ORACLE

Big Data
Big data es de alto volumen, la velocidad, y una variedad de datos que est
revolucionando la forma en que las organizaciones pueden correr y cambiar
el negocio.

reflejos
Oracle Big Data de descubrimiento permite que cualquiera pueda encontrar,
explorar, transformar y analizar datos en Hadoop. Descubra nuevas
perspectivas, luego compartir los resultados con los equipos de proyectos
de datos grandes y accionistas de la empresa.
Cmo Big Data en Negocios evolucionar en 2015
Los datos son el combustible que pone en marcha las empresas por delante
del resto, a menudo muy por delante. Los que pueden reunir, analizar, y
rpidamente hacer uso de los datos tendr una ventaja competitiva cada
vez mayor. Esa es la promesa de grandes datos.
Pero para que esa promesa una realidad para su negocio, dnde debe
enfocar su atencin en el 2015? Segn los expertos de datos de Oracle, hay
siete reas clave que ofrecen una gran cantidad de oportunidades de este
ao. Estas son las estrategias, capacidades y enfoques que pondrn los
beneficios de los grandes datos ms al alcance de las empresas que estn
dispuestas a tomar ventaja.
1. Salas de juntas de negocios podrn hablar sobre el capital de datos,
los datos no grandes. Datos de propiedad sobre las transacciones del
mercado juegos empresas aparte. Esta es la razn por Netflix tiene
mayores ingresos por empleado que cualquier proveedor de cable, y
por qu Amazon est muy por delante de otros minoristas, segn el
Instituto Global McKinsey. Las empresas que explotan el capital de
datos puede aumentar los beneficios, crecer ms rpido, y generar
mayores ingresos que sus rivales y con una base de capital
tradicional inferior. Incluso las empresas que apenas se conocen
como datos de alto consumo se ven obligados a desarrollar nuevas
plataformas para la captura de datos. El hecho de que la cantidad de
espacio dedicado a la industria del automvil en los Electrnica de
consumo internacional Mostrar ms que duplicado en los ltimos
cinco aos, de 15.000 metros cuadrados para el evento de 2015, es
una ilustracin de esta idea. Salas de juntas sern cada vez ms
mirar a los directores de TI para proporcionar liquidez de datos para
que el negocio pueda analizar y aprovechar cualquier combinacin de
datos de manera casi instantnea. "Estos datos sern completamente
diferentes repositorios-Hadoop, NoSQL, bases de datos relacionales,

almacenes externos. Y nada de esto estaba destinado a ser

combinada con la forma de la empresa ahora necesita", dice Paul
Sonderegger, Oracle gran estratega de datos. "La gran arquitectura
de datos empresariales derecho ser fundamental para que una
empresa aumentar su rentabilidad sobre el capital de los datos."
2. Gestin de datos grande crecer. Sistemas de ingeniera y la nube
han hecho la gestin de datos mucho ms simple, y la empresa SQL
estndar y simple de escritura lenguajes de programacin han hecho
ms fcil para los ejecutivos no tcnicos para acceder e interactuar
con los datos. "Se trata de tener que hacer mucho menos trabajo de
integracin a medida, y puede centrarse cada vez ms en la
bsqueda de maneras de obtener el valor de los datos de nuevo a la
empresa", dice Dan McClary, director de producto senior principal de
Oracle para grandes datos. "Ha habido una proliferacin de formassimples de usar, de gran alcance para el acceso y uso de datos
grande, y eso es realmente va a la rampa hasta el 2015."Oracle Big
Data SQL, que proporciona acceso a una serie de almacenes de datos
con una sola consulta SQL, es un ejemplo. Tambin permite a las
empresas extender las polticas de seguridad de bases de datos
existentes a los datos almacenados en Hadoop. McClary dice que la
capacidad de forma rpida y fuertemente asegurar y gobernar de
datos ser una gran rea de inters este ao.
3. Las empresas demandarn un SQL para todas las estaciones.
Departamentos T han estado empleando diferentes variaciones de
SQL para resolver diferentes problemas, pero esto hace que sea ms
difcil para los gerentes de empresas para obtener respuestas a las
preguntas cuando los necesitan."Dialectos SQL se han vuelto cada
vez ms fragmentado, y las empresas estn sufriendo como
resultado", dice McClary. "Creemos que las organizaciones tendrn
que especificar qu dialecto se utiliza en toda la empresa y tienen
que tan cerca a ms estndar posible y no es suficiente para SQL
para ejecutar en varios almacenes de datos;. Que necesita para ser
capaz de hablar a travs de todas estas tiendas. "n 2015, dice, no
habr aumento de la demanda para el uso de una nica sentencia
SQL en todos los lugares a los datos de las tiendas comerciales. "Esto
va a liberar empresas tremendamente porque las decisiones sobre
dnde almacenar datos pueden basarse en decisiones de negocio
similar a lo que cuesta para almacenar, la rapidez con la empresa
necesita para acceder a los datos, lo que el sistema los datos
proviene de, qu otras fuentes de datos viven al lado de l, que lo
consume y no en lo que el lenguaje se utiliza para acceder a los datos
", dice McClary. "Las empresas tienen que encontrar la manera de
traer a casa el verdadero valor que crea su gran datos", dice. "En
otras palabras, cmo te das cuenta de los rendimientos de su capital
de datos?"
4. justo a tiempo de transformacin va a transformar de extraccin,
transformacin y carga (ETL). Sistemas de TI de las empresas
tradicionales obligan a las personas a tomar decisiones difciles sobre

lo que los motores que utilizan para manipular sus datos de negocio:
los motores de procesamiento por lotes familiares, que tienen un
tiempo muy valioso para entregar, o sistemas en memoria que
permiten un procesamiento ms rpido, pero requieren una
infraestructura poco familiar. Sistemas de datos grandes modernos,
sin embargo, cerrar esta brecha, al permitir a las empresas a
manipular a la perfeccin los datos en la memoria viva de la
computadora al mismo tiempo por lo que es fcil de almacenar datos
a muy bajo costo. "En el ao que viene, vamos a ver ms empresas
aprovechan en memoria de streaming tecnologas para acceder y
manipular datos en tiempo real", dice Jeff Pollock, Oracle
vicepresidente de gestin de productos. El primer paso es el acceso
de datos, donde Pollock dice que vamos a ver un cambio desde
antiguo por lotes y tecnologas de archivos cntrica y hacia las
tecnologas modernas como Oracle GoldenGate, que realiza rplicas
en tiempo real en el entorno de Hadoop."Ms all del acceso,
transformacin de datos ser la clave", dice. "Estamos viendo un
creciente inters en hacer la transformacin de datos en los patrones
ms rpido y ms interactivos, con capas de tecnologa y de
velocidad en memoria utilizadas tanto para el acceso de datos, as
como manipulaciones de datos."Este es un gran cambio respecto a
hace un ao, cuando la mayora de la gran carga de trabajo de datos
todava se estaba haciendo en MapReduce, una arquitectura lote
impulsados intrnsecamente. "Lo que esto significa para las empresas
es el acceso ms rpido a los anlisis en tiempo real, lo que permite a
los servicios de datos en tiempo real y ms oportunidades de obtener
beneficios econmicos de los datos", dice Pollock. "Para TI, lo que
esto significa es una base tcnica ms eficiente y flexible para
trabajar con grandes volmenes de datos, lo que les permite utilizar
la misma lgica de las transformaciones de datos, tanto en lotes y en
tiempo real."
5. Autoservicio de descubrimiento y herramientas de visualizacin
vendrn a grandes datos. Datos tradicionalmente se ha almacenado y
analizado el uso de herramientas, tales como Hadoop, que slo un
cientfico de datos puede amar. Esto, sin embargo, est empezando a
cambiar."En 2015, Hadoop ser ms til para los empresarios porque
ms productos estarn disponibles que ocultan la complejidad de
usar ese almacn de datos", dice Richard Tomlinson, director de
gestin de producto de Oracle. "Esto suceder tanto porque las
herramientas de inteligencia de negocios existentes sern
capacitados para trabajar en la parte superior de Hadoop, y debido a
la llegada de las nuevas herramientas que dan los analistas de
negocio de extremo a extremo las capacidades para convertir los
datos en bruto en conocimiento." Mientras que los ltimos cinco aos
han sido sobre la recogida de datos, la siguiente fase de grandes
datos ser de capacitar a la empresa a tomar ventaja. "Ms personas
sern capaces de utilizar grandes volmenes de datos en sus puestos

de trabajo, y ms empresas se volvern la promesa de grandes datos

en realidad", dice Tomlinson. "Los que no habr detrs de su
competencia".Junto con lo que el acceso y el anlisis ms fcil para
los usuarios de negocio, herramientas de datos grandes harn
anlisis predictivo ms fcil de usar y accesible tambin."Se siente
como que hemos llegado a un punto de inflexin grande, como
cuando las herramientas de BI comenzaron a conseguir aprobado
para su uso en la parte superior de las bases de datos a mediados de
los aos 90", dice. "Los que estn siendo escpticos y no est listo
para cometer vern sus competidores se mueven por delante de
ellos."
6. Seguridad y gobernanza aumentarn gran innovacin de datos. Las
empresas ya no estn jugando con Hadoop; que ahora estn
utilizando para tomar decisiones de misin crtica. "Las empresas
estn poniendo datos juntos en nuevas formas, comingling conjuntos
de datos que nunca se han comingled antes", dice Pollock. "Eso es,
precisamente, el valor de los entornos de datos grandes. Pero estos
cambios tambin estn dando lugar a interesantes nuevos problemas
de seguridad y de cumplimiento." Como los sistemas de datos
grandes se mueven de proyectos de I + D a las operaciones y la toma
de decisiones, el papel del auditor y el oficial de cumplimiento
corporativo es cada vez ms importante. Como resultado, Pollock
dice, "en el ao 2015, las empresas se centran cada vez ms en la
aplicacin de los controles de acceso, que regula la seguridad y
vigilancia de los sistemas de Hadoop, el seguimiento del linaje de
datos a travs de metadatos, y vincular el glosario de negocios con
los metadatos para obtener una ms clara, ms vista de negocios, de
utilizacin de los datos ".Tener estas polticas y estndares definidos
en toda la organizacin permitir a las empresas a hacer uso de datos
a travs de las lneas departamentales, la apertura de nuevas
oportunidades de negocio.
7. Las cargas de trabajo de produccin se mezclarn capacidades de
nube y on-premise. Las empresas quieren tomar decisiones no slo
acerca de donde almacenan sus datos, sino tambin donde se
ejecutan los anlisis y transformaciones en l. Algunos pueden
requerir escalabilidad elstica, as que tiene sentido para ejecutar
esos anlisis en la nube. Algunos necesitan permanecer en las
instalaciones debido a la seguridad, el cumplimiento, o porque los
datos que interacta con otros sistemas internos. "Lo que vamos a
ver en el ao 2015 son las mejoras en las herramientas y continuidad
por lo que un empresario puede tomar la decisin acerca de dnde se
ejecuta una carga de trabajo da a da", dice McClary. Este cambio a la
toma de decisiones sobre la gestin de datos en base a razones de
negocios, ms que razones tcnicas dar a las empresas una mayor
flexibilidad y le ayudar en el control de costes operativos.

