BUSINESS INTELLIGENCE

PROLOGO: En el prlogo se narra una corta historia de una joven llamada Lisa quien se encontr a
si misma en un aprieto. Ella quiere crear una marca de producto para Fabrikam, la compaa para
quien trabaja pero el camino al xito lo tiene realmente lleno de dificultades, hasta el momento en
que comienza a utilizar Business Intelligence, ayudando a la organizacin a tomar rpidamente
mejores decisiones.
1. QUE ES BUSINESS INTELLIGENCE?
Tambin conocido como BI. El trmino es usado por diferentes expertos y fabricantes de software
para distinguir un amplio rango de tecnologas, plataformas de software, aplicaciones especficas y
procesos.
Tomar mejores decisiones rpidamente
El principal objetivo de BI es ayudar a la gente a tomar decisiones que mejoren el rendimiento de
la compaa e impulsen su ventaja competitiva en el mercado.
BI ayuda a tomar decisiones analizando si las decisiones tomadas estn de hecho dando resultados
hacia los objetivos de la compaa. BI tiene el papel ms importante en la creacin de las
estrategias y planes; de tomar las mejores decisiones rpidamente y la mayora de las decisiones
estratgicas son las nicas donde BI es lo mas indispensable.
Convertir los datos en informacin
Directivos y Gerentes necesitan informacin relevante y til al alcance de la mano, pero es comn
una larga brecha entre la informacin que los responsables en la toma de decisiones requieren y
las grandes cantidades de datos que las organizaciones recopilan cada da, esto se llama la Brecha
del Anlisis. Para saltar esta brecha las empresas invierten en desarrollar BI para convertir datos
originales en informacin de utilidad. Personas consideran que la contribucin de la tecnologa
para proporcionar informacin de utilidad es la definicin exacta de BI. Las soluciones BI a nivel
corporativo son las responsables de identificar y cuantificar las mtricas ms importantes de la
empresa, conocidos como Indicadores de Gestin.
Utilizar un mtodo razonable para gestin empresarial
Personas, empresas se interesan en el BI porque creen en el uso de un enfoque racional y basado
en hechos a la hora de tomar decisiones resulta positivo en la medida que sea posible. El inters
por adoptar el BI tiene las siguientes caractersticas:
Buscar hechos (datos) que se puedan medir cuantitativamente.
Usar mtodos organizados y tecnologa para el anlisis de hechos.
Inventar o compartir modelos que expliquen las relaciones de causa y efecto entre las decisiones
operativas y los efectos que estas tienen en alcanzar los objetivos.
Experimentar con mtodos alternos y supervisar con retroalimentacin sobre los resultados.
Comprender que las personas no siempre son seres racionales.

 Gestin de la empresa basada en todas esas caractersticas.

EL CICLO DE BI
[pic]
Anlisis: Esta basado en la compresin bsica por las suposiciones de cmo nuestro negocio opera
incluyendo por ejemplo lo importante para el cliente, proveedores y empleados (modelo mental)Ideas: La idea es el producto del anlisis amplio.
Accin: La accin es lo que sigue a una mejor y ms rpida toma de decisiones proporcionada por
el BI. Las decisiones bien fundamentadas proporcionan una motivacin extra al que emprende la
accin.
Medicin: A travs de una mejor recopilacin de informacin y una mayor frecuencia en la
generacin de informes BI resulta posible medir los resultados de la compaa en comparacin con
los estndares cuantitativos, con el fin de desembocar en un nuevo ciclo de anlisis, ideas y
acciones correctivas. Medimos lo que creemos importante.
COMO HACER POSIBLE EL BI
Tecnologa: Hoy da muchas empresas tienen aplicaciones BI, crean amplios sistemas corporativos,
la respuesta es la tecnologa que es el factor clave que ms contribuye a que las aplicaciones BI se
hagan realidad. Tendencias de la tecnologa que posibilitan el desarrollo del BI: Potencia de
Procesamiento, almacenamiento, tecnologa de redes, estndares, software BI.
Gente: La gente en el ciclo BI permite a las organizaciones sistemticamente crear ideas y
convertir esas ideas en decisiones. Para mejorar las decisiones en una empresa se debe tener la
gente correcta tomando las decisiones. La gente es esencial en el BI, pero a su vez pueden ser una
traba para los beneficios de la inteligencia porque se resiste a cambios en la forma de pensar, esto
est unido a las emociones.
Cultura: Una responsabilidad clara de los Ejecutivos es administrar y configurar una cultura
corporativa. Las culturas que son mas exitosas en posibilitar el BI son aquellas que tienen xito en
los siguiente: Proporcionar amplio y fcil acceso a la informacin, Motivar anlisis a amplia escala
y tomar decisiones, Motivar el compartir resultados en amplias audiencias y Alentar la
experimentacin y tolerar fallos.
2. CMO HACER EL MEJOR ANLISIS EN BI?
ANLISIS MULTIDIMENSIONAL: Mtodo til para visualizar informacin que permite desarrollar
flexibles y potentes anlisis. El proceso de interactuar con datos en vistas multidimensionales, es
lo que se conoce como rebanar y dividir (Slicing & Dicing) casi siempre esta tcnica revela nuevas e

