5.3.- APLICACIONES

5.3.- APLICACIONES

las aplicaciones de Inteligencia de Negocios ampliamente disponibles a nivel de empleados, consultores, clientes, proveedores y el público en general. La clave para surgir en un mercado competitivo es mantenerse delante de sus competidores. Se requiere mas que intuición para tomar decisiones correctas basadas en información exacta y actualizada. Las herramientas de reporte, consulta y análisis de datos pueden ayudar a los usuarios de negocios a navegar a través de un mar de información para sintetizar la información valiosa que en él se encuentra - hoy en día esta categoría de herramientas se les llama "Inteligencia de Negocios".

http://www.idensa.com/

Beneficios de la aplicación de inteligencia de negocios:

disponibilidad de la información  en forma rápida  y global, detección de fallas en los procesos, descubrimiento de oportunidades de negocio, cuantificacion de relaciones con proveedores y clientes, otros.

EJEMPLOS: 

Software de aplicación de inteligencia de negocios:

Oracle

Beacon software

Jaspersoft en colaboracion con VMware

EJEMPLO: de aplicacion de inteligencia de negocios con ayuda de oracle y  dharma ingenieria

http://www.jaspersoft.com

5.2.3 CONSULTAS Y REPORTES PERSONALIZADOS

Las compañías de la actualidad son juzgadas no únicamente por la calidad de sus productos o servicios, sino también por el grado en el que comparten información con sus clientes, empleados y socios. Sin embargo, la gran mayoría de las organizaciones tienen una abundancia de datos, pero una penuria de conocimiento.

Consulta: Aunque las herramientas de inteligencia del negocio, los reportes estándar, las planillas de cálculo y las herramientas de consulta de SQL todos tienen su lugar importante dentro de una organización, muchos usuarios aún enfrentan brechas de funcionalidad con estas herramientas en tres áreas claves:

v  Las necesidades de reporte y análisis involucran sistemas heredados y otros datos que no están en warehouses

v  La aplicación no soporta los análisis deseados y volúmenes de datos

v  Se requieren significativos recursos de TI y preparación para soportar nuevas consultas a los datos

EJEMPLO:    Bizagi

Active Directory :

http://wiki.bizagi.com

5.2.2.- TABLEROS DE CONTROL

5.2.2.- TABLEROS DE CONTROL

El tablero de Control o “Dashboard” nace con la finalidad de facilitar  el y visualización de la información. En el tablero de control se presentan de manera ordenada y con frecuencia establecida el conjunto de indicadores que permita generar el conocimiento de  la situación de la empresa, en este tablero se tienen establecidos las metas u objetivos por indicador. 

Existen diferentes tipos de tableros dependiendo de la información presentada y de  quién los analizará: 

• Tablero de Control Operativo.- Permite el seguimiento diario 

• Tablero de Control Directivo.- para seguimiento de resultados 

internos por proceso y de forma periódica 

• Tablero de Control Estratégico.- Permite el seguimiento de la 

información interna de la empresa, así como alguna información 

externa sobre posición y competencia 

• Tablero de Control Integral.- Presenta la información más relevante 

de los tres anteriores para conocer la situación Integral de la 

empresa. 

Los tableros de control deben facilitar la visualización del estado actual de la empresa por lo que generalmente se utilizan, colores tipo semáforo o medidores, termómetros, gráficas de tendencias, graficas comparativas , etc. 

El propósito del tablero debe ser presentar información valiosa que nos 

permita generar decisiones para mejorar el proceso  y desempeño de las 

operaciones de la empresa. 

Las soluciones de Tableros de Control están basadas en el concepto de Inteligencia de Negocios (BI - Business Intelligence) y representan una inversión clave para que, con un conocimiento más exacto del estado del negocio, los gestores puedan prever ciertas situaciones o reaccionar rápida y eficientemente. 


El término de Toma de Decisiones comprende el acceso oportuno de fuentes de datos que son relevantes para la empresa; involucra a aquellos sistemas que ayudan a las empresas a entender los elementos principales que hacen funcionar el mecanismo de la compañía y ayudan a predecir el impacto futuro de decisiones actuales a través de mecanismos como análisis estadísticos, proyecciones, soporte a decisiones, reportes, análisis multidimensional,  y minería de datos. 

