1. CAPITULO 10
1. EJERCICIOS PROPUESTOS
1. BIZRATE.COM: REVISIONES DE SITIOS WEB DE COMERCIO ELECTRÓNICO
Visite www.bizrate.com y tendrá información de manera instantánea sobre cientos de tiendas en
línea. Las tiendas en línea incluyen libros, música, electrónica, ropa, hardware, regalos y más.
Además, miles de compradores anteriores proporcionan su opinión sobre cada tienda de ventas
minoristas (cuadro 10.13).
Cuadro 10.13. El sitio Web de RizRate.
En el recorrido de cuatro clics a partir de la página inicial de DizRate, usted encontrará
información cada vez más detallada sobre un producto y tiendas en línea potenciales. Para el cuarto
clic, usted se encontrará en el sitio Web de su tienda elegida y estará listo para para agregar el CD a su
carro de compras virtual
a) Utilice bizrate.com para verificar a los vendedores de un producto que usted desea
comprar. ¿Qué tan minuciosas, válidas y valiosas fueron las revisiones para usted?
Explique.
b) ¿Cómo podrían usar otras empresas un sistema de revisiones similar basado en Web? Dé
un ejemplo.
c) ¿En qué se parece bizrate.com a un sistema de apoyo a la toma de decisiones (DSS)
basado en Internet?

2. 2. INTEGRACIÓN DE APLICACIÓN EMPRESARIAL
La información proveniente de diversos sistemas de negocio puede aparecer en el ordenador del
ejecutivo como un todo consolidado. La información obtenida en esa visualización podría incluir la
agenda del ejecutivo, el correo electrónico actual, una breve lista de retrasos en la producción, cuentas
importantes vencidas, resúmenes de ventas actuales y un resumen del mercado financiero. Aunque es
imposible incluir la información de toda la organización en una sola pantalla, el ejecutivo puede
resumir los datos en forma específica para que sirvan posteriormente como punto de partida o portal,
con el propósito de realizar más búsquedas sólo al señalar y hacer clic.
¿Cómo sería un sistema de este tipo? Los portales como my.Excite.com, my.MSN.com,
myLycos.com y my.yahoo.com, como son buenos portales la información de propósitos generales.
Estos sitios Web tienen características en común con sitios similares orientados hacia los negocios.
Proporcionan información proveniente de fuentes muy diversas y permiten a los usuarios determinar
que fuentes de información desean ver. También les permiten desglosar la información que consideran
importante para obtener más detalles.
Una vez que un usuario ha establecido una cuenta y ha identificado sus preferencias, estos
portales públicos recuerdan las preferencias del usuario y entrega solo lo que éste ha solicitado. Los
usuarios pueden cambiar sus preferencias tan seguido como lo deseen y los controles para realizar
estos cambios requieren sólo habilidades de programación de señalar y hacer clic.
a) Visite uno de los portales antes mencionados. Configure el sitio para que satisfaga sus
propias necesidades de información. Entregue una copia impresa del resultado.
b) Observe las revisiones de productos para una solución de integración de aplicación
empresarial o EAI (Enterprise Application Integration) mediante un buscador. Destaque
las fortalezas y debilidades identificadas en ese producto.
3. SISTEMA BASADO EN CASOS VENDE LIBROS DE AMAZON.COM
Un sistema de razonamiento basado en casos es un tipo de “sistema experto”. Intenta relacionar
los hechos disponibles con una base de datos de caos “previos”. Cuando un sistema de razonamiento
basado en casos encuentra en su base de datos uno o más casos que concuerda con los hechos
disponibles, entonces evalúa e informa los resultados más comunes. Con casos suficientes, un sistema
de este tipo puede ser muy útil. Algo mejor, si un sistema basado en casos puede capturar de forma
automática los casos a medida que ocurren, entonces se convierte en una herramienta poderosa que
ajusta de manera continua sus resultados conforme adquiere “experiencia”.
Uno puede ver en operación un sistema de este tipo en el sitio Web de Amazon.com. Este sitio
ofrece un buscador que ayuda a los visitantes a encontrar libros por tema, autor o título. Amazon.com
ofrece una herramienta que permite a los usuarios calificar y revisar los libros que han leído. ¿Cómo
usa Amazon.com los sistemas de razonamiento basados en casos para aumentar las ventas?
Amazon.com lleva la interactividad de su base de datos más allá de las búsquedas simples y las
calificaciones de clientes. Al proporcionar el título de un libro en particular, el sistema de
razonamiento basado en casos de Amazon.com examina todas las ventas pasadas de ese libro para ver
si los clientes que lo compraron compartían otras compras de libros. Después, elabora una pequeña
lista y la presenta al usuario. El efecto general es semejante al de un vendedor que dice, “¡oh! Si le
gusta este libro, entonces le gustará leer éste también”. Sin embargo, el sistema de Amazon tiene la
experiencia de cientos de millones de transacciones más que el vendedor más experimentado y leído.
