Qu es Inteligencia de Negocios (Business Intelligence)

Es una estrategia empresarial que persigue incrementar el rendimiento de la empresa o la competitividad del negocio, a travs de la organizacin inteligente de sus datos histricos (transacciones u operaciones diarias), usualmente residiendo en Data Warehouse corporativos o Data Marts departamentales. El concepto de BI no es nuevo, desde que la idea fue introducida a mediados de los aos 60, no ha dejado de evolucionar a soluciones ms efectivas y adaptadas al nuevo entorno tecnolgico imperante. Con el precio del hardware en franco descenso, procesadores mas potentes, la hegemona de Internet-Web y software de gestin ms eficientes, el concepto de inteligencia de negocio (BI) se coloca al alcance de muchas organizaciones modernas quienes estn interesadas en maximizar sus inversiones en el rea informtica. El DSS (Decision Support Systems) fue el origen de todo, luego aparecieron conceptos similares tales como los EIS (Executive Information Suystems), hasta llegar al estado del arte actual, los BIs y BI-Web. Los pioneros del campo fueron el Dr. Ralph Timbal, considerado el Dr. del DSS, y Bill Inmon, considerado el padre del Data Warehouse.

BI es una necesidad del negocio. Entre las principales razones que justifican una inversin en BI se pueden sealar: 1. Visibilidad de lo que est pasando en el negocio. 2. Informes / reportes centralizados. 3. Anlisis de tendencias y prediccin del futuro. 4. Toma de decisiones efectivas sobre productos que funcionan y lo que no funcionan. 5. Centraliza datos dispersos. 6. Valida sistemas transaccionales.

Arquitectura y Diseo para un Data Warehouse.

Una solucin de Business Intelligence parte de los sistemas de origen de una organizacin (bases de datos, ERPs, ficheros de texto...), sobre los que suele ser necesario aplicar una transformacin estructural para optimizar su proceso analtico. Para ello se realiza una fase de extraccin, transformacin y carga (ETL) de datos. Esta etapa suele apoyarse en un almacn intermedio, llamado ODS, que acta como pasarela entre los sistemas fuente y los sistemas destino (generalmente un datawarehouse), y cuyo principal objetivo consiste en evitar la saturacin de los servidores funcionales de la organizacin. La informacin resultante, ya unificada, depurada y consolidada, se almacena en un datawarehouse corporativo, que puede servir como base para la construccin de distintos datamarts departamentales. Estos datamarts se caracterizan por poseer la estructura ptima para el anlisis de los datos de esa rea de la empresa, ya sea mediante bases de datos transaccionales (OLTP) o mediante bases de datos analticas (OLAP).

Data Warehouse
Un Data Warehouse (DW) es una base de datos que almacena informacin para la toma de decisiones. Dicha informacin es construida a partir de bases de datos que registran las transacciones de los negocios de la organizacin (bases operacionales1). El objetivo de los DWs es consolidar informacin proveniente de diferentes bases de datos operacionales y hacerla disponible para la realizacin de anlisis de datos de tipo gerencial. Los datos del DW son el resultado de transformaciones, chequeos de control de calidad e integracin de los datos operacionales.

Data marts Los Data marts se disean con estructura multidimensional, cada objeto de anlisis es una tabla de hechos enlazada con diversas tablas de dimensiones. Si se disean siguiendo el Modelo en Estrella habr prcticamente una tabla para cada dimensin, es la versin ms desnormalizada. Si se sigue un modelo de Copo de Nieve las tablas de dimensiones estarn menos desnormalizadas y para cada dimensin se podrn utilizar varias tablas enlazadas jerrquicamente. Este rea puede residir en la misma base de datos que las dems si la herramienta de explotacin es de tipo ROLAP, o tambin puede crearse ya fuera de la BD, en la estructura de datos propia que generan las aplicaciones de tipo MOLAP, ms conocida como los cubos multidimensionales. El paso del anterior rea de datos a esta ha de ser bastante simple, cosa que adems proporciona una cierta independencia sobre el software que se utiliza para el reporting analtico. Si por cualquier razn es necesario cambiar la herramienta de OLAP habra que hacer poco ms que redefinir los metadatos y regenerar los cubos, y si el cambio es entre dos de tipo ROLAP ni siquiera esto ltimo sera necesario. En cualquier caso, las reas anteriores no tienen porqu modificarse. OLAP Un sistema OLAP se puede entender como la generalizacin de un generador de informes. Las aplicaciones informticas clsicas de consulta, orientadas a la toma de decisiones, deben ser programadas. Atendiendo a las necesidades del usuario, se crea una u otra interfaz. Sin embargo, muchos desarrolladores se dieron cuenta de que estas aplicaciones eran susceptibles de ser generalizadas y servir para casi cualquier necesidad, esto es, para casi cualquier base de datos. Los sistemas OLAP evitan la necesidad de desarrollar interfaces de consulta, y ofrecen un entorno nico valido para el anlisis de cualquier informacin histrica, orientado a

la toma de decisiones. A cambio, es necesario definir dimensiones, jerarquas y variables, organizando de esta forma los datos. OLAP describe una clase de servidores de bases de datos que estn diseados para permitir acceso y anlisis ad-hoc de los datos. Mientras que las transacciones residen en Bases de Datos Relacionales (BDR) o en otro tipo de archivos, OLAP logra su mxima flexibilidad y poder utilizando la tecnologa de Bases de Datos Multidimensionales (BDM). Es por esto que ltimamente BDM y OLAP se les utiliza como sinnimos. Esta nueva y sofisticada tecnologa provee a los usuarios con poderosas funciones para el anlisis, sntesis y consolidacin de datos (anlisis de datos multidimensional) con un mnimo conocimiento de la estructura de los mismos.

Datamining El datamining (minera de datos), es el conjunto de tcnicas y tecnologas que permiten explorar grandes bases de datos, de manera automtica o 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. Determinacin de los objetivos. Trata de la delimitacin de los objetivos que el cliente desea bajo la orientacin del especialista en data mining. Pre procesamiento 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. KPI s KPIs no son un trmino tecnolgico, generado por el Business Intelligence, si no que se trata de un concepto ligado a la Gestin Empresarial. No obstante, el desarrollo de la tecnologa y de especialidades como el Business Intelligence, han permitido que su medicin, control y representacin visual se haga de un modo mucho ms eficiente y rpido. Si pretendemos llevar una gestin eficiente de nuestro negocio, apoyndonos en el uso de herramientas de Inteligencia de Negocio, y no usamos los KPIs, es como si estuviramos conduciendo por una carretera de montaa de noche sin luces.