en la toma de decisiones. Capítulo 1: Perfil de la inteligencia de negocios En este capítulo se introducen los conceptos básicos de la Administración del Conocimiento y de la Inteligencia de Negocios. También se describen las etapas que conforman el ciclo de la Inteligencia de Negocios como son el análisis, la reflexión, la acción y las medidas Así mismo, se explica el entorno de trabajo para la creación de aplicaciones de la Inteligencia de Negocios y de identifican los aspectos necesarios para formular modelos de solución. Para comprender el entorno de la Administración del Conocimiento, es necesario considerar antes tres conceptos claves que son: Datos, información y conocimiento. La Datos son: hechos objetivos aislados sin significado ni explicación. Es la materia prima para la creación de información. Mientras que la Información es el resultado de la organización y tratamiento que se aplica a los datos para producir un significado adicional al que brindan de manera aislada. En cuanto al conocimiento, este representa un mayor grado de abstracción y síntesis del significado de la información al asociar el contexto en el que se inscribe. La administración del conocimiento es una disciplina que articula personas, procesos, contenido y tecnología, el conocimiento es valioso sólo si es accesible para quien lo necesita, el conocimiento se origina y reside en el cerebrode las personas, por lo que la generación, transferencia y aplicación del conocimiento debe ser fomentada y recompensado, dado que la administración del conocimiento es más un reto cultural y organizacional que un asunto de tecnología. La única ventaja sostenible para la empresa se sustenta en el conocimiento colectivo que posee, cuán eficientemente lo usa y qué tan rápido aplica los nuevos conocimientos adquiridos. Entre las formas de conocimiento explícitas en la organización se encuentran: Las patentes son una forma de conocimiento codificado, los manuales, la documentación que revelas los procesos de producción, los reportes y los archivos de documentos impresos y magnéticos. La administración del conocimiento es el proceso mediante el cual el aprendizajeindividual y la experiencia pueden ser representadas, compartidas y utilizadas para fomentar el mejoramiento del conocimiento individual y el valor organizacional Es un proceso recurrente que permite: Identificar el conocimiento que una organización posee o necesita ( capital intelectual), para resolver un problema en específico, implantar mecanismos internos para la generación, transferencia y aplicación de dicho conocimiento, construir capacidades críticas que favorecen la innovación, e incrementar el valor de la organización. En una conversación informal, los tres términos suelen utilizarse indistintamente y esto puede llevar a una interpretaciónlibre del concepto de conocimiento. Quizás la forma más sencilla de diferenciar los términos sea pensar que los datosestán localizados en el mundo y el conocimiento está localizado en agentes de cualquier tipo (personas, empresas, máquinas...), mientras que la información adopta un papel mediador entre ambos. Los conceptos que se muestran a continuación se basan en las definiciones de Davenport y Prusak (1999).  Datos Los datos son la mínima unidad semántica, y se corresponden con elementos primarios de información que por sí solos son irrelevantes como apoyo a la toma de decisiones. También se pueden ver como un conjunto discreto de valores, que no dicen nada sobre el por qué de las cosas y no son orientativos para la acción. Un número telefónico o un nombre de una persona, por ejemplo, son datos que, sin un propósito, una utilidado un contexto no sirven como base para apoyar la toma de una decisión. Los datos pueden ser una colección de hechos almacenados en algún lugar físico como un papel, un dispositivo electrónico, o la mente de una persona. En este sentido las tecnologías de la información han aportado mucho a recopilación de datos. Como cabe suponer, los datos pueden provenir de fuentes externas o internas a la organización, pudiendo ser de carácter objetivo o subjetivo, o de tipo cualitativo o cuantitativo, etc. Información La información se puede definir como un conjunto de datos procesados y que tienen un significado (relevancia, propósito y contexto), y que por lo tanto son de utilidad para quién debe tomar decisiones, al disminuir su incertidumbre. Los datos se pueden transforman en información añadiéndoles valor: -
Contextualizando: se sabe en qué contexto y para qué propósito se generaron. -
Categorizando: se conocen las unidades de medida que ayudan a interpretarlos. -
Calculando: los datos pueden haber sido procesados matemática o estadísticamente. -
Corrigiendo: se han eliminado errores e inconsistencias de los datos. -
Condensando: los datos se han podido resumir de forma más concisa (agregación).
Por tanto, la información es la comunicación de conocimientos o inteligencia, y es capaz de cambiar la forma en que el receptor percibe algo, impactando sobre sus juicios de valor y sus comportamientos. Información = Datos + Contexto (añadir valor) + Utilidad (disminuir la incertidumbre) Conocimiento El conocimiento es una mezcla de experiencia, valores, información, que sirve como marco para la incorporación de nuevas experiencias e información, y es útil para la acción. Se origina y aplica en la mente de los conocedores. En las organizaciones con frecuencia no sólo se encuentra dentro de documentos o almacenes de datos, sino que también está en rutinas organizativas, procesos, prácticas, y normas. El conocimiento se deriva de la información, así como la información se deriva de los datos. Para que la información se convierta en conocimiento es necesario realizar acciones como: -
Comparación con otros elementos. -
Predicción de consecuencias. -
Búsqueda de conexiones. -
Conversación con otros portadores de conocimiento.
La Inteligencia de Negocios es el término y procura caracterizar una amplia variedad de tecnologías, plataformas de software, especificaciones de aplicaciones y procesos. El objetivo primario de la a Inteligencia de Negocios es contribuir a tomar decisiones que mejoren el desempeño de la empresay promover su ventaja competitiva en el mercado. En resumen, la Inteligencia de Negocios faculta a la organización a tomar mejores decisiones más rápidas. Este concepto se requiere analizar desde tres perspectivas: Hacer mejores decisiones más rápido, convertir datos en información, y usar una aplicación relacional para la administración. Con respecto a la primera perspectiva, el objetivo primario de la Inteligencia de Negocios es contribuir a tomar decisiones que mejoren el desempeño de la empresay promover su ventaja competitiva en el mercado. La Inteligencia de Negocios faculta a la organización a tomar mejores decisiones más rápidas. En relación con la conversión de datos en información la Inteligencia de Negocios se orienta a establecer el "puente" que una las grandes cantidades de datos y la información que los tomadores de decisiones requieren cotidianamente. Para ello se emplean " indicadores de desempeño clave" destinados a colectar información de las métricas que afectan unidades particulares de la empresa así como al todo de la misma La Inteligencia de Negocios puede describirse como una aplicación relacional para la administración, como un estado organizacional o una filosofía de administración. En resumen la Inteligencia de Negocios se caracterizada por: Buscar hechos cuantitativos medibles y objetivos acerca de la empresa, usar métodos y tecnologías para el análisis de hechos, desarrollar modelosque expliquen la causa-efecto de las relaciones entre las acciones operacionales y los efectos que estas han alcanzado las metas, y experimentar con aplicaciones alternativas y supervisar los resultados que sirven de retroalimentación. La Inteligencia de Negocios en una plataforma de administración del desempeño que representa al ciclo en el que las empresas establecen sus objetivos, analizan sus progresos, reflexionan, actúan, miden su éxitoy empiezan una nueva fase. Su ciclo se compone de cuatro etapas a saber: Análisis, reflexión, acción y medición. El análisis comienza por determinar los datos a recopilar. La selección se basa en un entendimiento básico y en supuestos de cómo opera la organización, considerando aquello que es relevante a los clientes, proveedores, empleados, los factores que afectan los insumos, la producción, el costo y la calidad. A la colección de todo aquello que se debe conocer acerca de la empresa se conoce como modelomental. Este concepto aplica a nivel de las personas y de la organización como un todo. Los modelos mentales son esenciales para los ejecutivos para tomar decisiones, puesto que representan las bases para reconocer una buena idea, pero también constituyen los límites para no ver aspectos que se encuentran afuera. La reflexión implica el estudio minucioso de los hechos y de la situación, además de considerar el rumbo que puede tomar el caso de estudio. El escenario que abarca la reflexión depende del nivel jerárquico que la está realizando y la consideración del ambiente externo. La reflexión nace de un análisis libre de preguntas que solo los ejecutivos pueden formular y que se encaminan al descubrimiento de patrones relevantes. Al encontrar algunos hechos que pueden ser contradictorios a los postulados establecidos, implica una labor de convencimiento y de superación de resistencias al cambio, sin embargo para que la iniciativa tenga éxito, es necesario compartirla y allegarse de aliados. La conexión de la acción al ciclo de la Inteligencia de Negocios es a través del proceso de toma de decisiones, en donde las acciones se suceden como resultado de las decisiones. La toma de decisiones al estar basada en la Inteligencia de Negocios ofrece mejores condiciones para identificar oportunidades, orientar las acciones, la experimentación, la prueba y la retroalimentación. Los sistemas de la Inteligencia de Negocios son susceptibles de emplearse en diversa organizaciones, niveles jerárquicos y plataformas de cómputo. Se ilustra la aplicación de la Inteligencia de Negocios al proceso de toma de decisiones involucrado en la planeación y control del comercio de una empresa. El dominio de la aplicación se relaciona con el diagnóstico y la elección del curso de acción correspondiente, al detectar desviaciones en los resultados obtenidos en contraste con las metas establecidas. La administración de la empresa requiere tomar decisiones para elegir los cursos de acción a seguir en apego a sus objetivos, en consecuencia, los resultados que se obtengan tendrán como antecedente lo acertado y oportuno que fueron las decisiones hechas. Por tal motivo, es necesario apoyar el desempeño de la función rodeándola de los elementos necesarios para realizarla eficientemente. Para ello es necesario considerar un marco conceptual compuesto por las actividades regulares que se realizan una organización, a partir de la definición de un problema específico. Los modelos de solución de la Inteligencia de Negocios procuran aprovechar las bondades de la tecnologíade cómputo para resolver un problema de Administración del Conocimiento, como el expuesto anteriormente. Ante tal postura las aplicaciones de la Inteligencia de Negocios tienden a: "Crear sistemas especializados en una función específica de la empresa, que contribuya a ser eficiente el diagnóstico de una situación y tomar la decisión adecuada para su solución; mediante la sistematización del manejo de datos, refinamiento de la información, representación del conocimiento". CAPÍTULO 2: Marco conceptual El ambiente de la Inteligencia de Negocios se conforma por el concurso de diversas disciplinas que en conjunto integran un Marco Conceptual. Este universo de conocimiento se organiza en dos niveles: El primero corresponde a las disciplinas de la Administración, la Informática, la Computación y la Inteligencia Artificial. Mientras que el segundo nivel representa las ramas que están directamente involucradas en el desarrollo de aplicaciones de la Inteligencia de Negocios. Cada disciplina contribuye con un par de pilares que representan las ramas seleccionadas. La Administración aporta la Toma de Decisiones y el Proceso Administrativo. La Informática brinda la Ingeniería de Sistemas y los Sistemas de Soporte a la Toma de Decisiones. La Computación suma las Bases de Datos y los Almacenes de Datos. La Inteligencia Artificial agrega la Ingeniería del Conocimiento y los Sistemas basados en Conocimiento. A lo largo del capítulo son descritas las ocho ramas identificadas en la Figura 1.  Figura 1: Marco teórico y conceptual La toma de decisiones (TD) es una actividad intelectual que una persona realiza para escoger un curso de acción o elegir un objeto determinado de entre varias opciones, con el objeto de satisfacer una necesidad específica. Es decir, la Toma de Decisiones es una expresión de la voluntad del individuo. El ser humano es un tomador natural de decisiones, su forma de vida, éxitos y fracasos están en función en buena medida de sus decisiones. De igual forma las empresas, como organizaciones compuestas por personal cuidan el proceso de toma de decisiones e invierten en los recursos y actividades que les provean los elementos necesarios para realizar una correcta elección, pues su curso y destino dependen de ello Dentro del marco organizacional de una empresa, cada uno de los miembros debe tomar decisiones de acuerdo con su labor, responsabilidad y jerarquía. Sin embargo, la cantidad, frecuencia y relevancia de las decisiones será mayor entre más autoridad ostente. Por lo tanto, el tomador de decisiones debe reunir los elementos intelectuales, logísticos e informativos necesarios para efectuar atinadamente su función. Pues el tomador de decisiones es el responsable de los resultados que se obtengan al poner en práctica su voluntad. El proceso de TD puede definirse de acuerdo a las etapas y resultados que se ilustran en la Figura 2, denominada "El proceso de toma de decisiones", cuya representación y explicación se ofrece a continuación: La Investigación es una tarea de discernimiento e interpretación compuesta por: Identificación de problemas, el rol del tomador de decisiones y la formulación de problemas, de acuerdo con la siguiente descripción. Identificación de problemas. Busca alguna diferencia entre la situación existente y un estado deseado. Es decir, compara el modelo del estado esperado con el existente, precisa y evalúa las diferencias para determinar si existe un problema esperado con el existente, precisa y evalúa las diferencias para determinar si existe un problema. Por ejemplo, Pounds usa cuatro modelos para desarrollar expectativas frente a las cuales se compara la realidad: -
Históricos. Las expectativas se delinean como resultado de las experiencias anteriores. -
De planeación. La expectativa está definida por el plan. -
Otras personas en la empresa. Son las expectativas de terceros. -
Extra organizacionales. Se derivan de la competencia, clientes y mercado entre otros.