Entonces, con esta información, los clientes pueden aprender más sobre libros similares antes de
tomar una decisión de compra. Esta información puede alentar a los clientes a comprar varios libros o
aumentar la confianza de éstos en que seleccionaron el libro correcto. En cualquier caso, esta
información se traduce en más venta de libros.
a) Usar el cuadro 10.8 para indicar si el sistema de razonamiento basado en casos de
Amazon.com presenta cada una de las características del comportamiento artificialmente
inteligente.
b) Para las características que presenta el sistema de acuerdo con su respuesta anterior,
explique como el sistema de Amazon.com crea ese comportamiento. Por ejemplo,

3. Amazon.com maneja información ambigua, incompleta y errónea al vincular sus
recomendaciones a un libro específico en lugar de hacerlo con los términos de búsqueda
del usuario. En pocas palabras, el sistema de Amazon.com reduce la ambigüedad al
obligar a un usuario a seleccionar primero un libro específico.
4. DEPARTAMENTO DE POLICÍA DE PALM CITY
El departamento de policía de Palm City tiene ocho distritos policiales definidos. La estación de
policía de cada distrito policial es la responsable principal de todas las actividades de su distrito. El
cuadro 10.14, enumera la población actual, el número de crímenes violentos cometidos y el número de
oficiales asignados a cada distrito. El departamento ha establecido como meta lograr un acceso
equitativo de los servicios policiales. Se deben calcular los cocientes de población por oficial y
crímenes violentos por oficial de cada distrito. La tabla muestra estos cocientes para la ciudad en
conjunto.
Cuadro 10.14. Datos correspondientes a la población, crímenes y oficiales de policía de Palm City.
Distrito Población Crímenes violentos Oficiales de policía
Shea Blvd. 96 552 318 85
Lakeland Heights 99 223 582 108
Sunnydale 68 432 206 77
Old Town 47 732 496 55
Mountainview 101 233 359 82
Distrito Financiero 58 102 511 70
Riverdale 78 903 537 70
Cole Memorial 75 801 306 82
Total 625 978 3 315 629
Por oficial 995 196 5 270
a) Construir una hoja de cálculo para realizar el análisis descrito con anterioridad e
imprimirla.
b) Hoy por hoy, no hay fondos disponibles para contratar más oficiales. Con base en los
cocientes para la ciudad en conjunto, el departamento ha decidido desarrollar un plan para
distribuir los recursos según se necesiten con el fin de garantizar que ningún distrito tenga
más de 1 100 habitantes por oficial de policía ni más de siete crímenes violentos por
oficial de policía. El departamento transferirá a los oficiales de los distritos que cumplen
fácilmente estas metas a los distritos que violan uno o ambos cocientes. Utilice la función
de “búsqueda de objetivos” en su hoja de cálculo para cambiar a los oficiales de un
distrito a otro hasta que los objetivos se cumplan. Use la función de búsqueda de
objetivos para ver cuantos oficiales se requieren para que cada distrito cumpla con los
objetivos y entonces reducir a los oficiales de los distritos que se mantienen dentro de los
criterios. Imprima una serie de resultados que permitan a los departamentos cumplir con
estos criterios y un memorando a su profesor en el que resuma sus resultados y el proceso
que siguió para desarrollarlos.
5. SISTEMAS COMPUTACIONALES EN ACTION PRODUCT
Su departamento está planeando la compra de nuevas computadoras personales, hasta 20, para
el mayor número posible de miembros del staff. Todas las computadoras personales que van a
comprarse deben estar idénticamente configurados. Como resultado de las discusiones con los
empleados, se ha determinado una serie de requerimientos mínimos y una serie de características
deseadas para las computadoras personales. Para la adquisición de estas unidades usted ha recibido
una cotización de precios de un vendedor local. La cotización que recibió incluía el precio básico por
unidad para la configuración mínima, más una indicación de costo agregado para la actualización de
cada una de las características deseadas. El precio cotizado es válido para compras de 15 unidades ó

4. más. La información sobre cotización de precios de Action Product se encuentra en el cuadro 10.15.
Cuadro 10.15. Cotización de precios de Action Product
Cotización de la adquisición de computadoras personales en Action Products (todos US$
los precios son por unidad, con base en la compra de al menos 15 unidades)
Precio base 1899
Actualizaciones
Para 16 megabytes en RAM 325
Para un monitor de 17 pulgadas 129
Para un disco duro de 2.5 gigabyte 159
Para una unidad CD ROM 52X 89
Suponga que los ítems de actualización se enumeran en orden de prioridades, desde la más alta
a la más baja, y que existe un presupuesto fijo de US$ 45,000 para la compra de estas computadoras
personales.
a) Crear una hoja de cálculo que le permita analizar las posibles alternativas de
configuración y su impacto sobre los costos. Modifique su hoja de cálculo para analizar
las tres alternativas y cualesquiera alternativas adicionales que usted desea recomendar.
