DATOS, INFORMACIN Y CONOCIMIENTO

En una conversacin informal, los tres trminos suelen utilizarse indistintamente y esto puede llevar a una interpretacin libre del concepto de conocimiento. Quizs la forma ms sencilla de diferenciar los trminos sea pensar que los datos estn localizados en el mundo y el conocimiento est localizado en agentes de cualquier tipo (personas, empresas, mquinas...), mientras que la informacin adopta un papel mediador entre ambos.

Datos Los datos son la mnima unidad semntica, y se corresponden con elementos primarios de informacin que por s solos son irrelevantes como apoyo a la toma de decisiones. Tambin se pueden ver como un conjunto discreto de valores, que no dicen nada sobre el por qu de las cosas y no son orientativos para la accin. Se sabe que los datos pueden provenir de fuentes externas o internas a la organizacin, pudiendo ser de carcter objetivo o subjetivo, o de tipo cualitativo o cuantitativo, etc. Informacin La informacin se puede definir como un conjunto de datos procesados y que tienen un significado (relevancia, propsito y contexto), y que por lo tanto son de utilidad para quin debe tomar decisiones, al disminuir su incertidumbre. Los datos se pueden transforman en informacin aadindoles valor:

Contextualizando: se sabe en qu contexto y para qu propsito se generaron. Categorizando: se conocen las unidades de medida que ayudan a interpretarlos. Calculando: los datos pueden haber sido procesados matemtica o estadsticamente. Corrigiendo: se han eliminado errores e inconsistencias de los datos. Condensando: los datos se han podido resumir de forma ms concisa (agregacin).

Por tanto, la informacin es la comunicacin de conocimientos o inteligencia, y es capaz de cambiar la forma en que el receptor percibe algo, impactando sobre sus juicios de valor y sus comportamientos. Informacin = Datos + Contexto (aadir valor) + Utilidad (disminuir la incertidumbre)

Conocimiento El conocimiento es una mezcla de experiencia, valores, informacin, que sirve como marco para la incorporacin de nuevas experiencias e informacin, y es til para la accin. Se origina y aplica en la mente de los conocedores. En las organizaciones con frecuencia no slo se encuentra dentro de documentos o almacenes de datos, sino que tambin est en rutinas organizativas, procesos, prcticas, y normas. El conocimiento se deriva de la informacin, as como la informacin se deriva de los datos. Para que la informacin se convierta en conocimiento es necesario realizar acciones como:

Comparacin con otros elementos. Prediccin de consecuencias. Bsqueda de conexiones. Conversacin con otros portadores de conocimiento.

LA INTELIGENCIA DE NEGOCIOS La Inteligencia de Negocios o Business Intelligence (BI) se puede definir como el proceso de analizar los bienes o datos acumulados en la empresa y extraer una cierta inteligencia o conocimiento de ellos, al hablar de bienes estamos incluyendo a las bases de datos de clientes, informacin de la cadena de suministro, ventas personales y cualquier actividad de marketing o fuente de informacin relevante para la empresa. Otra definicin, es un proceso interactivo para explorar y analizar informacin estructurada sobre un rea (normalmente almacenada en un datawarehouse), para descubrir tendencias o patrones, a partir de los cuales derivar ideas y extraer conclusiones. El proceso de Business Intelligence incluye la comunicacin de los descubrimientos y efectuar los cambios. Las reas incluyen clientes, proveedores, productos, servicios y competidores.

La Inteligencia de Negocios se caracterizada por: buscar hechos cuantitativos medibles y objetivos acerca de la empresa, usar mtodos y tecnologas para el anlisis de hechos, desarrollar modelos que expliquen la causa-efecto de las relaciones entre las acciones operacionales y los efectos que estas han alcanzado las metas, y experimentar con aplicaciones alternativas y supervisar los resultados que sirven de retroalimentacin.