Encuentra fcilmente los datos relevantes:

Explorar un rico catlogo interactivo de todos los datos de Hadoop
Utilice la bsqueda de palabras clave familiar y navegacin guiada
Proyectos de grandes datos personales y compartidas de acceso
Suministro de datos personales a travs de Hadoop autoservicio
Explorar datos para entender Potencial:
Visualice la forma y calidad de los datos no familiar
Combinar atributos y descubrir relaciones interesantes
Trabajo a velocidades interactivas
Saber si un conjunto de datos es digno de mayor inversin
Transforma y Enriquece para mejorar los datos:
Habilitar intuitiva, disputas impulsado por los datos de usuario
Optimice la preparacin de datos con una amplia biblioteca de
transformaciones de datos de gran alcance
Mejorar los datos con enriquecimientos innovadoras para la ubicacin,
idioma y texto
Cambiar los datos a escala utilizando Apache Spark
Mezcla y Analizar para descubrir nuevas Perspectivas

nete a diversos conjuntos de datos para las perspectivas ms profundas:

Componer rpidamente grandes pginas del proyecto de datos a travs de
arrastrar y soltar
Utilice la bsqueda de gran alcance con una navegacin intuitiva de hacer
preguntas
Ver visualizaciones ricas e interactivas que revelan nuevos patrones
Compartir los resultados de la empresa Leverage:
Compartir proyectos, los marcadores y las instantneas con los dems
Construye galeras visuales y contar historias de grandes datos

Colaborar y iterar sobre ideas como un equipo

Publique datos mezclados a HDFS para su uso en otras herramientas
Opciones:
Existen mltiples opciones de implementacin para Oracle Big Data
Discovery. Aproveche el clster Hadoop existente en hardware, adquirir un
sistema de ingeniera de Oracle, o implementar en Oracle Public Cloud.

microsoft

Grandes volmenes de datos: el

desafo administrativo
01.03.2014
Bain & Company

Hoy en da resulta difcil pasar por alto los grandes volmenes de

datos. Los observadores de los medios de comunicacin y los
analistas del sector los proclaman como el prximo gran avance para
todas las compaas, y muchas empresas se han apurado por subirse
al carro. Pero realmente vale la pena invertir en desarrollar un
sistema avanzado de anlisis? Hasta ahora, prcticamente no existan
datos para responder esta pregunta.
Un estudio reciente de Bain & Company, sin embargo, debera zanjar
la cuestin. Los usuarios pioneros del anlisis de grandes volmenes
de datos ganaron una ventaja importante frente al resto del mundo
corporativo. Al examinar ms de 400 grandes empresas, descubrimos
que aquellas con las funciones de anlisis ms avanzadas
aventajaban a la competencia por un amplio margen. Los lderes
tienen:

Dos veces ms probabilidades de ubicarse en el cuartil superior

del rendimiento financiero dentro de su sector.

Cinco veces ms probabilidades de tomar decisiones ms

rpidas que sus homlogos en el mercado.

Tres veces ms probabilidades de ejecutar las decisiones tal

como pretendan.
Dos veces ms probabilidades de usar los datos con mucha
frecuencia al tomar decisiones.

Vuelva a imaginar su negocio

con grandes volmenes de
datos y anlisis.
Cualquier tipo de dato, de gran o pequeo volumen, puede ser una fuerza
potente para acelerar la ventaja competitiva. A modo de evolucin de su
estrategia de inteligencia empresarial y anlisis general, un enfoque tctico en
grandes volmenes de datos puede colocarlo en la ruta para volver a imaginar
su empresa.

Big Data: El desafo organizacional

11 de septiembre 2013 Bain Breve

Por Travis Pearson y Rasmus Wegener

Descargar PDF

Impresin

E-mail

Cuota

Samsung utiliza para alimentar el motor de recomendacin de contenido en sus nuevos

televisores inteligentes. Progressive Insurance confa en l para capturar el comportamiento al
volante, determinar los perfiles de riesgo de los clientes y decidir sobre los precios

competitivos.Risk Solutions LexisNexis lo utiliza para identificar a las personas, incluyendo las
relaciones familiares, ayudando as a las instituciones financieras y otros clientes a reducir el
fraude.
Es, por supuesto, es de datos del Big minera y el procesamiento de valor de la informacin
para obtener informacin sobre el comportamiento del cliente, la eficiencia de la cadena de
suministro, y muchos otros aspectos del rendimiento empresarial petabytes. Decimos, por
supuesto, porque Big Data es difcil pasar por alto estos das. Analistas de la industria de
medios de comunicacin y observadores bombo como la prxima gran cosa para cada
empresa, y muchas empresas se han apresurado a subir a bordo. Pero es la construccin de
una capacidad de anlisis avanzado realmente vale la pena la inversin? Hasta ahora, los
datos para responder a esa pregunta ha sido escasa.
VIDEO
Insights de tres minutos con Rasmus Wegener
Socio Rasmus Wegener explica cmo hacer Big Data realmente funciona para su
empresa.

Un reciente estudio de Bain & Company, sin embargo, debe poner la cuestin al resto. Los
primeros usuarios de la analtica Big Data han ganado una ventaja significativa sobre el resto
del mundo corporativo. Examinando ms de 400 grandes empresas, se encontr que las
personas con las capacidades analticas ms avanzadas estn superando competidores por un
amplio margen (ver Figura 1). Los lderes son:

El doble de probabilidades de estar en el cuartil superior de los resultados financieros

dentro de sus industrias

Cinco veces ms propensos a tomar decisiones mucho ms rpido que sus

compaeros de mercado

Tres veces ms probabilidades de ejecutar las decisiones de la forma prevista

Dos veces ms propensos a utilizar los datos con mucha frecuencia cuando se toman
decisiones

Esto ayuda a explicar por qu tantas empresas se preguntan cul es su posicin sobre Big
Data vis--vis su rivals- y si estn perdiendo en una herramienta competitiva nueva y esencial.
Para entrar en el juego Big Data, una empresa necesita tres tipos de apuestas de la mesa.La
primera es la propia de datos: grandes cantidades de informacin en un formato que permite un
fcil acceso y anlisis. La mayora de las grandes empresas ya tienen esta, de hecho, por lo
general tienen ms de lo que pueden utilizar. El segundo es avanzado herramientas analticas,
tales como Hadoop y NoSQL. Ambas herramientas y plataformas propietarias y de cdigo
abierto estn ampliamente disponibles estos das- todo lo que necesita son personas capaces
de ponerlos a trabajar. Eso nos lleva a la tercera, y por lo general los ms difciles, juego de
apuestas de la mesa: experiencia. Anlisis avanzados requiere personal con conocimientos del
estado de la tcnica en todo, desde la ciencia a las leyes de privacidad de datos de todo el
mundo, junto con una comprensin de la empresa y las fuentes pertinentes de valor.
Pero apuestas de la mesa por s solo no le ayudar a ganar, porque Big Data no es slo una
ms iniciativa tecnolgica. De hecho, no es una iniciativa de la tecnologa en absoluto;es un
programa de negocios que requiere conocimiento tcnico. As que no se puede simplemente
aadir ms capacidad y experiencia, y esperar que sus funciones de TI o marketing para
empezar a generar ideas basadas en datos. Incluso si lo hicieran, el resto de la empresa sera
poco probable para actuar en esos puntos de vista.
A medida que los lderes de anlisis han descubierto, tener xito con los grandes datos
requiere un enfoque diferente: Es necesario integrar Big Data profundamente en su
organizacin. Es la nica manera de asegurar que la informacin y los conocimientos se
comparten a travs de las unidades de negocio y funciones. Esto tambin garantiza a toda la
empresa reconoce las sinergias y beneficios de escala que una capacidad de anlisis bien
concebido puede proporcionar.
Echemos un vistazo a lo que est involucrado.
Ambicin
Las empresas lderes comienzan el proceso de incrustacin, deletreando su ambicin. Nos
abrazaremos Big Data como una nueva forma de hacer negocios. Incorporaremos analtica
avanzada y conocimientos como elementos clave de todas las decisiones crticas. Una
declaracin como sta desde el equipo directivo es una condicin previa esencial para el tipo

de cambio de comportamiento de este artculo se discutirn. Pero la seleccin absoluta tambin

debe responder a la pregunta: Con qu fin? Cmo va Big Data para mejorar nuestro
rendimiento como un negocio? Qu har la empresa centrarse en?
Hay cuatro reas en las analticas pueden ser relevantes: la mejora de los productos y servicios
existentes, la mejora de los procesos internos, la construccin de nuevas ofertas de productos
o servicios, y la transformacin de los modelos de negocio. Estos objetivos a menudo se
superponen. Nuevo dispositivo de Progressive "Snapshot", que monitorea el comportamiento
del conductor, ayuda a la empresa a determinar si un conductor dado es el cliente adecuado
para la empresa. Adquisicin de Mint.com de Intuit ha ayudado a expandir su negocio ms all
del software comprado a un software con publicidad.Humana, el proveedor de seguros, est
utilizando Big Data para transformar sus negocios: El uso de datos de reclamaciones, la
empresa puede determinar quin es probable que termine en un hospital por razones
prevenibles y luego intervenir a tiempo. Humana y otras compaas de seguros de salud
tambin son la minera de datos para ayudar a mejorar los resultados del paciente y para
recompensar comportamientos saludables.
La mayora de las empresas son la oportunidad ricos cuando se trata de anlisis, y las grandes
empresas pueden perseguir mltiples vas, ya sea simultnea o secuencialmente.Sin embargo,
casi todas las empresas pueden mejorar su trayectoria mediante la determinacin de las
prioridades y elegir el ngulo derecho de entrada.
Capacidad de anlisis horizontales
Con la ambicin definido, lderes Big Data trabajan en el desarrollo de una capacidad de
anlisis horizontal. Aprenden cmo superar la resistencia interna, y crear la voluntad y la
habilidad para utilizar los datos en toda la organizacin.
Este es un gran trabajo. Organizaciones no cambian fcilmente y el valor del anlisis pueden
no ser evidente para todo el mundo, por lo que los principales lderes pueden tener que hacer
en el caso de grandes volmenes de datos en un lugar tras otro. Es posible que necesiten para
ayudar a la gente a cambiar sus comportamientos cotidianos y luego continan a lo largo del
nuevo camino sin retroceso. Al igual que con cualquier iniciativa importante, ejecutivos y
gerentes tienen una variedad de herramientas a su disposicin. Las empresas lderes suelen
definir propietarios claros y patrocinadores para las iniciativas de analtica. Ellos proporcionan
incentivos para el comportamiento basada en anlisis, lo que garantiza que los datos se
incorpora a los procesos de toma de decisiones clave. Crean metas para mejoras operativas o
financieras. Ellos trabajan duro para rastrear el impacto causal de Big Data en el logro de estos
objetivos.
Por ejemplo, Nordstrom elevada responsabilidad de anlisis a un nivel ms alto en la gestin
de su organizacin, empuj para hacer herramientas y conocimientos analticos ms
ampliamente disponibles y incrustado basada en anlisis objetivos en sus ms importantes
iniciativas estratgicas. Otra empresa global de electrnica de consumo seleccionados de alto
impacto los proyectos de anlisis de apoyo adicional, creando resultados empresariales
historias positivas y una demanda adicional de soluciones Big Data. La compaa agreg
incentivos para los altos ejecutivos para aprovechar las capacidades de Big Data, y el liderazgo
de la empresa ha reforzado este enfoque con un repiqueteo constante de referencias a la
importancia de la analtica en la entrega de los resultados del negocio.
Una casa de organizacin
Los lderes de Big Data a continuacin, crear una casa de organizacin por su capacidad
analtica avanzada, a menudo un Centro de Excelencia (CoE) supervisado por un director de
anlisis.
Creacin de un hogar organizacional implica varias decisiones clave de diseo. Una empresa
tiene que establecer su estrategia para el despliegue de Big Data. Tiene que asignar
recoleccin y propiedad de los datos a travs de las funciones de negocio, planificar cmo
generar ideas, y dar prioridad a las oportunidades y la asignacin de tiempo de datos

cientficos. Debe alojar y mantener la infraestructura tecnolgica, establecer la poltica de

privacidad y derechos de acceso, y determinar la responsabilidad por el cumplimiento de las
leyes locales y la seguridad de los datos. Todo eso es una tarea difcil.Para lograr que se haga,
las empresas suelen perseguir uno de los cuatro modelos:

Unidad de negocio llevado. Cuando las unidades de negocios tienen conjuntos de

datos diferentes y la escala no es un problema, cada unidad de negocio puede tomar sus
propias decisiones Big Data con una coordinacin limitada. AT & T y Zynga se encuentran
entre las empresas que se basan en este modelo.