interesantes en comparacin con los datos aislados de las dimensiones sencillas. El anlisis
Multidimensional, supone la visualizacin de los datos simultneamente en categoras a lo largo
de muchas dimensiones.
SISTEMAS OPERACIONALES: Debemos considerar donde se originan los datos de una
organizacin. Estos datos son almacenados en una base de datos para hacer el seguimiento
durante el ciclo de vida de la operacin. Es decir, esto se llama Base de Datos Operacional, porque
su trabajo es registrar todas las operaciones de la compaa. Aunque estos datos son capturados y
almacenados, la informacin no siempre est disponible para los analistas del negocio.
SISTEMAS OLTP: Un gran almacn corporativo con billones de registros, con terabytes de
almacenamiento de una base de datos se conoce con el nombre de RDBMS (Sistemas de
Administracin de Datos Racionales). Conjuntamente los sistemas operacionales son
frecuentemente llamados Sistemas OLTP (Online Transaction Processing). Por ejemplo, cuando
interactuamos con un cajero y todos los movimientos que en el desarrollamos estamos
interactuando en un sistema OLTP. Sus caractersticas son: Se procesa una transaccin, se ejecutan
los elementos de la transaccin en tiempo real y se procesan muchas transacciones sobre una
base interrumpida. Los sistemas OLTP son psimos para el anlisis pero recogen los datos
originales y crudos para la base del anlisis.
INFORMES OPERACIONALES: Todas estas aplicaciones tienen capacidad para elaborar informe los
cuales tienen valor para el anlisis del negocio y son un componente importante en la estrategia
de BI pero todos virtualmente tienen dos limitaciones: 1). Los informes indican solo informacin
sin posibilidad de combinar datos. 2). No dan apoyo efectivo al anlisis multidimensional al anlisis
del pensamiento. Son muy lentos.
QU ES EL PROCESAMIENTO ANALITICO EN LNEA?: OLAP proporciona un modelo de datos
intuitivo y conceptual para que los usuarios que no tengan experiencia como analistas puedan
comprender y rpidamente relacionar. Es rpido para el usuario, es la respuesta para conseguir la
experiencia de informacin a la velocidad del pensamiento.
Estructura de los Sistemas OLAP:
Dimensiones: Es una vista de datos categricamente conscientes. Todos los miembros dentro de
una dimensin pertenecen juntos a un grupo. Hay dos chequeos sencillos para esto: Los datos
acerca de los miembros pueden ser comparados y los datos provenientes de miembros pueden ser
agregados para totalizar miembros. Otra de las dimensiones OLAP es la rotacin y anidamiento de
las dimensiones. En resumen, el sistema OLAP organiza los datos por intersecciones
multidimensionales. Pueden ser visualizados en estructura de cubos con varios minicubos o celdas.
Un cubo OLAP es una estructura n-dimensional que almacena y mantiene valores.
Jerarquas para hacer drill down: Una organizacin jerrquica de cada dimensin permitir ir al

