BUSINESS INTELIGENCE

El trmino de BI (Business Inteligence) es usado por diferentes expertos y fabricantes de software

para distinguir un amplio rango de tecnologas, plataformas de software, aplicaciones especficas y
procesos. Se utiliza este trmino desde tres diferentes perspectivas:
Tomar mejores decisiones rpidamente.
Convertir los datos en informacin.
Utilizar un mtodo razonable para la gestin empresarial.
El objetivo primario de la Inteligencia de Negocios es ayudar a las personas a tomar decisiones que
mejoren el rendimiento de la compaa e impulsen su ventaja competitiva en el mercado. Es decir,
faculta a las organizaciones a tomar las mejores decisiones rpidamente.
Para tomar mejores decisiones ms rpidamente, los directivos y gerentes necesitan de 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. Para saltar esta brecha, las organizaciones hacen significativas
inversiones en desarrollar sistemas de BI para convertir los datos originales en informacin de
utilidad.
Los sistemas de BI ms efectivos tienen acceso a inmensas cantidades de datos para posteriormente
entregar a los responsables en la toma de decisiones, informacin expresada de una forma que ellos
pueden asimilar fcilmente.
La inteligencia de Negocios puede ser definida como un mtodo para la gestin empresarial, una
forma de pensamiento organizacional y una filosofa de gestin. Tanto las personas como las
organizaciones se interesan en la Inteligencia de Negocios, porque creen que 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 acerca del negocio.
Usar mtodos organizados y tecnologas para analizar los hechos.
Inventar o compartir modelos que expliquen las relaciones de causa y efecto entre las
decisiones operativas y los efectos que stas tienen en alcanzar los objetivos de negocio.
Experimentar con mtodos alternos y supervisar con retroalimentacin sobre los resultados.
Gestin de la empresa (decisiones e iniciativas) basadas en todas estas caractersticas.
SISTEMAS DE SOPORTE A LA DECISIN (DSS)
Un Sistema de Soporte a la Decisin (DSS) es una herramienta de Business Intelligence
enfocada al anlisis de los datos de una organizacin.
En principio, puede parecer que el anlisis de datos es un proceso sencillo, y fcil de conseguir
mediante una aplicacin hecha a medida o un ERP sofisticado. Sin embargo, no es as: estas
aplicaciones suelen disponer de una serie de informes predefinidos en los que presentan la
informacin de manera esttica, pero no permiten profundizar en los datos, navegar entre
ellos, manejarlos desde distintas perspectivas... etc.
El DSS es una de las herramientas ms emblemticas del Business Intelligence ya que, entre
otras propiedades, permiten resolver gran parte de las limitaciones de los programas de
gestin. Estas son algunas de sus caractersticas principales:
Informes dinmicos, flexibles e interactivos, de manera que el usuario no tenga
que ceirse a los listados predefinidos que se configuraron en el momento de la
implantacin, y que no siempre responden a sus dudas reales.
No requiere conocimientos tcnicos. Un usuario no tcnico puede crear nuevos
grficos e informes y navegar entre ellos, haciendo drag&drop o drill through.
Por tanto, para examinar la informacin disponible o crear nuevas mtricas no
es imprescindible buscar auxilio en el departamento de informtica.
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 estn optimizadas para el
anlisis de grandes volmenes de informacin.
Integracin entre todos los sistemas/departamentos de la compaa. El
proceso de ETL previo a la implantacin de un Sistema de Soporte a la Decisin
garantiza la calidad y la integracin de los datos entre las diferentes unidades de
la empresa. Existe lo que se llama: integridad referencial absoluta.
Cada usuario dispone de informacin adecuada a su perfil. No se trata de que
todo el mundo tenga acceso a toda la informacin, sino de que tenga acceso a la
informacin que necesita para que su trabajo sea lo ms eficiente posible.
Disponibilidad de informacin histrica. En estos sistemas est a la orden del
da comparar los datos actuales con informacin de otros perodos histricos de
la compaa, con el fin de analizar tendencias, fijar la evolucin de parmetros
de negocio... etc.
El principal objetivo de los Sistemas de Soporte a Decisiones es, a diferencia de otras
herramientas como los Cuadros de Mando (CMI) o los Sistemas de Informacin Ejecutiva (EIS),
explotar al mximo la informacin residente en una base de datos corporativa (data
warehouse o datamart), mostrando informes muy dinmicos y con gran potencial de
navegacin, pero siempre con una interfaz grfica amigable, vistosa y sencilla.
Otra diferencia fundamental radica en los usuarios a los que estn destinadas las plataformas
DSS: cualquier nivel gerencial dentro de una organizacin, tanto para situaciones estructuradas
como no estructuradas. (En este sentido, por ejemplo, los CMI estn ms orientados a la alta
direccin).
Por ltimo, destacar que los DSS suelen requerir (aunque no es imprescindible) un motor OLAP
subyacente, que facilite el anlisis casi ilimitado de los datos para hallar las causas races de los
problemas/pormenores de la compaa.