Unidad de negocios llev con soporte central. Las unidades de negocio tomar sus
propias decisiones, pero colaboran en las iniciativas seleccionadas. Google y Progressive son
ejemplos de este enfoque.

Centro de Excelencia. Un centro independiente supervisa los grandes datos de la

compaa. Unidades persiguen iniciativas bajo la orientacin y coordinacin del Consejo de
Europa. Amazon y LinkedIn se basan en CoEs.

Totalmente centralizada. El centro corporativo asume la responsabilidad directa para

la identificacin y priorizacin de iniciativas. Netflix es un ejemplo de una empresa que
persigue esta ruta.
Cabe destacar que en ninguno de estos modelos no TI propietario de Big Data. Aunque a
menudo desempea un papel fundamental en el suministro y mantenimiento de la
infraestructura y las herramientas necesarias para ejecutar anlisis de Big Data, la mayora de
las empresas consideran que es un error tener TI propietario o director del la capacidad de
adopcin de negocios.
Eleccin del modelo de una empresa depende obviamente de su ambicin y su modelo
operativo existente. Por ejemplo, las empresas con capacidades de anlisis profundos y un
nfasis en la experimentacin y la innovacin, tales como Google y progresiva, pueden confiar
en un enfoque general descentralizado. Pero los lderes de muchos anlisis han descubierto
que un CoE tiene la mayora de las ventajas y las limitaciones de menor nmero (ver Figura
2). Un Consejo de Europa que funcione bien permite el acceso entre las unidades de negocio y
el intercambio de datos. Toma la responsabilidad de apoyar y coordinar todas las iniciativas de
una unidad de negocio, proporcionando as las sinergias y beneficios de escala. A nivel
corporativo, el Consejo de Europa sirve como el visto a la organizacin para la estrategia de
anlisis y apoyo perspicacia. Se establece la hoja de ruta, y establece y mantiene polticas de
privacidad. Una empresa lder de telecomunicaciones de Europa, por ejemplo, est en el
proceso de implementacin de grandes datos para una variedad de propsitos, incluyendo el
anlisis de datos de los clientes para ofrecer mejores ofertas y servicios, y el uso de los datos
trsffic red para optimizar la gestin de redes y las inversiones. Albergar estas capacidades en
una variedad de entornos, pero todo ser coordinada por un Consejo de Europa.

La construccin de un Centro de Excelencia slido desde cero puede llevar tiempo. El centro
necesita un liderazgo experimentado y un plan claro para estar conectado con el negocio. Debe
tener una estrategia diseada para garantizar el aprendizaje continuo, por lo que mantiene la
capacidad del estado de la tcnica. Dotacin de personal puede ser un desafo particular. Un
CoE requiere no slo los cientficos de datos a nivel de doctorado cualificados, sino tambin
Analytics ingenieros, gerentes de empresas para identificar y priorizar las oportunidades y
talento jurdico de asesoramiento sobre las normas para la privacidad y seguridad de
datos. Encontrar a los jefes de equipo y la identificacin de socios para completar la dotacin
de personal del centro puede tomar entre seis y 12 meses, con la ampliacin que requiere otros
12 a 18 meses.
Empezando
Muchas empresas ya estn sumergiendo sus pies en aguas Big Data. Sin embargo, dada la
complejidad que hemos discutido, en particular, la necesidad de anclar capacidades de anlisis
en la organizacin de los pies desnudos no es probable que produzcan importantes
conocimientos. Es por eso que slo unos pocos de seleccin, hasta ahora, se han hecho
progresos sustanciales. En este momento, muchos de estos lderes estn tirando an ms lejos
por delante de los competidores, para que otros usuarios estn jugando el juego necesario de
ponerse al da.
Pero no es demasiado tarde. Un buen primer paso es comparar su industria y determinar la
posicin actual de su empresa en anlisis y capacidades Big Data, en comparacin con la de
sus principales rivales. Este ejercicio le ayudar a determinar la inversin necesaria para
mejorar su posicin relativa. Si est muy por detrs de la competencia, tendr el tipo de quema
de la plataforma, que a menudo se requiere para crear y sostener el cambio. A continuacin,
puede comenzar a experimentar, probar hiptesis para saber dnde y cmo la analtica
avanzada es ms probable que ayudar a su negocio. Este tipo de revisin le ayudar a
determinar su ambicin Big Data, incrustar una cultura de anlisis y decidir dnde sede
organizativa de grandes volmenes de datos debe ser.
Travis Pearson es socio de Bain & Company y ubicado en la oficina de San Francisco de la
firma. Rasmus Wegener es un socio de Bain con sede en Atlanta.

Tres promesas y peligros de Big Data

08 de abril 2015 Bain Breve

Por Eric Almquist , John Senior y Tom Springer

Descargar PDF

Impresin

E-mail

Cuota

Proveedores de soluciones de datos grandes hacen grandes promesas. Slo tiene que
conectar sus datos en nuestra solucin, dicen. Vamos a entregar una corriente de ideas que
permitan mejoras en la productividad del marketing, la calidad experiencia del cliente y la
eficiencia de las operaciones de servicio. Va a ser muy fcil para usted y su equipo; nuestra
tecnologa y sus cientficos de datos harn todo el trabajo pesado.
Sintete como ya has visto esta pelcula antes? Si usted fue atrapado en la euforia inicial de la
revolucin de gestin de relaciones con clientes (CRM), a continuacin, usted lo hizo. A partir
de la dcada de 1990, muchas empresas han comprado en el bombo y la tecnologa, slo para
terminar con bases de datos inutilizables, los equipos de ventas rebeldes y los presupuestos de
capital agotados.
Desde entonces, la industria de CRM ha madurado, y no hay duda de que las soluciones de
CRM pueden ahora ofrecer un valor real para muchas organizaciones. Como prueba, CRM fue
la sexta herramienta de negocios ms popular en 2015 Herramientas de administracin de Bain
& encuesta Tendencias. Y el gasto global de CRM totaliz $ 20.4 mil millones en 2014, frente a
los $ 18 mil millones el ao anterior, segn la investigacin de Gartner.
Sin embargo, las tasas de fracaso de CRM siguen siendo altos. Un informe de 2014 del C5
Insight encontr que ms del 30% de todas las implementaciones de CRM a prueba de
implementaciones y segundo y tercero de CRM en las mismas empresas tuvieron tasas de
fracaso slo ligeramente inferiores. Y esto es de 20 aos en la "revolucin"!
Vemos Big Data bajando un camino similar, haciendo grandes promesas sobre el impacto al
cliente y la creacin de valor predicada sobre grandes inversiones en tecnologa y
experiencia. En un reciente informe, Gartner predijo que "hasta el 2017, el 60% de los
proyectos de Big Data no podr ir ms all de pilotaje y la experimentacin y ser
abandonado." Por qu se repite la historia? No es por falta de inters, el esfuerzo o la
inversin. En cambio, refleja la dificultad de generar valor a partir de existente del cliente,
vamos-datos operativos y el servicio solo las grandes cantidades de datos no estructurados,

internos y externos generados a partir de los medios sociales, dispositivos mviles y actividad
en lnea.
Las empresas estn bajo una creciente presin para aprovechar Big Data y analtica
avanzada. Los clientes exigen ms de las organizaciones con las que hacen negocios. La
competencia se intensifica, especialmente en industrias maduras como Servicios financieros,
retail, telecomunicaciones y medios de comunicacin. Empresas basadas en datos siguen
perturbar el statu quo. Perturbadores viejo y nuevo incluyendo Progresista, Capital One,
Amazon, Google, Uber y Zappos, por nombrar unos pocos, han creado modelos de negocio
basados en datos que se aplican una visin profunda para ofrecer productos y servicios a
medida que ganan en el mercado.
La aseguradora de automviles Progresista, por ejemplo, utiliza el plug-in de dispositivos para
rastrear el comportamiento del conductor. Minas progresivos los datos a los micro-objetivo de
su base de clientes y determinar un precio especial. Capital One, una compaa de servicios
financieros de Amrica, se basa principalmente en el anlisis de datos avanzados para dar
forma a sus programas de fidelizacin de clientes de puntuacin y riesgo. Con este fin, Capital
One explota mltiples tipos de datos de los clientes, incluyendo texto y de voz avanzadas de
anlisis. Mientras tanto, el gigante minorista Amazon datos minas cliente intensamente para
crear experiencias de compra en lnea personalizados. Amazon utiliza historiales de compra y
haga clic en arroyos para crear un motor de recomendacin sofisticado que se presenta en las
pginas Web personalizadas.En el frente de la logstica, Amazon tambin ha sido un lder en la
aplicacin de anlisis de datos para optimizar la distribucin de inventario y reducir los tiempos
de envo.
Los principales usuarios de grandes volmenes de datos generan un gran obstculo para el
xito. Han montado bancos profundas del talento analtico y procesos creados que permiten a
sus organizaciones para recopilar informacin til de anlisis avanzados. Ellos han construido
plataformas tecnolgicas que ofrecen los datos y puntos de vista, cuando y donde se necesitan
en la organizacin oportunas. Muchos tambin han creado culturas de innovacin continua en
base a rigurosos "prueba y aprender" metodologas.
Entonces, cmo puede su empresa de lucro Big Data? El primer paso es aprender a distinguir
el potencial real de las afirmaciones extravagantes. Gran parte de la publicidad en curso se
apoya en tres promesas fallidas: La primera es que la tecnologa Big Data identificar
oportunidades de negocio por s mismo. La segunda es que la cosecha de ms datos generar
automticamente ms valor. La tercera es que los cientficos de datos de expertos pueden
ayudar a cualquier beneficio de la empresa de Big Data, no importa lo que la empresa pasa a
ser organizado.
A continuacin se identifican peligros asociados a cada una de estas tres promesas, y
presentan ejemplos de empresas que han superado cada uno en el camino hacia la creacin
de valor real a partir de anlisis de clientes avanzados.
Promesa: La tecnologa va a identificar oportunidades de negocio por s mismo.
Peligro: el retorno de la inversin limitada a pesar de grandes gastos de dinero y tiempo.
Despliegues de tecnologa fallidas suelen comenzar con la suposicin de que la nueva
herramienta brillante generar valor por s mismo. Las empresas que aprovechan con xito el
poder de las soluciones Big Data tienden a comenzar aplicando anlisis avanzados para
resolver un pequeo nmero de problemas de negocio de alto valor con los datos en la casa
antes de invertir en tecnologa. En el proceso aprenden cmo implementar soluciones
organizativamente. Tambin obtienen una idea de los desafos operacionales y llegan a
comprender las limitaciones de sus datos y la tecnologa. Entonces pueden definir los requisitos
para su solucin de tecnologa Big Data basado en la comprensin de sus necesidades reales
(ver Figura 1).