inicio al tope de la jerarqua y luego hacer drill down (es la accin de seleccionar un miembro para
ver el siguiente nivel inferior de detalle de la jerarqua). Los datos multidimensionales organizados
en jerarqua es una forma intuitivamente cmoda para analizar grandes cantidades de datos que
provengan de los sistemas OLTP.
Medidas: Cuatro parmetros para entender y conocer cmo funcionan en OLAP las medidas: 1).
Una medida es siempre una cantidad o una expresin que produce una cantidad. 2). Una medida
puede tomar cualquier formato cuantitativo, Ej: Valor monetario, absoluto, porcentaje, etc. 3).
Una medida puede ser deducida de cualquier fuente de datos original o computo, Ej: Una formula,
un promedio, etc. 4) Se debe tener al menos una medida para hacer cualquier anlisis.
Modos de almacenamiento OLAP: La mayora de los OLAP utilizan uno o ms de los 3 paradigmas
de almacenamiento:
Desktop files: (DOLAP) Es til cuando se deseen aplicar datos de pequea escala donde no exista
la necesidad de que mltiples usuarios tengan que acceder a los datos como si fuera un servidor
central.
Servidores de bases de datos racionales: (ROLAP) Se encuentran implementaciones de varios
tamaos.
Servidores de bases de datos multidimensionales: (MOLAP) Ofrece el mayor rendimiento de
recuperacin de informacin.
CAPTULO 3 Cules son las tecnologas de Business Intelligence?
Este captulo es una gua para comprender las tecnologas que estn involucradas en los sistemas
Business Intelligence.
La visin macro
Una plataforma comn de Business Intelligence que un gran nmero de organizaciones utilizan
para dar soporte a sus iniciativas BI es el sistema de data warehouse. El sistema de data
warehouse contiene algunos componentes que trabajan juntos para suplir de informacin a los
responsables en la toma de decisiones.
Dnde estn los datos almacenados?
Los datos vienen desde el sistema operacional que da soporte a las transacciones del da a da del
negocio. Estos sistemas pueden ser aplicaciones de lneas de negocio tales como el sistema de
recursos humanos, las aplicaciones de planeacin de los recursos empresariales (ERP) o los
sistemas de gestin de relaciones con los clientes (CRM).
Conociendo las limitaciones de los sistemas operacionales, muchas empresas acumulan los datos