Tipos de Sistemas de Soporte a Decisiones
Sistemas de informacin gerencial (MIS): Los sistemas de informacin gerencial (MIS,
Management Information Systems), tambien llamados Sistemas de Informacin
Administrativa (AIS) dan soporte a un espectro ms amplio de tareas organizacionales,
encontrndose a medio camino entre un DSS tradicional y una aplicacin CRM/ERP
implantada en la misma compaa.
Sistemas de informacin ejecutiva (EIS): Los sistemas de informacin ejecutiva (EIS,
Executive Information System) son el tipo de DSS que ms se suele emplear en
Business Intelligence, ya que proveen a los gerentes de un acceso sencillo a
informacin interna y externa de su compaa, y que es relevante para sus factores
clave de xito.
Sistemas expertos basados en inteligencia artificial (SSEE): Los sistemas expertos,
tambin llamados sistemas basados en conocimiento, utilizan redes neuronales para
simular el conocimiento de un experto y utilizarlo de forma efectiva para resolver un
problema concreto. Este concepto est muy relacionado con el datamining.
Sistemas de apoyo a decisiones de grupo (GDSS) : Un sistema de apoyo a decisiones en
grupos (GDSS, Group Decision Support Systems) es "un sistema basado en
computadoras que apoya a grupos de personas que tienen una tarea (u objetivo)
comn, y que sirve como interfaz con un entorno compartido". El supuesto en que se
basa el GDSS es que si se mejoran las comunicaciones se pueden mejorar las
decisiones.


