UNIDAD 5.- SOFTWARE DE INTELIGENCIA DE NEGOCIOS.

(Business Intelligence)

Son programas y aplicaciones diseñadas para asistir en el análisis y la presentación de

los datos colaborando con la Business Intelligence (BI) en los procesos de la organización.

Podemos definir Business Intelligence como el conjunto de metodologías, aplicaciones y

tecnologías que permiten reunir, depurar y transformar datos de los sistemas

transaccionales e información des-estructurada (interna y externa a la compañía) en

información estructurada, para su explotación directa o para su análisis y conversión en

conocimiento, dando así soporte a la toma de decisiones sobre el negocio. (Ralph, 2004,

p.23)

5.1 INTRODUCCION A LA INTELIGENCIA DE NEGOCIOS (BI)

Introducción.

Alrededor de 1960 se introdujo el término como tal de inteligencia de negocios (BI) y

desde ese entonces ha ido evolucionando en soluciones más efectivas y adaptadas a las

necesidades tecnológicas. Con la facilidad para las empresas de adquirir ordenadores más

potentes y el auge que el internet tiene, la inteligencia de negocios está al alcance de

cualquier organización. (Ralph, 2004, p.23)

Página 1
 El origen de todo fueron los Sistemas de apoyo de decisiones (DSS), posteriormente

llegaron los Sistemas de Información Ejecutiva (EIS) hasta nuestro tema de hoy que es la

Inteligencia de Negocios (BI). Se considera al Dr. Ralph Timbal como el Dr. Del DSS y a

Bill Inmon como el padre del Dataware. Hoy en día es conocido que los proyectos BI son

iniciados en la alta dirección, departamentos de planificación estratégica o de mkt y

necesitan de la informática para su implementación. (Ralph, 2004, p.23)

*Definición:

La inteligencia de negocios es el conjunto de estrategias diseñadas para coleccionar

datos, procesarlos y en base a ello, finalmente tomar decisiones en una empresa, las cuales

permitan optimizar la dirección de la misma. Una vez instalado en nuestra empresa el BI

podemos responder a preguntas como:

*¿Quiénes son nuestros clientes más rentables?

*¿Cuáles son nuestros productos más rentables?

*¿Quiénes son nuestros empleados más productivos?

*¿Cuáles son nuestros productos más vendidos?

La toma de decisiones en la inteligencia de negocios se puede tomar desde los distintos

niveles de la organización, de acuerdo a las necesidades o metas que se pretenden lograr,

siendo en el siguiente orden:

 Decisiones a nivel Operativo.

Permite a aquellos que trabajan a nivel operativo tener la información de manera clara,

oportuna y exacta en reportes u hojas de cálculo, con un formato establecido que se está

actualizando constantemente. (Ralph, 2004, p.23)

Decisiones a nivel Táctico.

Permite a los analistas de datos y a la gerencia media utilizar sin intervención de terceras

herramientas de análisis y consulta. Con estas herramientas es posible analizar los tipos de

comportamientos de demanda y tener el poder de anticiparnos a cualquier situación

irregular para aumentar o disminuir el impacto según convenga.

Decisiones a nivel Estratégico

*Apoya a la alta dirección en el análisis y monitoreo de patrones, metas y objetivos

estratégicos de la organización.

Obteniendo así los siguientes beneficios:

*Intenta alinear estratégicamente a la empresa a partir de la transformación de la visión

y estrategia en planes concretos de acción.

*Fomenta el trabajo en equipo para encaminar a la organización a la consecución de la

estrategia fijada.

*Facilitar la comunicación de los planes estratégicos a toda la empresa.

 *Integra y sintetiza grandes volúmenes de información diaria de operaciones.

*Desarrolla el conocimiento y el capital humano.

*Delphos es la herramienta utilizada en este nivel. (Ralph, 2004, p.24)

¿Por qué utilizar un BI?.

Hoy en día las decisiones que se toman en las empresa son de vital importancia para su

supervivencia y éxito en el mercado, aunque existen sistemas de información tradicionales

nos limitan mucho el manejo de la información y su estructura es muy inflexible para su

gestión. Ahora sabemos del enorme potencial contenido en las bases de datos y esto nos

impulsa a explotarlas completamente. (Ralph, 2004, p.23)

Algunas limitaciones son:

*La rigidez cuando extraemos los datos, dado que los formatos están preestablecido

desde el momento de su implantación.

*Los informes presentan conocimientos técnicos, lo que nos formula consultas al

respecto.

*Las consultas complejas invierten tiempos de espera largo, ya que se unen tablas de

gran tamaño.

*Consultar las bases de datos altera el rendimiento del sistema e inclusive puede afectar

a usuarios conectados.
 *Provocan islas de datos ya que las bases de datos normalmente no están integradas en

los sistemas de información pasados.

*Es difícil garantizar la fiabilidad de la información.

*No es posible restringir la información a los usuarios para que cada uno la utilice de

manera eficiente.

*Carecemos de información histórica que en ocasiones es útil para contrastar diversas

situaciones.

Pretendiendo dejar todas estas limitaciones atrás, surgen los BI capaces de extraer,

depurar, analizar y almacenar los datos de una empresa a una mejor velocidad que permitan

crear conocimientos para la toma de decisiones efectivas. (Ralph, 2004, p.24)

 5.2. HERRAMIENTAS TECNOLÓGICAS DE BI.

La inteligencia de negocio actúa como un factor estratégico para una empresa u

organización, generando una potencial ventaja competitiva, que no es otra que

proporcionar información privilegiada para responder a los problemas de negocio: entrada a

nuevos mercados, promociones u ofertas de productos, eliminación de islas de información,

control financiero, optimización de costes, planificación de la producción, análisis de

perfiles de clientes, rentabilidad de un producto concreto, etc. (Mata, 2015)

Las principales herramientas Business Intelligence que existen hoy en día son:

*El Cuadro de Mando Integral (CMI).