Por ejemplo, una gran compaa de seguros se centr recientemente su programa de anlisis
de datos sobre el fraude. La compaa estaba viendo un aumento en las reclamaciones
fraudulentas, y estaba incurriendo en costos significativos para investigar estas afirmaciones. El
programa dirigido a reducir la conducta fraudulenta a un costo menor. Con este fin, la empresa
construy un algoritmo de minera de texto que gener puntuaciones de propensin de
fraude. Este algoritmo ayud a la compaa a alcanzar un aumento del 20% en el nmero de
calificaciones fraudulentos que detecta. El resultado fue un menor nmero de casos que se
investigan y cerca de $ 30 millones en ahorros.Habiendo demostrado el valor de la analtica
avanzada, la compaa est aumentando sus inversiones en tecnologa y capacidad.
Promesa: La recoleccin de ms datos generar automticamente ms valor.
Peligro: sobreinversin en las fuentes de datos no comprobados y la falta de atencin a las
fuentes de datos valiosos ms cerca de casa.
La tentacin de adquirir y minas nuevos conjuntos de datos se ha intensificado con la explosin
de los medios sociales y los dispositivos mviles. Y sin embargo, muchas organizaciones
grandes que ya se estn ahogando en datos, gran parte de ella a cabo en silos donde no se
puede acceder fcilmente, organizado, vinculado o interrogado. Hemos encontrado que
exitosas jornadas Big Data tienden a empezar por explotar plenamente los datos existentes de
la organizacin.
Desde una perspectiva analtica, por lo general es ms fcil trabajar con los datos que tiene un
poco de historia de lo que es para atacar a los conjuntos de datos nuevos. Una gran empresa
de telecomunicaciones de Estados Unidos tom poco este enfoque. La empresa se enfrenta a
la creciente competencia y quera crear un programa para aumentar sistemticamente el valor
de su base de clientes existente. Para lograr este objetivo, se combina ms de 200 elementos
de datos de 15 comercializacin, servicio y bases de datos de operaciones para crear retratos
de "alta definicin" de todos sus clientes. La compaa utiliz estos retratos para desarrollar
programas de abordaje especfico, venta cruzada y compromiso con el cliente.
Uno de sus nuevos programas de abordaje centrado en los clientes que mostraban signos de
compromiso bajo, con productos de la compaa. Los datos mostraron que la baja participacin
fue vinculado a una mayor rotacin de clientes. En lugar de enviar mensajes de marketing de
ventas centrada a estos clientes, la compaa comenz a enviarlos conocimiento del producto y

los mensajes de compromiso que fueron diseados para estimular el uso del producto. El
resultado: el uso del producto aumentado, churn etapa temprana disminuy y ms de estos
clientes actualizar sus servicios. En paralelo, la compaa aument su comercializacin la venta
cruzada a los clientes ms comprometidos ya que los datos mostraron que estos clientes
tenan ms probabilidades de mejorar. Esto dio lugar a un aumento de 2,5 veces en las ventas
cruzadas y un retorno mucho mayor la inversin en marketing. En total estos programas
generan muchos millones en ingresos anuales incrementales.
Esta compaa ahora est incorporando nuevos conjuntos de datos que mejorarn an ms
sus ricos retratos de los clientes. Para complementar los conocimientos generados por los
datos histricos, se est diseando campaas de marketing experimentales que inyectan
varianza a futuro (por ejemplo, precios nuevos, promociones y ofertas) en su sistema.
Promesa: Los buenos cientficos de datos encontrarn valor para usted.
Peligro: Su organizacin existente no est listo para darse cuenta del valor de los datos.
Con el fin de beneficiarse consistentemente de Big Data, es necesario crear un modelo
operativo que aprovecha el poder de los datos y el anlisis avanzado de una manera
repetible. Empresas basadas en datos exitosas alinear sus organizacin, procesos, sistemas y
capacidades para tomar mejores decisiones de negocio basadas en las ideas de sus datos y de
anlisis de los equipos (ver Figura 2).

Un proveedor de servicios de telecomunicaciones cre un modelo de asociacin que abarcaba

sus datos y de anlisis de los equipos, su divisin de tecnologa y sus funciones de primera
lnea (incluyendo ventas, marketing, relaciones con clientes y el desarrollo de productos). En
este modelo, el equipo de inteligencia de negocios, que incluye cientficos de datos,
estadsticos y la minera de datos, socios en estrecha colaboracin con las unidades de
negocio para resolver problemas especficos mediante la aplicacin de analtica avanzada para
sus grandes conjuntos de datos internos.
Las unidades de negocio inyectan experiencia empresarial y conocimiento de primera lnea en
los puntos de vista de los cientficos de datos, lo que aumenta las probabilidades de que sus
soluciones sern pragmticos y escalable. La divisin de TI, propietaria de la arquitectura de

datos, se da cuenta de cmo incorporar nuevas tecnologas, como los lagos de datos, gestiona
los conjuntos de datos cada vez mayores y define las polticas y normas que los rigen.
Uno de los primeros retos de la empresa de telecomunicaciones abordado con este nuevo
modelo de sociedad centrado en la mejora de la economa de los clientes que destruyen
valor. En este caso, el equipo de ventas y marketing define la cuestin especfica para el
equipo de inteligencia de negocios, que luego trabaj con el equipo de TI para consolidar y
fusionar dos aos de pena de datos de clientes de marketing y de bases de datos
operacionales para identificar las causas profundas del valor comportamientos
-destroying.Trabajando juntos, los tres equipos definen un conjunto de estrategias de clientes
objetivo que podran convertir a estos clientes que destruyen valor en clientes rentables. El
resultado: millones de dlares en ingresos adicionales.
Conclusin
La revolucin Big Data ya ha perturbado muchas industrias. Ciertas empresas basadas en
datos han capturado un valor significativo de esta revolucin, pero muchas empresas
tradicionales estn jugando a ponerse en marcha. Tecnologa por s sola no puede cerrar esta
brecha. Las empresas que se dan cuenta de la promesa de la analtica de datos de clientes
tienden a seguir tres reglas:
1.
Demostrar su organizacin puede solicitar anlisis avanzados para resolver algunos
problemas de negocio de alto valor antes de invertir en soluciones de tecnologa de Big
Data.
2.
Crear valor a partir de sus datos en la casa antes de expandirse a nuevas fuentes de
datos. Luego use prueba y aprender mtodos para inyectar conjuntos de datos a futuro
en sus datos histricos.
3.
Alinear su modelo operativo para permitir a su organizacin, en particular la lnea del
frente, actuar rpidamente y con confianza en las ideas de sus equipos de analtica
avanzada.
Las empresas que siguen estas reglas estarn mejor posicionados para el xito en la era del
Big Data.
Eric Almquist es socio en la oficina de Boston de Bain. l es un lder de la prctica avanzada
Analytics y miembro de la Estrategia de Cliente y la prctica de Marketing. John Senior es un
socio en la oficina de Sydney y un lder en la tecnologa, las telecomunicaciones y los medios
de comunicacin, as como las prcticas de estrategia al Cliente y Marketing. Tom Springer es
un socio en la oficina de Boston y co-lder de la prctica avanzada Analytics.

Herramientas de inteligencia de negocios

Herramientas de inteligencia de negocios es un tipo de software de
aplicaciones diseado para colaborar con la inteligencia de negocios (BI) en los procesos
de las organizaciones. Especficamente se trata de herramientas que asisten el anlisis y
la presentacin de los datos. Pese a que algunas herramientas de Inteligencia de
Negocios incluyen la funcionalidad ETL (Extraccin, Transformacin y Carga por sus siglas
en ingls), las herramientas ETL no son consideradas generalmente como herramientas
de Inteligencia de Negocios.
ndice
[ocultar]

1 Tipos de herramientas de inteligencia de negocios

2 Productos de fuente abierta de inteligencia de negocios

3 Productos comerciales

4 Vase tambin

5 Referencias

6 Enlaces externos

Tipos de herramientas de inteligencia de negocios[editar]

Cuadro de mando integral tambin llamados Dashboard.

Digital Dashboards o paneles de Control Digital - Tambin conocidos como

Business Intelligence Dashboards, o Dashboards Ejecutivos, Son resmenes visuales
de informacin del negocio, que muestran de una mirada la comprensin del global de
las condiciones del negocio mediante mtricas e Indicadores Clave de
Desempeo (KPIs). Esta es una Herramienta de Inteligencia de Negocios muy popular
desde hace unos pocos aos.

OLAP (Procesamiento Analtico en lnea por sus siglas en Ingls)

(incluido HOLAP, ROLAP and MOLAP)- Es la capacidad de algunos sistemas de
soporte de decisiones gerenciales que permiten examinar de manera interactiva
grandes volmenes de informacin desde varias perspectivas.1

Aplicaciones de Informes, genera vistas de datos agregadas para mantener a la

gerencia informada sobre el estado de su negocio.

Minera de datos - Extraccin de informacin de las bases de datos acerca del

consumidor, mediante la utilizacin de aplicaciones que pueden aislar e identificar
patrones o tendencias del consumidor en un alto volumen de datos. Hay una gran
variedad de tcnicas de minera de datos que revelan distintos tipos de
patrones.2 Algunas de las tcnicas son mtodos estadsticos (Particularmente
Estadstica de Negocios) y Redes Neurales como formas altamente avanzadas de
anlisis de datos.

Productos de fuente abierta de inteligencia de negocios[editar]

Eclipse BIRT Project: Generador de informes para aplicaciones Web de cdigo

abierto basado en Eclipse

JasperReports

LogiReport: Aplicacin de BI gratuita basada en Web de LogiXML

OpenI: Aplicacin Web simple orientada al reporting OLAP.