Estratégicos: 

•  Mejora continua en las capacidades de toma de 
decisiones empleadas para aumentar los beneficios 
y reducir los costos. 
•  Accede, evalúa y optimiza las operaciones e interrelaciones de negocio. 
•  Mejores herramientas para trabajadores del área 
cognoscitiva. 
•  Eleva la cantidad de datos transaccionales y operativos capturados. 

Tácticos: 
•  Análisis multidimensional. 
•  Escenarios personalizados, de emisión de informes 
de estado y de simulación. 
•  Capacidades analíticas de “drill-down”. 
•  Interfaces de usuario intuitivas. 

Funcionales: 
Comerciales
•  Comportamiento de clientes. 
•  Análisis de la fuerza de venta. 
•  Análisis de ventas cruzadas. 

Marketing
•  Penetración en el mercado de consumo y en clientes. 
•  Efectividad de campañas de Marketing. 
•  Análisis de ciclo de vida de productos 

creacion de tablero de control integral de la empresa

http://www.mantenimientomundial.com/sites/mm/notas/Inteligencia-Negocio.pdf
http://www.scanda.com.mx/scanda/pdf/serv/QATablerodecontrolv3.pdf

5.2 Sistemas de Soporte a la Decisión (DSS)

Un Sistema de Soporte a la Decisión (DSS) es una herramienta de Business Intelligence enfocada al análisis de los datos de una organización.

En principio, puede parecer que el análisis de datos es un proceso sencillo, y fácil de conseguir mediante una aplicación hecha a medida o un ERP sofisticado. Sin embargo, no es así: estas aplicaciones suelen disponer de una serie de informes predefinidos en los que presentan la información de manera estática, pero no permiten profundizar en los datos, navegar entre ellos, manejarlos desde distintas perspectivas... etc.

El DSS es una de las herramientas más emblemáticas del Business Intelligence ya que, entre otras propiedades, permiten resolver gran parte de las limitaciones de los programas de gestión. Estas son algunas de sus características principales:

Informes dinámicos, flexibles e interactivos, de manera que el usuario no tenga que ceñirse a los listados predefinidos que se configuraron en el momento de la implantación, y que no siempre responden a sus dudas reales.

No requiere conocimientos técnicos. Un usuario no técnico puede crear nuevos gráficos e informes y navegar entre ellos, haciendo drag&drop o drill through. Por tanto, para examinar la información disponible o crear nuevas métricas no es imprescindible buscar auxilio en el departamento de informática.

Rapidez en el tiempo de respuesta, ya que la base de datos subyacente suele ser un datawarehouse corporativo o un datamart, con modelos de datos en estrella o copo de nieve. Este tipo de bases de datos están optimizadas para el análisis de grandes volúmenes de información (vease ánalisis OLTP-OLAP).

Integración entre todos los sistemas/departamentos de la compañía. El proceso de ETL previo a la implantación de un Sistema de Soporte a la Decisión garantiza la calidad y la integración de los datos entre las diferentes unidades de la empresa. Existe lo que se llama: integridad referencial absoluta.

Cada usuario dispone de información adecuada a su perfil. No se trata de que todo el mundo tenga acceso a toda la información, sino de que tenga acceso a la información que necesita para que su trabajo sea lo más eficiente posible.

Disponibilidad de información histórica. En estos sistemas está a la orden del día comparar los datos actuales con información de otros períodos históricos de la compañía, con el fin de analizar tendencias, fijar la evolución de parámetros de negocio... etc.

http://www.sinnexus.com



EJEMPLO:

CASO DE EXITO ORGANIZACIÓN PAPELERA TAURO

Source: Intelisis

Document Type: Case Study

Description:

Organización Papelera Tauro (OPT) es una organización cuyoprincipal enfoque está basado en cinco líneas de negocio:papelería, consumibles de cómputo, equipo de cómputo, cafetería y limpieza.Sus líneas de negocio han ido creciendo en paralelo al crecimiento de la organización,pero todo esto no hubiera sido posible sin el apoyo tecnológico de Intelisis. A raíz de la implantación de Intelisis ERP, OPT ha visto beneficios tangibles, tanto en su operación como en el mantenimiento de la solución.