También conocido como Balanced Scorecard (BSC) o dashboard, es una herramienta de

control empresarial que permite establecer y monitorizar los objetivos de una empresa y de

sus diferentes áreas o unidades.También se puede considerar como una aplicación que

ayuda a una compañía a expresar los objetivos e iniciativas necesarias para cumplir con su

estrategia, mostrando de forma continuada cuándo la empresa y los empleados alcanzan los

resultados definidos en su plan estratégico. (Mata, 2015)

*El Sistema de Soporte a la Decisión (DSS)

Herramienta de Business Intelligence enfocada al análisis de los datos de una

organización, suele 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. Es un sistema informático para apoyar y ayudar en la toma de

decisiones. (Mata, 2015)

*Sistemas de Información para Ejecutivos (EIS).

Es una herramienta software, basada en un DSS, que provee a los gerentes de un acceso

sencillo a información interna y externa de su compañía, y que es relevante para sus

factores clave de éxito.

La finalidad principal es que el ejecutivo tenga a su disposición un panorama completo

del estado de los indicadores de negocio que le afectan al instante, manteniendo también la

posibilidad de analizar con detalle aquellos que no estén cumpliendo con las expectativas

establecidas, para determinar el plan de acción más adecuado.

El EIS se caracteriza por ofrecer al ejecutivo un acceso rápido y efectivo a la

información compartida, utilizando interfaces gráficas visuales e intuitivas. Suele incluir

alertas e informes basados en excepción, así como históricos y análisis de tendencias.

También es frecuente que permita la domiciliación por correo de los informes más

relevantes. (Mata, 2015)

 *Datamining (Minería de datos).

Es el conjunto de técnicas y tecnologías que permiten explorar grandes bases de datos,

de manera automática o semiautomática, con el objetivo de encontrar patrones repetitivos,

tendencias o reglas que expliquen el comportamiento de los datos en un determinado

contexto.

Básicamente, el datamining surge para intentar ayudar a comprender el contenido de un

repositorio de datos. Con este fin, hace uso de prácticas estadísticas y, en algunos casos, de

algoritmos de búsqueda próximos a la Inteligencia Artificial y a las redes neuronales.

De forma general, los datos son la materia prima bruta. En el momento que el usuario les

atribuye algún significado especial pasan a convertirse en información. Cuando los

especialistas elaboran o encuentran un modelo, haciendo que la interpretación que surge

entre la información y ese modelo represente un valor agregado, entonces nos referimos al

conocimiento. (Mata, 2015)

*Datamart

Es una base de datos departamental, especializada en el almacenamiento de los datos de

un área de negocio específica. Se caracteriza por disponer la estructura óptima de

datos para analizar la información al detalle desde todas las perspectivas que afecten a los

procesos de dicho departamento. (Mata, 2015)

 Un datamart puede ser alimentado desde los datos de un datawarehouse, o integrar por sí

mismo un compendio de distintas fuentes de información. Para crear el datamart de un área

funcional de la empresa es preciso encontrar la estructura óptima para el análisis de su

información, estructura que puede estar montada sobre una base de datos OLTP, como el

propio datawarehouse, o sobre una base de datos OLAP. La designación de una u otra

dependerá de los datos, los requisitos y las características específicas 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, según los requisitos de cada área o departamento, las dimensiones y los

indicadores necesarios de cada cubo relacional. El modo de creación, explotación y

mantenimiento de los cubos OLAP es muy heterogéneo, en función de la herramienta final

que se utilice. (Mata, 2015)

*Datamart OLTP: Pueden basarse en un simple extracto del datawarehouse, no obstante,

lo común es introducir mejoras en su rendimiento (las agregaciones y los filtrados suelen

ser las operaciones más usuales) aprovechando las características particulares de cada área

de la empresa. Las estructuras más 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 quieres (aunque sólo es posible en algunos SGBD

avanzados, como Oracle).

 Estas herramientas Business Intelligence nos proporcionan varias soluciones, entre ellas,

los reportes de información comercial que se publican en tableros de control, para analizar

los datos en tiempo real y que muestran el punto en el que nos encontramos respecto a los

objetivos marcados por la compañía. (Mata, 2015)

 5.3 SISTEMAS DE SOPORTE A LA DECISIÓN.

Historia de Decision Support System (DSS)

Fue originado en la década de los 60’s; sin embargo, no fue hasta el 1971, que el término

DSS fue acuñado por G. Anthony Gorry y Michael S. Scott Morton, ambos profesores de

MIT. Estos sintieron que hacía falta un marco de trabajo que estuviera dirigido hacia las

aplicaciones de computadoras para la toma de decisiones gerenciales y desarrollaron lo que

se conoció como la red de Gorry y Scott Morton. (Sixtinagroup, 2016)

Según muchos investigadores, la importancia de las computadoras para la gerencia fue

de un crecimiento muy lento. Históricamente, los sistemas para el procesamiento y creación

de data no habían sido de interés para los investigadores académicos. Sin embargo, lo que

cambió este tipo de pensamiento no fue el uso de las computadoras como máquinas para

procesar data sino el uso de las computadoras para modelos, análisis, simulaciones y apoyo

a las decisiones. (G. Anthony Gorry y Michael S. Scott Morton, en la década de los 60’s).

Un Sistema de Soporte a la Decisión (DSS) es una herramienta de Business Intelligence

enfocada al análisis de los datos de una organización. 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. (Sixtinagroup, 2016)

 Características del DSS.

*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.

*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.

*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.

*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. (Sixtinagroup, 2016)
 *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.

Un Datawarehouse (almacén de datos): es una base de datos corporativa que se

caracteriza por integrar y depurar información de una o más fuentes distintas, para luego

procesarla permitiendo su análisis desde infinidad de perspectivas y con grandes

velocidades de respuesta.

La ventaja principal de este tipo de bases de datos radica en las estructuras en las que se

almacena la información (modelos de tablas en estrella, en copo de nieve, cubos

relacionales... etc.). Este tipo de persistencia de la información es homogénea y fiable, y

permite la consulta y el tratamiento jerarquizado de la misma (siempre en un entorno

diferente a los sistemas operacionales).

Un Datamart es una base de datos departamental, especializada en el almacenamiento de

los datos de un área de negocio específica. Se caracteriza por disponer la estructura óptima

de datos para analizar la información al detalle desde todas las perspectivas que afecten a

los procesos de dicho departamento. Un datamart puede ser alimentado desde los datos de

un Datawarehouse. (Sixtinagroup, 2016)

 ETL es el proceso que organiza el flujo de los datos entre diferentes sistemas en una

organización y aporta los métodos y herramientas necesarias para mover datos desde

múltiples fuentes a un almacén de datos, reformatearlos, limpiarlos y cargarlos en otra base

de datos, data mart ó bodega de datos. ETL forma parte de la Inteligencia Empresarial

(Business Intelligence), también llamado “Gestión de los Datos” (Data Management).