Palo:

Pentaho

RapidMiner (antes YALE):

SpagoBI:

Productos comerciales[editar]

Informe SQL (QLR Manager en espaol)

Microsoft SQL Server - Suite de Herramienta de BI (Analysis Services, Integration

Services y reporting Services)

ACE*COMM

Actuate

ApeSoft (http://www.apesoft.es)

Applix

Bitool Herramienta de ETL y Visualizacion

BiPoint - Business Intelligence

Bingo Intelligence (http://www.bingointelligence.com)

BIRT Analytics

BiyCloud Smart: QlikView + Cloud + Social Business

Business Objects (SAP company)|Business Objects

CA Oblicore Guarantee

CODISA BI

CP CORPORATE PLANNING (CP[1])

IBM Cognos

ComArch

CyberQuery

Crystal Reports

DataCyCle Reporting

Dimensional Insight

dLife (Apara)

dVelox (Apara)

Dynamic Data Web

Hyperion Solutions Corporation(ahora Oracle)

IdeaSoft - Business Intelligence & Performance

iAnalytics, Inteligencia de Negocio en Farmacia Hospitalaria

Information Builders

InetSoft Technology

LiteBI

LogiXML

Mpex Dynamics

Microsoft Excel

MicroStrategy

Nucleon BI Studio

NiMbox

Oracle Corporation (busque Oracle Business Intelligence Server ONE)

OutlookSoft

Panorama Software

Pentaho BI_SW

PerformancePoint Server 2007

Pilot software|Pilot Software, Inc.

Prelytis

Proclarity

Prospero Business Suite

QlikView

Jedox

SAP Business Information Warehouse

SAS Institute

Siebel Systems

Smile-Sotware

Spotfire

StatSoft

SPSS

Synerplus

Tableau

Tacnetting, Inteligencia para la Organizacion

Telerik

Teradata

Yellowfin Business Intelligence

Qu es Business Intelligence?
Business Intelligence es la habilidad para transformar los datos en informacin, y la
informacin en conocimiento, de forma que se pueda optimizar el proceso de toma
de decisiones en los negocios.

Desde un punto de vista ms pragmtico, y asocindolo directamente con las

tecnologas de la informacin, podemos definir Business Intelligence como el
conjunto de metodologas, aplicaciones y tecnologas que permiten reunir, depurar y
transformar datos de los sistemas transaccionales e informacin desestructurada
(interna y externa a la compaa) en informacin estructurada, para su explotacin
directa (reporting, anlisis OLTP / OLAP, alertas...) o para su anlisis y conversin
en conocimiento, dando as soporte a la toma de decisiones sobre el negocio.
La inteligencia de negocio acta como un factor estratgico para una empresa u
organizacin, generando una potencial ventaja competitiva, que no es otra que
proporcionar informacin privilegiada para responder a los problemas de
negocio: entrada a nuevos mercados, promociones u ofertas de productos,
eliminacin de islas de informacin, control financiero, optimizacin de costes,
planificacin de la produccin, anlisis de perfiles de clientes, rentabilidad de un
producto concreto, etc...

Los principales productos de Business Intelligence que existen hoy en da son:

Cuadros de Mando Integrales (CMI)
Sistemas de Soporte a la Decisin (DSS)
Sistemas de Informacin Ejecutiva (EIS)
Por otro lado, los principales componentes de orgenes de datos en el Business
Intelligence que existen en la actualidad son:
Datamart
Datawarehouse
Los sistemas y componentes del BI se diferencian de los sistemas operacionales en
que estn optimizados para preguntar y divulgar sobre datos. Esto significa
tpicamente que, en un datawarehouse, los datos estn desnormalizados para
apoyar consultas de alto rendimiento, mientras que en los sistemas operacionales
suelen encontrarse normalizados para apoyar operaciones continuas de insercin,
modificacin y borrado de datos. En este sentido, los procesos ETL (extraccin,
transformacin y carga), que nutren los sistemas BI, tienen que traducir de uno o
varios sistemas operacionales normalizados e independientes a un nico sistema
desnormalizado, cuyos datos estn completamente integrados.

En

definitiva,

una

solucin

BI

completa

permite:
Observar qu est ocurriendo?
Comprender por qu ocurre?
Predecir qu ocurrira?
Colaborar qu

debera

hacer

el

equipo?
Decidir qu camino se debe seguir?

http:// http://www.sinnexus.com/business_intelligence/

Cuadro de Mando Integral

El Cuadro de Mando Integral (CMI), tambin 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 reas o
unidades.
Tambin se puede considerar como una aplicacin que ayuda a una compaa a
expresar los objetivos e iniciativas necesarias para cumplir con su estrategia,
mostrando de forma continuada cundo la empresa y los empleados alcanzan los
resultados definidos en suplan estratgico.

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 Decisin (DSS) o los Sistemas de
Informacin Ejecutiva (EIS), en que est ms orientados al seguimiento de
indicadores que al anlisis minucioso de informacin. Por otro lado, es muy comn
que un CMI sea controlado por la direccin general de una compaa, frente a otras
herramientas

de

Business

Intelligence

ms

enfocadas

la

direccin

departamental. El CMI requiere, por tanto, que los directivos analicen el mercado y
la estrategia para construir un modelo de negocio que refleje las interrelaciones
entre los diferentes componentes de la empresa (plan estratgico). Una vez que lo
han construido, los responsables de la organizacin utilizan este modelo como
mapa para seleccionar los indicadores del CMI.

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 reas o

departamentos especficos de la empresa. La periodicidad de los CMO puede ser

diaria, semanal o mensual, y est centrada en indicadores que generalmente
representan procesos, por lo que su implantacin y puesta en marcha es ms
sencilla y rpida. Un CMO debera 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 ejecucin de
la estrategia de una compaa desde el punto de vista de la Direccin General (lo
que hace que sta deba estar plenamente involucrada en todas sus fases, desde la
definicin a la implantacin). Existen diferentes tipos de cuadros de mando integral,
si bien los ms utilizados son los que se basan en la metodologa de Kaplan &
Norton. La principales caractersticas de esta metodologa son que utilizan tanto
indicadores financieros como no financieros, y que los objetivos estratgicos se
organizan

en

cuatro

reas

perspectivas:

financiera,

cliente,

interna

aprendizaje/crecimiento.
La perspectiva financiera incorpora la visin de los accionistas y mide la
creacin de valor de la empresa. Responde a la pregunta: Qu indicadores
tienen que ir bien para que los esfuerzos de la empresa realmente se
transformen en valor? Esta perspectiva valora uno de los objetivos ms
relevantes de organizaciones con nimo de lucro, que es, precisamente,
crear valor para la sociedad.
La perspectiva del cliente refleja el posicionamiento de la empresa en el
mercado o, ms 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 xito dependa de una cuota de mercado alta
y unos precios ms bajos que la competencia. Dos indicadores que reflejan
este posicionamiento son la cuota de mercado y un ndice que compare los
precios de la empresa con los de la competencia.
La perspectiva interna recoge indicadores de procesos internos que son
crticos 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 innovacin de procesos sean
importantes. El xito en estas dimensiones no slo afecta a la perspectiva
interna, sino tambin a la financiera, por el impacto que tienen sobre las
rbricas de gasto.
La perspectiva de aprendizaje y crecimiento es la ltima que se plantea
en este modelo de CMI. Para cualquier estrategia, los recursos materiales y
las personas son la clave del xito. Pero sin un modelo de negocio
apropiado, muchas veces es difcil apreciar la importancia de invertir, y en
pocas de crisis lo primero que se recorta es precisamente la fuente primaria

de creacin de valor: se recortan inversiones en la mejora y el desarrollo de

los recursos.

Pese a que estas cuatro son las perspectivas ms genricas, no son "obligatorias".
Por ejemplo, una empresa de fabricacin de ropa deportiva tiene, adems 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 nmero de indicadores no
supere los siete por perspectiva, y si son menos, mejor. La razn 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 diseo empezar con una lista
ms extensa de indicadores. Pero es necesario un proceso de sntesis para disponer
de toda la fuerza de esta herramienta.
No obstante, la aportacin que ha convertido al CMI en una de las herramientas
ms significativas de los ltimos aos es que se cimenta en un modelo de negocio.
El xito de su implantacin radica en que el equipo de direccin se involucre y
dedique tiempo al desarrollo de su propio modelo de negocio.

Beneficios de la implantacin 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 slo de la direccin, sino tambin
de cmo alcanzarlo.

Clarifica cmo las acciones del da a da afectan no slo al corto plazo, sino
tambin al largo plazo.

Una vez el CMI est en marcha, se puede utilizar para comunicar los planes
de la empresa, aunar los esfuerzos en una sola direccin y evitar la
dispersin. En este caso, el CMI acta como un sistema de control por
excepcin.

Permita detectar de forma automtica desviaciones en el plan estratgico u

operativo, e incluso indagar en los datos operativos de la compaa hasta
descubrir la causa original que di lugar a esas desviaciones.

Riesgos de la implantacin de un Cuadro de Mando Integral

Un modelo poco elaborado y sin la colaboracin de la direccin es papel

mojado, y el esfuerzo ser 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 est todava en evolucin, es

contraproducente que el CMI se utilice como un sistema de control clsico y
por excepcin, 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 intil.

Si no est familiarizado con la utilizacin de un cuadro de mando integral, puede

resultarle til, adems, examinar las siguientes definiciones:
Plan director

Plan estratgico
Plan operativo anual (POA)
Sistemas de Soporte a la Decisin (DSS)
Sistemas de Informacin Ejecutiva (EIS)

http://www.sinnexus.com/business_intelligence/cuadro_mando_integral.aspx

Sistemas de Soporte a la Decisin (DSS)

Un Sistema de Soporte a la Decisin (DSS) es una herramienta de Business
Intelligence enfocada al anlisis de los datos de una organizacin.
En principio, puede parecer que el anlisis de datos es un proceso sencillo, y fcil
de conseguir mediante una aplicacin hecha a medida o un ERP sofisticado. Sin
embargo, no es as: estas aplicaciones suelen disponer de una serie de informes
predefinidos en los que presentan la informacin de manera esttica, pero no
permiten profundizar en los datos, navegar entre ellos, manejarlos desde distintas
perspectivas... etc.

El DSS es una de las herramientas ms emblemticas del Business Intelligence ya

que, entre otras propiedades, permiten resolver gran parte de las limitaciones de
los programas de gestin. Estas son algunas de sus caractersticas principales:
Informes dinmicos, flexibles e interactivos, de manera que el usuario
no tenga que ceirse a los listados predefinidos que se configuraron en el
momento de la implantacin, y que no siempre responden a sus dudas
reales.

No requiere conocimientos tcnicos. Un usuario no tcnico puede crear

nuevos grficos e informes y navegar entre ellos, haciendo drag&drop o drill
through. Por tanto, para examinar la informacin disponible o crear nuevas
mtricas no es imprescindible buscar auxilio en el departamento de
informtica.
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 estn
optimizadas

para

el

anlisis

de

grandes

volmenes

de

informacin

(vease nalisis OLTP-OLAP).

Integracin

entre

todos

los

sistemas/departamentos

de

la

compaa. El proceso de ETL previo a la implantacin de un Sistema de

Soporte a la Decisin garantiza la calidad y la integracin de los datos entre
las diferentes unidades de la empresa. Existe lo que se llama: integridad
referencial absoluta.
Cada usuario dispone de informacin adecuada a su perfil. No se
trata de que todo el mundo tenga acceso a toda la informacin, sino de que
tenga acceso a la informacin que necesita para que su trabajo sea lo ms
eficiente posible.
Disponibilidad de informacin histrica. En estos sistemas est a la
orden del da comparar los datos actuales con informacin de otros perodos
histricos de la compaa, con el fin de analizar tendencias, fijar la evolucin
de parmetros de negocio... etc.