El rol del tomador de decisiones. Es la función que está vela no solamente de la aparición de las diferencias entre la expectativa y la realidad, sino también a prevenir a que esto no ocurra; asumiendo entonces un papel pro y reactivo de acuerdo con las circunstancias. La formulación de problemas. Para resolver un problema es indispensable identificar su origen, desarrollo y resultados que se han producido o están por suceder. Esta definición debe ser clara, procurando reducir la complejidad conforme a las siguientes estrategias: -
Precisión de los límites. Identifica claramente los elementos implicados en el problema. -
Examen de los argumentos. Los cuales pueden haber precipitado el problema. -
Descomposición del problema. En varios problemas más pequeños y específicos. -
Concentración. En los elementos controlables.
 Figura 2: El proceso de la Toma de Decisiones El Diseño es la abstracción, planteamiento de hipótesis, invención, análisis y desarrollo de cursos de acción. Para ello, el responsable debe comprender el problema, generar opciones, considerar su repercusión y estimar la factibilidad de ejecución con base a tres elementos: Condiciones, Acciones y Consecuencias, los cuales se presentan a continuación. -
Condiciones. Describen la situación conforme a los valores que toman ciertos atributos, como los números "rojos" en las finanzas de una empresa, constituye un modelo del problema en sí. -
Acciones. Es la secuencia de actividades a realizar bajo un programa y recursos determinados, que representa la respuesta de solución al problema. -
Consecuencias. Estiman la situación que ocurrirá al cumplir las acciones establecidas, describiendo los valores de los atributos que caracterizan al problema, como en el caso anterior la obtención de números "negros" en los saldos financieros.
La Elección es la toma de decisión que el responsable realiza con el afán de resolver el problema de acuerdo con los criterios considerados en su definición, además de los recursos disponibles e intereses organizacionales en vigor. El desarrollo de esta función clave, es matizado por diversos factores como la magnitud del problema, urgencia en resolverlo, consecuencias, los elementos de certidumbre al alcance del tomador, lo extraordinario que resulta ser el problema, así como los lineamientos establecidos por la propia empresa para normar el proceso. El modelo prescriptivo o normativo de toma de decisiones. Es aquel modelo que instruye en como tomar una clase de decisión, basado en el criterio de la maximización u optimización de la utilidad o valor esperado que se expresa cuantitativamente viene a ser la función objetivo para una decisión procurando la utilidad máxima, rendimiento o menor costo. Observa los supuestos de conocer todas las alternativas y sus consecuencias, se busca maximizar el beneficio o utilidad y existe un marco de referencia completo de conocimiento y razonamiento. El modelo descriptivo de toma de decisiones. Precisa la manera como se toman actualmente las decisiones, procurando la satisfacción, donde el decisor no está completamente informado sobre las alternativas, ni aplica una racionalidad plena en su búsqueda pues simplifica los factores considerados y limita la exploración de opciones, por lo que acepta la primera que satisfaga todas las restricciones del problema, en lugar de proseguir hasta encontrar el camino óptimo. El modelo está basado en la heurística, asumiendo que el decisor no conoce todas las alternativas ni todas los resultados, hace una exploración limitada para descubrir unas pocas alternativas exploratorias y escoge una opción que cumpla con el nivel mínimo de satisfacción. La Comunicación e implementación de la decisión es una vez tomada la opción es necesario proceder a expresarla a los involucrados (personal, superiores, clientes, etc.), además de precisar el plan para su ejecución, organizar los recursos necesarios y proceder a la dirección de su puesta en marcha para que se realice conforme a los tiempos y formas estipuladas. Seguimiento y retroalimentación insta a supervisar la ejecución de las actividades para detectar y corregir desviaciones del curso y resultados planeados, ejerciendo la retroalimentación constante que inspire a modificar las acciones, los recursos y procedimientosparticipantes, en aras de llevar alcanzar su objetivo en la solución del problema planteado. El Proceso Administrativo (PA) es el conjunto de etapas de trabajo encaminadas a conducir el rumbo de una empresa. El Proceso Administrativo es la columna logística de la compañía donde se establecen sus objetivos, organizan los recursos, se dirigen las acciones y evalúan los resultados obtenidos para después iniciar un nuevo ciclo. El Proceso Administrativo constituye la principal herramienta de trabajo en el establecimiento y dirección de las actividades de una empresa con el propósito de lograr su éxito, representa en sí mismo la naturalezay calidad de administración que se realiza. Involucra a todo el personal desde los niveles operativos hasta el estratégico, otorgando a cada uno de ellos un papel protagónico en expresión de sus funciones y responsabilidades. En suma una empresa sin un Proceso Administrativo claro y formal difícilmente puede sobrevivir. Generalmente el rol que ocupa el personal de las empresas se agrupa en alguno de los tres niveles jerárquicos de autoridad y responsabilidad, confiriéndoles atribuciones específicas dentro del marco de competencias del PA, particularmente en la toma de decisiones, empleo de recursos, ejecución del trabajo y supervisión de resultados. Estos niveles jerárquicos se conocen como: -
Estratégico. Es el máximo órgano de autoridad y liderazgo, integrado por el consejo administrativo, presidente y directores donde descansa la conducción de la empresa. -
Táctico: es el nivel intermedio de autoridad, compuesto por los responsables de aplicar los lineamientos dispuestos por los superiores y de dirigir al personal encargado de las tareas. -
Operativo. Formulado por el personal y supervisores especializados en el desempeño de actividades específicas del proceso de producción de bienes o de prestación de serviciosrepresentantes del giro comercial de la empresa.
Tradicionalmente los niveles anteriores se ilustran como una pirámide dividida en tres partes, para destacar el orden ascendente de autoridad, el impacto de las decisiones y competencia de las funciones que cada rango realiza, como se puede apreciar en la Figura 3.  Figura 3: Modelo de Nivel Jerárquico en la Empresa. Existe una amplia variedad de modelos que describen el proceso administrativo, entre las cuales se eligió la propuesta por Mercado5 compuesta por las cuatro etapas mostradas en la Figura 4. -
Planeación. Es la etapa donde se establecen los objetivos, políticas, estrategias, planes y programas; en suma establece la visión y curso de acción de la empresa. -
Organización. Identifica, obtiene y ordena los recursos necesarios para la realización de las actividades, amén de precisar su desarrollo mediante la edición de manuales de puestos, funciones, métodos y procedimientos entre otros. -
Dirección. Pone en marcha las actividades y orienta su desarrollo con base al liderazgo de los directivos a través de la toma de decisiones. -
Control. Supervisa el desempeño de las tareas, procurando detectar desviaciones en su ejercicio y diferencias en los resultados que se obtienen con base a lo estipulado en las etapas previas. También genera la información que retroalimenta el inicio de nuevos ciclos.
 Figura 4: El Proceso Administrativo. Las tareas de las cuatro etapas del Proceso Administrativo se ejercen para los tres niveles jerárquicos de la organización, en cada uno se define su alcance e impacto, motivan al desarrollo de áreas de estudio especializadas y a la preparación del responsable en campos como la planeación estratégica a cargo de los mandos superiores, la dirección táctica correspondiente a los gerentes y al control operativo por parte de los supervisores. Todo esto dentro de un marco integral como se representa en la Tabla 1, donde el cruce entre una etapa del Proceso Administrativo y un nivel jerárquico produce una "especialidad de la función administrativa" con características particulares como las siguientes: Planeación estratégica. Define los objetivos, políticas y criterios generales para planear el curso de la organización. Normalmente sus consideraciones son a largo plazo, ligadas a las directrices empresariales, estrategias de mercados e incorporación de productos. Planeación y control táctico. Son las fases donde se identifican y obtienen los recursos, se planea y controla el ejercicio del presupuesto, además de implementar y evaluar las funciones de la empresa. Su alcance es de mediano plazo e incluye la adquisición de recursos, contratación de personal y las operaciones financieras, como muestra de su función. Planeación y control operativo. Son las etapas responsables del empleo de los recursos asignados para la ejecución de las actividades conforme a los lineamientos definidos, vigilando el cumplimiento de las disposiciones, observando y corrigiendo las desviaciones. Generalmente su visión es a corto plazo pues se relaciona con las operaciones actuales.  Tabla 1. Integración del Proceso Administrativo con los Niveles Jerárquicos. El sistemade soporte a las decisiones (SSD) es un concepto que define un ambiente de trabajo compuesto por el usuario, procedimientos para el tratamiento de información y el equipo de cómputo, orientado a proveer información que apoye las operaciones, la administración y la función de toma de decisiones en una organización. El SSD es una federación de subsistemas funcionales (producción, contabilidad, recursos humanos, etc.) y de actividades (como la planeación, el control y la estadística) estrechamente integrados; en donde el personal participa en la alimentaciónde datos, proceso de información y explotación conforme a los requerimientos que exige el desempeño de su labor. Por ejemplo, los empleados suministran el ingreso y control de las transacciones, los supervisores obtienen informes detallados de los resultados de las operaciones, mientras que la gerencia realiza consultas específicas y resúmenes de resultados útiles para el análisis y toma de decisiones. Un Sistema de Soporte a la Decisión (DSS) es una herramienta de Business Intelligence enfocada al análisis de los datos de una organización. En principio, puede parecer que el análisis de datos es un proceso sencillo, y fácil de conseguir mediante una aplicación hecha a medida o un ERP sofisticado. Sin embargo, no es así: estas aplicaciones suelen disponer de una serie de informes predefinidos en los que presentan la información de manera estática, pero no permiten profundizar en los datos, navegar entre ellos, manejarlos desde distintas perspectivas... etc.  El DSS es una de las herramientas más emblemáticas del Business Intelligenceya que, entre otras propiedades, permiten resolver gran parte de las limitaciones de los programas de gestión. Estas son algunas de sus características principales: -
Informes dinámicos, flexibles e interactivos, de manera que el usuario no tenga que ceñirse a los listados predefinidos que se configuraron en el momento de la implantación, y que no siempre responden a sus dudas reales. -
No requiere conocimientos técnicos . Un usuario no técnico puede crear nuevos gráficos e informes y navegar entre ellos, haciendo drag&drop o drill through. Por tanto, para examinar la información disponible o crear nuevas métricas no es imprescindible buscar auxilio en el departamento de informática. -
Rapidez en el tiempo de respuesta, ya que la base de datos subyacente suele ser un datawarehouse corporativo o un datamart, con modelos de datos en estrella o copo de nieve. Este tipo de bases de datos están optimizadas para el análisis de grandes volúmenes de información -
Integración entre todos los sistemas/departamentos de la compañía. El proceso de ETL previo a la implantación de un Sistema de Soporte a la Decisión garantiza la calidad y la integración de los datos entre las diferentes unidades de la empresa. Existe lo que se llama: integridad referencial absoluta. -
Cada usuario dispone de información adecuada a su perfil. No se trata de que todo el mundo tenga acceso a toda la información, sino de que tenga acceso a la información que necesita para que su trabajo sea lo más eficiente posible. -
Disponibilidad de información histórica. En estos sistemas está a la orden del día comparar los datos actuales con información de otros períodos históricos de la compañía, con el fin de analizar tendencias, fijar la evoluciónde parámetros de negocio.