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. (Sixtinagroup, 2016)

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.

 Tipos de Sistemas de Soporte a Decisiones.

Sistemas de información gerencial (MIS).

Los sistemas de información gerencial (MIS, Management Information Systems),

también llamados Sistemas de Información Administrativa (AIS) dan soporte a un espectro

más amplio de tareas organizacionales, encontrándose a medio camino entre un DSS

tradicional y una aplicación CRM/ERP implantada en la misma compañía.

Sistemas de información ejecutiva (EIS).

Los sistemas de información ejecutiva (EIS, Executive Information System) son el tipo

de DSS que más se suele emplear en Business Intelligence, ya que proveen a los gerentes

de un acceso sencillo a información interna y externa de su compañía, y que es relevante

para sus factores clave de éxito. (Sixtinagroup, 2016)

Sistemas expertos basados en inteligencia artificial (SSEE).

Los sistemas expertos, también 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. (Sixtinagroup, 2016)

 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) común, 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. (Sixtinagroup, 2016)

¿Qué es un Sistema de Soporte de Decisión?.

Un Sistema de Soporte a la Decisión (DSS) es una herramienta de Business Intelligence

enfocada al análisis de los datos de una organización.

Tomar la decisión correcta en los negocios se suele basar en la calidad de sus datos y su

capacidad para filtrar y analizar los datos para encontrar las tendencias en cual usted puede

crear soluciones y estrategias.

Son generalmente aplicaciones de computador, junto con un componente humano que

puede filtrar a través de grandes cantidades de datos y escoger entre numerosas opciones.

Business Intelligence.

Business Intelligence es la habilidad para transformar los datos en información, y la

información en conocimiento, de forma que se pueda optimizar el proceso de toma de

decisiones en los negocios.

 Se puede definir como el conjunto de metodologías, aplicaciones y tecnologías que

permiten reunir, depurar y transformar datos de los sistemas transaccionales e información

desestructurada (interna y externa a la compañía) en información estructurada, para su

explotación directa o para su análisis y conversión en conocimiento, dando así soporte a la

toma de decisiones sobre el negocio. (Sixtinagroup, 2016)

En definitiva, una solución BI completa permite:

Observar ¿qué está ocurriendo?

Comprender ¿por qué ocurre?

Predecir ¿qué ocurriría?

Colaborar ¿qué debería hacer el equipo?

Decidir ¿qué camino se debe seguir?

Definición de DSS:

Un sistema de información basado en un computador interactivo, flexible y adaptable,

especialmente desarrollado para apoyar la solución de un problema de gestión no

estructurado para mejorar la toma de decisiones. Utiliza datos, proporciona una interfaz

amigable y permite la toma de decisiones en el propio análisis de la situación.

 Objetivos de DSS:

Ayudar a los gerentes a tomar decisiones para tratar de resolver problemas

semiestructurados.

Apoyar el juicio del gerente en lugar de tratar de reemplazarlo.

Mejorar la eficacia del gerente en la toma de decisiones, más que su eficiencia.

Funciones del DSS:

Los DSS son herramientas de mucha utilidad en Inteligencia empresarial, permiten

realizar el análisis de las diferentes variables de negocio para apoyar el proceso de toma de

decisiones de los directivos.

Permite extraer y manipular información de una manera flexible.

Ayuda en decisiones no estructuradas.

Principios del DSS

Estructura del problema: Es difícil encontrar problemas que sean totalmente

estructurados o totalmente carentes de estructura; casi todos son semiestructurados. Esto

implica que el DSS está dirigido al área en la que se encuentra la mayor parte del problema.

(Sixtinagroup, 2016)
 Apoyo a decisiones: El DSS no pretende suplantar al gerente. La computadora puede

aplicarse a la porción estructurada del problema, pero el gerente es responsable de la parte

no estructurada: aplicar su juicio o intuición y realizar el análisis. El gerente y la

computadora trabajan juntos para resolver problemas que pertenecen a la amplia área

semiestructurada.

Eficacia de las decisiones: El objetivo del DSS no es hacer el proceso de toma de

decisiones lo más eficiente que sea posible. El tiempo del gerente es valioso y no debe

desperdiciarse, pero el principal beneficio de usar un DSS es tomar mejores decisiones. El

gerente usa su juicio para determinar si una decisión contribuye a resolver un problema.

Aplicaciones

La mayoría de los DSS permite a los usuarios desarrollar sus propios modelos de

decisión.

Ejemplos:

Lanzamiento del uso de un auto espía fabricado en Estados Unidos como apoyo a la

inseguridad en nuestro país. Las unidades, denominadas “Centrales de Comandos

Móviles”, pueden equiparse con sistemas de sensor, satélite, radar y cámaras de video, a fin

de servir como centro de operaciones de cuerpos de seguridad que intervienen ante una

situación de emergencia. (Sixtinagroup, 2016)

 Entre los sistemas que pueden implementarse dentro de estas unidades se menciona a

los sistemas DSS, como sistemas interactivos que incorporan datos y modelos de datos, este

software apoya a la unidad para crear un comando en caso de incidentes.

Classora: El objetivo es crear una base de conocimiento con información estructurada

sobre la que se puedan aplicar técnicas de Business Intelligence.

Ventajas

*Sistemas interactivos con resultados aplicables a los procesos de negocios.

*Eliminación de intermediarios en el proceso de adquisición de información.

*Reportes personalizados, a la medida del ejecutivo.

*Análisis de alternativas de acción en entornos controlados.

Desventajas

*Necesidad de mayor conocimiento de uso por parte del tomador de decisiones.

*Herramientas más costosas.

Pérdida del control administrativa por parte del área de informática. (Sixtinagroup,

2016)
 5.3.1 ALMACENES DE DATOS (DATA WAREHOUSE).

DEFINICIONES DE ALMACÉN DE DATOS.

DEFINICIÓN DE BILL INMON.