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
Informacin Ejecutiva (EIS), explotar al mximo la informacin residente en una
base de datos corporativa (datawarehouse o datamart), mostrando informes muy
dinmicos y con gran potencial de navegacin, pero siempre con una interfaz
grfica amigable, vistosa y sencilla.

Otra diferencia fundamental radica en los usuarios a los que estn destinadas las
plataformas DSS: cualquier nivel gerencial dentro de una organizacin, tanto para
situaciones estructuradas como no estructuradas. (En este sentido, por ejemplo, los
CMI estn ms orientados a la alta direccin).
Por ltimo, destacar que los DSS suelen requerir (aunque no es imprescindible)
un motor OLAP subyacente, que facilite el anlisis casi ilimitado de los datos para
hallar las causas raices de los problemas/pormenores de la compaa.

Tipos de Sistemas de Soporte a Decisiones

Sistemas

de

informacin

gerencial

(MIS)

Los sistemas de informacin gerencial (MIS, Management Information

Systems), tambien llamados Sistemas de Informacin Administrativa (AIS)
dan soporte a un espectro ms amplio de tareas organizacionales,
encontrndose a medio camino entre un DSS tradicional y una aplicacin
CRM/ERP implantada en la misma compaa.
Sistemas

de

informacin

ejecutiva

(EIS)

Los sistemas de informacin ejecutiva (EIS, Executive Information System)

son el tipo de DSS que ms se suele emplear en Business Intelligence, ya
que proveen a los gerentes de un acceso sencillo a informacin interna y
externa de su compaa, y que es relevante para sus factores clave de xito.
Sistemas

expertos

basados

en

inteligencia

artificial

(SSEE)

Los sistemas expertos, tambin 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 est muy relacionado con el datamining.

Sistemas

de

apoyo

decisiones

de

grupo

(GDSS)

Un sistema de apoyo a decisiones en grupos (GDSS, Group Decision Support

Systems) es "un sistema basado en computadoras que apoya a grupos de
personas que tienen una tarea (u objetivo) comn, 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.

Si no est familiarizado con el concepto de Sistema de Soporte a Decisiones, puede

resultarle til, adems, examinar las siguientes definiciones:
Cuadro de Mando Integral
Sistemas de Informacin Ejecutiva (EIS)
Datawarehouse
Datamart
Datamining

http://www.sinnexus.com/business_intelligence/sistemas_soporte_decisiones
.aspx

Sistemas de Informacin Ejecutiva (EIS)

Un Sistema de Informacin para Ejecutivos o Sistema de Informacin
Ejecutiva es una herramienta software, basada en un DSS, que provee a los
gerentes de un acceso sencillo a informacin interna y externa de su compaa, y
que es relevante para sus factores clave de xito.
La finalidad principal es que el ejecutivo tenga a su disposicin un panorama
completo del estado de los indicadores de negocio que le afectan al instante,

manteniendo tambin la posibilidad de analizar con detalle aquellos que no estn

cumpliendo con las expectativas establecidas, para determinar el plan de accin
ms adecuado.

De forma ms pragmtica, se puede definir un EIS como una aplicacin informtica

que muestra informes y listados (query & reporting) de las diferentes reas de
negocio, de forma consolidada, para facilitar la monitorizacin de la empresa o de
una unidad de la misma.
El EIS se caracteriza por ofrecer al ejecutivo un acceso rpido y efectivo a la
informacin compartida, utilizando interfaces grficas visuales e intutivas. Suele
incluir alertas e informes basados en excepcin, as como histricos y anlisis de
tendencias. Tambin es frecuente que permita la domiciliacin por correo de los
informes ms relevantes.
A travs de esta solucin se puede contar con un resumen del comportamiento de
una organizacin o rea especfica, y poder compararla a travs del tiempo. Es
posible, adems, ajustar la visin de la informacin a la teora de Balanced
Scorecard o Cuadro de Mando Integral impulsada por Norton y Kaplan, o bien a
cualquier modelo estratgico de indicadores que maneje la compaa.

Si no est familiarizado con el concepto de Sistema de Informacin Ejecutiva,

puede resultarle til, adems, examinar las siguientes definiciones:
Cuadro de Mando Integral
Sistemas de Soporte a la Decisin (DSS)
Datamining
Datamart
Datawarehouse

http://www.sinnexus.com/business_intelligence/sistemas_informacion_ejecut
iva.aspx
04/05/2015

Datamart
Un Datamart es

una

base

de

datos

departamental,

especializada

en

el

almacenamiento de los datos de un rea de negocio especfica. Se caracteriza por

disponer la estructura ptima de datos para analizar la informacin 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 si mismo un compendio de distintas fuentes de informacin.

Por tanto, para crear el datamart de un rea funcional de la empresa es preciso

encontrar la estructura ptima para el anlisis de su informacin, estructura que
puede

estar

montada

sobre

una

base

de

datos

OLTP,

como

el

propio

datawarehouse, o sobre una base de datos OLAP. La designacin de una u otra

depender de los datos, los requisitos y las caractersticas especficas de cada
departamento. De esta forma se pueden plantear dos tipos de datamarts:

Datamart

OLAP

Se basan en los populares cubos OLAP, que se construyen agregando, segn los
requisitos de cada rea o departamento, las dimensiones y los indicadores
necesarios

de

cada

cubo

relacional.

El

modo

de

creacin,

explotacin

mantenimiento de los cubos OLAP es muy heterogneo, en funcin de la

herramienta final que se utilice.

Datamart

OLTP

Pueden basarse en un simple extracto del datawarehouse, no obstante, lo comn es

introducir mejoras en su rendimiento (las agregaciones y los filtrados suelen ser las
operaciones ms usuales) aprovechando las caractersticas particulares de cada
rea de la empresa. Las estructuras ms 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 slo es posibles en algunos SGBD avanzados, como Oracle).
Los datamarts que estn dotados con estas estructuras ptimas de anlisis
presentan las siguientes ventajas:
Poco volumen de datos
Mayor rapidez de consulta
Consultas SQL y/o MDX sencillas
Validacin directa de la informacin
Facilidad para la historizacin de los datos

Si no est familiarizado con el concepto de datamart, puede resultarle til, adems,

examinar las siguientes definiciones:

Datawarehouse
Sistemas de Soporte a la Decisin (DSS)
Bases de datos OLTP y OLAP
Datamining

http://www.sinnexus.com/business_intelligence/datamart.aspx

Datawarehouse
Un Datawarehouse es una base de datos corporativa que se caracteriza por
integrar y depurar informacin de una o ms fuentes distintas, para luego
procesarla permitiendo su anlisis desde infinidad de pespectivas y con grandes
velocidades de respuesta. La creacin de un datawarehouse representa en la
mayora de las ocasiones el primer paso, desde el punto de vista tcnico, para
implantar una solucin 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 informacin (modelos de tablas en estrella, en copo de nieve,
cubos relacionales... etc). Este tipo de persistencia de la informacin es homognea
y fiable, y permite la consulta y el tratamiento jerarquizado de la misma (siempre
en un entorno diferente a los sistemas operacionales).

El trmino Datawarehouse fue acuado por primera vez por Bill Inmon, y se traduce
literalmente como almacn de datos. No obstante, y como cabe suponer, es mucho

ms que eso. Segn defini 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 informacin
suele estructurarse tambin en distintos niveles de detalle para adecuarse a
las distintas necesidades de los usuarios.
Temtico: slo los datos necesarios para el proceso de generacin 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 nica tabla del datawarehouse. De esta
forma, las peticiones de informacin sobre clientes sern ms fciles de
responder dado que toda la informacin reside en el mismo lugar.
Histrico: el tiempo es parte implcita de la informacin 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 informacin almacenada en el datawarehouse sirve, entre otras cosas,
para realizar anlisis de tendencias. Por lo tanto, el datawarehouse se carga
con los distintos valores que toma una variable en el tiempo para permitir
comparaciones.
No voltil: el almacn de informacin de un datawarehouse existe para ser
ledo, pero no modificado. La informacin es por tanto permanente,
significando la actualizacin del datawarehouse la incorporacin de los
ltimos valores que tomaron las distintas variables contenidas en l sin
ningn tipo de accin sobre lo que ya exista.
Otra caracterstica del datawarehouse es que contiene metadatos, es decir, datos
sobre los datos. Los metadatos permiten saber la procedencia de la informacin, su
periodicidad de refresco, su fiabilidad, forma de clculo... etc.
Los metadatos sern los que permiten simplificar y automatizar la obtencin de la
informacin desde los sistemas operacionales a los sistemas informacionales.
Los objetivos que deben cumplir los metadatos, segn el colectivo al que va
dirigido, son:
Dar soporte al usuario final, ayudndole a acceder al datawarehouse con
su propio lenguaje de negocio, indicando qu informacin hay y qu

significado tiene. Ayudar a construir consultas, informes y anlisis, mediante

herramientas de Business Intelligence como DSS, EIS o CMI.
Dar soporte a los responsables tcnicos del datawarehouse en
aspectos de auditora, gestin de la informacin histrica, administracin
del

datawarehouse,

elaboracin

de

programas

de

extraccin

de

la

informacin, especificacin de las interfaces para la realimentacin a los

sistemas operacionales de los resultados obtenidos... etc.
Por

ltimo,

destacar

que

para

comprender

ntegramente

el

concepto

de

datawarehouse, es importante entender cual es el proceso de construccin del

mismo, denominado ETL (Extraccin, Transformacin y Carga), a partir de los
sistemas operaciones de una compaa:
Extraccin: obtencin de informacin de las distintas fuentes tanto internas
como externas.
Transformacin: filtrado, limpieza, depuracin, homogeneizacin y
agrupacin de la informacin.
Carga: organizacin y actualizacin de los datos y los metadatos en la base
de datos.

Una de las claves del xito en la construccin de un datawarehouse es el desarrollo

de forma gradual, seleccionando a un departamento usuario como piloto y
expandiendo progresivamente el almacn de datos a los dems 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 puedan obtener y medir resultados a corto plazo.

Principales aportaciones de un datawarehouse

Proporciona una herramienta para la toma de decisiones en cualquier rea
funcional, basndose en informacin integrada y global del negocio.
Facilita la aplicacin de tcnicas estadsticas de anlisis y modelizacin para
encontrar relaciones ocultas entre los datos del almacn; obteniendo un valor
aadido para el negocio de dicha informacin.
Proporciona la capacidad de aprender de los datos del pasado y de predecir
situaciones futuras en diversos escenarios.
Simplifica dentro de la empresa la implantacin de sistemas de gestin
integral de la relacin con el cliente.
Supone una optimizacin tecnolgica y econmica en entornos de Centro de
Informacin, estadstica o de generacin de informes con retornos de la
inversin espectaculares.
Si no est familiarizado con el concepto de datawarehouse, puede resultarle til,
adems, examinar las siguientes definiciones:
Datamart
Datamining
Cuadro de Mando Integral
Sistemas de Soporte a la Decisin (DSS)
Sistemas de Informacin Ejecutiva (EIS)

http://www.sinnexus.com/business_intelligence/datawarehouse.aspx

Bases de datos OLTP y OLAP

OLTP - On-Line Transactional Processing
Los

sistemas

OLTP

son

bases

de

datos

orientadas

al

procesamiento

de

transacciones. Una transaccin genera un proceso atmico (que debe ser validado
con un commit, o invalidado con un rollback), y que puede involucrar operaciones
de insercin, modificacin y borrado de datos. El proceso transaccional es tpico de
las bases de datos operacionales.