DIFERENCIA CON OTRAS HERRAMIENTAS DE BUSINESS INTELLIGENCE El principal objetivo de los Sistemas de Soporte a Decisiones es, a diferencia de otras herramientas como los Cuadros de Mando (CMI) o los Sistemas de Información Ejecutiva (EIS), explotar al máximo la información residente en una base de datoscorporativa (datawarehouse o datamart), mostrando informes muy dinámicos y con gran potencial de navegación, pero siempre con una interfaz gráfica amigable, vistosa y sencilla.  Otra diferencia fundamental radica en los usuarios a los que están destinadas las plataformas DSS: cualquier nivel gerencial dentro de una organización, tanto para situaciones estructuradas como no estructuradas. (En este sentido, por ejemplo, los CMI están más orientados a la alta dirección). Por último, destacar que los DSS suelen requerir (aunque no es imprescindible) un motor OLAP subyacente, que facilite el análisis casi ilimitado de los datos para hallar las causas raices de los problemas/pormenores de la compañía. TIPOS DE SISTEMAS DE SOPORTE A DECISIONES Los sistemas de información gerencial (MIS, Management Information Systems), tambien llamados Sistemas de Información Administrativa (AIS) dan soporte a un espectro más amplio de tareas organizacionales, encontrándose a medio camino entre un DSS tradicional y una aplicación CRM/ERP implantada en la misma compañía. Los sistemas de información ejecutiva (EIS, Executive Information System) son el tipo de DSS que más se suele emplear en Business Intelligence, ya que proveen a los gerentes de un acceso sencillo a información interna y externa de su compañía, y que es relevante para sus factores clave de éxito. Los sistemas expertos, también llamados sistemas basados en conocimiento, utilizan redes neuronales para simular el conocimiento de un experto y utilizarlo de forma efectiva para resolver un problema concreto. Este concepto está muy relacionado con el datamining. Un sistema de apoyo a decisiones en grupos (GDSS, Group Decision Support Systems) es "un sistema basado en computadorasque apoya a grupos de personas que tienen una tarea (u objetivo) común, y que sirve como interfaz con un entorno compartido". El supuesto en que se basa el GDSS es que si se mejoran las comunicaciones se pueden mejorar las decisiones. Puesto que el SSD tiende a suministrar la información requerida para la administración de la empresa, su diseño considera los requerimientos que las etapas del Proceso Administrativo fundamentadas en la organización jerárquica solicitan. De acuerdo a la visión expresada por Gorry y Scott las características de la información que se debe proporcionar a las diversas especialidades de la función administrativa son las que se ilustran en la Tabla 2 que aparece a continuación:  Tabla 2. Tipo de Información por Especialidad Administrativa Estos atributos se consideran al momento de definir las aplicaciones de proceso de información que demandan las especialidades de función administrativa y cuyos rasgos principales son: -
Control operativo. Usa procedimientos y reglas de decisión preestablecidas altamente programables, con cursos de acción claros y estables que cubren periodos cortos, enfocándose al proceso de transacciones, informes y consultas, como el control de inventarios, solicitud de pedidos, clasificación de información, reportes de saldo y resumen de actividades. -
Planeación y control táctico. Atiende las demandas del mando medio, concentrándose en la información que ayude a medir el rendimiento, formular nuevos cursos de acción y reorganizar los recursos. Los datos deben tener un nivel de agregación apropiado que facilite la apreciación de las tendencias y la explicación de las variaciones en la operación que ayude a vislumbrar soluciones, todo esto a través de mecanismos de consulta y reporte eficientes. -
En la planeación estratégica. La información requerida por el nivel superior es diversa, variable y proveniente de fuentes heterogéneas como indicadores económicos, medio ambiente político, tendencias del mercado y fusiones con otras empresas. Muchos elementos son basados en juicios de valor, algunos son estimados, otros imprecisos e incompletos.
La composición de un SSD se puede describir en relación con las funciones de la empresa, la naturaleza de las aplicaciones depende del giro y organización, aunque generalmente se debe atender a las tareas contables, financieras, de recursos humanos, control de inventarios, compra, venta y producción. Cada función exige la operación de un sistema ad-hoc que atienda sus requerimientos, sin embargo no es conveniente que se desarrollen como entes aislados, pues existen datos, procesos y recursos que deben compartirse entre dos o más áreas, por lo que su planeación debe estar inscrita en un marco de integración para toda la empresa. Al relacionar el SSD con las actividades y funciones administrativas, se podrá atender las exigencias de los niveles de mando, contribuir al desempeño de las etapas del Proceso Administrativo y respaldar las funciones adjetivas y sustantivas, bajo un ambiente exclusivo y común de datos, procesos y recursos para los sistemas y usuarios integrantes del SSD, como se ilustra a continuación:  Figura 9. Relación del SSD con las Actividades y Funciones. El SSD se orienta a cubrir los requerimientos de los niveles jerárquicos de una organización, por medio de diversas versiones que integran en conjunto un SSD con los siguientes rasgos: -
Sistema de proceso de transacciones (SPT). Soporta las operaciones cotidianas de la empresa, proporciona información detallada, reportes de estado, imagen de documentos y consulta, procurando la precisión, rapidez de respuesta y facilidad de empleo. -
Sistema de administración de la información (SAI). Brinda la información requerida por los mandos medios para la planeación y control, por medio de reportes agregados, de excepción de resultados, consultas, enfatizando la operación flexible y sencilla. -
Sistema de información gerencial (SIG). Provee información y herramientas para analizar situaciones complejas, tomar decisiones no estructuradas y obtener parámetros de control generales de la empresa. Dirigido a los mandos medios y superiores de la empresa.
 Figura 10. Niveles de Sistemas de Información Integrantes de un SSD Una BD es una colección integrada de datos organizada para satisfacer los requerimientos de información de los usuarios de una empresa, por medio de procesos de captura, validación, almacenamiento, actualización, integridad, cálculo, presentación, respaldo y restauración de datos; además de incluir los recursos, políticas y métodos de diseminación de la información. Congruente con los niveles jerárquicos y las expectativas que un SSD debe satisfacer, se puede clasificar a la BD en las tres categorías que se presentaron en la figura anterior, donde se aprecia el flujo de información procedente de las transacciones procesadas y almacenadas en BD operativas para satisfacer los requerimientos del personal del mismo nivel, además de surtir información refinada a la BD del rango táctico, está a su vez provee la información solicitada por los mandos medios y surte a la BD estratégica que apoya a la alta dirección. También se aprecia el uso de datos de fuentes externas, cuya naturaleza y magnitud están en función de la jerarquía. Una BD es un sistema heterogéneo compuesto por usuarios, programas, recursos y por supuesto datos, como se ilustra en la Figura 11 de acuerdo con la siguiente descripción: 
Figura 11: Componentes de la Base de Datos -
Base de datos. Es el depósito físico donde se almacenan los datos por medio de tablas, índices, ventanas, procedimientos y otras facilidades, cuya administración, respaldo y restauración requiere una estrecha relación con los recursos físicos y lógicos del computador. -
Sistema manejador de base de datos (DBMS). Es el programa que permite la definición y construcción de los elementos (tablas, reglas y procedimientos.) de la BD, amén de controlar el ingreso, almacenamiento, actualización, integridad y recuperación de la información. -
Repositorio. Son las definiciones de base de datos, tablas, tipos de dato, consultas, ventanas, reglas, valores por omisión "default", procedimientos, reportes y otras definiciones que establecen la naturaleza del sistema y base de datos del usuario. -
Lenguaje estructurado de consulta (SQL). Es un programa orientado a crear, administrar y explotar la base de datos, por medio de un lenguaje estándar equivalente al inglés que se puede usar en cualquier manejador de base de datos. -
Programas para desarrollo de aplicaciones. Son programas que facilitan la creación, prueba y mantenimiento de procesos de consulta, cálculo y explotación de la base de datos. -
Programas de aplicación. Son los procedimientos creados para servir de interface entre el usuario y la base de datos para introducir, validar, actualizar y explotar la información, ejecutar procesos de cálculo, conversión, exportación, replicación y administración de datos, los cuales emplean instrucciones de SQL y programas para desarrollo de aplicaciones. -
Administrador. Crea, mantiene y administra la BD, supervisa su operación y empleo de recursos, establece y aplica las políticas de acceso, seguridad e integridad en el uso de datos a cargo de los usuarios. También vigilia el rendimiento y tiempo de respuesta del sistema. -
Desarrollador. Es el personal técnico encargado de crear los programas para operar la BD. -
Usuario. Son las interesadas en introducir, actualizar y consultar los datos, conforme a las políticas establecidas por el administrador, utilizando los programas de aplicación.