EL CICLO DE LA INTELIGENCIA DE NEGOCIOS La Inteligencia de Negocios en una plataforma de administracin del desempeo que representa al ciclo en el que las empresas establecen sus objetivos, analizan sus progresos, reflexionan, actan, miden su xito y empiezan una nueva fase. Su ciclo se compone de cuatro etapas a saber:

El anlisis comienza por determinar los datos a recopilar. La seleccin se basa en un entendimiento bsico y en supuestos de cmo opera la organizacin, considerando aquello que es relevante a los clientes, proveedores, empleados, los factores que afectan los insumos, la produccin, el costo y la calidad. La reflexin implica el estudio minucioso de los hechos y de la situacin, adems de considerar el rumbo que puede tomar el caso de estudio. El escenario que abarca la reflexin depende del nivel jerrquico que la est realizando y la consideracin del ambiente externo. La accin en el ciclo de la Inteligencia de Negocios se da a travs del proceso de toma de decisiones, en donde las acciones se suceden como resultado de las decisiones. La toma de decisiones al estar basada en la Inteligencia de Negocios ofrece mejores condiciones para identificar oportunidades, orientar las acciones, la experimentacin, la prueba y la retroalimentacin. La medicin procura evaluar los resultados al compararlos contra los estndares cuantitativos y las expectativas planteadas originalmente; con lo cual se da vida a otro ciclo de anlisis, reflexin, accin y medida. CARACTERSTICAS DE LA INTELIGENCIA DE NEGOCIOS La inteligencia de negocios la cual viene a ser un conjunto de herramientas y metodologas las cuales tienen en comn las siguientes caractersticas:

Accesibilidad a la informacin. Los datos son la fuente principal de este concepto. Lo primero que deben garantizar este tipo de herramientas y tcnicas ser el acceso de los usuarios a los datos con independencia de la procedencia de estos. Apoyo en la toma de decisiones. Se busca ir ms all en la presentacin de la informacin, de manera que los usuarios tengan acceso a herramientas de anlisis que les permitan seleccionar y manipular slo aquellos datos que les interesen. Orientacin al usuario final. Se busca independencia entre los conocimientos tcnicos de los usuarios y su capacidad para utilizar estas herramientas.

La inteligencia de negocio es importante para:

Obtener informacin del negocio de manera oportuna y precisa. Medir el desempeo organizacional. Predecir resultados. Administrar recursos corporativos y manejo del cambio. Ejecutar y monitorear planes operativos. Analizar condiciones del mercado y el ambiente de competencia. Aprovechar oportunidades de crecimiento. Identificar amenazas.

CIMPONENTES DE LA INTELIGENCIA DE NEGOCIOS

Fuentes de informacin, de las cuales partiremos para alimentar de informacin el datawarehouse. Proceso ETL de extraccin, transformacin y carga de los datos en el datawarehouse. Antes de almacenar los datos en un datawarehouse, stos deben ser transformados, limpiados, filtrados y redefinidos. Normalmente, la informacin que tenemos en los sistemas transaccionales no est pre parada para la toma de decisiones. El propio datawarehouse o almacn de datos, con el Meta data o Diccionario de datos. Se busca almacenar los datos de una forma que maximice su flexibilidad, facilidad de acceso y administracin. El motor OLAP, que nos debe proveer capacidad de clculo, consultas, funciones de planeamiento, pronstico y anlisis de escenarios en grandes volmenes de datos. En la actualidad existen otras alternativas tecnolgicas al OLAP, que tambin desarrollaremos en el presente captulo. Las herramientas de visualizacin, que nos permitirn el anlisis y la navegacin a travs de los mismos.

Fuentes de informacin Las fuentes de informacin a las que podemos acceder son: Bsicamente, de los sistemas operacionales o transaccionales, que incluyen aplicaciones desarrolladas a medida, ERP, CRM, SCM, etc. Sistemas de informacin departamentales: previsiones, presupuestos, hojas de clculo, etc. Fuentes de informacin externa, en algunos casos comprada a terceros. Las fuentes de informacin externas son fundamentales para enriquecer la informacin que tenemos de nuestros clientes. En algunos casos es interesante incorporar informacin referente, por ejemplo, a poblacin, nmero de habitantes, etc.