El acceso a los datos est optimizado para tareas frecuentes de lectura y

escritura. (Por ejemplo, la enorme cantidad de transacciones que tienen que
soportar las BD de bancos o hipermercados diariamente).
Los datos se estructuran segn el nivel aplicacin (programa de gestin a
medida, ERP o CRM implantado, sistema de informacin departamental...).
Los formatos de los datos no son necesariamente uniformes en los
diferentes departamentos (es comn la falta de compatibilidad y la
existencia de islas de datos).
El historial de datos suele limitarse a los datos actuales o recientes.

OLAP - On-Line Analytical Processing

Los sistemas OLAP son bases de datos orientadas al procesamiento analtico. Este
anlisis suele implicar, generalmente, la lectura de grandes cantidades de datos
para llegar a extraer algn tipo de informacin til: tendencias de ventas, patrones
de comportamiento de los consumidores, elaboracin de informes complejos etc.
Este sistema es tpico de los datamarts.
El acceso a los datos suele ser de slo lectura. La accin ms comn es la
consulta, con muy pocas inserciones, actualizaciones o eliminaciones.
Los datos se estructuran segn las reas de negocio, y los formatos de los
datos estn integrados de manera uniforme en toda la organizacin.
El historial de datos es a largo plazo, normalmente de dos a cinco aos.
Las bases de datos OLAP se suelen alimentar de informacin procedente de
los sistemas operacionales existentes, mediante un proceso de extraccin,
transformacin y carga (ETL).
Persistencia ROLAP, MOLAP, HOLAP

http://www.sinnexus.com/business_intelligence/olap_vs_oltp.aspx

Datamining (Minera de datos)

El datamining (minera de datos), es el conjunto de tcnicas y tecnologas que

permiten

explorar

grandes

bases

de

datos,

de

manera

automtica

semiautomtica, con el objetivo de encontrar patrones repetitivos, tendencias o

reglas que expliquen el comportamiento de los datos en un determinado contexto.
Bsicamente, el datamining surge para intentar ayudar a comprender el contenido
de un repositorio de datos. Con este fin, hace uso de prcticas estadsticas y, en
algunos casos, de algoritmos de bsqueda prximos 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 algn significado especial pasan a convertirse en informacin.
Cuando los especialistas elaboran o encuentran un modelo, haciendo que la
interpretacin que surge entre la informacin y ese modelo represente un valor
agregado, entonces nos referimos al conocimiento. Vea ms diferencias entre
datos, informacin y conocimiento.

Aunque en datamining cada caso concreto puede ser radicalmente distinto al

anterior, el proceso comn a todos ellos se suele componer de cuatro etapas
principales:
Determinacin de los objetivos. Trata de la delimitacin de los objetivos
que el cliente desea bajo la orientacin del especialista en data mining.

Preprocesamiento de los datos. Se refiere a la seleccin, la limpieza, el

enriquecimiento, la reduccin y la transformacin de las bases de datos.
Esta etapa consume generalmente alrededor del setenta por ciento del
tiempo total de un proyecto de data mining.
Determinacin

del

modelo. Se

comienza

realizando

unos

anlisis

estadsticos de los datos, y despus se lleva a cabo una visualizacin grfica

de los mismos para tener una primera aproximacin. Segn los objetivos
planteados y la tarea que debe llevarse a cabo, pueden utilizarse algoritmos
desarrollados en diferentes reas de la Inteligencia Artificial.
Anlisis de los resultados. Verifica si los resultados obtenidos son
coherentes y los coteja con los obtenidos por los anlisis estadsticos y de
visualizacin grfica. 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 tecnologa 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
empresa y abre nuevas oportunidades de negocios. Adems, no hay duda de que
trabajar con esta tecnologa implica cuidar un sinnmero de detalles debido a que el
producto final involucra "toma de decisiones".
En el artculo Data Mining: Torturando a los datos hasta que confiesen, Luis Carlos
Molina proporciona una visin muy clarificadora sobre la minera de datos,
incluyendo interesantes ejemplos de aplicaciones de la misma. Recomendamos su
lectura.
Si no est familiarizado con el concepto de Datamining, puede resultarle til,
adems, examinar las siguientes definiciones:

Datamart
Datawarehouse
Cuadro de Mando Integral
Sistemas de Soporte a la Decisin (DSS)
Sistemas de Informacin Ejecutiva (EIS)

http://www.sinnexus.com/business_intelligence/datamining.aspx

Plan director
El plan director es un documento formal en el que se intenta plasmar, por parte de
los responsables de una compaa (directivos, gerentes, empresarios...) cual ser la
situacin de la misma dentro un perodo de tiempo, generalmente de 5 a 10 aos.
El plan director es cualitativo: define las futuras cualidades (no las cantidades) de
la compaa, finalista: indica lo que se quiere conseguir, pero no cmo conseguirlo,
yatemporal: no establece plazos para alcanzar lo propuesto, a excepcin de la
propia vigencia del plan.
El plan director recoge tres puntos principales:
Productos y servicios: describe el catlogo de productos y/o servicios que
ofrecer la compaa a sus clientes, y en los que deben basarse sus ingresos en
el medio y en el largo plazo. Esta enumeracin debera ser visionaria, completa y
realista.
Mercado potencial: describe el perfil de los clientes que tendrn acceso a
los productos que ofrece la compaa (pblico final, empresas...), indicando el
segmento ms aproximado y sus caractersticas principales.
Ventajas competitivas: describe las caractersticas que deben situar a la
compaa en una situacin ventajosa con respecto a su competencia. Estas
ventajas deben ser, ante todo, difciles de imitar y sostenibles en el tiempo.
Aprenda ms sobre ventajas competitivas aqu.
En la prctica, el plan director se suele condensar en un documento escrito
(generalmente de menos de 10 pginas) que no es ms una instantnea del futuro
que los directivos quieren para su compaa.

El plan director es, por tanto, el eje central sobre el que se articularn otros
documentos de vital importancia para la empresa, como el plan estratgico o
el plan operativo anual.

http://www.sinnexus.com/business_intelligence/plan_director.aspx

Plan estratgico
El plan estratgico es un documento formal en el que se intenta plasmar, por parte
de los responsables de una compaa (directivos, gerentes, empresarios...) cual
ser la estrategia de la misma durante un perodo de tiempo, generalmente de 3 a
5 aos.
El plan estratgico es cuantitativo: establece las cifras que debe alcanzar la
compaa,manifiesto: describe el modo de conseguirlas, perfilando la estrategia a
seguir, ytemporal: indica los plazos de los que dispone la compaa para alcanzar
esas cifras.
El plan estratgico recoge tres puntos principales:
Objetivos: un objetivo es un hecho que no depende directamente de la
compaa, y que est formado por la ecuacin: cantidad a alcanzar + plazo para
conseguirlo. El verbo asociado a un objetivo es siempre conseguir:
- Conseguir una facturacin de 1.000.000 antes de 2.010.
- Conseguir incrementar la rentabilidad econmica un 10% durante 2.008.
- Conseguir una cuota de mercado del 40% antes de Noviembre de 2.007.
Los objetivos del tipo: "Optimizar los recursos empleados" o "Maximizar el
beneficio durante este ao" no son vlidos, ya que no indican una cantidad a
alcanzar y un plazo para conseguirlo. Tampoco sera correcto el objetivo: "Gastar
10.000 en renovar el equipamiento informtico durante Febrero", ya que eso
depende directamente de la compaa.
Polticas: una poltica es una conducta que marca la compaa, y que sirve
para describir su actitud, continuada en el tiempo, a la hora de enfrentarse a
situaciones de diversa ndole. El verbo asociado a una poltica es
siempre establecer:
- Establecer una poltica de cobros a 30 das y de pagos a 90 das.
- Establecer una poltica de contratacin para titulados con al menos 2 aos de
experiencia.
- Establecer una poltica retributiva basada en un 80% de retribucin fija y 20%
retribucin variable.

Existen muchos parmetros sobre los que se puede establecer la actitud de la

empresa, como la poltica de tesorera, la poltica de atencin al cliente, la
poltica de recursos humanos, la poltica de imagen corporativa, la poltica de
reparto de dividendos...
Acciones: una accin es un hecho que depende directamente de la
compaa, y que generalmente se lleva a cabo para facilitar la consecucin de los
objetivos, fomentar el respeto a las polticas impuestas, o vertebrar la estrategia
global de la empresa. El verbo asociado a una accin es siempre realizar:
- Asistir a los principales congresos del sector para mejorar la formacin
interna.
- Lanzar una campaa de publicidad en TV y peridicos para promocionar el
nuevo producto.
- Elaborar un manual de procedimientos interno que agilice la incorporacin de
nuevos miembros.
Las acciones se suelen agrupar de tal manera que sea sencillo identificar su
origen y, a su vez, su finalidad. As se pueden clasificar como dependientes de
un objetivo estratgico, de una poltica de empresa o simplemente como
acciones puntuales.
En la prctica, el plan estratgico se suele sintetizar en un documento escrito
(generalmente de menos de 20 pginas), concretando as las lneas estratgicas
generales a seguir por la compaa.
El plan estratgico describe, por tanto, una manera de conseguir las cualidades
organizacionales enumeradas en el plan director. No obstante, el plan estratgico
no suele estar lo suficientemente detallado como para actuar a nivel departamental.
Para ello, se suele utilizar el plan operativo anual.
La herramienta de Business Intelligence dedicada a la inclusin y seguimiento del
plan estratgico en una empresa es el Cuadro de Mando Integral o Balanced
Scorecard.

Plan operativo anual (POA)

El plan operativo anual es un documento formal en el que se enumeran, por parte
de los responsables de una entidad facturadora (compaa, departamento, sucursal
u oficina) los objetivos a conseguir durante el presente ejercicio.