Proceso de transacciones en línea (OLTP) Representa a los sistemas de información que utilizan bases de datos para introducir, verificar, registrar y realizar un gran número de transacciones – atiende a las operaciones de una empresa, como pedidos, ventas, compras y actualización de inventarios – en línea – las operaciones se reflejan en el sistema en el mismo momento en que ocurren dentro del ambiente real. Un ambiente OLTP requiere recursos físicos de cómputo con alta capacidad de comunicación en línea, proceso, memoria, acceso y capacidad de almacenamiento auxiliar (como discos duros, medios ópticos y arreglos de discos) principalmente. También, es necesario el empleo de programas como sistemas operativo, manejador de base de datos, monitor de transacciones y de respaldo, con un alto grado de eficiencia en el manejo de esta clase de procesos. Para hablar del Data Warehouse se menciona al Data Warehousing, el proceso de extraer y filtrar datos de las operaciones comunes de la empresa, procedentes de los distintos subsistemas operacionales, para transformarlos, estandarizarlos, integrarlos, sumarizarlos y almacenarlos en un repositorio o base consolidada, para poder acceder a ellos cada que vez que se necesite. Por ello, la ventaja principal de este tipo de sistemas se basa en la estructura de la información. Este concepto considera el almacenamiento de información homogénea y fiable, en una estructura basada en la consulta y el tratamiento jerarquizado de la misma, y en un entorno diferenciado de los sistemas operacionales, para optimizar la toma de decisiones. Un Almacén de Datos es una plataforma tecnológica compuesta por módulos con estructuras de datos y procedimientos como los mostrados en la Figura 13. Los procesos están integrados en una secuencia de tratamiento de información que evoluciona en diversos modelos de almacenamiento, acceso y explotación ad-hoc a las necesidades de consulta de los usuarios. En este flujo de trabajo, se requiere la participación de dos conjuntos de elementos, el primero es el de alimentación al modelo de datos compuesto de tres componentes: -
Datos primarios. Es la información proveniente de cualquier ambiente de proceso y que es seleccionada para alimentar el AD, considerando cualquier tipo (texto, número o multimedia), código (ASCII, propietario, etc.), organización (archivo, índice, tabla o base de datos), administración (diversos sistemas operativos y manejador de archivos o base de datos), plataforma de trabajo (computadores grandes "main frame", medianos, servidores y personales), lugar (en un computador o distribuidos a lo largo de una red local o amplia) y nivel de agregación (transacción o consolidado). -
Servicios de transformación de datos (DTS). Representan las funciones de acceso a fuentes heterogéneas de datos por medio de búsquedas, extracción, conversión y almacenamiento. -
Modelo de depósito de datos. Es la arquitectura de almacenamiento, acceso y administración de los datos importados por el DTS.
Mientras que el segundo, conocido como "soporte a las decisiones", tiene dos elementos: -
Procesos de análisis de datos en línea (OLAP). Es una plataforma de replicación, almacenamiento y disposición de los datos adecuada para servir a las demandas de consulta. -
Explotación de la información. Representa los procedimientos y herramientas de trabajo para que el usuario consulte al modelo de datos preparado, por medio del planteamiento de preguntas, la búsqueda de información, la identificación de tendencias y todos aquellos elementos que contribuyen a la evaluación y toma de decisiones.
Figura 13. Marco de Trabajo y Componentes del Almacén de Datos. La construcción de un almacén de datos observa los métodos de la IS, sin embargo, por tratarse de una aplicación que se apoya en otras que ya existen, su concepción y desarrollo incorpora nuevos elementos que descansan en una estrategia denominada "inteligencia de negocios", compuesta por los procedimientos que transforman "datos primarios" – son aquellos que provienen de las operaciones y transacciones soportadas por los sistemas de información y BD a nivel operativo, como los OLTP - en información refinada y concentrada para incrementar la eficiencia de las actividades de las áreas de una organización, mediante el empleo de las tecnologías del AD. Conforme a esta visión, la construcción atraviesa por las siguientes etapas: -
Determinación de los requerimientos de información del negocio. Realiza las actividades definidas en la etapa de visualización y el diseño conceptual de la planeación. -
Ubicación de las fuentes de información. Elige los datos primarios que va emplear, -
Definición de los servicios de transformación de datos (DTS). Establece las actividades de transformación que se aplican a los datos primarios conforme a un calendario de proceso. -
Creación y administración del modelo de depósito de datos. Conforme al modelo de AD se determina, construye y maneja la arquitectura de datos adecuada a la explotación. -
Formulación de los procesos de análisis de datos en línea (OLAP). En función al tipo de explotación se construye el ambiente OLAP que satisfaga eficientemente las exigencias. -
Instrumentación de la plataforma de explotación de la información. Se encarga de integrar las funciones y programas adecuados al manejo de la consulta del AD.
Un Datawarehouse es una base de datos corporativa que se caracteriza por integrar y depurar información de una o más fuentes distintas, para luego procesarla permitiendo su análisis desde infinidad de pespectivas y con grandes velocidades de respuesta. La creación de un datawarehouse representa en la mayoría de las ocasiones el primer paso, desde el punto de vista técnico, para implantar una solución completa y fiable de Business Intelligence. La ventaja principal de este tipo de bases de datos radica en las estructuras en las que se almacena la información (modelos de tablas en estrella, en copo de nieve, cubos relacionales... etc). Este tipo de persistencia de la información es homogénea y fiable, y permite la consulta y el tratamiento jerarquizado de la misma (siempre en un entorno diferente a los sistemas operacionales). La finalidad del Data Warehouse o Almacén de datos es reunir y consolidar las bases de datos diferentes, que se mantienen en los diferentes departamentos o áreas funcionales de la empresa, como subsistemas de información independientes, en una gran base de datos, recogiendo datos muy dispares y, muchas veces infrautilizados, procedentes de fuentes internas, repartidas por toda la organización. También, recolecta datos o informaciones externas que, rutinariamente, se reciben sobre las diferentes entidades u objetos de información, es decir, clientes, proveedores, productos y servicios, canales, estructura organizativa, competencia, mercado, coyuntura económica, etc., en resumen, los derivados de las relaciones de la empresa con su entorno. A diferencia de las bases de datos tradicionales, las cuales son vistas en dos dimensiones (campos y registros, fig.16), los Data Warehouse tienen una estructura tridimensional que le da forma de cubo , lo que permite agrupar la información en base a más variables, lo que la hace más útil en la búsqueda, así podemos por ejemplo, obtener la cantidad referente a un productoen un tiempo determinado y en una zona determinada, o las Ventas dimensionadas por Producto y Región. Si las consultas que se requiere responder son del tipo ¿Cuál fue la venta de Leche en el norte ?, o ¿Cuál fue la venta de Queso en el sur?, y otras consultas que retornan sólo un valor, entonces no es necesario poner los datos en una base de datos multidimensional. Sin embargo, si se quiere responder a preguntas como ¿Cuáles fueron las ventas totales de leche por zona?, o ¿Cuáles fueron las ventas totales por producto en el norte?, entonces estamos hablando de consultas que involucran la recuperación de múltiples valores y su agregación. 
ESQUEMAS MULTIDIMENSIONALES: ESQUEMA ESTRELLA: Un esquema en estrella es un modelo de datos que tiene una tabla de hechos (o tabla fact) que contiene los datos para el análisis, rodeada de las tablas de dimensiones. Este aspecto, de tabla de hechos (o central) más grande rodeada de radios o tablas más pequeñas es lo que asemeja a una estrella, dándole nombre a este tipo de construcciones. Las tablas de dimensiones tendrán siempre una clave primaria simple, mientras que en la tabla de hechos, la clave principal estará compuesta por las claves principales de las tablas dimensionales. 
ESQUEMA COPO DE NIEVE: Un esquema en copo de nieve es una estructura algo más compleja que el esquema en estrella. Se da cuando alguna de las dimensiones se implementa con más de una tabla de datos. La finalidad es normalizar las tablas y así reducir el espacio de almacenamiento al eliminar la redundancia de datos; pero tiene la contrapartida de generar peores rendimientos al tener que crear más tablas de dimensiones y más relaciones entre las tablas (JOINS) lo que tiene un impacto directo sobre el rendimiento. 
El DTS son los servicios de transformación de datos proveniente de la fuente denominada "datos primarios" hacia un modelo de almacenamiento, encargándose de su importación, validación, limpieza, transformación, integración, ajuste, consolidación, almacenamiento y actualización, tal como se ilustra en la Figura 17. 
Figura 17. Servicios de Transformación de Datos Los DTS utilizan procedimientos y herramientas especializadas en la extracción de los datos primarios, capaces de explotar diversas plataformas de computadora, sistema operativo, marca de manejador de base de datos y ambiente de programación. Por medio de tareas de acceso en línea, proceso por lotes, replicación programada o por evento; cuya ejecución es calendarizada. La programación de las funciones de extracción se codifica en un marco de trabajo denominado "paquete DTS", compuesto por tareas de transformación de datos especializadas que son realizadas en una secuencia, donde hay ejecuciones simultáneas y otras condicionadas. Las tareas de transformación realizan operaciones de validación, identificación de valores faltantes, limpieza y manejo de excepciones, homogeneización de datos heterogéneos, eliminación de duplicados, mapeo, almacenamiento, fusión y división de columnas entre otras. Los servicios OLAP constituyen un ambiente de proceso equivalente a las bases de datos y almacenamiento de datos, por que al igual que ellos, se encarga de recolectar, organizar y presentar la información de acuerdo con un modelo que facilite su explotación, requiriendo de un motor semejante a los manejadores de base de datos denominado "servidor OLAP", encargado de brindar una función de sistema de soporte a las decisiones (SSD) a partir del análisis multidimensional de datos que satisfacen los requerimientos de una amplia variedad de usuarios. Bases De Datos Olap - On-Line Analytical Processing, Los sistemas OLAP son bases de datos orientadas al procesamiento analítico. Este análisis suele implicar, generalmente, la lectura de grandes cantidades de datos para llegar a extraer algún tipo de información útil: tendencias de ventas, patrones de comportamiento de los consumidores, elaboración de informes complejos… etc. Como se puede apreciar en la Figura 18, el ambiente OLAP se compone de estructuras de datos y motores encargados de su administración y explotación. El flujo de operación inicia con la extracción de la información registrada en el depósito para organizarla en una estructura denominada almacén OLAP, a partir de ella se producen las "tablas pivote" cuyo contenido y formato está adaptado a facilitar los tipos de consulta que el usuario espera realizar. Es el programa que provee los servicios de análisis de información a través de la definición de una serie de parámetros que especifican el modelo de almacén de datos OLAP, la estructura de las tablas pivote y los procesos que responden a los planteamientos del tomador de decisiones. 
Figura 18. Modelo de un Ambiente OLAP. El modelo de almacenamiento OLAP el área donde se organiza la información de acuerdo a un modelo cúbico de diversas dimensiones, que procura optimizar la respuesta a cierto tipo de requerimientos de explotación. Los usuarios y aplicaciones reciben una "vista" – son perspectivas de información que se ponen al alcance del interesado - del cubo, a pesar de que internamente cuente con alguna de las tres clases de arquitectura OLAP, cuya descripción se presenta a continuación e ilustra en la Figura 19: -
Proceso analítico en línea multidimensional (MOLAP). El modelo está especializado en tareas de consulta sin alteración de la información original, emplea una estructura multidimensional con los datos agregados y los de detalle. -
Proceso analítico en línea relacional (ROLAP). Esta arquitectura separa los datos agregados en una estructura relacional y los de detalle se mantienen en el depósito original para efectos de registrar actualizaciones, sin embargo ofrece una perspectiva basada en un cubo virtual. -
Proceso analítico en línea híbrido (HOLAP). Combina las ventajas de los modelos multidimensional y relacional, al mantener los datos de detalle en una estructura relacional y los agregados en MOLAP, ofreciendo diversas vistas virtuales que enlazan los dos modelos.
Es un marco de serviciocompuesta por un área temporal de almacenamiento de datos para un tipo de consulta específica – conocida como "cache" – y un motor responsable de su carga, organización, acceso y mantenimiento, con el propósito de reducir la carga de transferencia de la información durante la explotación y aumentar la rapidez de los procedimientos de análisis que el operador ejecuta aún sin estar conectado en línea al ambiente de trabajo. 