Acceder a distintas bases de datos requiere distintas habilidades y el conocimiento de distintas sintaxis de SQL. Si el nmero de bases de datos a las que debemos acceder es elevado, puede provocar que tanto las definiciones como las codificaciones en los distintos entornos sean diferentes, lo que aadir dificultad a nuestro proyecto; por ello, un aspecto clave ser conocer el modelo de informacin transaccional y el significado de cada uno de sus elementos.

Calidad de datos Las organizaciones actan bajo la suposicin de que la informacin de la que disponen es precisa y vlida. Si la informacin no es vlida, entonces no pueden responder de las decisiones basadas en ella La responsabilidad de la calidad de los datos no pertenece slo a los departamentos de tecnologa: Debe asumirse la parte correspondiente en cada uno de los propietarios de los procesos y de las aplicaciones que los soportan. Desde el proyecto debemos velar por la calidad de los datos, puesto que si la calidad no es la adecuada nunca podremos obtener los beneficios esperados del proyecto. Debemos entender que la problemtica de la calidad de datos no es un problema de los departamentos de tecnologa, sino un problema estratgico al que debemos asignar objetivos, recursos y planificacin. Proceso de extraccin, transformacin y carga (ETL). El proceso de ETL61 consume entre el 60% y el 80% del tiempo de un proyecto de Business Intelligence, por lo que es un proceso clave en la vida de todo proyecto. Este parte del proceso de construccin del datawarehouse es costosa y consume una parte significativa de todo el proceso, por ello requiere recursos, estrategia, habilidades especializadas y tecnologas. La extraccin, transformacin y carga (el proceso ETL) es necesario para acceder a los datos de las fuentes de informacin al datawarehouse. El proceso ETL se divide en 5 subprocesos:

1. Extraccin: Este proceso recupera los datos fsicamente de las distintas fuentes de informacin. En este momento disponemos de los datos en bruto. El principal objetivo de la extraccin es extraer tan slo aquellos datos de lo sistemas transaccionales que son necesarios y prepararlos para el resto de los subprocesos de ETL. Para ello se deben determinar las mejores fuentes de informacin, las de mejor calidad. Con tal finalidad, deberemos analizar las fuentes disponibles y escoger aquellas que sean mejores.

2. Limpieza: Este proceso recupera los datos en bruto y comprueba su calidad, elimina los duplicados y, cuando es posible, corrige los valores errneos y completa

los valores vacos, es decir se transforman los datos siempre que sea posible para reducir los errores de carga. En este momento disponemos de datos limpios y de alta calidad. La limpieza de datos se divide en distintas etapas, que vamos a describir a continuacin: Depurar los valores: Este proceso localiza e identifica los elementos individuales de informacin en las fuentes de datos y los asla en los ficheros destino. Por ejemplo: separar el nombre completo en nombre, primer apellido, segundo apellido, o la direccin en: calle, numero, piso, etctera. Corregir: Este proceso corrige los valores indi-viduales de los atributos usando algoritmos de correccin y fuentes de datos externas. Por ejemplo: comprueba una direccin y el cdigo postal correspondiente. Estandarizar: Este proceso aplica rutinas de conversin para transformar valores en formatos definidos (y consistentes) aplicando procedimientos de estandarizacin y definidos por las reglas del negocio. Por ejemplo: trato de Sr., Sra., etc. o sustituyendo los diminutivos de nombres por los nombres correspondientes. Relacionar: Este proceso busca y relaciona los valores de los registros, corrigindolos y estandarizndolos, basndose en reglas de negocio para eliminar duplicados. Por ejemplo: identificando nombres y direcciones similares. Consolidar: Este proceso analiza e identifica relaciones entre registros relacionados y los junta en una sola representacin.

3. Transformacin: Este proceso recupera los datos limpios y de alta calidad y los estructura y suma en los distintos modelos de anlisis. El resultado de este proceso es la obtencin de datos limpios, consistentes, sumados y tiles En este proceso tambin ajustamos el nivel de granularidad o detalle. Podemos tener detalle a nivel de lneas de factura en los datos extrados, pero en el datawarehouse lo que almacenamos son las ventas semanales o mensuales.
4. Integracin: Este proceso valida que los datos que cargamos en el datawarehouse son consistentes con las definiciones y formatos del datawarehouse; los integra en los distintos modelos de las distintas reas de negocio que hemos definido en el mismo. Estos procesos pueden ser complejos es por ello fundamental comprobar que se ha desarrollado correctamente, ya que en caso contrario pueden llevar a decisiones errneas a los usuarios .