Adjunte un listado impreso de cada alternativa a un memorando que contenga un resumen
de sus resultados.
(1) Compre 20 unidades y obtenga todos los mejoramientos posibles, en orden de
prioridades, como se describió anteriormente. Su hoja de cálculo debe mostrar el
costo total y la cantidad de características de actualización que podrían comprarse.
(2) Compre unidades que tengan todas las actualizaciones enumeradas y adquiera todas
las unidades que pueda bajo el presupuesto de US$ 45,000.
(3) Compre 20 unidades y obtenga el mayor número posible de actualizaciones, con
excepción de las actualizaciones RAM. Esta actualización podría cambiarse a la
menor prioridad, ya que sería más fácil agregar la memoria RAM más tarde que
agregar cualquiera otra de las actualizaciones.
2. CASOS
1) ALLSTATE INSURANCE, AVIVA CANADA Y OTRAS EMPRESAS: INTELIGENCIA DE
NEGOCIOS CENTRALIZADA EN EL TRABAJO
El enfoque más común hacia la inteligencia de negocios es integrar un equipo de desarrolladores
para construir un almacén o mercado de datos destinado a un proyecto específico, comprar una
herramienta de generación de reportes para usarla en éste y desintegrar el equipo al término del
proyecto. Sin embargo, algunas empresas están asumiendo un enfoque más estratégico: estandarizar
menos herramientas de inteligencia de negocios y hacerlas accesibles a través de sus organizaciones
aun antes de planear los proyectos. Para ejecutar estas estrategias, las empresas están creando grupos
dedicados, llamados a veces centros de competencia o de excelencia, para administrar proyectos de
inteligencia de negocios y proporcionar experiencia técnica y analítica a otros empleados. El personal
contratado para los centros de competencia son por lo general personas que poseen diversas
habilidades técnicas, de negocio y de análisis de información, de tal manera que los centros se
convierten en un depósito de destrezas, mejores prácticas y estándares de aplicación relacionada con la
inteligencia de negocios.
Alrededor del 10 por ciento de las 2 000 empresas más grandes del mundo cuentan con algunas
formas de centro de competencia de inteligencia de negocios, comenta el analista Howard Dresner de
Gartner Inc.; sin embargo, los enfoques varían. Aunque la mayoría están centralizados en una
ubicación, algunos son virtuales, con personal disperso en toda la empresa. Algunos forman parte del
departamento de TI, o están muy relacionados con él, en tanto que otros son más independientes, y

5. sirven como un puente entre los directivos y empleados de TI y de unidades de negocios.
El Enterprise Business Intelligence Tools Team (equipo de herramientas de inteligencia de
negocios empresarial) de Allstate Insurance Co., es responsable del establecimiento de una estrategia
tecnológica de inteligencia de negocios para los 40 mil empleados y los 12 900 agentes independientes
de la empresa, afirma Jim Young, director del equipo.
Ubicado en las oficinas generales de Allstate en Northbrook, Illinois, el centro fue creado este
año con la consolidación de tres grupos integrados alrededor de productos independientes de
inteligencia de negocios que se utilizaban en diferentes partes de la empresa. El centro se utiliza como
un depósito de experiencia en inteligencia de negocios que proporciona servicios y capacitación a los
empleados de Allstate y está desarrollando una serie de mejores prácticas estandarizadas para construir
y usar almacenes de datos y aplicaciones de inteligencia de negocios.
“De esta manera, podemos ejecutar una estrategia común”, dice Young. El centro mantiene una
infraestructura común de inteligencia de negocios y administra a distribuidores de software y
proveedores de servicios.
En Avica Canada Inc., una empresa aseguradora de propiedades y contingencias, la función
principal del Departamento de Servicios de Administración de Información, es cerrar la brecha de
comunicaciones entre los usuarios de herramientas de inteligencia de negocios y el Deparatmento de
TI de Aviva.
La inteligencia de negocios no es un asunto tecnológico. La inteligencia de negocios o BI
(Business Intelligence), es un asunto de negocios”, dice Ferry Lee, vicepresidente de servicios de
administración de información. La centralización es fundamental porque el objetivo de Aviva es crecer
50 por ciento en los próximos cinco años, en parte, a través de adquisiciones adicionales, comenta Lee.