Figura 19. Arquitecturas OLAP El diseño de una plataforma OLAP requiere emplear conceptos que permiten definir y organizar los datos que se van a usar durante la operación, entre los elementos más importantes, están: -
Medidas. Son las variables cuantificables que se consideran, como el saldo promedio y volumen de ventas. -
Dimensiones. Son las variables cualitativas que se relacionan con las medidas y cuya asociación se va analizar, ejemplo el tiempo, región, área, etc. -
Jerarquías. Son niveles de agregación de las dimensiones, como semana, estado y comercial. -
Métricas: son las unidades que se asocian a las medidas: días, moneda, tienda, cliente, etc. -
Agregaciones. Reflejan como las métricas son agrupadas para cada nivel de las jerarquías, como: total de ventas en dólares y promedio de permanencia de la mercancía. -
Tabla de hechos. Es la información con el máximo nivel de desagregación para el análisis. -
Cubo: es un grupo de dimensiones y medidas, donde cada dimensión tiene varias jerarquías. -
Miembro. Es el valor de una dimensión en un determinado nivel de una jerarquía. -
Conjunto de datos. Es el resultado de realizar una consulta multidimensional a uno o más cubos, se compone de uno o más ejes. -
Eje. Contienen una o más dimensiones con una serie de miembros de ellas. -
Explosión de datos. Es la carga del proceso, rango de exploración y requerimientos de espacio de almacenamiento que se deriva de las dimensiones, sus jerarquías y agregaciones.
Los servicios de explotación integran una plataforma de procedimientos y herramientas que trabajan sobre el ambiente OLAP aprovechando las facilidades que le brinda el servidor, su almacén y tablas pivote. Esta infraestructura es operada por el usuario en sus labores de consulta, explotación, modelado, evaluación y toma de decisiones, por lo cual se utilizan instrumentos muy variados como por ejemplo: -
Interfaces de lenguaje natural. Para realizar consultas y obtener respuestas. -
Programas de minería de datos. Destinados a determinar patrones y descubrir información a partir de un conjunto de datos, es decir proponen hipótesis para corroborarlas o refutarlas. -
Módulos estadísticos. Extraen y representan la información por medio de gráficas, tabulares, mapas y otras formas de representación que facilitan la interpretación.
2.5.8. Esquema De Funcionamiento De Un Data Warehouse 
Los datos de origen están en los diferentes Sistemas Operacionales, a la izquierda del esquema. Mediante ciertos programas, se Extraen de allí, se Transforman para hacerlos coherentes unos con otros, y por fin se Cargan en las Bases de Datos que componen el Data Warehouse. Una vez éste cargado, se puede replicar parte de la información para cargarla en otras tablas más pequeñas y especializadas, orientadas generalmente a un Departamento o Área concreto de la empresa (Finanzas, Contabilidad, Marketing, etc), y que proveen ni más ni menos que una vista parcial del Data Warehouse. A estos "mini-Data-Warehouses" se les conoce como Data Marts, y suelen ser más pequeños en tamaño, y más manejables, que los Data Warehouses de los que proceden (hay empresas que poseen Data Marts de 8 ó 10 Teras) Posteriormente los usuarios, acceden a los datos del uno o de los otros, en función de su conveniencia, bien para obtener información de algo que preguntan (Query&Reporting), donde se consigue como salida un informe o gráfico con la información solicitada, bien para navegar por la información contenida allí, mediante la técnica conocida como OLAP, de OnLine Analytical Processing, que es como el online de toda la vida (OLTP), pero sobre la información de negocio contenida en los Data Warehouses o Data Marts. La idea es que, una vez hecho cierto informe en el que se detecta que pasa algo interesante en una o varias líneas del mismo, se pueda navegar jerárquicamente, para obtener más detalles de ese interesante hecho encontrado, hasta poder determinar sus causas últimas. Las herramientas que se pueden utilizar por ejemplo para la creación de un data WareHouse asi como para implementar una solución de BI es SqlServer, que brinda las herramientas Analisys Services, IntegrationServices, y Reporting Services. 2.5.8.1. SQL Server Analysis Services Microsoft SQL Server 2005 Analysis Services (SSAS) ofrece funciones de procesamiento analítico en línea (OLAP) y minería de datos para aplicaciones de Business Intelligence. Analysis Services admite OLAP y permite diseñar, crear y administrar estructuras multidimensionales que contienen datos agregados desde otros orígenes de datos, como bases de datos relacionales. En el caso de las aplicaciones de minería de datos, Analysis Services permite diseñar, crear y visualizar modelos de minería de datos que se construyen a partir de otros orígenes de datos mediante el uso de una gran variedad de algoritmos de minería de datos estándar del sector. 
2.5.8.2. SQL Server Integration Services Microsoft SQL Server 2005 Integration Services (SSIS) es una plataforma que permite generar soluciones de integración de datos de alto rendimiento, entre las que se incluyen paquetes de extracción, transformación y carga (ETL) para el almacenamiento de datos. Integration Services incluye herramientas gráficas y asistentes para generar y depurar paquetes, tareas para realizar funciones de flujo de trabajo, como las operaciones de FTP, tareas para ejecutar instrucciones SQL o para enviar mensajes de correo electrónico, orígenes y destinos de datos para extraer y cargar datos, transformaciones para limpiar, agregar, mezclar y copiar datos, un servicio de administración, el servicio Integration Services para administrar Integration Services e interfaces de programación de aplicaciones (API) para programar el modelo de objetos de Integration Services. Integration Services reemplaza Servicios de transformación de datos (DTS), que se incluyó por primera vez como componente de SQL Server 7.0. 
2.5.8.3. SQL Server Reporting Services Microsoft SQL Server 2005 Reporting Services (SSRS) ofrece funcionalidad empresarial de informes habilitados para Webcon el fin de poder crear informes que extraigan contenido a partir de una variedad de orígenes de datos, publicar informes con distintos formatos y administrar centralmente la seguridad y las suscripciones. Para obtener información sobre otros componentes, herramientas y recursos de SQL Server 2005. Los siguientes InfoCenters organizan los temas en Librosen pantalla de SQL Server con áreas de contenidos que resultan útiles para funciones específicas. Puede utilizar los InfoCenters para buscar temas que le brinden la información más importante para su trabajo. Además de las páginas de InfoCenter, cada tema de los Libros en pantalla indica el destinatario al que está dirigido, de modo que de un vistazo pueda saber si el tema contiene el contenido que está buscando. 
La capacidad para tomar decisiones de negocio precisas y de forma rápida se ha convertido en una de las claves para que una empresa llegue al éxito. Sin embargo, los sistemas de información tradicionales (como la mayoría de los programas de gestión, las aplicaciones a medida, e incluso los ERP más sofisticados), suelen presentar una estructura muy inflexible para este fin. Aunque su diseño se adapta con mayor o menor medida para manejar los datos de la empresa, no permite obtener la información de los mismos, y mucho menos extrapolar el conocimiento almacenado en el día a día de las bases de datos. Las principales características que limitan estos sistemas son: -
Gran rigidez a la hora de extraer datos, de manera que el usuario tiene que ceñirse a los informes predefinidos que se configuraron en el momento de la implantación, y que no siempre responden a sus dudas reales. -
Necesidad de conocimientos técnicos. Para la generación de nuevos informes o métricas suele resultar ineludible acudir al departamento técnico, solicitando una consulta adecuada para interrogar la base de datos. -
Largos tiempos de respuesta, ya que las consultas complejas de datos suelen implicar la unión de tablas operacionales de gran tamaño, lo que se traduce en una incómoda espera que dificulta la fluidez del trabajo. -
Deterioro en el rendimiento del SI. Cuando la base de datos consultada, para generar informes o ratios de negocio, es la misma que la que soporta el operativo de la empresa, el funcionamiento del sistema puede degradarse hasta afectar y paralizar a todos los usuarios conectados. -
Falta de integración que implica islas de datos. Muchas organizaciones disponen de múltiples sistemas de información, incorporados en momentos distintos, para resolver problemáticas diferentes. Sus bases de datos no suelen estar integradas, lo que implica la existencia de islas de información. -
Datos erróneos, obsoletos o incompletos. El tema de la calidad de los datos siempre es considerado como algo importante, pero esta labor nunca se lleva al extremo de garantizar la fiabilidad de la información aportada. -
Problemas para adecuar la información al cargo del usuario. No se trata de que todo el mundo tenga acceso a toda la información, sino de que tenga acceso a la información que necesita para que su trabajo sea lo más eficiente posible. -
Ausencia de información histórica. Los datos almacenados en los sistemas operacionales están diseñados para llevar la empresa al día, pero no permiten contrastar la situación actual con una situación retrospectiva de años atrás.