5. Actualizacin: Este proceso es el que nos permite aadir los nuevos datos al datawarehouse.

Herramientas ETL Debido a la importancia del proceso de extraccin, transformacin y carga, las herramientas ETL son claves en los proyectos de Business Intelligence. Las herramientas ETL deben cuentan con:

Diseo grfico: Entorno que permite a los desarrolladores establecer la relacin entre las fuentes de datos, las transformaciones, los procesos y las tareas para desarrollar la carga. Los diseos se deben almacenar en un repositorio Meta data. Gestin del Meta data: Provee un repositorio donde se puede definir, documentar y gestionar la informacin del proceso ETL y su ejecucin. El Meta data debera ser accesible tambin desde otras aplicaciones. Extraccin: Extraccin de la informacin mediante conectores, como ODBC65, SQL nativos de los distintos motores de bases de datos o ficheros planos. Los conectores deberan acceder al Meta data para determinar qu informacin extraer y cmo. Transformacin: Provee libreras de transformacin que permitan a los desarrolladores transformar los datos origen en los destino con las nuevas estructuras y crear las tablas de agregacin para mejorar el rendimiento. Carga: Utiliza adaptadores para poder insertar o modificar los datos en el datawarehouse. Servicios de transporte: Las herramientas ETL utilizan las redes y sus protocolos (por ejemplo: FTP, File Transport Protocol) para mover los datos entre las distintas fuentes y los sistemas destino. Administracin y operacin: Las herramientas ETL deben permitir a los administradores programar, ejecutar y monitorizar los trabajos de ETL, los resultados, gestionar los errores, recuperar los fallos y reconciliar los resultados con los sistemas originales.

Datawarehouse o almacn de datos La aparicin de los datawarehouse o Almacenes de datos son la res- puesta a las necesidades de los usuarios que necesitan informacin consistente, integrada, histrica y preparada para ser analizada para poder tomar decisiones.

Un datawarehouse es una coleccin de informacin creada para soportar las aplicaciones de toma de decisiones Objetivos que cumple un Datawarehouse El datawarehouse da acceso a la informacin de la corporacin o del rea funcional. El alcance del datawarehouse puede ser bien un departamento o bien corporativo La informacin del datawarehouse es consistente. La informacin en el datawarehouse puede ser separada y combinada para analizar cada una de las posibles medidas del negocio. El datawarehouse no es slo informacin sino tambin las herramientas de consulta, anlisis y presentacin de la informacin. Es el lugar donde publicamos la informacin. La calidad de la informacin en el datawarehouse es el motor del busines reengineering

Caractersticas de un Datawarehouse Orientado a un rea: cada parte del datawarehouse esta construida para resolver un problema de negocio, que ha sido definido por los tomadores de decisiones. Por ejemplo: Entender los hbitos de compra de nuestros clientes, analizar la calidad de nuestros productos, analizar la productividad de una lnea de fabricacin, etc.

Integrado: La informacin debe ser transformada en medidas comunes, cdigos comunes y formatos comunes para que pueda ser til. La integracin permite a las organizaciones implementar la estandarizacin de sus definiciones, por ejemplo: La moneda en la que estn expresados los importes es comn. Indexado en el tiempo: significa que se mantiene la informacin histrica y se almacena referida a determinadas unidades de tiempo, tales como horas, das, semanas, meses, trimestres o aos. Ello nos permitir analizar, por ejemplo, la evolucin de las ventas en los periodos que queramos. No voltil: significa que los usuarios no la mantienen, como lo haran en los entornos transaccionales. La informacin se almacena para la toma de decisiones. No se va actualizando continuamente, sino peridicamente, de forma preestablecida.