El centro influye también en las numerosas iniciativas de administración de relaciones con clientes de
la empresa. “No podíamos participar en la administración de relaciones con clientes hasta tuviéramos
capacidades sólidas de administración de datos y de inteligencia de negocios”, afrima.
Con frecuencia, la reducción de costos es el motivo para que las empresas creen centros de
competencia y consoliden sistemas de inteligencia de negocios. Las tecnologías estándar y las
prácticas de implementación pueden reducir el costo de algunos proyectos de inteligencia de negocios
hasta en 95 por ciento, dice Chris Amos, administrador de soluciones de reportes de British Telecom.
British Telecom estableció un centro de excelencia alrededor del software de generación de reportes
de Actuate hace tres años y está desarrollando sistemas de inteligencia de negocios para las
operaciones de ventas al por mayor, ventas minoristas y servicios globales de telecomunicaciones de
esta empresa.
A pesar de los ahorros potenciales, el financiamiento puede ser un problema para crear y operar
centros de excelencia de inteligencia de negocios. Los costos iniciales de un centro de competencia de
inteligencia de negocios puede ser de 1 a 2 millones de dólares, según el tamaño de la empresa, afirma
Dresner de la empresa Gartner.
Muchos creen que las recompensas valen la pena. El año pasado, el negocio de productos de
energía eléctrica de General Electric Co., formó su centro de excelencia para la modelación de datos
de negocios con el fin de mejorar las prácticas de administración de datos y de inteligencia de
negocios de los 8 000 empleados de GE. Eso ha ayudado a la empresa a ir más allá de los simples
reportes de datos financieros y de proveedores a un análisis predictivo y de pronóstico más avanzado.
“Los datos se vuelven más difíciles de procesar; la visibilidad de estos datos ha ahorrado
millones de dólares a la empresa”, comenta Rich Richardson, gerente de modelación y entrega de
datos de negocio, quien dirige el centro. Ese es un centro de competencia de inteligencia de negocios
que está más pagado.
Preguntas
1. ¿Qué es la inteligencia de negocios? ¿Por qué los sistemas de inteligencia de negocios son una
aplicación de negocios tan popular de la TI?
2. ¿Cuál es el valor de negocio de las diversas aplicaciones de BI analizadas en el caso?
3. Un sistema de inteligencia de negocios, ¿es un sistema de información administrativa o MIS
(Management Information System) o un sistema de apoyo a la toma de decisiones o DSS
(Decision Support System)?

6. Fuente:
Adaptado de Rick Whiting, “Centralizad Inteligence at work”, InformationWeek, 19 de abril del 2004.
Copyright © 2004 CMP Media LLC.
2) WAL MART, BANKFINANCIAL Y HP: EL VALOR DE NEGOCIO DE LA
INTELIGENCIA ARTIFICIAL
Algunos directivos todavía piensan que la inteligencia artificial, el esfuerzo de largas décadas
para crear sistemas de cómputo con una inteligencia similar a la de los seres humanos, ha sido un gran
fracaso. Pero los ejecutivos de muchas empresas tienen una mejor concepción de esta disciplina. La
inteligencia artificial (IA) es con frecuencia un ingrediente decisivo de su excelente desempeño. De
hecho la inteligencia artificial forma ahora parte de la tecnología de muchas industrias. El software de
inteligencia artificial ayuda a los ingenieros a crear mejores motores a reacción. En las fábricas
aumenta la productividad al supervisar el equipo y señalar cuando se requiere mantenimiento
preventivo. Y, en el sector farmacéutico se utiliza para entender mejor la enorme cantidad de datos
relativos al genoma humano.
La industria financiera es una verdadera veterana en el uso de esta tecnología. Los bancos, las
empresas de correduría y las empresas aseguradoras han dependido de diversas herramientas de
inteligencia artificial durante dos décadas. Uno de sus tipos, denominado red neuronal, se ha
convertido en la norma para detectar el fraude mediante tarjetas de crédito. Desde 1992, las redes
neuronales han reducido esos incidentes en 70 por ciento o más para U. S. Bancorp y Wachovia Bank.
En la actualidad, incluso a las pequeñas uniones de crédito se les exige el uso de software para poder
calificar para el seguro de crédito de la Asociación Nacional de Uniones de Crádito.
Wal-Mart. Al igual que los bancos, las tiendas de ventas minoristas reúnen enormes cantidades
de datos. Por ejemplo, Wal-Mart Stores Inc. (www.walmart.com) aprovecha la inteligencia artificial
para transformar los datos en bruto en información útil. Wal-Mart consolidad detalles del punto de
venta de sus 3 000 tiendas. Los sistemas de minería de datos seleccionan al instante entre una
avalancha de información, que eludiría cualquier ejercicio de buscadores humanos, para describir
patrones y relaciones. El software de minería de datos incluye por lo común redes neuronales, análisis
estadístico y los denominados sistemas expertos con reglas del tipo si-entonces que imitan la lógica de
expertos humanos. Los resultados permiten a Wal-Mart predecir las ventas de cada producto en cada
tienda, con una exactitud extraordinaria, lo que se traduce en enormes ahorros en inventarios y un
máximo aprovechamiento de los gastos de promoción.