Para superar todas estas limitaciones, el Business Intelligence se apoya en un conjunto de herramientas que facilitan la extracción, la depuración, el análisis y el almacenamiento de los datos generados en una organización, con la velocidad adecuada para generar conocimiento y apoyar la toma de decisiones de los directivos y los usuarios oportunos. No es que los productos de BI sean mejores que las aplicaciones actuales: se trata de sistemas con objetivos distintos, eficientes en sus respectivas ramas, pero que deben complementarse para optimizar el valor de los sistemas de información. Una solución de Business Intelligence 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. Para ello se realiza una fase de extracción, transformación y carga (ETL) de datos. Esta etapa suele apoyarse en un almacén intermedio, llamado ODS, que actúa como pasarela entre los sistemas fuente y los sistemas destino (generalmente un datawarehouse), y cuyo principal objetivo consiste en evitar la saturación de los servidores funcionales de la organización. La información resultante, ya unificada, depurada y consolidada, se almacena en un datawarehouse corporativo, que puede servir como base para la construcción de distintos datamarts departamentales. Estos datamarts se caracterizan por poseer la estructura óptima para el análisis de los datos de esa área de la empresa, ya sea mediante bases de datos transaccionales (OLTP) o mediante bases de datos analíticas (OLAP). Los datos albergados en el datawarehouse o en cada datamart se explotan utilizando herramientas comerciales de análisis, reporting, alertas... etc. En estas herramientas se basa también la construcción de productos BI más completos, como los sistemas de soporte a la decisión (DSS), los sistemas de información ejecutiva (EIS) y los cuadros de mando (CMI) o Balanced Scorecard (BSC).  Figura 20: Arquitectura de una solución de Inteligencia de negocios En todas las empresas cada departamento acumula diferentes datos: sobre sus clientes, sus inventarios, su producción, sobre la efectividad de las campañas de marketing, información sobre proveedores y socios, además de los datos que pueden proveer del exterior, como los referentes a competidores. En este sentido, el Business Intelligence puede realizar distintas aportaciones a cada departamento, siempre con el objetivo de integrar y optimizar la información disponible en la organización: El BI permite identificar de forma más precisa los segmentos de clientes y estudiar con mayor detalle su comportamiento. Para ello se pueden incluir análisis capaces de medir, por ejemplo, el impacto de los precios y las promociones en cada segmento. El BI permite acceder a los datos del mercado, vinculándolos con la información básica necesaria para hallar las relaciones entre coste y beneficio. Al mismo tiempo, permite monitorizar la información de cada factoría o cadena de producción, lo que puede ayudar a optimizar el volumen de las compras. El BI proporciona un mecanismo que permite analizar el rendimiento de cualquier tipo de proceso operativo, ya que comprende desde el control de calidad y la administración de inventarios hasta la planificación y la historización de la producción. El BI facilita la comprensión de las necesidades del cliente, así como responder a las nuevas oportunidades del mercado. También son posibles análisis de patrones de compra para aprovechar coyunturas de ventas con productos asociados. El BI permite acceder a los datos de forma inmediata y en tiempo real, mejorando así ciertas operaciones, que suelen incluir presupuestos, proyecciones, control de gestión, tesorería, balances y cuentas de resultados. Aplicado a este ámbito, el BI permite evaluar con exactitud el valor de los segmentos del mercado y de los clientes individuales, además de ayudar a retener a los clientes más rentables. Obteniendo los datos precisos de la fuente adecuada, el BI permite analizar los parámetros que más pueden afectar al departamento: satisfacción de los empleados, absentismo laboral, beneficio-hora/hombre… etc. Finalmente, en caso de aprovechar la integración de la información con proveedores y socios, el BI ofrece niveles de análisis sobre cuestiones como nuevas oportunidades de inversión, o nuevas ocasiones para la colaboración con terceros.  Para resolver el diseño de un modelo BI, se deben contestar a tres preguntas básicas: cuál es la información requerida para gestionar y tomar decisiones; cuál debe ser el formato y composición de los datos a utilizar; y de dónde proceden esos datos y cuál es la disponibilidad y periodicidad requerida. En otras palabras, el diseño conceptual tiene diferentes momentos en el desarrollo de una plataforma BI: En la fase de construcción del Datawarehouse y Datamarts, primarán los aspectos de estructuración de la información según potenciales criterios de explotación. En la fase de implantación de herramientas de soporte a la alta dirección, se desarrolla el análisis de criterios directivos: misión, objetivos estratégicos, factores de seguimiento, indicadores clave de gestión o KPIs, modelos de gestión y en definitiva, información para el qué, cómo, cuándo, dónde y para qué de sus necesidades de información. Estos momentos no son, necesariamente, correlativos, sino que cada una de las etapas del diseño condiciona y es condicionada por el resto. datamarts. Un datawarehouse es una base de datos corporativa que replica los datos transaccionales una vez seleccionados, depurados y especialmente estructurados para actividades de query y reporting. Un datamart (o mercado de datos) es una base de datos especializada, departamental, orientada a satisfacer las necesidades específicas de un grupo particular de usuarios (en otras palabras, un datawarehouse departamental, normalmente subconjunto del corporativo con transformaciones específicas para el área a la que va dirigido). La vocación del datawarehouse es aislar los sistemas operacionales de las necesidades de información para la gestión, de forma que cambios en aquéllos no afecten a éstas, y viceversa (únicamente cambiarán los mecanismos de alimentación, no la estructura, contenidos, etc.). No diseñar y estructurar convenientemente y desde un punto de vista corporativo el datawarehouse y los datamarts generará problemas que pueden condenar al fracaso cualquier esfuerzo posterior: información para la gestión obtenida directamente a los sistemas operacionales, florecimiento de datamarts descoordinados en diferentes departamentos, etc. En definitiva, según la estructuración y organización de cada compañía, pueden originarse situaciones no deseadas y caracterizadas generalmente por la ineficiencia y la falta de calidad en la información resultante. Es el área donde más avances se han producido en los últimos años. Sin embargo, la proliferación de soluciones mágicas y su aplicación coyuntural para solucionar aspectos puntuales ha llevado, en ocasiones, a una situación de desánimo en la organización respecto a los beneficios de una solución BI. Sin entrar a detallar las múltiples soluciones que ofrece el mercado, a continuación se identifican los modelos de funcionalidad o herramientas básicas (cada producto de mercado integra, combina, potencia, adapta y personaliza dichas funciones): -
Query & Reporting: herramientas para la elaboración de informes y listados, tanto en detalle como sobre información agregada, a partir de la información de los datawarehouses y datamarts. Desarrollo a medida y/o herramientas para una explotación libre. -
Cuadro De Mando Analítico (EIS tradicionales): elaboración, a partir de datamarts, de informes resumen e indicadores clave para la gestión (KPI), que permitan a los gestores de la empresa analizar los resultados de la misma de forma rápida y eficaz. En la práctica es una herramienta de query orientada a la obtención y presentación de indicadores para la dirección (frente a la obtención de informes y listados). -
Cuadro De Mando Integral O Estratégico (Balanced Scorecard): este modelo parte de que la estrategia de la empresa es el punto de referencia para todo proceso de gestión interno. Con él los diferentes niveles de dirección y gestión de la organización disponen de una visión de la estrategia de la empresa traducida en un conjunto de objetivos, iniciativas de actuación e indicadores de evolución.
Los objetivos estratégicos se asocian mediante relaciones causa-efecto y se organizan en cuatro áreas o perspectivas: financiera, cliente, procesos y formación o desarrollo. El cuadro de mando integral es una herramienta que permite alinear los objetivos de las diferentes áreas o unidades con la estrategia de la empresa y seguir su evolución. -
Olap (On-Line Analytical Processing): Herramientas que manejan interrogaciones complejas de bases de datos relacionales, proporcionando un acceso multidimensional a los datos, capacidades intensivas de cálculo y técnicas de indexación especializadas. Permiten a los usuarios trocear sus datos planteando queries sobre diferentes atributos. Utilizan un servidor intermedio para almacenar los datos multidimensionales precalculados de forma que la explotación sea rápida.
Datamining (minería de datos): Son auténticas herramientas de extracción de conocimiento útil, a partir de la información contenida en las bases de datos de cualquier empresa. El objetivo que se persigue es descubrir patrones ocultos, tendencias y correlaciones, y presentar esta información de forma sencilla y accesible a los usuarios finales, para solucionar, prever y simular problemas del negocio. El datamining incorpora la utilización de tecnologías basadas en redes neuronales, árboles de decisión, reglas de inducción, análisis de series temporales y visualización de datos 
El datamining (minería de datos ), es el conjunto de técnicasy tecnologías que permiten explorar grandes bases de datos, de manera automática o semiautomática, con el objetivo de encontrar patrones repetitivos, tendencias o reglas que expliquen el comportamiento de los datos en un determinado contexto. Básicamente, el datamining surge para intentar ayudar a comprender el contenido de un repositorio de datos. Con este fin, hace uso de prácticas estadísticas y, en algunos casos, de algoritmos de búsqueda próximos a la Inteligencia Artificial y a las redes neuronales. De forma general, los datos son la materia prima bruta. En el momento que el usuario les atribuye algún significado especial pasan a convertirse en información. Cuando los especialistas elaboran o encuentran un modelo, haciendo que la interpretación que surge entre la información y ese modelo represente un valor agregado, entonces nos referimos al conocimiento. Aunque en datamining cada caso concreto puede ser radicalmente distinto al anterior, el proceso común a todos ellos se suele componer de cuatro etapas principales: -
Determinación de los objetivos. Trata de la delimitación de los objetivos que el clientedesea bajo la orientación del especialista en data mining. -
Pre procesamiento de los datos. Se refiere a la selección, la limpieza, el enriquecimiento, la reducción y la transformación de las bases de datos. Esta etapa consume generalmente alrededor del setenta por ciento del tiempo total de un proyecto de data mining. -
Determinación del modelo. Se comienza realizando unos análisisestadísticos de los datos, y después se lleva a cabo una visualización gráfica de los mismos para tener una primera aproximación. Según los objetivos planteados y la tarea que debe llevarse a cabo, pueden utilizarse algoritmos desarrollados en diferentes áreas de la Inteligencia Artificial. -
Análisis de los resultados. Verifica si los resultados obtenidos son coherentes y los coteja con los obtenidos por los análisis estadísticos y de visualización gráfica. El cliente determina si son novedosos y si le aportan un nuevo conocimiento que le permita considerar sus decisiones.
 Carga de trabajo en las fases de un proyecto de datamining En resumen, el datamining se presenta como una tecnología emergente, con varias ventajas: por un lado, resulta un buen punto de encuentro entre los investigadores y las personas de negocios; por otro, ahorra grandes cantidades de dinero a una empresay abre nuevas oportunidades de negocios. Además, no hay duda de que trabajar con esta tecnología implica cuidar un sinnúmero de detalles debido a que el productofinal involucra "toma de decisiones". Un Datawarehouse es una base de datos corporativa que se caracteriza por integrar y depurar información de una o más fuentes distintas, para luego procesarla permitiendo su análisis desde infinidad de perspectivas y con grandes velocidades de respuesta. La creación de un datawarehouserepresenta en la mayoría de las ocasiones el primer paso, desde el punto de vista técnico, para implantar una solución completa y fiable de Business Intelligence. La ventaja principal de este tipo de bases de datos radica en las estructuras en las que se almacena la información (modelos de tablas en estrella, en copo de nieve, cubos relacionales... etc). Este tipo de persistencia de la información es homogénea y fiable, y permite la consulta y el tratamiento jerarquizado de la misma (siempre en un entorno diferente a los sistemas operacionales).  El término Datawarehouse fue acuñado por primera vez por Bill Inmon, y se traduce literalmente como almacén de datos. No obstante, y como cabe suponer, es mucho más que eso. Según definió el propio Bill Inmon, un datawarehouse se caracteriza por ser: -
Integrado: los datos almacenados en el datawarehouse deben integrarse en una estructura consistente, por lo que las inconsistencias existentes entre los diversos sistemas operacionales deben ser eliminadas. La información suele estructurarse también en distintos niveles de detalle para adecuarse a las distintas necesidades de los usuarios. -
Temático:sólo los datos necesarios para el proceso de generación del conocimiento del negocio se integran desde el entorno operacional. Los datos se organizan por temas para facilitar su acceso y entendimiento por parte de los usuarios finales. Por ejemplo, todos los datos sobre clientes pueden ser consolidados en una única tabla del datawarehouse. De esta forma, las peticiones de información sobre clientes serán más fáciles de responder dado que toda la información reside en el mismo lugar. -
Histórico: el tiempo es parte implícita de la información contenida en un datawarehouse. En los sistemas operacionales, los datos siempre reflejan el estado de la actividad del negocio en el momento presente. Por el contrario, la información almacenada en el datawarehouse sirve, entre otras cosas, para realizar análisis de tendencias. Por lo tanto, el datawarehouse se carga con los distintos valores que toma una variable en el tiempo para permitir comparaciones. -
No volátil:el almacén de información de un datawarehouse existe para ser leído, pero no modificado. La información es por tanto permanente, significando la actualización del datawarehouse la incorporación de los últimos valores que tomaron las distintas variables contenidas en él sin ningún tipo de acción sobre lo que ya existía.
Otra característica del datawarehouse es que contiene metadatos, es decir, datos sobre los datos. Los metadatos permiten saber la procedencia de la información, su periodicidad de refresco, su fiabilidad, forma de cálculo... etc. Los metadatos serán los que permiten simplificar y automatizar la obtención de la información desde los sistemas operacionales a los sistemas informacionales. Los objetivos que deben cumplir los metadatos, según el colectivo al que va dirigido, son: -
Dar soporte al usuario final, ayudándole a acceder al datawarehouse con su propio lenguaje de negocio, indicando qué información hay y qué significado tiene. Ayudar a construir consultas, informes y análisis, mediante herramientas de Business Intelligence como DSS, EIS o CMI. -
Dar soporte a los responsables técnicos del datawarehouse en aspectos de auditoría , gestión de la información histórica, administración del datawarehouse, elaboración de programas de extracción de la información, especificación de las interfaces para la realimentación a los sistemas operacionales de los resultados obtenidos... etc.