Los datawarehouses se representan habitualmente como una gran base de datos, pero pueden estar distribuidos en distintas bases de datos Data Mart Los Data Mart almacenan informacin de un nmero limitado de reas; por ejemplo, pueden ser de marketing y ventas o de produccin. Normalmente se definen para responder a usos muy concretos. Normalmente, los Data Mart son ms pequeos que los datawarehouses. Tienen menos cantidad de informacin, menos modelos de negocio y son utilizados por un nmero inferior de usuarios. Los Data Mart pueden ser: Independientes: son alimentados directamente de los orgenes de informacin, pueden perpetuar el problema de los silos de informacin y en su evolucin pueden llegar a generar inconsistencias con otros Data Mart.

Dependientes: se alimentan desde el datawarehouse corporativo.

Un componente crtico de un datawarehouse es el Metadata. El Metadata es el repositorio central de informacin de la informacin. Nos da el significado de cada uno de los componentes y sus atributos que residen en el datawarehouse (o Data Mart). La informacin que contiene el Metadata es til para los departamentos de tecnologa y los propios usuarios. Puede incluir definiciones de negocio, descripciones detalladas de los tipos de datos, formatos y otras caractersticas. Herramientas de Business Intelligence Existen distintas tecnologas que nos permiten analizar la informacin que reside en un datawarehouse, pero la ms extendida es el OLAP. Los usuarios necesitan analizar informacin a distintos niveles de agregacin y sobre mltiples dimensiones: Por ejemplo, ventas de productos por zona de ventas, por tiempo, por clientes o tipo de cliente y por regin geogrfica. Los usuarios pueden hacer este anlisis al mximo nivel de agregacin o al mximo nivel de detalle. OLAP provee de estas funcionalidades y algunas ms, con la flexibilidad necesaria para descubrir las relaciones y las tendencias que otras herramientas menos flexibles no pueden aportar. A estos tipos de anlisis les llamamos multidimensionales, porque nos facilitan el anlisis de un hecho desde distintas perspectivas o dimensiones. La representacin grfica del OLAP son los cubos. Veamos un ejemplo: En el cubo tenemos las unidades vendidas de cada uno de los libros, para los distintos clientes y en los distintos aos. Este es el concepto de multimensionalidad. Disponemos de las unidades vendidas de cada uno de los libros para cada uno de los clientes y en cada uno de los aos: el contenido de un cubo individual son las ventas de un libro a un cliente en un ao. Los contenidos de cada uno de los cubos individuales del cubo recogen lo que llamamos hechos (en nuestro ejemplo las unidades vendidas). En la actualidad, las soluciones OLAP permiten que cada una de los cubos individuales pueda contener ms de un hecho. Las herramientas OLAP nos permiten rotar (en ingls slicing) los cubos, es decir, cambiar el orden de las distintas dimensiones: En lugar de analizar por

clientes, como en el caso anterior, quizs estamos interesados en analizarlo por libros, ya que los usuarios que lo quieren consultar son distintos y tienen distintas necesidades. Como vemos en el ejemplo anterior, hemos cambiado la dimensin clientes por la de libros. Existen distintos tipos de herramientas OLAP. La diferencia entra ellas, bsicamente, depende de cmo acceden a los datos: ROLAP: Relational OLAP: Las capacidades OLAP acceden directamente a la base de datos relacional. Se accede por tanto a una base de datos relacional (RDBMS). Accede habitualmente sobre un modelo estrella. La principal ventaja es que no tiene limitaciones en cuanto al tamao, pero es ms lento que el MOLAP MOLAP: Multimensional OLAP: La implementacin OLAP accede directamente sobre una base de datos multidimensional (MDDB82). La ventaja principal de esta alternativa es que es muy rpida en los tiempos de respuesta y la principal desventaja es que, si queremos cambiar las dimensiones, debemos cargar de nuevo el cubo. HOLAP: Hybrid OLAP Accede a los datos de alto nivel en una base de datos multidimensional y a los atmicos directamente sobre la base de datos relacional. En esencia utiliza las ventajas del ROLAP y del MOLAP.

Formas de acceso de las herramientas OLAP: Cliente/Servidor, lo que significa tener las instalaciones locales en los ordenadores de los usuarios.

