Inteligencia de negocios

INTELIGENCIA DE NEGOCIOS Ing. Jocelyne Prieto Montiel FUNDAMENTOS DE INGENIERIA ADMINISTRATIVA DR. FERNANDO AGUIRRE Y HERNANDEZ Lunes y miércoles 7:00am – 9:00m Índice Inteligencia de negocios ...................................................................................................................... 1 Conceptos de inteligencia de negocios ........................................................................................... 2 Breve historia de la inteligencia de negocios .................................................................................. 3 Definición de la inteligencia de negocios ....................................................................................... 4 En comparación con la inteligencia competitiva......................................................................... 5 En comparación con la analítica empresarial .............................................................................. 5 Manejo de datos en la inteligencia de negocios .............................................................................. 5 Datos no estructurados versus datos semiestructurados .............................................................. 6 Limitaciones de datos semiestructurados y no estructurados...................................................... 7 Aplicaciones de la inteligencia de negocios.................................................................................... 7 Predicciones históricas .................................................................................................................... 7 Tipos de herramientas de inteligencia empresarial ......................................................................... 9 Inteligencia empresarial para big data........................................................................................... 10 Tendencias de inteligencia empresarial ........................................................................................ 11 Conclusión .................................................................................................................................... 11 Propuesta de investigación ............................................................................................................ 12 Objetivos de investigación ............................................................................................................ 12 Agradecimientos ............................................................................................................................... 12 Referencias ........................................................................................................................................ 13 Inteligencia de negocios El concepto inteligencia empresarial, se refiere a la utilización de datos en una empresa para facilitar la toma de decisiones dentro de la misma. Es un conjunto de estrategias y herramientas enfocadas al análisis de datos de una empresa mediante el análisis de datos existentes. Si partimos de una base objetiva, utilizando datos reales para la toma de decisiones, podemos estar seguros de que nuestros movimientos tendrán unos cimientos mucho más sólidos. Todas las empresas pueden recopilar datos, ya sean datos relativos a ventas, a compras, a inversiones, a tiempos Miles de datos y variables pueden ser estudiados y utilizados para tomar nuevas estrategias, conocer las fortalezas propias, y por supuesto, las debilidades. Todo lo que nos sea de utilidad para conocer nuestra empresa en profundidad y poder seguir mejorando. Este comportamiento de medición constante y análisis de los resultados es clave para alcanzar nuestros objetivos en el tiempo establecido. En términos generales, la inteligencia de negocios trata de extraer los datos de la empresa de distintas fuentes mediante las herramientas o técnicas como extraer, cargar y transformar, o actualmente extraer, transformar y cargar, para luego cargarlos en un almacén de datos. Todo este análisis, debería permitir incrementar el nivel financiero, administrativo, y con las decisiones a mejorar las acciones de la empresa. En cuanto a las herramientas y metodologías de la inteligencia de negocios, tienen algunas características comunes: • Accesibilidad a la información. Sin información, sin datos, no hay nada que estudiar. Estas herramientas y técnicas garantizan el acceso a los datos por parte de los usuarios. • Apoyo en toma de decisiones. Acceso a herramientas de análisis que permitan a los usuarios seleccionar y manipular aquellos datos que les interesen. • Orientación al usuario final. Se busca independencia entre los conocimientos técnicos de los usuarios y su capacidad para utilizar estas herramientas. 