Por último, destacar que para comprender íntegramente el concepto de datawarehouse, es importante entender cuál es el proceso de construcción del mismo, denominado ETL (Extracción, Transformación y Carga), a partir de los sistemas operaciones de una compañía: -
Extracción:obtención de información de las distintas fuentes tanto internas como externas. -
Transformación: filtrado, limpieza, depuración, homogeneización y agrupación de la información. -
Carga: organizacióny actualización de los datos y los metadatos en la base de datos.
Una de las claves del éxito en la construcción de un datawarehouse es el desarrollode forma gradual, seleccionando a un departamento usuario como piloto y expandiendo progresivamente el almacén de datos a los demás usuarios. Por ello es importante elegir este usuario inicial o piloto, siendo importante que sea un departamento con pocos usuarios, en el que la necesidad de este tipo de sistemas es muy alta y se pueda obtener y medir resultados a corto plazo. Principales aportaciones de un datawarehouse -
Proporciona una herramienta para la toma de decisiones en cualquier área funcional, basándose en información integrada y global del negocio. -
Facilita la aplicación de técnicas estadísticas de análisis y modelización para encontrar relaciones ocultas entre los datos del almacén; obteniendo un valor añadido para el negocio de dicha información. -
Proporciona la capacidad de aprender de los datos del pasado y de predecir situaciones futuras en diversos escenarios. -
Simplifica dentro de la empresa la implantación de sistemas de gestión integral de la relación con el cliente. -
Supone una optimización tecnológica y económica en entornos de Centro de Información, estadística o de generación de informes con retornos de la inversión espectaculares.
 Un Datamart es una base de datos departamental, especializada en el almacenamiento de los datos de un área de negocio específica. Se caracteriza por disponer la estructura óptima de datos para analizar la información al detalle desde todas las perspectivas que afecten a los procesos de dicho departamento. Un datamart puede ser alimentado desde los datos de un datawarehouse, o integrar por sí mismo un compendio de distintas fuentes de información. Por tanto, para crear el datamart de un área funcional de la empresa es preciso encontrar la estructura óptima para el análisis de su información, estructura que puede estar montada sobre una base de datos OLTP, como el propio datawarehouse, o sobre una base de datos OLAP. La designación de una u otra dependerá de los datos, los requisitos y las características específicas de cada departamento. De esta forma se pueden plantear dos tipos de datamarts: Se basan en los populares cubos OLAP, que se construyen agregando, según los requisitos de cada área o departamento, las dimensiones y los indicadores necesarios de cada cubo relacional. El modo de creación, explotación y mantenimiento de los cubos OLAP es muy heterogéneo, en función de la herramienta final que se utilice. Pueden basarse en un simple extracto del datawarehouse, no obstante, lo común es introducir mejoras en su rendimiento (las agregaciones y los filtrados suelen ser las operaciones más usuales) aprovechando las características particulares de cada área de la empresa. Las estructuras más comunes en este sentido son las tablas report, que vienen a ser fact-tables reducidas (que agregan las dimensiones oportunas), y las vistas materializadas, que se construyen con la misma estructura que las anteriores, pero con el objetivo de explotar la reescritura de queries (aunque sólo es posible en algunos SGBD avanzados, como Oracle). Los datamarts que están dotados con estas estructuras óptimas de análisis presentan las siguientes ventajas: -
Poco volumen de datos -
Mayor rapidez de consulta -
Consultas SQL y/o MDX sencillas -
Validación directa de la información -
Facilidad para la historización de los datos
 El Cuadro de Mando Integral (CMI), también conocido como Balanced Scorecard (BSC) o dashboard, es una herramienta de control empresarial que permite establecer y monitorizar los objetivos de una empresa y de sus diferentes áreas o unidades. También se puede considerar como una aplicación que ayuda a una compañía a expresar los objetivos e iniciativas necesarias para cumplir con su estrategia, mostrando de forma continuada cuándo la empresa y los empleados alcanzan los resultados definidos en su plan estratégico. 2.12.1 Diferencia Con Otras Herramientas De Business Intelligence El Cuadro de Mando Integral se diferencia de otras herramientas de Business Intelligence, como los Sistemas de Soporte a la Decisión (DSS) o los Sistemas de Información Ejecutiva (EIS), en que está más orientado al seguimiento de indicadores que al análisis minucioso de información. Por otro lado, es muy común que un CMI sea controlado por la dirección general de una compañía, frente a otras herramientas de Business Intelligence más enfocadas a la dirección departamental. El CMI requiere, por tanto, que los directivos analicen el mercadoy la estrategia para construir un modelo de negocio que refleje las interrelaciones entre los diferentes componentes de la empresa (plan estratégico). Una vez que lo han construido, los responsables de la organización utilizan este modelo como mapa para seleccionar los indicadores del CMI.  2.12.2 TIPOS DE CUADROS DE MANDO El Cuadro de Mando Operativo (CMO), es una herramienta de control enfocada al seguimiento de variables operativas, es decir, variables pertenecientes a áreas o departamentos específicos de la empresa. La periodicidad de los CMO puede ser diaria, semanal o mensual, y está centrada en indicadores que generalmente representan procesos, por lo que su implantación y puesta en marcha es más sencilla y rápida. Un CMO debería estar siempre ligado a un DSS (Sistema de Soporte a Decisiones) para indagar en profundidad sobre los datos. El Cuadro de Mando Integral (CMI), por el contrario, representa la ejecución de la estrategia de una compañía desde el punto de vista de la Dirección General (lo que hace que ésta deba estar plenamente involucrada en todas sus fases, desde la definición a la implantación). Existen diferentes tipos de cuadros de mando integral, si bien los más utilizados son los que se basan en la metodologíade Kaplan & Norton. Las principales características de esta metodología son que utilizan tanto indicadores financieros como no financieros, y que los objetivos estratégicos se organizan en cuatro áreas o perspectivas: financiera, cliente, interna y aprendizaje/crecimiento. -
La perspectiva financiera incorpora la visión de los accionistas y mide la creación de valor de la empresa. Responde a la pregunta: ¿Qué indicadores tienen que ir bien para que los esfuerzos de la empresa realmente se transformen en valor? Esta perspectiva valora uno de los objetivos más relevantes de organizacionescon ánimo de lucro, que es, precisamente, crear valor para la sociedad. -
La perspectiva del cliente refleja el posicionamientode la empresa en el mercado o, más concretamente, en los segmentos de mercado donde quiere competir. Por ejemplo, si una empresa sigue una estrategia de costes es muy posible que la clave de su éxito dependa de una cuota de mercado alta y unos precios más bajos que la competencia. Dos indicadores que reflejan este posicionamiento son la cuota de mercado y un índice que compare los precios de la empresa con los de la competencia. -
La perspectiva internarecoge indicadores de procesos internos que son críticos para el posicionamiento en el mercado y para llevar la estrategia a buen puerto. En el caso de la empresa que compite en coste, posiblemente los indicadores de productividad, calidad e innovación de procesos sean importantes. El éxito en estas dimensiones no sólo afecta a la perspectiva interna, sino también a la financiera, por el impacto que tienen sobre las rúbricas de gasto. -
La perspectiva de aprendizaje y crecimiento es la última que se plantea en este modelo de CMI. Para cualquier estrategia, los recursos materialesy las personas son la clave del éxito. Pero sin un modelo de negocio apropiado, muchas veces es difícil apreciar la importancia de invertir, y en épocas de crisislo primero que se recorta es precisamente la fuente primaria de creación de valor: se recortan inversiones en la mejora y el desarrollo de los recursos.
 Pese a que estas cuatro son las perspectivas más genéricas, no son "obligatorias". Por ejemplo, una empresa de fabricación de ropa deportiva tiene, además de la perspectiva de clientes, una perspectiva de consumidores. Para esta empresa son tan importantes sus distribuidores como sus clientes finales. Una vez que se tienen claros los objetivos de cada perspectiva, es necesario definir los indicadores que se utilizan para realizar su seguimiento. Para ello, debemos tener en cuenta varios criterios: el primero es que el número de indicadores no supere los siete por perspectiva, y si son menos, mejor. La razón es que demasiados indicadores difuminan el mensaje que comunica el CMI y, como resultado, los esfuerzos se dispersan intentando perseguir demasiados objetivos al mismo tiempo. Puede ser recomendable durante el diseño empezar con una lista más extensa de indicadores. Pero es necesario un proceso de síntesis para disponer de toda la fuerza de esta herramienta. No obstante, la aportación que ha convertido al CMI en una de las herramientas más significativas de los últimos años es que se cimenta en un modelo de negocio. El éxito de su implantación radica en que el equipo de dirección se involucre y dedique tiempo al desarrollo de su propio modelo de negocio. 2.12.3 Beneficios De La Implantación De Un Cuadro De Mando Integral -
La fuerza de explicitar un modelo de negocio y traducirlo en indicadores facilita el consenso en toda la empresa, no sólo de la dirección, sino también de cómo alcanzarlo. -
Clarifica cómo las acciones del día a día afectan no sólo al corto plazo, sino también al largo plazo. -
Una vez el CMI está en marcha, se puede utilizar para comunicar los planes de la empresa, aunar los esfuerzos en una sola dirección y evitar la dispersión. En este caso, el CMI actúa como un sistema de control por excepción. -
Permita detectar de forma automática desviaciones en el plan estratégico u operativo, e incluso indagar en los datos operativos de la compañía hasta descubrir la causa original que dio lugar a esas desviaciones.
2.12.4 Riesgos De La Implantación De Un Cuadro De Mando Integral -
Un modelo poco elaborado y sin la colaboración de la dirección es papel mojado, y el esfuerzo será en vano. -
Si los indicadores no se escogen con cuidado, el CMI pierde una buena parte de sus virtudes, porque no comunica el mensaje que se quiere transmitir. -
Cuando la estrategia de la empresa está todavía en evolución, es contraproducente que el CMI se utilice como un sistema de control clásico y por excepción, en lugar de usarlo como una herramienta de aprendizaje. -
Existe el riesgo de que lo mejor sea enemigo de lo bueno, de que el CMI sea perfecto, pero desfasado e inútil.