Acceso web: cliente, cliente ligero, o slo con el navegador. En este tipo de acceso el navegador comunica con un servidor web, el cual habla con la aplicacin del servidor, que es la que conecta con el datawarehouse. En el caso de acceder con el navegador sin ningn tipo de cliente o con cliente ligero (por ejemplo JAVA), normalmente se descargan pequeas aplicaciones para aumentar la funcionalidad.

Las principales herramientas de Business Intelligence son: Generadores de informes: Utilizadas por desarrolladores profesionales para crear informes estndar para grupos, departamentos o la organizacin.

Herramientas de usuario final de consultas e informes: Empleadas por usuarios finales para crear informes para ellos mismos o para otros; no requieren programacin.

Herramientas OLAP: Permiten a los usuarios finales tratar la informacin de forma multidimensional para explorarla desde distintas perspectivas y periodos de tiempo.

Herramientas de Dashboard y Scorecard: Permiten a los usuarios finales ver informacin crtica para el rendimiento con un simple vistazo utilizando iconos grficos y con la posibilidad de ver ms detalle para analizar informacin detallada e informes, si lo desean.

Herramientas de planificacin, modelizacin y consolidacin: Permite a los analistas y a los usuarios finales crear planes de negocio y simulaciones con la informacin de Business Intelligence. Pueden ser para elaborar la planificacin, los presupuestos, las previsiones. Estas herramientas proveen a los dashboards y los scorecards con los objetivos y los umbrales de las mtricas.

Herramientas datamining: Permiten a estadsticos o analistas de negocio crear modelos estadsticos de las actividades de los negocios. Datamining es el proceso para descubrir e interpretar patrones desconocidos en la informacin mediante los cuales resolver problemas de negocio. Los usos ms habituales del datamining son: segmentacin, venta cruzada, sendas de consumo, clasificacin, previsiones, optimizaciones, etc.

Ventajas de Business Intelligence

El usuario es capaz de construir sus propios reportes e ndices de desempeo, sin necesidad de contar con apoyo por parte del rea de TI.

Facilita informacin que permite priorizar actividades basadas en la necesidad de cumplimiento de objetivos de corto, mediano y largo plazo.

Permite disponer de una herramienta de informacin sobre la gestin del negocio, para determinar qu tan bien se estn logrando los objetivos y metas propuestas, as poder compartir esta informacin con todos los departamentos.

Proporciona una nica versin de la realidad del negocio. Reduce la incertidumbre y la subjetividad en el proceso de toma de decisiones. Permite crear escenarios con respecto a una decisin y hacer pronsticos de ventas y devoluciones.

Disminuye el tiempo de recoleccin de la informacin por lo que aumenta el tiempo disponible para el anlisis.

Requiere poca capacitacin para utilizar todas las bondades de la herramienta.

Soluciones de Business Intelligence ms Reconocidas Actualmente en el Mercado.

SAGENT SOLUTION PLATTFORM:

Este sistema integrado extrae, transforma, mueve, distribuye y presenta la informacin clave para la toma de decisiones en la empresa en un entorno homogneo. MICROSTRATEGY:

Provee soluciones a clientes de cualquier industria y/o rea funcional con el fin de ayudarlos en la obtencin de un mayor conocimiento sobre la informacin manejada en su empresa. BUSINESS OBJECTS:

Suministra a los usuarios el poder acceder de forma sencilla a los datos, analizar la informacin almacenada y creacin de informes. COGNOS:

Es un software que ofrece la funcionalidad de anlisis y toma de decisiones. Cuenta con una herramienta especial para modelacin, pronstico forecasting -, y simulacin - what-if - del negocio. BITAM/ARTUS BUSINESS INTELLIGENCE SUITE:

Herramienta capaz de agrupar la informacin y utilizarla como un activo que ayudar a la empresa a identificar las oportunidades de negocio, optimizar las reas de finanzas, clientes, procesos internos, aprendizaje e innovacin. ORACLE APPLICATION SERVER:

Permite acceder, analizar y compartir la informacin y tomar decisiones precisas, basadas en datos en forma rpida.