Bill Inmon fue uno de los primeros autores en escribir sobre el tema de los almacenes de

datos, define un data warehouse (almacén de datos) en términos de las características del

repositorio de datos:

*Orientado a temas. - Los datos en la base de datos están organizados de manera que

todos los elementos de datos relativos al mismo evento u objeto del mundo real queden

unidos entre sí. (Arroyo, 2015)

*Variante en el tiempo. - Los cambios producidos en los datos a lo largo del tiempo

quedan registrados para que los informes que se puedan generar algo reflejen en esas

variaciones.

No volátil. - La información no se modifica ni se elimina, una vez almacenado un dato,

éste se convierte en información de sólo lectura, y se mantiene para futuras consultas.

Integrado. - La base de datos contiene los datos de todos los sistemas operacionales de la

organización, y dichos datos deben ser consistentes.

 Inmon defiende una metodología descendente (top-down) a la hora de diseñar un

almacén de datos, ya que de esta forma se considerarán mejor todos los datos corporativos.

En esta metodología los Data marts se crearán después de haber terminado el data

warehouse completo de la organización. (Arroyo, 2015)

DEFINICIÓN DE RALPH KIMBALL

Ralph Kimball es otro conocido autor en el tema de los data warehouse, define un

almacén de datos como: "Es un almacén de datos que extrae, limpia, conforma y entrega

una fuente de datos dimensional para la consulta y el análisis". También fue Kimball quien

determinó que un data warehouse no era más que: "la unión de todos los Data marts de una

entidad". Defiende por tanto una metodología ascendente (bottom-up) a la hora de diseñar

un almacén de datos.

Una definición más amplia:

Las definiciones anteriores se centran en los datos en sí mismos. Sin embargo, los

medios para obtener esos datos, para extraerlos, transformarlos y cargarlos, las técnicas

para analizarlos y generar información, así como las diferentes formas para realizar la

gestión de datos son componentes esenciales de un almacén de datos. Muchas referencias a

un almacén de datos utilizan esta definición más amplia. Por lo tanto, en esta definición se

incluyen herramientas para extraer, transformar y cargar datos, herramientas para el análisis

(inteligencia empresarial) y herramientas para gestionar y recuperar los metadatos. (Arroyo,

2015)
 FUNCIÓN DE UN ALMACÉN DE DATOS.

En un almacén de datos lo que se quiere es contener datos que son necesarios o útiles

para una organización, es decir, que se utiliza como un repositorio de datos para

posteriormente transformarlos en información útil para el usuario. Un almacén de datos

debe entregar la información correcta a la gente indicada en el momento óptimo y en el

formato adecuado. El almacén de datos da respuesta a las necesidades de usuarios expertos,

utilizando Sistemas de Soporte a Decisiones (DSS), Sistemas de información

ejecutiva (EIS) o herramientas para hacer consultas o informes. Los usuarios finales pueden

hacer fácilmente consultas sobre sus almacenes de datos sin tocar o afectar la operación del

sistema. (Arroyo, 2015)

En el funcionamiento de un almacén de datos son muy importantes las siguientes ideas:

Integración de los datos provenientes de bases de datos distribuidas por las diferentes

unidades de la organización y que con frecuencia tendrán diferentes estructuras (fuentes

heterogéneas). Se debe facilitar una descripción global y un análisis comprensivo de toda la

organización en el almacén de datos.

Separación de los datos usados en operaciones diarias de los datos usados en el almacén

de datos para los propósitos de divulgación, de ayuda en la toma de decisiones, para el

análisis y para operaciones de control. (Arroyo, 2015)

 Ambos tipos de datos no deben coincidir en la misma base de datos, ya que obedecen a

objetivos muy distintos y podrían entorpecerse entre sí.

Periódicamente, se importan datos al almacén de datos de los distintos sistemas de

planeamiento de recursos de la entidad (ERP) y de otros sistemas de software relacionados

con el negocio para la transformación posterior. Es práctica común normalizar los datos

antes de combinarlos en el almacén de datos mediante herramientas de extracción,

transformación y carga (ETL). Estas herramientas leen los datos primarios (a menudo bases

de datos OLTP de un negocio), realizan el proceso de transformación al almacén de datos

(filtración, adaptación, cambios de formato, etc.) y escriben en el almacén. (Arroyo, 2015)

DATA MARTS.

Los Data marts son subconjuntos de datos de una data warehouse para áreas específicas.

Entre las características de una data mart destacan:

*Usuarios limitados.

*Área específica.

*Tiene un propósito específico.

*Tiene una función de apoyo.

 CUBOS DE INFORMACIÓN.

Los cubos de información o cubos OLAP funcionan como los cubos de rompecabezas en

los juegos, en el juego se trata de armar los colores y en el data warehouse se trata de

organizar los datos por tablas o relaciones; los primeros (el juego) tienen 3 dimensiones, los

cubos OLAP tienen un número indefinido de dimensiones, razón por la cual también

reciben el nombre de hipercubos. Un cubo OLAP contendrá datos de una determinada

variable que se desea analizar, proporcionando una vista lógica de los datos provistos por

el sistema de información hacia el data warehouse, esta vista estará dispuesta según unas

dimensiones y podrá contener información calculada. El análisis de los datos está basado en

las dimensiones del hipercubo, por lo tanto, se trata de un análisis multidimensional.

(Arroyo, 2015)

A la información de un cubo puede acceder el ejecutivo mediante "tablas dinámicas" en

una hoja de cálculo o a través de programas personalizados. Las tablas dinámicas le

permiten manipular las vistas (cruces, filtrados, organización, totales) de la información con

mucha facilidad. Las diferentes operaciones que se pueden realizar con cubos de

información se producen con mucha rapidez. Llevando estos conceptos a una data

warehouse, éste es una colección de datos que está formada por «dimensiones» y

«variables», entendiendo como dimensiones a aquellos elementos que participan en el

análisis y variables a los valores que se desean analizar. (Arroyo, 2015)

Podremos decir que se trata de una base de datos departamental, especializada en el

almacenamiento de los datos de un área de negocio especifica.

 Se caracteriza por disponer la estructura óptima de datos para analizar la información al

detalle desde todas las perspectivas que afecten a los procesos de dicho departamento.