El

plan

operativo

anual

debe

estar

perfectamente

alineado

con

el plan

estratgico de la empresa, y su especificacin sirve para concretar, adems de los

objetivos a conseguir cada ao, la manera de alcanzarlos que debe seguir cada
entidad (departamento, sucursal, oficina...).
Por ejemplo, ante un objetivo estratgico global del tipo: "Conseguir una
facturacin de 1.000.000 antes de 2.010.", un plan operativo debe desglosar esa
cifra para cada ao:"Conseguir una facturacin de 600.000 en el ao
2.008", "Conseguir una facturacin de 800.000 en el ao 2.009", "Conseguir una
facturacin de 1.000.000 en el ao 2.010".
Adems, el plan operativo anual debe desglosar los objetivos para cada entidad
facturadora: "La oficina de Madrid debe alcanzar una cifra de ventas de 200.000
en el ao 2.008", "La oficina de Valencia debe alcanzar una cifra de ventas de
150.000 en el ao 2.008", etc...
Incluso, dentro de cada sucursal o departamento es posible hallar una prediccin
del volumen esperado de ventas para cada mes del ao (teniendo en cuenta la
estacionalidad del producto o las oscilaciones que ha experimentado el mercado en
aos anteriores).
Por tanto, es comn en un plan operativo anual disponer, para cada mes (desde
enero a diciembre), de un valor POA para cada objetivo. A medida que va
avanzando el ao es posible fijar el valor real que se ha alcanzado y, por tanto,
hallar posibles errores o desviaciones en el plan.
Por

ejemplo,

para

el

caso

del

objetivo:

"La oficina de Madrid debe alcanzar una cifra de ventas de 200.000 en el ao

2.008"

Mes

POA Acumulado

Real Acumulado

Desviacin

Enero

15.000

16.292

1.292

Febrero

30.000

26.488

-3.512

Marzo

50.000

41.351

-8.649

Abril

70.000

60.134

-9.866

Mayo

85.000

74.011

-10.989

Junio

100.000

88.506

-11.494

Julio

120.000

Agosto

150.000

Septiembre

170.000

Octubre

180.000

Noviembre

190.000

Diciembre

200.000

(-)

(-)

Esto es preciso hacerlo, naturalmente, para cada objetivo anual de cada entidad.
Lo ms importante de este modelo es que, mediante un correcto seguimiento del
plan operativo anual, se puede hallar no slo las desviaciones en el plan, sino
tambin el motivo de su origen. La herramienta de Business Intelligence dedicada a
este fin es una de las ms implantadas en las empresas modernas: el Cuadro de
Mando Integral oBalanced Scorecard.

http://www.sinnexus.com/business_intelligence/plan_operativo_anual.aspx

Plataformas de Business Intelligence

A continuacin mostramos las principales plataformas de Business Intelligence
con las que trabaja nuestra empresa. Si desea un listado ms exhaustivo de
productos puede consultar aqu.

Razones por las que invertir en Business Intelligence

Segn un artculo 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

la

ignorancia

en

los

ambientes

empresariales, aprovechando los vastos volmenes de datos cuantitativos que las

empresas recolectan todos los das en sus diversas aplicaciones corporativas.

BI como solucin tecnolgica

Centralizar, depurar y afianzar los datos. Las tecnologas de BI
permiten reunir, normalizar y centralizar toda la informacin de la empresa,
mediante unalmacn de datos, permitiendo as su explotacin sin esfuerzo.
De esta forma, los departamentos comercial, operativo y financiero basan
las decisiones estratgicas en la misma informacin.
Descubrir informacin no evidente para las aplicaciones actuales. En
el da a da de las aplicaciones de gestin se pueden esconder pautas de
comportamiento, tendencias, evoluciones del mercado, cambios en el
consumo o en la produccin, que resulta prcticamente imposible reconocer
sin el software adecuado. Es lo que se puede calificar como extraer
informacin de los datos, y conocimiento de la informacin.
Optimizar el rendimiento de los sistemas. Las plataformas de BI se
disean para perfeccionar al mximo 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 estratgico. Si su empresa dispone de plan

estratgico, el business intelligence le permite, mediante un cuadro de
mando, crear, manejar y monitorizar las mtricas y los objetivos estratgicos
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
aplicacin de BI permite que una empresa aprenda de su historia y de sus
mejores prcticas, y que pueda evitar tropezarse de nuevo con los mismos
errores del pasado.
Mejorar la competitividad. Segn la consultora internacional Gartner, 7
de cada 10 compaas realizan anlisis sobre sus datos de forma diaria, o
incluso instantnea, en el 2.006. Este mecanismo les permite maximizar su
rentabilidad. La acuciante tendencia a explotar la informacin marca cada
vez ms la diferencia en los sectores.
Obtener el verdadero valor de las aplicaciones de gestin. Durante los
ltimos aos, las empresas se han embarcado en la construccin de estas
aplicaciones clave para sus negocios. Sin embargo, no siempre han sabido
aprovechar todo el potencial que les pueden proporcionar: cuentas de
resultados,

cash-flow,

etc

Con

el

business

intelligence,

todos

los

empleados, desde el director general hasta el ltimo analista, tienen acceso

a informacin adecuada, integrada y actualizada

http://www.sinnexus.com/business_intelligence/inversion.aspx

Cmo saber si su empresa necesita una solucin BI?

Recuerde que el objetivo del Business Intelligence es colocar todos los datos al
alcance de toda la empresa, proporcionando las herramientas para extraerlos de las
aplicaciones, conferirles un formato estndar, y posteriormente almacenarlos en un
repositorio optimizado para una entrega de la informacin rpida y resumida que
haga posible un anlisis muy detallado.
Para realizar un diagnstico instantneo de su empresa, slo tiene que responder al
siguiente cuestionario:
Est seguro de qu productos y clientes son los ms importantes para su
empresa?
S

No

N/a

Tiene problemas para crear una visin clara de toda su organizacin?

S

No

N/a

Sabe si est perdiendo cuota de mercado con respecto a su competencia?

S

No

N/a

Ha perdido oportunidades de negocio por recibir informacin atrasada?

S

Dedica
S

No

horas
No

N/a

extras

analizar

documentos

informes?

N/a

Tiene informes de varios sistemas operacionales que no concuerdan?

S

No

N/a

Dispone de alguna ventaja competitiva clara con respecto a las dems

empresas
S

No

N/a

de

su

sector?

Sabe con certeza si su gente est alcanzando los objetivos planificados?

S

No

N/a

Si al menos la mitad de las respuestas han sido afirmativas, su empresa puede

encontrar importantes beneficios al implantar un sistema de Business Intelligence.
En caso contrario, puede consultar aqu los motivos por los que quiz llegue a
interesarle en un futuro.

http://www.sinnexus.com/business_intelligence/test_empresa.aspx

Inteligencia de Negocios
La Inteligencia de Negocios es el conjunto de productos y servicios que
permiten a los usuarios finales acceder y analizar de manera rpida y

sencilla, la informacin para la toma de decisiones de negocio a nivel

operativo, tctico y estratgico.

El trmino Business Intelligence (Inteligencia de Negocios) hizo su aparicin

en 1996 cuando un reporte de Gartner Group dijo textualmente lo siguiente:
By 2000, Information Democracy will emerge in forward-thinking enterprises,
with Business Intelligence information and applications available broadly to
employees, consultants, customers, suppliers, and the public. The key to
thriving in a competitive marketplace is staying ahead of the competition.
Making sound business decisions based on accurate and current information
takes more than intuition. Data analysis, reporting, and query tools can help
business users wade through a sea of data to synthesize valuable
information from it - today these tools collectively fall into a category called
"Business Intelligence."
Para el ao 2000, la Democracia de la Informacin emerger en las
empresas de vanguardia, con las aplicaciones de Inteligencia de Negocios
ampliamente disponibles a nivel de empleados, consultores, clientes,
proveedores y el pblico en general. La clave para surgir en un mercado
competitivo es mantenerse delante de sus competidores. Se requiere mas
que intuicin para tomar decisiones correctas basadas en informacin exacta
y actualizada. Las herramientas de reporte, consulta y anlisis de datos
pueden ayudar a los usuarios de negocios a navegar a travs de un mar de
informacin para sintetizar la informacin valiosa que en l se encuentra hoy en da esta categora de herramientas se les llama "Inteligencia de
Negocios"

Este contenido se encuentra protegido por lo que le solicitamos muy

respetuosamente que no lo copie. El mismo puede ser usado por
instituciones acadmicas siempre y cuando se mencione la fuente y el
enlace respectivo.

http://www.idensa.com/

Inteligencia de Negocios a Nivel Operativo

La Inteligencia de Negocios a Nivel Operativo permite que los empleados que trabajan con
informacin operativa puedan recibir la misma de una manera oportuna, exacta y adecuada y
se componen bsicamente de herramientas de reportes u hojas de clculo con un formato fijo
cuya informacin se actualiza frecuentemente.

Un ejemplo de esto podra ser un supervisor de ventas que utiliza una hoja de clculo para
monitorear el cumplimiento de las cuotas de ventas de los vendedores a su cargo, una de las
columnas tendra una informacin fija (la cuota de ventas) y a su lado podra estar una columna
que diariamente extraiga el total de ventas para se vendedor en particular. El supervisor de
ventas a su vez podra aplicar frmulas tomando en cuenta la columna de cuota y la columna
de venta real sin necesidad de tener que introducirlas de manera manual.

http://www.idensa.com/component/content/article/13-uncategorised/25nivel-operativo.html

Inteligencia de Negocios a Nivel Tctico

La Inteligencia de Negocios a Nivel Tctico permite que los analistas de datos y la gerencia
media de la empresa utilicen herramientas de anlisis y consulta con el propsito de tener
acceso a la informacin sin intervencin de terceros.
Como ejemplo un gerente de ventas recibe un reporte preimpreso en donde se indica que las
ventas de una determinada categora de productos o servicios, se incrementaron de manera
inusual con relacin al periodo anterior, una herramienta de anlisis y consulta le permite
analizar ste incremento y establecer si el mismo se debe a nuevos productos, nuevos clientes
o una estrategia de promociones que haya producido el incremento en la demanda.

Con ste tipo de herramientas tambin se puede determinar si en un perodo especfico es

usual o inusual que se produzcan stos comportamientos anormales en la demanda, de
manera de poder anticiparnos a ellos y poder aprovechar sta situacin para aumentar el
impacto positivo o minimizar el impacto negativo segn sea el caso.
Apoyo es la herramienta que ofrecemos para satisfacer las necesidades de Inteligencia de
Negocios a nivel tctico.

http://www.idensa.com/component/content/article/13-uncategorised/24nivel-tactico.html

Inteligencia de Negocios a Nivel Estratgico

La Inteligencia de Negocios a Nivel Estratgico permite que la
alta direccin de las empresas pueda analizar y monitorear
tendencias, patrones, metas y objetivos estratgicos de la
organizacin. Un ejemplo de Inteligencia de Negocios a nivel
estratgico lo constituye el Cuadro de Mando
Integral o Balanced Scorecard concepto introducido por Robert
Kaplan y David Norton el cual definen como:
"Un esquema de trabajo multidimensional para describir,
implementar y administrar estrategia a todo nivel dentro de una
empresa, a travs de lavinculacin de objetivos, iniciativas y
mediciones a la estrategia de la organizacin"
Con la implementacin de un Cuadro de Mando Integral se obtienen
los siguientes beneficios:
Promueve la alineacin estratgica de toda la organizacin a partir de
la transformacin de la Visin y Estrategia en planes concretos de accin.
Fomenta el trabajo en equipo y por consiguiente la colaboracin y
lacoordinacin al conducir a toda la organizacin hacia la consecucin de la
estrategia definida.
Facilita la comunicacin de los planes estratgicos a toda la
empresa.
Integra y sintetiza un gran volumen de datos e indicadores que
surgen de la gestin diaria de las operaciones.
Desarrolla el conocimiento y el capital humano, bases
fundamentales para alcanzar los objetivos estratgicos.

http://www.idensa.com/component/content/article/13uncategorised/23-nivel-estrategico.html