1 Conceptos de inteligencia de negocios La inteligencia empresarial comprende las estrategias y tecnologías utilizadas por las empresas para el análisis de datos de información empresarial. Las tecnologías de B.I. (Business Intelligence) proporcionan vistas históricas, actuales y predictivas de las operaciones comerciales. Las funciones comunes de las tecnologías de inteligencia empresarial incluyen informes, procesamiento analítico en línea, análisis, minería de datos, minería de procesos, procesamiento de eventos complejos, gestión del rendimiento empresarial, evaluación comparativa, minería de texto, análisis predictivo y análisis prescriptivo. Las tecnologías de BI pueden manejar grandes cantidades de datos estructurados y, a veces, no estructurados para ayudar a identificar, desarrollar y crear nuevas oportunidades comerciales estratégicas. El objetivo de la inteligencia de negocios es permitir la fácil interpretación de estos grandes datos. Identificar nuevas oportunidades e implementar una estrategia efectiva basada en ideas puede proporcionar a las empresas una ventaja competitiva en el mercado y una estabilidad a largo plazo (Macintyre, 2019) Las empresas pueden utilizar la inteligencia empresarial para respaldar una amplia gama de decisiones empresariales que van desde operativas hasta estratégicas. Las decisiones operativas básicas incluyen posicionamiento del producto o fijación de precios. Las decisiones comerciales estratégicas implican prioridades, objetivos y direcciones al nivel más amplio. En todos los casos, el BI es más efectivo cuando combina datos derivados del mercado en el que opera una empresa con datos de fuentes internas de la empresa, como datos financieros y de operaciones. Cuando se combinan, los datos externos e internos pueden proporcionar una imagen completa que, en efecto, crea una inteligencia que no puede derivarse de ningún conjunto singular de datos. Entre una miríada de usos, las herramientas de inteligencia empresarial permiten a las organizaciones obtener información sobre nuevos mercados, evaluar la demanda y la 2 idoneidad de los productos y servicios para distintos segmentos del mercado y medir el impacto de los esfuerzos de marketing (Macintyre, 2019). A menudo, las aplicaciones de BI utilizan datos recopilados de un almacén de datos denominado como DW o de un mercado de datos, y los conceptos de BI y DW se combinan como BI/DW o como BIDW. Un almacén de datos contiene una copia de datos analíticos que facilitan el soporte de decisiones. Breve historia de la inteligencia de negocios El primer uso conocido del término inteligencia empresarial se encuentra en Cyclopaedia of Commercial and Business Anecdotes de Richard Millar Devens. Devens usó el término para describir cómo el banquero Sir Henry Furnese obtuvo ganancias al recibir y actuar sobre la información sobre su entorno, antes que sus competidores (Ramírez, 2019). En Holanda, Flandes, Francia y Alemania, mantuvo un tren completo y perfecto de inteligencia empresarial. La noticia de las muchas batallas libradas fue recibida primero por él, y la caída de Namur se sumó a sus ganancias, debido a la pronta recepción de la noticia. La capacidad de recopilar y reaccionar en consecuencia en función de la información recuperada, dice Devens, es fundamental para la inteligencia empresarial. Cuando Hans Peter Luhn, investigador de IBM, usó el término inteligencia empresarial en un artículo publicado en 1958, empleó la definición de inteligencia del Diccionario Webster (Ramírez, 2019): "la capacidad de comprender las interrelaciones de los hechos presentados de tal manera que guíe la acción hacia un objetivo deseado ". La inteligencia empresarial tal como se entiende hoy en día se ha desarrollado a partir de los sistemas de soporte de decisiones que comenzaron en la década de 1960 y se desarrollaron a mediados de la década de 1980. DSS se originó en la computadora modelos asistidos creados para ayudar con la toma de decisiones y la planificación (Ramírez, 2019). En 1989, Howard Dresner propuso la inteligencia empresarial como un término general para describir: 3 "conceptos y métodos para mejorar la toma de decisiones comerciales mediante el uso de sistemas de apoyo basados en hechos". Los críticos ven el BI simplemente como una evolución de los informes comerciales junto con el advenimiento de herramientas de análisis de datos cada vez más potentes y fáciles de usar. A este respecto, también ha sido criticado como una palabra de moda de marketing en el contexto del aumento de bug data (Macintyre, 2019). Definición de la inteligencia de negocios Definimos la inteligencia empresarial como sistemas