DIMENSIONES

Las dimensiones de un cubo son atributos relativos a las variables, son las perspectivas

de análisis de las variables (forman parte de la tabla de dimensiones). Son catálogos de

información complementaria necesaria para la presentación de los datos a los usuarios,

como, por ejemplo: descripciones, nombres, zonas, rangos de tiempo, etc. Es decir, la

información general complementaria a cada uno de los registros de la tabla de

hechos.(Arroyo, 2015)

VARIABLES

También llamadas “indicadores de gestión”, son los datos que están siendo analizados.

Forman parte de la tabla de hechos. Más formalmente, las variables representan algún

aspecto cuantificable o medible de los objetos o eventos a analizar. Normalmente, las

variables son representadas por valores detallados y numéricos para cada instancia del

objeto o evento medido. En forma contraria, las dimensiones son atributos relativos a las

variables, y son utilizadas para indexar, ordenar, agrupar o abreviar los valores de las

mismas. Las dimensiones poseen una granularidad menor, tomando como valores un

conjunto de elementos menor que el de las variables; ejemplos de dimensiones podrían ser:

“productos”, “localidades” (o zonas), “el tiempo” (medido en días, horas, semanas,

etc.),(Arroyo, 2015)
 ELEMENTOS QUE INTEGRAN UN ALMACÉN DE DATOS.

METADATOS.

Uno de los componentes más importantes de la arquitectura de un almacén de datos son

los metadatos. Se define comúnmente como "datos acerca de los datos", en el sentido de

que se trata de datos que describen cuál es la estructura de los datos que se van a almacenar

y cómo se relacionan.

El metadato documenta, entre otras cosas, qué tablas existen en una base de datos, qué

columnas posee cada una de las tablas y qué tipo de datos se pueden almacenar. Los datos

son de interés para el usuario final, el metadato es de interés para los programas que tienen

que manejar estos datos. Sin embargo, el rol que cumple el metadato en un entorno de

almacén de datos es muy diferente al rol que cumple en los ambientes operacionales. En el

ámbito de los data warehouse el metadato juega un papel fundamental, su función consiste

en recoger todas las definiciones de la organización y el concepto de los datos en el

almacén de datos, debe contener toda la información concerniente a:

*Tablas.

*Columnas de tablas.

*Relaciones entre tablas.

*Jerarquías y Dimensiones de datos.

*Entidades y Relaciones.
 FUNCIONES ETL.

Los procesos de Extract, transform and load (ETL) son importantes ya que son la forma

en que los datos se guardan en un almacén de datos (o en cualquier base de datos). Implican

las siguientes operaciones:

Extracción. Acción de obtener la información deseada a partir de los datos almacenados

en fuentes externas.

Transformación. Cualquier operación realizada sobre los datos para que puedan ser

cargados en el data warehouse o se puedan migrar de éste a otra base de datos.

Carga. Consiste en almacenar los datos en la base de datos final, por ejemplo, el almacén

de datos objetivo normal. (Arroyo, 2015)

MIDDLEWARE.

Middleware es un término genérico que se utiliza para referirse a todo tipo de software

de conectividad que ofrece servicios u operaciones que hacen posible el funcionamiento de

aplicaciones distribuidas sobre plataformas heterogéneas. Estos servicios funcionan como

una capa de abstracción de software distribuida, que se sitúa entre las capas de aplicaciones

y las capas inferiores (sistema operativo y red). El middleware puede verse como una

capa API, que sirve como base a los programadores para que puedan desarrollar

aplicaciones que trabajen en diferentes entornos sin preocuparse de los protocolos de red y

comunicaciones en que se ejecutarán. (Arroyo, 2015)

 De esta manera se ofrece una mejor relación costo/rendimiento que pasa por el

desarrollo de aplicaciones más complejas, en menos tiempo.

La función del middleware en el contexto de los data warehouse es la de asegurar la

conectividad entre todos los componentes de la arquitectura de un almacén de datos.

DISEÑO DE UN ALMACÉN DE DATOS.

Para construir un Data Warehouse se necesitan herramientas para ayudar a la migración

y a la transformación de los datos hacia el almacén. Una vez construido, se requieren

medios para manejar grandes volúmenes de información. Se diseña su arquitectura

dependiendo de la estructura interna de los datos del almacén y especialmente del tipo de

consultas a realizar. Con este criterio los datos deben ser repartidos entre numerosos data

marts. Para abordar un proyecto de data warehouse es necesario hacer un estudio de

algunos temas generales de la organización o empresa, los cuales se describen a

continuación:

*Situación actual de partida - Cualquier solución propuesta de data warehouse debe estar

muy orientada por las necesidades del negocio y debe ser compatible con la arquitectura

técnica existente y planeada de la compañía.

*Tipo y características del negocio - Es indispensable tener el conocimiento exacto

sobre el tipo de negocios de la organización y el soporte que representa la información

dentro de todo su proceso de toma de decisiones. (Arroyo, 2015)

 *Entorno técnico - Se debe incluir tanto el aspecto del hardware (mainframes,

servidores, redes) así como aplicaciones y herramientas. Se dará énfasis a los Sistemas de

soporte a decisiones (DSS), si existen en la actualidad, cómo operan, etc.

*Expectativas de los usuarios - Un proyecto de data warehouse no es únicamente un

proyecto tecnológico, es una forma de vida de las organizaciones y como tal, tiene que

contar con el apoyo de todos los usuarios y su convencimiento sobre su bondad.

*Etapas de desarrollo - Con el conocimiento previo, ya se entra en el desarrollo de

un modelo conceptual para la construcción del data warehouse.

*Prototipo - Un prototipo es un esfuerzo designado a simular tanto como sea posible el

producto final que será entregado a los usuarios.

*Piloto - El piloto de un data warehouse es el primero, o cada uno de los primeros

resultados generados de forma iterativa que se harán para llegar a la construcción del

producto final deseado.

*Prueba del concepto tecnológico - Es un paso opcional que se puede necesitar para

determinar si la arquitectura especificada de la data warehouse funcionará finalmente como

se espera.(Arroyo, 2015)
 VENTAJAS E INCONVENIENTES DE LOS ALMACENES DE DATOS.

VENTAJAS.