desde sus sistemas operacionales y almacenando los mismos en un data warehouse, que tambin
es el lugar donde los datos son almacenados en la plataforma de BI.
El data warehouse es un almacn centralizado que alimenta una serie de almacenes que tienen
una orientacin especfica, llamados data marts. Un data mart es un almacn de datos limitado a
un rea concreta de la organizacin. Por ejemplo, una empresa puede construir un data mart para
dar apoyo a las necesidades del departamento de ventas para analizar el rendimiento de la venta
de producto y los mrgenes de beneficio.
Cmo se obtienen los datos para los usuarios de negocio?
El software llamado herramientas de usuario final (front-end tools), recoge la informacin de los
data warehouse y presenta la informacin a los usuarios en forma de informes. Los datos tambin
pueden ser extrados utilizando avanzadas tecnologas de anlisis, tales como data Inc., que
permite encontrar patrones que expliquen comportamientos ocultos que son difciles de ver a
simple vista.
Construir datos fciles de analizar
La estrategia para el anlisis y generacin de informes debe considerar el mejor mtodo para
presentar la informacin a los usuarios de negocios, tanto si son tablas, cuadros o grficos.
Data mining
El data mining es el mtodo bottom-up ms popular utilizado como mecanismo de anlisis de
datos para tomar las mejores decisiones. Data mining puede ser utilizado para analizar las
relaciones detalladas en los datos, por ejemplo puede responder preguntas relacionadas sobre
qu clientes deben atacarse para un nuevo producto.
Las tareas de data mining pueden ser clasificadas en descriptivas o de prediccin, dependiendo del
tipo de problema de negocios que se quiera resolver. La tcnica descriptiva busca describir nuevos
patrones en los datos y requiere interaccin humana para determinar el significado y la
trascendencia de estos patrones. Ejemplos de tareas descriptivas: la agrupacin por afinidad,
clustering y la visualizacin. La agrupacin por afinidad describe qu tems van juntos para
identificar oportunidades de ventas cruzadas. Clustering divide los datos en pequeos grupos
basados en su similitud sin predefinicin de los grupos y es utilizado con el fin de encontrar
clientes que tengan hbitos de compra similares. Visualizacin proporciona una representacin
grfica de los datos que algunas veces revelan patrones que son ms aparentes para el ojo
humano que por otros mtodos de data mining.
El data mining de prediccin, el cual es empleado cuando los datos son utilizados para obtener
informacin que automticamente ser aplicada los nuevos datos, apunta a la probabilidad de un
resultado. En las tareas de prediccin que incluyen clasificacin y estimacin, se utilizan algoritmos
matemticos para crear modelos que describen los datos de una mejor manera. En la tarea de
clasificacin, un nuevo registro es asignado a una categora especfica, por ejemplo un cliente
nuevo de tarjeta de crdito se clasifica como riesgo bajo, medio o alto. Una tarea de estimacin es

usada para asignar un nuevo registro con un valor de prediccin, como por ejemplo el tiempo que
un cliente permanecer activo.
Data warehouse
El data warehouse organiza los datos en grupos que estn orientados temticamente para
dominios especficos llamados data marts. Los data marts tienen la habilidad de recopilar
informacin desde muchos sistemas operacionales para ejecutar una lnea especfica de anlisis,
por ejemplo, un data mart financiero que apoye la rentabilidad de una lnea de productos.
Datos consistentes
Almacenar datos consistentes tambin requiere tomar algunas decisiones corporativas de la
manera que usted asigna significados estndares a las medidas y dimensiones dentro y entre los
departamentos.
Datos depurados
Los datos depurados almacenados es una de las prioridades y beneficios ms importante del data
warehouse. Sin embargo, los datos en los sistemas operacionales no se encuentran en estado
depurado, y estos datos son conocidos como dirty data, los cuales pueden ser por ejemplo datos
ausentes, es decir, una persona introduce una orden de cancelacin en un sistema de entrada de
orden y no introduce la razn por la cual el cliente hizo la cancelacin. Tambin son los datos
introducidos rpidamente con errores de ortografa.
Para limpiar o depurar dirty data de los sistemas operacionales para almacenarse en un data
warehouse, los procesos ETL (extraer, transformar y cargar los datos), son usados para cargar y
validar los datos y rechazar datos invlidos basados en la regla de negocio.
Datos histricos
Un data warehouse se enfoca en proporcionar a los usuarios una foto de los datos que se
encuentran en los sistemas operacionales. Estas fotos no cambian, ms bien, el data warehouse es
actualizado con nuevas fotos de imgenes en intervalos peridicos como horas, das, semanas o
meses. Por este motivo no son considerados voltiles o cambiantes.
Rpida entrega de los datos
Las tecnologas de bases de datos y las estructuras de datos que estn detrs, necesitan dar
soporte rpido y eficiente a la entrega de la informacin. Dentro de la arquitectura del data
warehouse existen dos bases de datos que son usadas para hospedar a los data marts: las bases
de datos OLAP y las bases de datos relacionales.
Las bases de datos OLAP pueden ser construidas fcilmente, manejan combinaciones de datos y
guardan valores agregados en estructuras que son optimizadas para una rpida recuperacin. Las
bases de datos relacionales pueden hospedar data marts en un rol independiente sin bases de
datos OLAP, teniendo sus propios conjuntos de dimensiones y medidas para dar soporte a
reporting y anlisis del negocio.