BankFinancial. El potencial para extraer a partir de los datos ideas de ahorro de costos e
incremento de ingresos, está aumentando a medida que las empresas construyen almacenes de datos
más grandes, las computadoras se vuelven más poderosas y los proveedores de software analítico
introducen productos más fáciles de usar. Pero los usuarios opinan que, aunque muchos de los
productos que responden a esas preguntas utilizan técnicas esotéricas, como redes neuronales,
regresión logística y máquinas de soporte de vectores, no requieren un doctorado en matemáticas. De
hecho, el mayor obstáculo para usar los “análisis predictivos” es obtener los datos, no analizarlos,
afirman.
Hasta ahora, éste ha sido el caso de BankFinancial Corp. (www.bankfinancial.com), con base en
Chicago. Este banco utiliza el conjunto de programas de minería de datos Clementine de SPSS Inc.
Para desarrollar modelos que predicen el comportamiento de los clientes, de tal manera que el banco
pueda, por ejemplo, dirigir con mayor exactitud las promociones a clientes y clientes potenciales. El
banco usa la red neuronal y las rutinas de regresión de Clementine para estos modelos.
Además, empieza a utilizar PredictiveMrketing, el nuevo paquete de SPSS de “plantillas de
mejores prácticas” para ayudar a los usuarios a configurar modelos predictivos. PredictiveMarketing
reducirá de un 50 a un 75 por ciento el tiempo que el banco requiere para desarrollar un modelo,
comenta William Connerty, vicepresidente auxiliar de investigación de mercados. La primera
aplicación importante es un modelo para predecir la “rotación” de clientes, es decir, la tasa a la que los
clientes vienen y van. Este modelo se utilizará para identificar a los clientes que tienen más
probabilidades de dejar el banco durante el mes siguiente. El problema es que el modelo tiene acceso
sólo a la información de cuentas obtenidas de resúmenes semanales y mensuales y no de la actividad
diaria de los clientes, lo cual lo haría más oportuno.
“El mayor obstáculo es obtener datos de transacciones y manejar las fuentes de datos

7. incongruentes”, comenta Connerty. Los datos que BankFinancial necesita para evaluar la lealtad de
sus clientes provenientes de varios sistemas bancarios y bases de datos no integrados de encuestas a
clientes. Se requiere mucho trabajo de interface y de integración de sistemas antes de que el banco vea
todos los frutos de sus herramientas de modelación, afirma Connerty.
HP Enterprise Systems. Hewlett Packard (www.hp.com) tiene un Grupo de sistemas
empresariales que reúne a personas con diversas formaciones y fuertes habilidades analíticas para
llevar a cabo la modelación predictiva del comportamiento de los clientes. El grupo forma parte de las
“operaciones de administración de relaciones con clientes (CRM)” bajo la dirección de un
vicepresidente de ventas, comenta Randy Collica, analista de negocios y minería de datos de alto
nivel.
HP analiza software de SAS Institute Inc., con sede en Cary, Carolina del Norte, para realizar la
minería de su base de datos de clientes y clientes potenciales, mediante el uso de técnicas de
inteligencia artificial que predicen la rotación y lealtad de los clientes e indican hacia dónde dirigir las
promociones. Además, HP lleva a cabo la minería de sus enormes almacenes de datos de texto sin
formato de sus centros de atención telefónica, como los correos electrónicos de clientes y clientes
potenciales y los textos escritos durante llamadas telefónicas, por medio del análisis predictivo para
texto de SAS. Las técnicas utilizan “calificaciones de oportunidades” de las evaluaciones que lleva a
cabo el personal del centro de atención telefónica acerca de la disposición que tiene un cliente para
comprar, clasificadas como “alta”, “regular” o “dudosa”, con el propósito de predecir la calificación de
oportunidades de los clientes de fuentes de texto no modificado con 85 por ciento de exactitud, afirma
Collica.
Preguntas
1. ¿Cuál es el valor de negocio de las tecnologías de inteligencia artificial en las empresas de la
actualidad? Utilice varios ejemplos del caso para ilustrar su respuesta.
2. ¿Cuáles son algunos beneficios y limitaciones de la minería de datos en la inteligencia de
negocios? Use la experiencia de BankFinancial para dar su respuesta.
3. ¿Por qué los bancos y otras instituciones financieras han sido usuarios líderes de tecnología de
inteligencia artificial, como las redes neuronales? ¿Cuáles son los beneficios y limitaciones de
esta tecnología?