que combinan (Takahashi, 2019): • Recolección de datos • Almacenamiento de datos • Conocimiento administrativo Con análisis para evaluar información corporativa y competitiva compleja para su presentación a los planificadores y tomadores de decisiones, con el objetivo de mejorar la oportunidad y la calidad de los aportes al proceso de decisión. la inteligencia empresarial es un conjunto de metodologías, procesos, arquitecturas y tecnologías que transforman los datos sin procesar en información significativa y útil que se utiliza para permitir una percepción y toma de decisiones estratégicas, tácticas y operativas más efectivas (Jiménez, 2019). Según esta definición, la inteligencia empresarial abarca la gestión de la información. Por lo tanto, Forrester se refiere a la preparación y el uso de datos como dos segmentos separados, pero estrechamente vinculados de la pila arquitectónica de inteligencia empresarial. Algunos elementos de la inteligencia empresarial son: • Agregación y asignación multidimensional • Desnormalización, etiquetado y estandarización • Informes en tiempo real con alerta analítica • Un método para interactuar con fuentes de datos no estructurados • Consolidación grupal, presupuestos y pronósticos continuos • Inferencia estadística y simulación probabilística 4 • Optimización de indicadores clave de rendimiento • Control de versiones y gestión de procesos. • Gestión de artículos abiertos (Macintyre, 2019) distingue esto del mercado de inteligencia empresarial, que es solo las capas superiores de la pila arquitectónica de BI, como informes, análisis y paneles. En comparación con la inteligencia competitiva Aunque el término inteligencia empresarial a veces es sinónimo de inteligencia competitiva, BI utiliza tecnologías, procesos y aplicaciones para analizar principalmente datos internos y estructurados y procesos empresariales, mientras que la inteligencia competitiva recopila, analiza y difunde información con un enfoque temático en los competidores de la compañía. Si se entiende ampliamente, la inteligencia empresarial puede incluir el subconjunto de inteligencia competitiva. En comparación con la analítica empresarial La inteligencia empresarial y el análisis empresarial a veces se usan indistintamente, pero hay definiciones alternativas. La inteligencia empresarial debe dividirse en consultas, informes, procesamiento analítico en línea, una herramienta de alertas y análisis empresarial. En esta definición, el análisis empresarial es el subconjunto de BI que se centra en las estadísticas, la predicción y la optimización, en lugar de la funcionalidad de informes. Manejo de datos en la inteligencia de negocios Las operaciones comerciales pueden generar una gran cantidad de información en forma de correos electrónicos, notas, notas de centros de llamadas, noticias, grupos de usuarios, chats, informes, páginas web, presentaciones, archivos de imagen, archivos de video y material de marketing. Más del 85% de toda la información comercial existe en estos formularios; una empresa solo puede usar dicho documento una sola vez. Debido a la forma en que se produce y almacena, esta información es desestructurada o semiestructurada (García Palacios, 2019). La primera es fácil de buscar y la segunda contiene una gran cantidad de información necesaria para el análisis y la toma de decisiones. Debido a la dificultad de buscar, encontrar y evaluar adecuadamente los datos no estructurados o semiestructurados, las organizaciones pueden no recurrir a estos vastos depósitos de información, lo que podría influir en una 5 decisión, tarea o proyecto en particular. En última instancia, esto puede conducir a una toma de decisiones mal informada. Por lo tanto, cuando se diseña una solución de inteligencia empresarial / DW, los problemas específicos asociados con los datos semiestructurados y no estructurados deben ser atendidos, así como los de los datos estructurados. Datos no estructurados versus datos semiestructurados Los datos no estructurados y semiestructurados tienen diferentes significados según su contexto. En el contexto de los sistemas de bases de datos relacionales, los datos no estructurados no pueden almacenarse en columnas y filas ordenadas de manera predecible. Un tipo de datos no estructurados generalmente se almacena en un objeto grande binario, un tipo de datos general disponible en la mayoría de los sistemas de gestión de bases de datos relacionales. Los datos no estructurados también pueden referirse a patrones de columnas repetidos de forma irregular o aleatoria que varían de fila a fila o archivos de lenguaje natural que no tienen metadatos detallados (Macintyre, 2019). Sin embargo, muchos de