TENER EN CUENTA QUE:
Un Data warehouse es una base de datos corporativa que se caracteriza por integrar y depurar
informacin de una o ms fuentes distintas, para luego procesarla permitiendo su anlisis
desde infinidad de perspectivas y con grandes
velocidades de respuesta. La creacin de un
data warehouse representa en la mayora de
las ocasiones el primer paso, desde el punto
de vista tcnico, para implantar una solucin
completa y fiable de Business Intelligence.
La ventaja principal de este tipo de bases de
datos radica en las estructuras en las que se
almacena la informacin (modelos de tablas
en estrella, en copo de nieve, cubos
relacionales... etc). Este tipo de persistencia de
la informacin es homognea y fiable, y permite la consulta y el tratamiento jerarquizado de la
misma (siempre en un entorno diferente a los sistemas operacionales).
El trmino Data warehouse fue acuado por primera vez por Bill Inmon, y se traduce
literalmente como almacn de datos. No obstante, y como cabe suponer, es mucho ms que
eso.
Por lo tanto se puede decir que un Data Warehouse, es un repositorio no voltil de datos,
transacciones, y eventos. Incluye data corporativa, operacional y externa. Los datos en el Data
Warehouse deben estar integrados, consolidados, seguros, y limpios para que sea una fuente
segura de soporte de decisiones y aplicaciones de informacin.
Un Datamart es una base de datos departamental, especializada en el almacenamiento de los
datos de un rea de negocio especfica. Se caracteriza por disponer la estructura ptima de
datos para analizar la informacin al detalle desde todas las perspectivas que afecten a los
procesos de dicho departamento. Un datamart puede ser alimentado desde los datos de un
data warehouse, o integrar por s mismo un compendio
de distintas fuentes de informacin.
Por tanto, para crear el datamart de un rea funcional de
la empresa es preciso encontrar la estructura ptima para
el anlisis de su informacin, estructura que puede estar
montada sobre una base de datos OLTP (On-Line
Transactional Processing), como el propio data
warehouse, o sobre una base de datos OLAP (On-Line
Analytical Processing). La designacin de una u otra
depender de los datos, los requisitos y las caractersticas especficas de cada departamento.
De esta forma se pueden plantear dos tipos de datamarts:
Datamart OLAP
Se basan en los populares cubos OLAP, que se construyen agregando, segn los
requisitos de cada rea o departamento, las dimensiones y los indicadores necesarios
de cada cubo relacional. El modo de creacin, explotacin y mantenimiento de los
cubos OLAP es muy heterogneo, en funcin de la herramienta final que se utilice.
Datamart OLTP
Pueden basarse en un simple extracto del data warehouse, no obstante, lo comn es
introducir mejoras en su rendimiento (las agregaciones y los filtrados suelen ser las
operaciones ms usuales) aprovechando las caractersticas particulares de cada rea
de la empresa. Las estructuras ms comunes en este sentido son las tablas report, que
vienen a ser fact-tables reducidas (que agregan las dimensiones oportunas), y las vistas
materializadas, que se construyen con la misma estructura que las anteriores, pero con
el objetivo de explotar la reescritura de queries (aunque slo es posibles en algunos
SGBD avanzados, como Oracle).
Se puede concluir diciendo que Un Data Mart, es un subconjunto del Data Warehouse, con un
alcance de contenido limitado. ste se usa para un solo departamento de una organizacin y/o
un problema particular de anlisis dentro de la organizacin. Un Data Mart por s solo, no es
un Data Warehouse, ya que un Data Warehouse tiene ms usuarios y ms temas que un Data
Mart, y provee una vista completa de las reas funcionales de la organizacin. Un Data Mart, al
igual que un Data Warehouse, consiste en una base de datos.
Por ello, el Data Warehouse es un repositorio colectivo y centralizado que nutre o alimenta
una serie de almacenes que tienen una orientacin especfica o dominio especfico, o tema
especfico, llamados Data Marts.


SISTEMA OLAP
OLAP es el acrnimo en ingls de procesamiento analtico en lnea (On-Line Analytical
Processing). Es una solucin utilizada en el campo de la llamada inteligencia empresarial (o
Business Intelligence) cuyo objetivo es agilizar la consulta de grandes cantidades de datos. Para
ello utiliza estructuras multidimensionales (o cubos OLAP) que contienen datos resumidos de
grandes bases de datos o Sistemas Transaccionales (OLTP). Se usa en informes de negocios de
ventas, marketing, informes de direccin, minera de datos y reas similares.
La razn de usar OLAP para las consultas es la velocidad de respuesta.

La principal caractersticas de los sistemas OLAP es que son entornos especialmente diseados
para la ejecucin de anlisis multidimensionales de los datos corporativos, que soportan
amigablemente los anlisis de cualquier usuario as como las posibilidades de navegacin,
seleccionando la informacin a obtener, permitiendo el anlisis de datos segmentados y que
permiten ir reduciendo el conjunto de datos reportados. Este tipo de selecciones se refleja en
la visualizacin de la estructura multidimensional, mediante unos campos de seleccin que nos
permitan elegir el nivel de agregacin (jerarqua) de la dimensin, y/o la eleccin de un dato
en concreto, pudiendo con ello realizar, entre otras, las acciones de rotar, bajar atributos,
navegar, expandir o colapsar los datos mostrados.