Fuente:
Adaptado de Otis Port, Michael Arndt y John Carey, “Smart Tools”, BusinessWeek, The BusinessWeek 50,
primavera del 2003; y Computerworld, 14 de abril del 2003, pp 31-32.
3) PROCTER & GAMBLE Y OTRAS EMPRESAS: USO DE LA MODELACIÓN BASADA EN
AGENTES PARA LA ADMINISTRACIÓN DE LA CADENA DE SUMINISTRO
Cuando se trata de proyectos de tecnología de información, no es posible lograr algo mejor que
esto: Procter & Gamble Co. (www.pg.com) ahorra $300 millones cada año con una inversión menor a
1 por ciento de ese monto. De hecho, el uso que hace P&G de la modelación basada en agentes la
ayudó a transformar su sistema de cadena de suministro de manera tan radical que la empresa ya ni
siquiera le denomina cadena de suministro. La empresa fabricante de 300 productos de consumo, con
sede en Cincinnati, ahora llama “red de suministro” a sus conexiones con más de 5 000 millones de
consumidores en 140 países. “Cadena denota algo que es secuencial, que requiere transmitir
información en secuencia”, comenta Larry Kellam, director de innovación de la red de suministro de
P&G. “Creemos que debe operar como una red, como una Internet, de tal manera que la información
sea visible para todos”.
Muchas de las ideas que han permitido a P&G transformar una cadena en una red provienen de
los modelos de cómputo basados en agentes que la empresa desarrolló con BiosGroup, adquirida hace
poco por NuTech Solutions Inc. (www.nutechsolutions.com). Su trabajo es un ejemplo de la vida real
de lo que los matemáticos denominan “modelación basada en agentes de sistemas adaptativos
complejos”. La idea es que muchos sistemas que en general son en extremo complejos están, de
hecho, integrados por “agentes” locales semiautónomos que actúan con base en algunas reglas
sencillas. Mediante la modelación y el cambio del comportamiento de los agentes, uno puede entender

8. y optimizar todo el sistema.
En las simulaciones de cómputo de P&G, los agentes de software representan los componentes
individuales del sistema del suministro, como camiones, conductores, tiendas, etc. El comportamiento
de cada agente se programa a través de reglas que simulan el comportamiento real como “enviar este
camión sólo cuando esté lleno”, o “producir más shampoo cuando el inventario se reduzca a x días de
demanda”. Las simulaciones permiten a P&G realizar análisis de escenarios para probar el impacto de
las nuevas reglas de logística en tres medidas clave: niveles de inventario, costos de transporte y
desabasto de tiendas. Los modelos consideran reglas alternativas en las frecuencias de pedidos y
envíos, las políticas de asignación de productos en centros de distribución, el pronóstico de la
demanda, etcétera.
“Algunas de las conclusiones fueron sorprendentes y otras confirmaron nuestras suposiciones,
sin tener datos para apoyarlas”, afirma Kellam. Por ejemplo, comenta que los modelos mostraron que
con frecuencia sería ventajoso enviar camiones que no estuvieran cargados a su capacidad total, algo
que P&G casi nunca había hecho. Aunque los costos de transporte serían en consecuencia más altos,
P&G podría compensar este problema al reducir la frecuencia de desabastos de tiendas, que a menudo
dan como resultado pérdidas de ventas. “La modelación basada en agentes nos convenció de que
debíamos realizar algunos cambios imprescindibles si deseábamos ser flexibles y adaptables”, afirma
Kellam, y explica que los cambios se llevarían a cabo en las tres áreas generales siguientes:
 Relajación de reglas rígidas, que a menudo va en contra de la intuición, para mejorar el
rendimiento general de la red de suministro. Eso requería algunos cambios culturales,
como convencer a los gerentes de carga de que en ocasiones está bien permitir que un
camión vaya a la mitad de su capacidad.
 Más flexibilidad en la manufactura. Como resultado del entendimiento obtenido por
medio de modelos, P&G está “actualizando desde la base sus procesos de manufactura,
de tal manera que ya no produzca grandes corridas de un solo producto, sino que, pueda
producir cada producto todos los días. Los beneficios incluyen menos desabastos y
clientes más felices.
 Más flexibilidad en la distribución. Por ejemplo, es posible reabastecer a una tienda en 24
horas y no en el lapso acostumbrado de 28 a 72 horas.