estos tipos de datos, como correos electrónicos, archivos de texto de procesamiento de texto, PPT, archivos de imagen y archivos de video, se ajustan a un estándar que ofrece la posibilidad de metadatos. Los metadatos pueden incluir información como el autor y el momento de la creación, y esto puede almacenarse en una base de datos relacional. Por lo tanto, puede ser más preciso hablar de esto como documentos o datos semiestructurados, pero parece que no se ha alcanzado un consenso específico. Los datos no estructurados también pueden ser simplemente el conocimiento que los usuarios comerciales tienen sobre las tendencias comerciales futuras. El pronóstico comercial se alinea naturalmente con el sistema de BI porque los usuarios comerciales piensan en su negocio en términos agregados. Capturar el conocimiento comercial que solo puede existir en la mente de los usuarios comerciales proporciona algunos de los puntos de datos más importantes para una solución de BI completa (Ramírez, 2019). 6 Limitaciones de datos semiestructurados y no estructurados Existen varios desafíos para desarrollar BI con datos semiestructurados, algunos de ellos son (Rouse, 2019): • Acceso físico a datos textuales no estructurados: los datos no estructurados se almacenan en una gran variedad de formatos. • Terminología: entre investigadores y analistas, existe la necesidad de desarrollar una terminología estandarizada. • Volumen de datos: como se indicó anteriormente, hasta el 85% de todos los datos existen como datos semiestructurados. Combine eso con la necesidad de análisis semántico y de palabra a palabra. Para resolver problemas con la capacidad de búsqueda y evaluación de datos, es necesario saber algo sobre el contenido. Esto se puede hacer agregando contexto mediante el uso de metadatos. Muchos sistemas ya capturan algunos metadatos, pero más útiles serían los metadatos sobre el contenido real, por ejemplo, resúmenes, temas, personas o empresas mencionadas. Dos tecnologías diseñadas para generar metadatos sobre el contenido son la categorización automática y la extracción de información (Rouse, 2019). Aplicaciones de la inteligencia de negocios La inteligencia empresarial se puede aplicar a los siguientes fines comerciales: La analítica cuantifica los procesos para que una empresa llegue a decisiones óptimas y realice el descubrimiento del conocimiento empresarial. La analítica puede incluir diversas actividades de minería de datos, minería de procesos, análisis estadístico, análisis predictivo, modelado predictivo, modelado de procesos comerciales, linaje de datos, procesamiento de eventos complejos y análisis prescriptivo. La gestión del conocimiento se refiere a la creación, distribución, uso y gestión de la inteligencia empresarial y del conocimiento empresarial en general. La gestión del conocimiento conduce a la gestión del aprendizaje y al cumplimiento normativo. Predicciones históricas Estos desarrollos en el mercado de inteligencia empresarial (Macintyre, 2019): 7 • Los productos SOA-BI de terceros abordan cada vez más los problemas ETL de volumen y rendimiento. • Las empresas adoptan el procesamiento en memoria, el procesamiento de 64 bits y las aplicaciones analíticas. • Las aplicaciones operativas tienen componentes de BI invocables, con mejoras en el tiempo de respuesta, escala y concurrencia. • El análisis de BI cercano o en tiempo real es una expectativa básica. • El software de BI de código abierto reemplaza las ofertas de los proveedores. Otras líneas de investigación incluyen el estudio combinado de inteligencia empresarial y datos inciertos. En este contexto, no se supone que los datos utilizados sean precisos, exactos y completos. En cambio, los datos se consideran inciertos y, por lo tanto, esta incertidumbre se propaga a los resultados producidos por BI. En general, el papel de la inteligencia empresarial es mejorar todas las partes de una empresa al mejorar el acceso a los datos de la empresa y luego usar esos datos para aumentar la rentabilidad. Las empresas que emplean prácticas de BI pueden traducir sus datos recopilados en información de sus procesos comerciales. Los conocimientos se pueden utilizar para crear decisiones comerciales estratégicas que mejoren la productividad, aumenten los ingresos y aceleren el crecimiento. Otros beneficios potenciales de las herramientas de inteligencia empresarial incluyen: • Acelerar y mejorar la toma de decisiones • Optimización de procesos comerciales internos • Aumento de la eficiencia operativa • Impulsar nuevos ingresos • Ganando ventaja competitiva sobre los rivales comerciales • Asistir a las empresas en la identificación de tendencias del mercado • Detectar problemas