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.