P&G utiliza el software de administración de la cadena de suministro de SAP AG, pero volteó
hacia la tecnología de modelación basada en agentes de BiosGroup cuando sus esfuerzos prolongados
para reducir sus niveles de inventario produjeron sólo mejoras marginales. La modelación basada en
agentes, aunque todavía no es muy común, está ganando popularidad, sobre todo en empresas con
redes grandes y complejas de transporte o suministro. Además de P&G, las siguientes empresas han
probado esta tecnología y citan sus beneficios; entre los que están, ahorro en costos, inventarios
reducidos y mejor servicio al cliente:
 Southwest Airlines Co. Utilizó agentes de software para optimizar sus rutas de carga.
 Air Liquid America LP, una empresa productora de gases industriales licuados, con sede
en Houston, redujo sus costos, tanto de producción como de distribución, por medio de la
modelación basada en agentes.
 Ford Motor Co. Utilizo agentes para simular las preferencias de los compradores, y
sugirió paquetes de opciones de automóviles que optimizaron el balance entre los costos
de producción y las demandas de los clientes.
La modelación por computadora de las operaciones de la cadena de suministro, como el que
realizaron BiosGroup y P&G, requiere en la actualidad una combinación de desarrollo y consultoría de
software a la medida. Pero eso podría cambiar como resultado de un acuerdo de desarrollo que P&G
ha impulsado entre SAP y BiosGroup. SAP ya ha demostrado tener una capacidad de agente prototipo
en su software de reabastecimiento. SAP podría introducir la tecnología de prototipo en sus productos,
comenta Knoll; pero por ahora, está ayudando a algunos clientes clave a probarla en proyectos.

9. Preguntas
1. ¿Está de acuerdo con Procter & Gamble en que una cadena de suministro debe llamarse red de
suministro? ¿Por qué?
2. ¿Cuál es el valor de negocio de la modelación basada en agentes? Utilice a P&G y a otras
empresas de este caso como ejemplos.
3. Visite el sitio Web de NuTech Solutions. ¿Cómo usa NuTech las técnicas de inteligencia
artificial para ayudar a las empresas a obtener inteligencia de negocios “adaptativa”?
Proporcione varios ejemplos de los estudios de caso del sitio Web.
Fuente:
Adaptado de Gary Anthes, “Agents of change”, Computerworld, 27 de enero de 2003, pp. 26-27. Copyright ©
2003 por Computerworld, Inc., Framingham, MA o01701. Todos los derechos reservados.
4) BOEHRINGER INGELHEIM: USO DE HERRAMIENTAS BASADAS EN LA WEB PARA
REALIZAR ANÁLISIS Y REPORTES FINANCIEROS
Boehringer Ingelheim (www.boehringer-ingelheim.com) es una empresa enorme con $7 600
millones en ingresos y 32 mil empleados en 60 países. Pero la empresa farmacéutica, con sede en
Ingelheim, Alemania, dice que las aplicaciones financieras y de generación de reportes basada en
internet la están volviendo tan ligera como algunos de sus competidores más pequeños en cuanto al
manejo de las finanzas.
Al igual que muchas grandes corporaciones, Boehringer está utilizando herramientas analíticas
y financieras basadas en internet para consolidar y presentar con rapidez datos financieros clave con
una frecuencia diaria, semanal o mensual. La empresa usa una versión basada en internet de software
financiero de SAP AG, que le permite desglosar y extraer conclusiones basadas en los últimos datos
financieros y operativos disponibles. “Quiero que me digan dónde estoy parado y hacia dónde nos
dirigimos”, afirma el director de finanzas de Boehringer, Holger Huels. “Me gusta poder ver las
tendencias negativas y contrarrestarlas tan rápido como sea posible”. Algo aún más importante es que
Boehringer tiene ahora la capacidad de cerrar sus libros en la mayoría de sus divisiones sólo dos
horas después del cierre contable al final de cada mes, comenta Huels.
Ése es un gran cambio para el departamento de contabilidad de Boehringer, ya que
anteriormente debía esperar los reportes impresos y seleccionarlos manualmente. El personal utilizó
diversas herramientas de software para el análisis financiero, comenta Tony Ciancio, director de
contabilidad de Boehringer. El proceso de cierre abarcaba tres días de cada mes, incluyendo el tiempo
requerido para conciliar los datos sistemas dispares.
La empresa farmacéutica comenzó a utilizar el sistema SAP Fiancials R/3 hace un poco más de
un año, después de una implantación de 14 meses. La entrega de la información necesaria requirió
cierto trabajo de integración con varios sistemas de adquisiciones vinculados a SAP. Además,
Boehringer tuvo que desarrollar algunas interfaces adaptadas para vincular su sistema SAP con su
aplicación de planeación de la producción Manugistics.
El nuevo sistema utiliza la herramienta de generación de reportes Impromptu de Cognos Inc.