comerciales que deben abordarse Los datos de BI pueden incluir información histórica almacenada en un almacén de datos, así como nuevos datos recopilados de los sistemas de origen a medida que se generan, lo que 8 permite que las herramientas de BI admitan procesos de toma de decisiones estratégicos y tácticos (Ramírez, 2019). Inicialmente, las herramientas de BI fueron utilizadas principalmente por analistas de datos y otros profesionales de TI que realizaron análisis y produjeron informes con resultados de consultas para usuarios comerciales. Sin embargo, cada vez más, los ejecutivos y trabajadores de negocios están utilizando plataformas de inteligencia de negocios, gracias en parte al desarrollo de herramientas y paneles de autoservicio de BI y descubrimiento de datos. Tipos de herramientas de inteligencia empresarial Business Intelligence combina un amplio conjunto de aplicaciones de análisis de datos, que incluyen (Jiménez, 2019): • Analítica ad hoc • Procesamiento analítico en línea (OLAP) • BI móvil • BI en tiempo real • BI operacional • Software-as-a-service BI (SaaS BI) • BI de código abierto (OSBI) • BI colaborativo • Inteligencia de localización (LI) Además, la tecnología de BI incluye (Farrukh, 2019): • Software de visualización de datos para diseñar gráficos y otras infografías; • Indicadores clave de rendimiento de una manera fácil de entender; y • Herramientas para crear paneles de BI y cuadros de mando de rendimiento que muestran datos visualizados en métricas empresariales. Las herramientas de visualización de datos se han convertido en el estándar del BI moderno en los últimos años. Un par de proveedores líderes definieron la tecnología desde el principio, pero los proveedores de BI más tradicionales han seguido su camino. Ahora, prácticamente 9 todas las principales herramientas de BI incorporan características de descubrimiento de datos visuales. Los programas de BI generalmente incorporan formas de análisis avanzado, como minería de datos, análisis predictivo, minería de texto, análisis estadístico y análisis de big data. Sin embargo, en muchos casos, los proyectos de análisis avanzados son conducidos y administrados por equipos separados de científicos de datos, estadísticos, modeladores predictivos y otros profesionales analíticos calificados, mientras que los equipos de BI supervisan consultas y análisis más directos de datos comerciales (Pratt, 2019). Los datos de inteligencia empresarial generalmente se resguardan en un almacén de datos o en mercados de datos más pequeños que contienen subconjuntos de información de una empresa. Además, los sistemas Hadoop se usan dentro de las arquitecturas de BI como repositorios o plataformas de aterrizaje para BI y datos analíticos; especialmente para datos no estructurados, archivos de registro, datos de sensores y otros tipos de big data. Antes de que se use en aplicaciones de BI, los datos sin procesar de diferentes sistemas de origen deben integrarse, consolidarse y limpiarse utilizando herramientas de integración y calidad de datos para garantizar que los usuarios analicen información precisa y consistente. Inteligencia empresarial para big data Las plataformas de BI se utilizan cada vez más como interfaces para sistemas de big data. El software de BI moderno generalmente flexibles, lo que les permite conectarse a una variedad de fuentes de datos. Esto, junto con las interfaces de usuario simples, hace que las herramientas se adapten bien a las arquitecturas de big data. Los usuarios pueden conectarse a una variedad de fuentes de datos, incluidos sistemas Hadoop, bases de datos NoSQL, plataformas en la nube y almacenes de datos más convencionales, y pueden desarrollar una vista unificada de sus diversos datos. Debido a que las herramientas suelen ser bastante simples, el uso de BI como big data permite que un gran número de usuarios potenciales se involucren en lugar del enfoque típico de los arquitectos de datos altamente especializados que son los únicos con visibilidad en los datos. 