Las herramientas OLAP proporcionan a las compaas un sistema confiable para procesar datos
que luego sern utilizados para llevar a cabo anlisis e informes que permitan mejorar las
operaciones productivas, tomar decisiones inteligentes y optimizar la competitividad en el
mercado.
Para funcionar, las aplicaciones OLAP utilizan un tipo de base de datos que posee la
peculiaridad de ser multidimensional, denominada comnmente Cubo OLAP.
Cubos OLAP: Son las herramientas que se basan en la capacidad de analizar y explorar por los
datos. Bsicamente, el Cubo OLAP, que acua su nombre por su caracterstica
multidimensional, es una base de datos que posee diversas dimensiones, ampliando las
posibilidades que hasta el momento ofrecan las conocidas hojas de clculo. Hasta la llegada
del trmino Cubo OLAP, que naci de la mano de Edgar F. Codd, de la compaa EF Codd &
Associates, slo se utilizaban bases de datos relacionales para el proceso de la informacin,
con sistemas tales como el ROLAP.
Gracias a la incorporacin de las bases de datos de tipo multidimensional, y el nacimiento del
nuevo concepto Cubo OLAP, las herramientas de soluciones para sistemas Business
Intelligence han avanzado notablemente en cuanto a las prestaciones que estas aplicaciones
brindan a las empresas, donde la informacin confiable, precisa y en el momento oportuno,
son uno de los bienes ms preciados.
Cabe destacar que los Cubos OLAP son vectores en los cuales se dispone la informacin, y
gracias a esta ordenada jerarqua es posible llevar a cabo un anlisis rpido de los datos.
Mediante la incorporacin de estos vectores o cubos, se han ampliado las posibilidades de las
bases de datos relacionales, permitiendo el procesamiento de importantes volmenes de
informacin, que de lo contrario sera imposible realizar.
Cada una de las dimensiones que posee la base de datos incorpora un campo determinado
para un tipo de dato especfico, que luego podr ser comparado con la informacin contenida
en el resto de dimensiones, para hacer posible la evaluacin y posteriores informes de la
informacin realmente relevante para una compaa.
Una base de datos multidimensional puede contener varios cubos o vectores que extendern
las posibilidades del sistema OLAP con el cual se trabaja.
Un cubo se define por medio de sus medidas y dimensiones. Las medidas y dimensiones de un
cubo se derivan de las tablas y vistas de la vista de origen de datos en la que se basa el cubo, o
que se genera a partir de las definiciones de medidas y dimensiones.
Por ello, si bien en general los sistemas OLAP suelen estar compuestos por tres dimensiones, lo
cierto es que existe la posibilidad de que el sistema OLAP albergue ms de tres dimensiones
mediante la utilizacin de estos Cubos OLAP.
A pesar de las grandes ventajas que presenta este tipo de base de datos multidimensional que
incluye Cubos OLAP, la cual permite obtener mayor rapidez en las consultas y en el
procesamiento de la informacin, lo cierto es que su gran falla reside en la imposibilidad de
realizar cambios en su estructura.

Debido a su forma de funcionamiento y almacenamiento de la informacin, cuando los
usuarios requieren realizar modificaciones en la estructura de este tipo de base de datos,
deben redisear el Cubo OLAP, sin posibilidades de poder utilizar la estructura en la que se
trabaj hasta el momento.
En general, los sistemas OLAP deben:
Soportar requerimientos complejos de anlisis.
Analizar datos desde diferentes perspectivas.
Soportar anlisis complejos contra un volumen ingente de datos.
En resumen OLAP no es ms que una manera de acceder a tu informacin utilizando un
lenguaje natural, en el mundo corporativo, los analistas acceden a la informacin filtrando sus
indicadores de negocio por regiones, por producto, por tiempo...
A partir de esta definicin, existen distintas tecnologas que lo implementan (ROLAP,
MOLAP,...), pero bsicamente todas hacen las mismas acciones bsicas sobre la informacin:
Segmentar: Como cuando pides las ventas por producto y por trimestre
Filtrar: Como cuando pides el informe de ventas de la empresa en 2013
Profundizar (Drill down): Como cuando ves los datos del segundo trimestre y te interesa el
desglose de abril, mayo, junio.
Sintetizar (Drill up): Cuando deshaces el desglose anterior y vuelves al desglose por
trimestre.
Rotar (Drill anywhere): Cuando en lugar de pasar de un desglose por trimestres a uno
mensual, te interesa un desglose por familia de producto, o por nacionalidad, es decir, por
una caracterstica de una jerarqua distinta a la que lo ests viendo actualmente.


http://www.sinnexus.com/business_intelligence/sistemas_soporte_decisiones.aspx
http://www.sinnexus.com/business_intelligence/datawarehouse.aspx
http://www.sinnexus.com/business_intelligence/datamart.aspx
http://www.sinnexus.com/business_intelligence/olap_vs_oltp.aspx
http://analisismultidimensional6.blogspot.com/