http://www.technologyevaluation.com

5.2.1.- ALMACENES DE DATOS (DATA WEREHOUSE)

5.2.1.- ALMACENES DE DATOS (DATA WEREHOUSE)

Se llama data warehouse al almacén de datos que reúne la información histórica generada por todos los distintos departamentos de una organización, orientada a consultas complejas y de alto rendimiento. Un data warehouse tiene una orientación corporativa que pretende conseguir que cualquier departamento pueda acceder a la información de cualquiera de los otros mediante un único medio, así como obligar a que los mismos términos tengan el mismo significado para todos. Un data mart es un almacén de datos históricos relativos a un departamento de una organización, así que puede ser simplemente una copia de parte de un data warehouse para uso departamental. 

Tanto el data warehouse como el data mart son sistemas orientados a la consulta, en los que se producen procesos en lote (batch) de carga de datos (altas) con una frecuencia baja y conocida.” Muchos almacenes de datos comienzan siendo data marts (para minimizar riesgos) y se va ampliando su ámbito ya que estos están centrados en un tema concreto y están diseñados para una unidad de negocio específica. La implementación incremental reduce riesgos y asegura que el tamaño del proyecto permanezca manejable en cada fase. Otro paso necesario es crear los meta datos (es decir, datos acerca de datos que describen los contenidos del almacén de datos).  Los meta datos consisten en definiciones de los elementos de datos en el depósito, sistema(s) del (os) elemento(s) fuente.  Cómo los datos se integran y transforman antes de ser almacenados en información similar, es necesario contar con un diccionario donde se explique el contexto y su procedencia. 

Preparación de los datos 

La  staging área o preparación de los datos, es una colección de procesos que limpian, transforman, combinan, y preparan los datos originales para su utilización en el data warehouse. En la staging área  los datos originales son transformados a formatos comunes, comprobada su consistencia y su integridad referencial, y preparados para cargar en la base de datos del data warehouse. Una vez localizadas las fuentes de datos, estos se han de preparar para que se les puedan aplicar los métodos o herramientas que construirán el modelo deseado. Esta fase aunque parezca sencilla conlleva aproximadamente el 70% del esfuerzo en los proyectos de data mining de nueva implantación. 

CARACTERÍSTICAS:

• Que los datos tengan la calidad suficiente: es decir, que no contengan errores, redundancias o que presenten otro tipo de problemas. 

• Que los datos sean los necesarios, quizás haya que no nos harán falta y quizás tendremos que añadir. 

• Que están en la forma adecuada: muchos métodos de construcción de modelos requieren que los datos estén en un formato determinado que no ha de coincidir necesariamente con el que están almacenados. 

Las técnicas utilizadas para asegurar los tres aspectos comentados son la limpieza de datos, la transformación de los datos y la reducción de la dimensionalidad:

• La limpieza de datos, consiste en procesar los datos eliminando los atributos que sean erróneos o redundantes, siendo los factores de distorsión más importantes: 

1. Datos incompletos, puede pasar especialmente en aquellos atributos en que cuando se diseñó el proceso correspondiente a la entrada de datos se decidió que no eran obligatorios o que tenían formato libre. 

2. Datos redundantes, repetición de tuplas. 

3. Datos incorrectos o inconsistentes, muy común cuando el tipo de valores que puede recibir un atributo no está controlado porque está declarado como "texto libre". 

• Transformación de datos, no siempre los datos están en la forma más adecuada para poder aplicar los métodos que hacen falta para la tarea que se ha de llevar a cabo y el modelo que se quiere obtener. 

• Reducción de la dimensionalidad, una de las justificaciones más frecuentes para la utilización de técnicas de data mining es su capacidad para trabajar con grandes conjuntos de datos. Ahora bien el tamaño de un conjunto de datos, o de un problema de data mining, la da tanto la cantidad de registros que tiene como el número de atributos que se manejan.