10 Tendencias de inteligencia empresarial Además de los gerentes de BI, los equipos de inteligencia empresarial generalmente incluyen una mezcla de arquitectos de BI, desarrolladores de BI, analistas de negocios y profesionales de gestión de datos. Los usuarios comerciales también se incluyen a menudo para representar el lado comercial y asegurarse de que se satisfagan sus necesidades en el proceso de desarrollo de BI (Peter, 2019). Para ayudar con eso, un número creciente de organizaciones está reemplazando el desarrollo tradicional en cascada con enfoques de BI ágil y almacenamiento de datos que usan técnicas de desarrollo de software Agile para dividir los proyectos de BI en pequeños fragmentos y ofrecer nuevas funcionalidades a los analistas empresariales de forma incremental e iterativa. Hacerlo puede permitir a las empresas utilizar las funciones de BI más rápidamente y perfeccionar o modificar el desarrollo (Macintyre, 2019). Conclusión Al hablar de un mundo en el cual el libre mercado es una realidad, las organizaciones se encuentran en una situación de constante cambio. Es imposible imaginar una situación estática en tiempos modernos, cuando día a día surgen cientos de competidores combaten dentro del mercado. ¿Pueden las organizaciones utilizar el proceso de inteligencia de negocios para afrontar los problemas del futuro? La respuesta esta pregunta va más allá del propio concepto de inteligencia. Es necesario que las organizaciones mucho más lejos de la simple adaptación, las organizaciones deben ver los cambios como oportunidades. Estas oportunidades se encuentran disfrazadas de retos y problemas. El mercado tiene demandas constantes que muchas veces tienden a seguir ciclos y sistemas, pero que en otras ocasiones son revoluciones sorprendentes que toman por sorpresa a las múltiples organizaciones existentes. Es deber de la organización ser el motor de la transformación y la innovación. Si bien, el último fin de cada individuo es maximizar su utilidad, los esfuerzos individuales pueden de hecho llevar al bien común. Hablar de un mundo donde todos los individuos salen 11 beneficiados del proceso del capitalismo es una realidad posible, solamente si las condiciones de constante innovación están presentes. Cuando los productos no caen en el contexto de la obsolescencia programada, sino que son realmente productos que generan transformaciones sociales, se está cooperando a alcanzar un nivel social superior al escalón anterior. Solamente con un alto proceso de innovación y transformación la humanidad lograra trascender. Propuesta de investigación La propuesta de investigación para el tema de inteligencia de negocios es: “Desarrollo de un método de big data para la creación de un sistema de inteligencia de negocios para la empresa CAFIVER S.A. de C.V. Objetivos de investigación Los objetivos de investigación son: • Investigar el desarrollo de métodos de programación de big data, para su aplicación por medio de minería de datos dentro del mercado del café. • Diseñar un método analítico para el desarrollo de negocios, fundamentando las decisiones en datos emergentes. • Crear un protocolo de evaluación para la segmentación de información, con el fin de establecer nuevas medidas dentro del mercado de compra venta de café verde. • Aplicar el protocolo de evaluación sobre las ventas realizadas por medio del modelo de negocios, para generar Agradecimientos Agradezco a mi familia por brindarme su apoyo incondicional y al instituto tecnológico de Orizaba, a mis profesores que han formado parte de mi formación académica al departamento de Maestría en Ingeniería Administrativa al Doctor Fernando Aguirre y Hernández por motivarme con su conocimiento y dedicación en la materia de Fundamentos de Ingeniería Administrativa. 12 Referencias Farrukh, C. (2019). What is Business Intelligence? BI Definition. Obtenido de https://olap.com/learn-bi-olap/olap-bi-definitions/business-intelligence/ García Palacios, E. (2019). Qué es Business Intelligence y para qué sirve | OBS Business School. Obtenido de https://www.obs-edu.com/int/blog-project-management/herramientasesenciales/que-es-business-intelligence-y-para-que-sirve Jiménez, P. (2019). ¿Qué es el Business Intelligence? Soluciones más comunes del BI. Blog de IEBSchool. Obtenido de https://www.iebschool.com/blog/business-intelligence-ventajasdigital-business/ Macintyre, M. (2019). ¿Qué es Business Intelligence (BI) y qué herramientas existen? Obtenido de https://blog.signaturit.com/es/que-es-business-intelligence-bi-y-que-herramientas-existen Peter, H. (2019). What is Business Intelligence? Understand BI for Your Company. Obtenido de https://www.klipfolio.com/resources/articles/what-is-business-intelligence Pratt, M. (2019). What is business intelligence? Turning data into business insights. Obtenido de https://www.cio.com/article/2439504/business-intelligence-definition-and-solutions.html Ramírez, E. (2019). ¿Qué es business intelligence y cuáles son sus aspectos clave? Obtenido de https://www.universidadviu.com/business-intelligence-cuales-aspectos-clave/ Rouse, M. (2019). What is Business Intelligence (BI). Obtenido de https://searchbusinessanalytics.techtarget.com/definition/business-intelligence-BI Takahashi, D. (2019). Business Intelligence—BI - Gartner IT Glossary. Obtenido de https://blogs.gartner.com/it-glossary/business-intelligence-bi/ 13