Hay muchas ventajas por las que es recomendable usar un almacén de datos. Algunas de

ellas son:

Los almacenes de datos hacen más fácil el acceso a una gran variedad de datos a los

usuarios finales

Facilitan el funcionamiento de las aplicaciones de los sistemas de apoyo a la decisión

tales como informes de tendencia, por ejemplo: obtener los ítems con la mayoría de las

ventas en un área en particular dentro de los últimos dos años; informes de excepción,

informes que muestran los resultados reales frente a los objetivos planteados a priori.

Los almacenes de datos pueden trabajar en conjunto y, por lo tanto, aumentar el valor

operacional de las aplicaciones empresariales, en especial la gestión de relaciones con

clientes. (Arroyo, 2015)

INCONVENIENTES

Utilizar almacenes de datos también plantea algunos inconvenientes, algunos de ellos

son:

A lo largo de su vida los almacenes de datos pueden suponer altos costos. El almacén de

datos no suele ser estático. Los costos de mantenimiento son elevados.

 Los almacenes de datos se pueden quedar obsoletos relativamente pronto.

A veces, ante una petición de información estos devuelven una información subóptima,

que también supone una pérdida para la organización.

A menudo existe una delgada línea entre los almacenes de datos y los sistemas

operacionales. Hay que determinar qué funcionalidades de estos se pueden aprovechar y

cuáles se deben implementar en el data warehouse, resultaría costoso implementar

operaciones no necesarias o dejar de implementar alguna que sí vaya a necesitarse.(Arroyo,

2015)
 5.3.2 TABLEROS DE CONTROL.

Concepto de tablero de control parte de la idea de configurar un tablero de información

cuyo objetivo y utilidad básica es diagnosticar adecuadamente una situación. Se lo define

como el conjunto de indicadores cuyo seguimiento periódico permitirá contar con un mayor

conocimiento sobre la situación de su empresa o sector.

La metodología comienza identificando como áreas clave a aquellos “temas relevantes a

monitorear y cuyo fracaso permanente impediría la continuidad y el progreso de su empresa

o sector dentro de un entorno competitivo, aun cuando el resultado de todas las demás áreas

fuera bueno”.

Todos los grandes empresarios utilizan una herramienta empresarial poderosísima

denominada tablero de control la cual les permite establecer y monitorear los objetivos de

su negocio y cada una de sus diferentes áreas o unidades. Esto, ya que, si no pueden medir

y saber lo que ocurre en su negocio, no puede tomar decisiones inmediatas.

El tablero de control tiene la capacidad de ayudar al empresario a expresar los objetivos

e iniciativas necesarias para cumplir con su estrategia, mostrando de forma continua cada

vez que la empresa y los empleados alcanzan los resultados definidos en su plan

estratégico. (Sixtinagroup, 2016)

¿Cómo se lleva a cabo un tablero de control?

Es importante saber que el “tablero” es un instrumento que facilita la planeación

estratégica de la organización, transformando la visión, la misión, los valores, las

estrategias y el propósito estratégico, a través de un sistema computarizado, diario y

automático.
 Como explica Lantares, permite medir el estado actual de una serie de indicadores y

evaluarlos frente a unos objetivos.

El tablero de control nos provee una estructura para centrarse en los indicadores clave

de:

*El plan de negocios.

*La distribución de recursos.

*Las estrategias y retroalimentación.

Para todo ello es necesario diseñar un sistema de indicadores de control de gestión.

Después de diseñar los indicadores, uno de los objetivos principales es enlazar los

indicadores con la estrategia de la empresa. Este enlace puede conseguirse mediante la

descomposición de los factores claves del negocio, en los objetivos estratégicos, y estos a

su vez, desglosándolos en las diferentes actividades del negocio. (Sixtinagroup, 2016)

*Perspectiva del tablero de control.

Para su explotación, el tablero de control visualiza a la organización desde cuatro

perspectivas diferentes, pero cuya integración proporciona el equilibrio que le permite

crecer ordenadamente:

*Resultados financieros.

Esta perspectiva define los factores críticos de éxito de la organización para cada uno de

los grupos de interés involucrado, es el principio y fin de las actividades de la organización,

mostrando hasta que nivel la organización está cumpliendo su razón de ser.

 *Clientes (internos y externos)

Esta perspectiva busca la satisfacción de los clientes internos y externos con relación a

los productos, servicios y atención de la organización (participación de mercado, retención,

adquisición, satisfacción y rentabilidad de los clientes).

*Procesos.

En esta perspectiva se busca identificar los procesos que son críticos para el logro de los

objetivos del cliente y de los accionistas.

Esta perspectiva busca la medición del desempeño.

Aprendizaje y crecimiento organizacional.

El objetivo de esta perspectiva es el mejoramiento y la innovación de competencias

humanas y habilidades tecnológicas, en un clima laboral motivante, proactivo, de bienestar

y seguridad, la evaluación de 360 grados para mandos gerenciales.

Otras perspectivas:

Todas las empresas que han desarrollado un tablero de control han utilizado las cuatro

perspectivas, pero dependiendo de las circunstancias del sector y de la estrategia de la

unidad de negocio, pueden necesitarse perspectivas adicionales.

Cuando hay intereses específicos en para el éxito de las estrategias del negocio, pueden

ser incorporadas al tablero de control; se ponen las adecuaciones pertinentes para que

resulte en un conjunto de medidas a controlar.(Sixtinagroup, 2016)

 5.4 INDICADORES CLAVE DE RENDIMIENTO (KPI).

¿Qué es un KPI y para qué sirve?

Los KPI o indicadores clave de desempeño son mediciones financieras o no financieras

que se utilizan para medir el grado de cumplimiento de los objetivos previamente

establecidos, generalmente están contenido en el plan estratégico de la organización y

reflejan su rendimiento en un periodo determinado; los KPIs se emplean en diversas áreas

de una empresa entre las que se puede mencionar compras, ventas, logística y servicio y

atención al cliente. (Marakas, 2011,p.77)

En pocas palabras, los indicadores clave de desempeño permiten medir el éxito de

nuestras acciones.Los KPIs se utilizan para determinar el estado actual de un negocio y

permiten definir una línea de acción futura; expresan las variables a tomar en cuenta para

incrementar el desempeño favorable para conseguir el progreso, posicionamiento y

ganancias significativas de la empresa. El KPI mide las condiciones para el rendimiento y

el desempeño de manera clave.