Modelado del almacén 
En esta fase, varias técnicas de modelado son seleccionadas y aplicadas y sus parámetros son calibrados a valores óptimos. Existen varias técnicas para los mismos problemas, algunas de estas técnicas tienen requerimientos específicos en el formato de los datos, por lo que puede ser necesario el paso atrás a la fase de preparación de los datos. 

Como primer paso se selecciona en función del problema la técnica a utilizar, en el caso que nos ocupa sobre el almacén construido se aplicarán técnicas de análisis en línea de la información u OLAP. Antes de construir el modelo, necesitamos generar un procedimiento o mecanismo para probar la calidad y validez del modelo.  

Una vez construido el modelo el diseñador interpreta el modelo de acuerdo a sus conocimientos del dominio y al criterio de éxito del proyecto. Esta tarea interfiere con la fase de evaluación siguiente, el diseñador contacto con los analistas del negocio y expertos del dominio para discutir los resultados en el contexto del negocio. 

Empresas que usan DATA WAREHOUSE 
Royal bank of canada Paypal 3M Coca-Cola Company Verizon Ford Motor Company Herramientas de nivel usuario para acceder a los activos de datos. La arquitectura y complejidad en general del entorno.

creacion de data werehouse

http://www.eldiarioexterior.com/anterior/conocimiento/docs/BI_Inteligencia_aplicada_al_negocio.pdf

5.1 Introducción a la Inteligencia de Negocios

La inteligencia de negocios o Business Intelligence no es otra cosa que la solución al problema de tener mucha información y no saber que hacer con ella. Por medio de dicha información se pueden generar escenarios, pronósticos y reportes que apoyen a la toma de decisiones, lo que se traduce en una ventaja competitiva. La clave para la inteligencia de negocios es la información y uno de sus mayores beneficios es la posibilidad de utilizarla en la toma de decisiones. En la actualidad hay una gran variedad de software de Inteligencia de negocios con aplicaciones similares que pueden ser utilizados en las diferentes áreas de la empresa, tales como, ventas, marketing o finanzas. Son muchas las empresas que se han beneficiado por la implementación de una sistema de BI, además se pronostica que con el tiempo se convertirá en una necesidad de toda empresa.

CARACTERÍSTICAS:

Con este software puedes generar reportes globales o por secciones, crear una base de datos de clientes, crear escenarios con respecto a una decisión, hacer pronósticos de ventas y devoluciones, compartir información entre departamentos, análisis multidimensionales, generar y procesar datos, cambiar la estructura de toma de decisiones y mejorar el servicio al cliente. 

La inteligencia de negocios 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. Dentro de la categoría de bienes se incluyen las bases de datos de clientes, información de la cadena de suministro, ventas personales y cualquier actividad de marketing o fuente de información relevante para la empresa, apoya a los tomadores de decisiones con la información correcta, en el momento y lugar correcto, lo que les permite tomar mejores decisiones de negocios.
La información adecuada en el lugar y momento adecuado incrementa efectividad de cualquier empresa.

EJEMPLO:

Cooperativa lechera

En una cooperativa láctea de origen gallego, cuyos productos se publicitan en TV a nivel nacional, se habían desatado las alarmas debido a las grandes desviaciones económicas existentes, cada año, entre los parámetros estimados en enero y los resultados analizados doce meses más tarde.

Finalmente, para resolver el problema y potenciar al máximo sus sistemas informáticos tradicionales, la cooperativa decidió implantar un cuadro de mando integral (Balanced Scorecard) y realizar un seguimiento minucioso de sus objetivos estratégicos. Tras ocho meses desde la puesta en producción del sistema, consiguieron encontrar el origen de las desviaciones y tomar las acciones oportunas para enderezar la trayectoria operativa de la empresa.

Por otro lado, y como efecto colateral estrechamente relacionado, el sistema ha permitido analizar el impacto en las ventas de cada una de sus campañas publicitarias. Basándose la información contenida en sus propias bases de datos, la cooperativa ha conseguido desde entonces adaptar su publicidad para incrementar en un 8% su cuota de mercado.

• Turban & Aronson. Decision Support Systems and Intelligent Systems (2001). Upper Saddle River, NJ: Prentice.

bloggerclaupatt¡