(www.cognos.com) para generar informes de resultados financieros a partir de un almacén de datos
administrado por Oracle, el cual se alimenta del sistema SAP todas las noches, dice Ciancio. Entonces,
Impromptu genera estados de resultados estándar, reportes de centros de costos y análisis a nivel de
cuentas. Impromptu también permite al personal de contabilidad desglosar la información hasta el
nivel de transacciones individuales. Ciancio dice que con 3 años y medio de datos de SAP, su
departamento puede reconocer las tendencias en ventas de sus productos y rastrear sus gastos, como
los costos de personal que se revisan y comparan con frecuencia con las ventas netas y otras medidas.
La mayor dificultad para implementar el nuevo sistema fue capacitar al personal para lidiar con
la manera peculiar que tiene la aplicación de SAP para manejar los procedimientos contables
específicos de la industria farmacéutica al reportar los ingresos, comenta Ciancio. A pesar de la
cantidad de tiempo requerido para capacitación, el sistema ha logrado que el departamento de
contabilidad sea mucho más productivo, en parte porque el personal puede ejecutar ahora reportes
actualizados siempre que los necesite, afirma Ciancio.
Boehringer también utiliza la herramienta de inteligencia de negocios Cognos PowerPlay, que

10. permite visualizaciones multidimensionales de datos de utilidades y pérdidas. “´Podemos analizar con
rapidez la información de ingresos y gastos al cambiar los datos de filas y columnas e incluir además
diferentes dimensiones y medidas, como presupuesto o año anterior, y después desglosar los datos y
obtener subgrupos de éstos”, comenta Ciancio. Los ejecutivos pueden tener acceso a estos datos a
través de Cognos Upfront, el cual entrega los reportes en forma segura por medio de un navegador a
través de la intranet de Boehringer. El sistema también permite análisis específico. Los más comunes
de estos análisis son las revisiones de transacciones que permiten a los usuarios obtener resúmenes
rápidos por producto o cuenta de clientes.
Ciancio comenta que el nuevo sistema está funcionando de la manera más eficiente posible,
pero tiene sus limitaciones. Por ejemplo, aún existe un retraso de un día en los informes porque
algunas partes de la organización global todavía usan sistemas diferentes. Por lo general, Boehringer
cierra los libros de cuatro de sus divisiones en 12 horas, casi siempre en el primer día hábil del mes,
explica Ciancio. Sin embargo, tres unidades no usan el sistema SAP Financials ni su libro de mayor.
Por lo que esas unidades tienen que cerrar en forma independiente y después los datos financieros se
consolidan por medio de hojas de cálculo de Excel en la herramienta Cognos Finance para elaborar los
reportes, lo que requiere una intervención manual y conlleva otro día. “Para muchos reportes esto es
aceptable. Para otros, estamos evaluando opciones con el fin de obtener actualizaciones en tiempo real
y elaborar reportes al minuto en Internet”, comenta Ciancio.
Pero Boehringer planea implementar el sistema SAP Financials basado en Web en la mayoría de
sus subsidiarias de todo el mundo en los próximos años, afirma Ciancio. Y opina que, a pesar de
algunos problemas, la empresa está convencida de que los ahorros obtenidos con el nuevo sistema ya
han superado las expectativas.
Preguntas
1. ¿Cuáles son los beneficios y las limitaciones de negocio de los sistemas de análisis y generación
de reportes financieros basados en Web de Boehringer?
2. ¿Cuáles de los sistemas de análisis y reportes financieros de Boehringer son herramientas de
sistemas de información administrativa?, ¿cuáles son herramientas de sistemas de apoyo a la
toma de decisiones? ¿Por qué?
3. ¿Cómo podría usar a Boehringer las herramientas de Cognos para mercadotecnia y otras
aplicaciones de análisis e informes de negocio? Visite el sitio Web de Cognos para que lo ayude
a dar su respuesta.
Fuente:
Adaptado de Marc Songini, “Boehringer Cures Slow Reporting”, Computerworld, 21 de julio del 2003,
Copyright © 2003 por Computerworld, Inc., Framingham, MA 01701. Todos los derechos reservados.
3. COMPRENSION DE VIDEO
SOFTWARE PREDICTIVO PARA LA TOMA DE DECISIONES. DVELOX Y DLIFE
1. ¿Por qué se permite a una computadora brindar una opinión complementaria al diagnóstico
médico? Explique.
2. ¿Para que este sistema funcione es necesario que éste se implemente en la estación de trabajo
del médico o es necesario implantarlo on line?
3. ¿En qué principios se basa el software predictivo para la ayuda en la toma de decisiones?
4. ¿Por qué es tan complicado tomar decisiones en cualquier ámbito?
5. Mencionar algún ejemplo en donde puede ser aplicado este producto.
Fuente:
Software predictivo para la toma de decisiones. dVelox y dLife
http://www.youtube.com/watch?v=HUBdk3MjIfY&feature=related