Es ineludible tomarlos en cuenta para estudiar cómo se produce el trabajo de una

empresa y cómo influye en sus resultados, por lo que se debe definir el principal objetivo

de la compañía con anterioridad y expresarlo en cifras porcentuales.

 Para ello se realiza la monitorización de actividad de negocio que consiste en monitorear

el comportamiento de los KPIs en tiempo real, esto permite medir actividades complejas de

valorar como la satisfacción que brinda un producto o servicio, el compromiso de los

empleados con una campaña o con las actividades de empresa y los beneficios de

desarrollos líderes.

Características de los Key Performance Indicators.

Para que un KPI funcione como debe, este tiene que cumplir con las siguientes

características:

*Alcanzable: Los objetivos planteados deben de ser realistas. Si te planteas aumentar tus

ventas online un 500% en un solo mes deberías revisar tus objetivos porque estás siendo

poco realista.

*Medible: Aunque suene obvio, un KPI debe de poder medirse. Por ejemplo, es difícil

medir la utilidad que una página web puede tener para un usuario (salvo que uses una

encuesta o algo parecido y aun así podría haber mucha gente que no la contestarse); pero sí

que puedes medir el tiempo medio de estancia en la página. Si es un tiempo alto, podemos

suponer que el contenido de la página si resulta útil porque la gente se toma su tiempo para

leerlo detenidamente.(Marakas, 2011,p.77)

 *Relevante: No te llenes de datos, selecciona solo los más importantes. En ocasiones el

exceso de información puede ser un problema y tenemos decenas de KPIs donde elegir,

pero solo unos pocos nos dan información de interés; si nos basta con 4 KPIs, mejor 4 que

6.

*Periódico: El indicador tiene que ser analizable periódicamente.

*Exacto: Elige solo la parte más precisa de toda la información recabada. Los KPIs deben

ajustarse a unos plazos de tiempo razonables. Por ejemplo, si mi objetivo es aumentar las

ventas en un 20 % en el primer trimestre del año no puedo usar como KPI el número de

ventas anuales. Tampoco tendría sentido usar KPIs muy a largo plazo. (Marakas,

2011,p.77)

Ejemplos de KPI.

El KPI evalúa el rendimiento y cómo éste influye en la capitalización de resultados

positivos, un buen ejemplo de qué significa es una empresa de reformas de pisos, que oferte

cumplimiento en el plazo fijado para la entrega de sus trabajos a sus clientes.Es forzoso que

se cuente con un experto que mida el rendimiento diario y cómo el mismo puede influir con

el plazo convenido para la entrega, a fin de ir tomando las medidas más convenientes para

asegurar el rendimiento adecuado. Este inspector deberá informar los aspectos claves en

cada etapa del trabajo.

Cada empresa tiene un sistema de producción y un servicio o productos distintos, por lo

que lo importante es saber qué es un KPI y tener la visión de cómo identificarlo y medirlo

adecuadamente, para poder cumplir de manera acertada. (Marakas, 2011,p.78)

 ¿Cómo se elaboran los KPIs?

Se pueden crear indicadores clave de desempeño para diferentes aspectos de la actividad

empresarial, siempre y cuando sean medibles, entre ellos tenemos:

*Indicadores económicos, permiten medir ingresos, costes, rentabilidad, gastos,

beneficios, etc.

*Indicadores financieros, permiten medir niveles de deuda, capacidad de

endeudamiento, liquidez, solvencia, payback, entre otros.

*Indicadores de producción, permiten evaluar niveles de producción, eficiencia de

procesos, materiales utilizados en el proceso de producción, etc.

*Indicadores de calidad, permiten medir porcentaje de defectos que se presenta en el

proceso de producción, nivel de calidad de los productos, cantidad de fallas en equipos y

procesos, interrupciones inesperadas o forzadas, etc.

*Indicadores de logística, con ellos se puede medir cantidad de pedidos, de entregas,

stock, rotación de inventarios tiempos de entrega y tiempos de reposición.

*Indicadores de atención y servicio, permiten medir tiempos medios de atención

personal o telefónica, pedidos sin atender, cantidad o porcentaje de devoluciones, cantidad

de reclamos, cantidad de clientes nuevos, etc.

 Los KPIs deben medirse durante lapsos de tiempo previamente definidos y deben estar

asociados a unas unidades de medida específicas; es normal que en las empresas cada una

de las unidades medulares o departamentos creen sus propios indicadores clave de

desempeño en muchas empresas existen áreas o departamento que se encañar de brindar

apoyo especializado para este proceso.

Es importante considerar una serie de parámetros que deben fijarse para cada KPI que se

desea crear, entre ellos:

*Definición.

*Actividad que evalúa.

*Unidades de medida.

*Forma de medirlo – ratio.

*Periodicidad.

¿Cómo elegir un KPI?

Ahora ya que entendemos qué es un KPI, vamos a plantear una serie preguntas que nos

ayudarán a establecer con mayor criterio qué KPI debemos escoger.

*¿Qué metas y qué objetivos perseguimos? Debemos tener claros los objetivos que

persigue la empresa, ya que será un punto fundamental en nuestra estrategia.(Marakas,

2011,p.78)
 *¿Influyen dichos KPI elegidos en las metas de la empresa? Una vez elegidos los targets

empresariales, habrá que ver si los KPI afectan a dichos objetivos.

*¿Son comparables? Estos KPI tendremos que compararlos con algo, alguna referencia,

alguna meta perseguida etc…

*¿Nos servirán de ayuda para calcular el ROI? Calcular el retorno de vuestra inversión

ya veréis que no es tarea fácil, tened presente en los KPI que estos puedan servirnos de

ayuda para lograrlo.

*¿Qué responsable de la empresa recibirá tus KPI? Otra parte fundamental es saber a qué

responsable de la empresa le vas a presentar los resultados. En función del departamento al

que nos dirijamos le interesarán más unas métricas que otras.

*¿Cada cuánto vamos a mostrar los avances? La supervisión debe ser en la mayoría de

los casos diaria, pero debemos saber que períodos evaluaremos en nuestros informes finales

que entregaremos a nuestros superiores. Esto puede definir un poco más que tipo de KPI

serán más relevantes que otros.