Dentro del marco de beneficios que representa una solución de inteligencia de negocios podemos mencionar que esta nos permite: • Manejar el crecimiento – El reto para las empresas es evolucionar, es crecer y esto significa "cambio". Que tan ágiles son mis procesos para enfrentar los cambios y las necesidades puntuales de la empresa • Control de costos – El manejo de costos es el detonador que fuerza muchas empresas a considerar una solución de inteligencia de negocios, para tener la capacidad de medir gastos y ver esto a un nivel de detalle que identifique la línea de negocio, producto, centro de costo, entre otras. • Entender mejor los clientes –Las empresas almacenan toneladas de información valiosa relacionada a sus clientes. El reto es transformar esta información en conocimiento y este conocimiento dirigido a una gestión comercial que represente algún tipo de ganancia para la empresa. Ventascruzadas, ventas incrementales, retención de clientes, anticipar nuevas oportunidades, mediciónde efectividad de campanas e identificar los patrones de compras y/o comportamiento de los clientes hacen de la inteligencia de negocios un elemento vital para lograr los objetivos de la empresa. • Indicadores de gestión – Los indicadores de desempeño me permiten representar medidas enfocadas al desempeño organizacional con la capacidad de representar la estrategia organizacional en objetivos, métricas, iniciativas y tareas dirigidas a un grupo y/o individuos en la organización. Dentro de las capacidades funcionales de los indicadores de gestión podemos mencionar: el monitoreo, análisis y la administración. "Monitorea" lo procesos críticos de negocio y las actividades utilizando métricas que me den una alerta sobre un problema potencial o alguna gestión que debo realizar. "Analiza" la raíz de los problemas explorando la información de múltiples perspectivas en varios niveles de detalles. "Administra" los recursos y procesos para dirigir la toma de decisiones, optimizar el desempeño. Esto nos permite tener una visión global de la empresa con la capacidad de dirigir la organización en la dirección correcta. PLATAFORMAS DE BUSINESS INTELLIGENCE Estas son las soluciones de BI más reconocidas actualmente en el mercado. SAGENT SOLUTION PLATTFORM:  Este sistema integrado extrae, transforma, mueve, distribuye y presenta la información clave para la toma de decisiones en la empresa en un entorno homogéneo. MICROSTRATEGY: Provee soluciones a clientes de cualquier industria y/o área funcional con el fin de ayudarlos en la obtención de un mayor conocimiento sobre la información manejada en su empresa.  BUSINESS OBJECTS: Suministra a los usuarios el poder acceder de forma sencilla a los datos, analizar la información almacenada y creación de informes. 
COGNOS:Es un software que ofrece la funcionalidad de análisis y toma de decisiones. Cuenta con una herramienta especial para modelación, pronóstico y simulación del negocio.  BITAM/ARTUS BUSINESS INTELLIGENCE SUITE:Herramienta capaz de agrupar la información y utilizarla como un activo que ayudará a la empresa a identificar las oportunidades de negocio, optimizar las áreas de finanzas, clientes, procesos internos, aprendizaje e innovación. 
ORACLE9I APPLICATION SERVER:Permite acceder, analizar y compartir la información y tomar decisiones precisas, basadas en datos en forma rápida. RAZONES POR LAS QUE INVERTIR EN BUSINESS INTELLIGENCE Según un artículo de Gartner Research, la falta de conocimiento es la mayor amenaza para las empresas modernas. Para ello, apuntan, "el objetivo del Business Intelligence es eliminar las conjeturas y la ignorancia en los ambientes empresariales, aprovechando los vastos volúmenes de datos cuantitativos que las empresas recolectan todos los días en sus diversas aplicaciones corporativas". 
BI como solución tecnológica -
Centralizar, depurar y afianzar los datos.Las tecnologías de BI permiten reunir, normalizar y centralizar toda la información de la empresa, mediante un almacén de datos, permitiendo así su explotación sin esfuerzo. De esta forma, los departamentos comercial, operativo y financiero basan las decisiones estratégicas en la misma información. -
Descubrir información no evidente para las aplicaciones actuales. En el día a día de las aplicaciones de gestión se pueden esconder pautas de comportamiento, tendencias, evoluciones del mercado, cambios en el consumo o en la producción, que resulta prácticamente imposible reconocer sin el software adecuado. Es lo que se puede calificar como extraer información de los datos, y conocimiento de la información. -
Optimizar el rendimiento de los sistemas. Las plataformas de BI se diseñan para perfeccionar al máximo las consultas de alto nivel, realizando las transformaciones oportunas a cada sistema (OLTP - OLAP), y liberando los servidores operacionales.
BI como ventaja competitiva -
Seguimiento real del plan estratégico. Si su empresa dispone de plan estratégico, el business intelligence le permite, mediante un cuadro de mando, crear, manejar y monitorizar las métricas y los objetivos estratégicos propuestos en ese plan, para poder detectar a tiempo las desviaciones, adoptando las acciones oportunas para corregirlas. -
Aprender de errores pasados. Al historizar los datos relevantes, una aplicación de BI permite que una empresa aprenda de su historia y de sus mejores prácticas, y que pueda evitar tropezarse de nuevo con los mismos errores del pasado. -
Mejorar la competitividad. Según la consultora internacional Gartner, 7 de cada 10 compañías realizan análisis sobre sus datos de forma diaria, o incluso instantánea, en el 2.006. Este mecanismo les permite maximizar su rentabilidad. La acuciante tendencia a explotar la información marca cada vez más la diferencia en los sectores. -
Obtener el verdadero valor de las aplicaciones de gestión. Durante los últimos años, las empresas se han embarcado en la construcción de estas aplicaciones clave para sus negocios. Sin embargo, no siempre han sabido aprovechar todo el potencial que les pueden proporcionar: cuentasde resultados, cash-flow, etc… Con el business intelligence, todos los empleados, desde el director general hasta el último analista, tienen acceso a información adecuada, integrada y actualizada
2.16. EJEMPLOS PRÁCTICOS DE BUSINESS INTELLIGENCE A continuación mostramos una serie de ejemplos reales (resumidos) de Business Intelligence: Empresa conservera  Este caso práctico se refiere a uno de las mayores empresas conserveras de Galicia, con presencia internacional, más de 500 empleados y cerca de 100.000.000 ,¬ de facturación. A pesar de que en el sector conservero es bien conocida la estacionalidad de las ventas (el consumo de atún en conserva se dispara en verano, debido a su participación en las ensaladas) y en diciembre (con motivo de la navidad), esta empresa no había sido capaz de optimizar la cantidad de producto finalizado que debía almacenar en stock para maximizar sus beneficios. Mediante la implantación de un sistema de soporte a la decisión (DSS), y tras el análisis minucioso de los datos históricos que guardaba la compañía, resultó posible rediseñar todo el proceso logístico y de almacenamiento productivo hasta el punto de incrementar la rentabilidad económica de la misma (independientemente de la producción y la demanda) en un 10%. Cadena de supermercados  Una conocida cadena de supermercados gallegos ha recurrido a un sistema de Business Intelligence para averiguar cuál era el perfil de sus clientes más rentables e intentar hacer lo posible para fidelizarlos. Para ello, una de las primeras acciones que llevó a cabo fue la creación de una "tarjeta descuento", que vinculara a los clientes con el club del supermercado. Para poder optar a esta tarjeta, cada cliente debía facilitar sus datos personales básicos (edad, sexo, origen...) y unos datos complementarios de sus preferencias. A cambio recibía descuentos eventuales en sus compras. Tras haber acumulado una relevante cantidad de datos, llegó el momento de extraer la información requerida mediante un sistema de soporte a la decisión. Entre las rarezas obtenidas en los resultados, cabe destacar que el perfil ideal de cada cliente tenía sustanciales diferencias en función de la ubicación geográfica, a pesar de que el límite del análisis era dentro de la propia Galicia. Cooperativa lechera  En una cooperativa láctea de origen gallego, cuyos productosse publicitan en TV a nivel nacional, se habían desatado las alarmas debido a las grandes desviaciones económicas existentes, cada año, entre los parámetros estimados en enero y los resultados analizados doce meses más tarde. Finalmente, para resolver el problema y potenciar al máximo sus sistemas informáticos tradicionales, la cooperativa decidió implantar un cuadro de mando integral (Balanced Scorecard) y realizar un seguimiento minucioso de sus objetivos estratégicos. Tras ocho meses desde la puesta en producción del sistema, consiguieron encontrar el origen de las desviaciones y tomar las acciones oportunas para enderezar la trayectoria operativa de la empresa. Por otro lado, y como efecto colateral estrechamente relacionado, el sistema ha permitido analizar el impacto en las ventas de cada una de sus campañas publicitarias. Basándose la información contenida en sus propias bases de datos, la cooperativa ha conseguido desde entonces adaptar su publicidad para incrementar en un 8% su cuota de mercado. Operador de telecomunicaciones  Este ejemplo hace referencia a uno de los mayores operadores de telecomunicación del mundo, con más de 91 millones de clientes en 220 países de los cinco continentes. Esta organización cuenta con 190.000 empleados y ofrece una gama completa de servicios de telecomunicaciones: telefonía local, internacional y móvil; internet y multimedia; transporte de datos; y difusión de TV por cable. En los últimos años, la empresa ha venido utilizando los sistemas informáticos como un arma estratégica fundamental en la batalla entre operadores de telecomunicaciones. El objetivo de una de sus principales iniciativas ha sido reducir las inconsistencias en los datos y compartir la información de manera más eficaz entre las diferentes áreas de negocio, implementando en toda la organización estándares en el campo del software de gestión. Conclusiones -
El ambiente del mundo de los negocios de hoy exige una aplicación cada vez más eficiente de la información disponible. BI como su nombre en inglés lo indica, genera un conocimiento al negocio, que se deriva de la correcta utilización de la información generada dentro y fuera de la empresa.
La Inteligencia de Negocios se nutre de un marco conceptual interdisciplinario, en donde conviven disciplinas Administrativas con las Ingenierías de Software y del Conocimiento. Cada una de ellas aporta los métodos, técnicas y herramientas que en conjunto contribuyen a proveer los elementos adecuados a la toma de decisiones ejercida por los niveles estratégicos y tácticos. BI es una herramienta que pone a disposición de los usuarios la información correcta en el lugar correcto. Son múltiples los beneficios que ofrece a las empresas, entre ellos se encuentra la generación de una ventaja competitiva. Hay una gran variedad de soluciones de BI que en suma, son muy similares, pero para que se considere completa debe reunir cuatro componentes: multidimensionalidad, data mining, agentes y data warehouse. La mejor forma de resumir todo lo anterior es por medio de la frase de Bill Gates, Director de Microsoft, "BI ayuda a rastrear lo que en realidad funciona y lo que no". -
En lo concerniente a los Almacenes de Datos, estos repositorios de información representan la plataforma para emitir los análisis de datos y explotación de conocimiento a cargo de los procesos especializados como OLAP. Con respecto a la capa de consulta, esta constituye como la herramienta que produce los elementos de información necesarios para la toma de decisiones. Así mismo, al incorporar el nivel de administración de conocimiento, se puede sistematizar la toma de decisiones rutinarias a partir de la información seleccionada del almacén. -
Actualmente la tendencia de diseño y operación de los sistemas de información, como también los propios de la Inteligencia de Negocio, es orientada al ambiente de la Internet. Para tal fin, se requiere de la infraestructura de recursos y procedimientosa efecto de publicar información con las reservas de seguridad en el acceso a los usuarios, a cambio de facilitar la recuperación de información desde cualquier parte del mundo.
Referencias bibliográficas [1] Net Library. http://www.netlibraryebooktoolkit.com/content/library_patron_support/3 [2] Goodwin, Candice. "Technology: Business Intelligence – Assault on the data mountain". Proquest. Accountancy, (Mayo 07, 2003). [3] Abukari, Kobana; Job, Vigía. "Business Intelligence in action". Proquest. CMA Management, (Mayo 07, 2003). [4] Betts, Mitch. "The future of business intelligence". Computerworld. http://www.kmcluster.com/The%20Future%20of%20Business%20Intelligence.html [5] Tupson Technologies. http://www.tupson.com/busintel.htm [6]Inteligencia de Negocios: Una Propuesta para su Desarrollo en las organizaciones Autor: Bernard Pavel Barreto Véliz fuente:monografias.com
|