*¿Quiénes van a medir los KPI y con qué herramientas? Parece obvio pero es fundamental

saber qué nivel profesional y qué recursos tiene el responsable de medirlos. No tiene

sentido que diseñemos una tabla de KPI dirigida a alguien que o bien no sabe qué está

midiendo o no dispone de los medios necesarios para hacerlo.(Marakas, 2011,p.78)

 *¿Qué personal tomará las acciones derivadas del resultado de los KPI? Va un poco en la

misma línea de la pregunta anterior. Dependiendo de a quienes vayan dirigidos o qué

responsable será el encargado de tomar acciones, deberemos filtrar qué KPI podemos

darles.

Estas son algunas preguntas que debemos hacernos para empezar a desarrollar y crear

KPI. Cada empresa, cada marca y cada objetivo perseguido tendrán unos KPI totalmente

diferentes, desde aquí pretendemos daros unas pequeñas directrices para empezar a pensar

cómo desarrollarlos.

¿Por qué los KPI definen el éxito?

Definir adecuadamente dicha guía permitirá afinar detalles de cada paso y alcanzar el

éxito. Evidentemente se trata de un término técnico, que en la práctica debe dársele sustento

para usarlo de manera correcta y no perder la importancia de su aplicación, dado que se usa

con mucha frecuencia, pero muy poco se comprende. Los KPI o indicadores clave del

rendimiento o del desempeño son herramientas fundamentales del management y

consultores del marketing, que son usadas para la ejecución de una estrategia empresarial y

para visualizar cómo se proyectará en el futuro, desde el punto de vista de su rentabilidad.

Lo primero a tener claro, es que los KPI no miden resultados finales, sino cotejan

aspectos claves del proyecto que incidirán de forma directa en su éxito y que permiten

tomar acciones concretas en la empresa y generar condiciones más favorables en sus

métodos. (Marakas, 2011,p.80)

 ¿Cómo utilizan los KPI las compañías garantizadas?

Las empresas exitosas cuentan con factores clave del éxito que las identifica por sus

niveles de excelencia y que sus competidoras no pueden conseguir afinar en sus términos.

Como la capacidad de renovarse de manera oportuna, con nuevos y fabulosos productos o

el poder de adaptarse a las variaciones del mercado.

Un buen analista empresarial logra descubrir y conocer al detalle los KPI de los cuales

depende el éxito de cada empresa. Es decir, éstos son aspectos intrínsecos o exclusivos de

cada proceso productor y están allí para ser aprovechados de forma correcta para asegurar el

éxito. Se amerita que precisen cuáles son los KPI claves en cada proceso para controlar

cada estrategia, por lo que es conveniente que cada empresa consiga determinar cuáles son

sus indicadores claves más oportunos y trascendentales para vigilar su comportamiento y

asegurar que se están cumpliendo en el proceso y que aseguran el rendimiento óptimo.

Uno de los aspectos en que se utilizan mayormente los indicadores claves es el

marketing digital, los KPIs de marketing permiten a las empresas medir de manera eficaz el

desarrollo de sus campañas publicitarias para contar con un sistema de control y

seguimiento de las acciones lanzadas y del trabajo realizado, lo que les permite tener una

mayor comprensión del error y del éxito de las mismas. (Marakas, 2011,p.80)
 ¿Cuáles son los KPIs de marketing?.

Los Indicadores Clave de Rendimiento o KPIs asociados al marketing digital son

esenciales para saber cómo marcha una campaña publicitaria y si las metas establecidas se

están cumpliendo en los porcentajes esperados, para ello se deben elegir indicadores que

resulten realmente útiles para medir la efectividad de las acciones emprendidas.

Entre los KPIs de marketing más utilizados tenemos:

*CPL (Costo por Lead).

*Valor del cliente.

*Retorno de la Inversión – ROI.

*Aumento de la presencia en el mercado.

*Aumento de las ventas de un producto o servicio.

*Fuentes de tráfico.

*Cuellos de botella en ventas y colocación de productos.

*Tasa de visitas desde dispositivos móviles inteligentes.

*Tiempo medio de visita de los prospectos y clientes al sitio web de la empresa.

*Followers en los perfiles sociales. (Marakas, 2011,p.80)

 ¿Cómo miden los KPI los gerentes de éxito?.

Siendo los KPI aspectos tan característicos de cada proceso y de cada empresa, se deben

estar revisando de manera permanente y periódica, ya que al variar una línea de producción,

a la par puede cambiar el KPI. Al igual, que al transformarse las condiciones competitivas

en el mercado se debe adaptar a la empresa y por supuesto que cambian los KPI.

También, no debe confiarse en aplicar indicadores por defecto de software o Google

Analíticos, ya que cada negocio debe asumir sus KPI concretos. De igual modo, hay que

tener en cuenta que los KPI son métricas de rendimiento operativo o de efectividad de sus

métodos de producción esencialmente y no deben medirse en términos monetarios.

Las empresas que han obtenido más éxito en sus negocios miden sus KPI de forma diaria

o semanal. Sus gerentes y tren directivo toman muy en cuenta a estos indicadores y hacen

todas las indagaciones pertinentes para mejorar las faenas de sus equipos. (Marakas,

2011,p.81)
 REFERENCIAS BIBLIGRAFICAS.

*Arroyo, T. d. (5 de marzo de 2015). Gestiopolis. Obtenido de Inteligencia de negocios,

una introducción: https://www.gestiopolis.com/inteligencia-de-negocios-una-introduccion/

*Marakas, J. A. (2011). MANAGEMENT INFORMATION SYSTEMS . New York:

McGraw-Hill.

*Mata, J. A. (12 de agosto de 2015). Software Inteligencia de Negocios (Business

Intelligence). Obtenido de Herramientas tecnológicas de BI.:

https://sites.google.com/site/juanalbertosalzarmata2016/5-software-de-inteligencia-de-

negocios-business-intelligence

*Ralph, K. (2004). The Data Warehouse. Indianapolis: WILEY.

*Sixtinagroup. (28 de julio de 2016). Sixtina Consulting Group, medir para mejorar.

Obtenido de CURSO TEÓRICO PRÁCTICO PARA LA CREACIÓN DE TABLEROS DE

CONTROL DIGITALES: http://www.sixtinaweb.com/lpo/curso-dashboard/