14196827

INTELIGENCIA DE NEGOCIOS
Business Intelligence(BI)
Una herramienta para tomar decisiones

Inteligencia de Negocios
 Algo peor que no tener información disponible es
tener mucha información… y no saber qué hacer con
ella.
 Escenarios, Pronósticos y Reportes
 Tomar decisions - Lograr Ventaja competitiva

 La clave para BI es la información y uno de sus mayores beneficios
es la posibilidad de utilizarla en la toma de decisiones.
 Son muchas las empresas que se han beneficiado por la
implementación de una sistema de BI, además se pronostica que
con el tiempo se convertirá en una necesidad de toda empresa.
 INFORMACIÓN
 Vivimos en una época en que la información es la clave para
obtener una ventaja competitiva en el mundo de los negocios.
Rápido y fácil

 La Inteligencia de Negocios o Business Intelligence.-
El proceso de analizar los bienes o datos acumulados en la empresa y
extraer una cierta inteligencia o conocimiento de ellos.
 bases de datos de clientes
 información de la cadena de suministro
 ventas personales
 actividad de marketing
 información relevante para la empresa
 Que es Inteligencia de Negocio?
 Es el proceso que por excelencia extrae, manipula, procesa,
combina, explora y analiza los datos para presentarlos como
información

 Inteligencia de negocios a nivel operativo, táctico y estratégico
Nivel operativo - Este nivel manejan principalmente herramientas de reportes u hojas de cálculo
con formatos fijos que está en constante actualización.
Nivel Táctico - Éste nivel permite analizar los datos a nivel medio , permite analizar y consultar
información mediante la utilización de software, sin intervención de terceros.
Nivel Estratégico - Permite monitorear y analizar las tendencias, patrones, metas y objetivos
estratégicos de la alta dirección. Un ejemplo de IN en éste nivel está constituido por: Balanced
Scorecard (término introducido por Robert Kaplan y David Norton).

 Componentes de Business Intelligence
 Todas las soluciones de BI tienen funciones parecidas, pero
deben de reunir al menos los siguientes componentes:
 Multidimensionalidad
 Data Mining
 Agentes
 Data Warehouse

 Multidimensionalidad: la información multidimensional se
puede encontrar en hojas de cálculo, bases de datos, etc.
 Por ejemplo, un pronóstico de ventas de un nuevo producto en
varias regiones no está completo si no se toma en cuenta
también el comportamiento histórico de las ventas de cada
región y la forma en que la introducción de nuevos productos se
ha desarrollado en cada región en cuestión.

 Data Mining.- Las empresas suelen generar grandes cantidades de
información sobre sus procesos productivos, desempeño
operacional, mercados y clientes.
 Las aplicaciones de data mining pueden identificar tendencias y
comportamientos, no sólo para extraer información, sino también
para descubrir las relaciones en bases de datos que pueden
identificar comportamientos que no muy evidentes.

 Agentes: Los agentes son programas que piensan. Ellos pueden
realizar tareas a un nivel muy básico sin necesidad de
intervención humana.
 Por ejemplo, un agente pueden realizar tareas un poco
complejas, como elaborar documentos, establecer diagramas
de flujo, etc.

 Data Warehouse: Es la respuesta de la tecnología de
información a la descentralización en la toma de
decisiones.
 Coloca información de todas las áreas funcionales de la
organización en manos de quien toma las decisiones.
También proporciona herramientas para búsqueda y
análisis.

BD transaccional vs. DW
Transaccional Data Warehouse
Se enfoca en soportar actividades Se enfoca en la toma de decisiones
Se enfoca en los detalles Se enfoca en los agregados
Diseñada para una aplicación específica Cubre todo el negocio integrando
diversas fuentes de datos
Representa el “Ahora” Representa la “Historia”
Respuestas rápidas para información a
nivel de detalle
Respuestas rápidas para información
sumarizada

Beneficios :
• Con información se aumentan las posibilidades de llevar a cabo más y
mayores transacciones de venta.
• Entender de una manera más oportuna las necesidades del entorno.
• Ventaja Competitiva basados en una toma de decisiones más informada.
Proceso de Inteligencia de Negocios

VENTAJA COMPETITIVA
TOMA DE DECISIONES
CONOCIMIENTO
INFORMACION
DATO S
VENTAJA COMPETITIVA

Se puede:
 Generar reportes globales o por secciones
 Crear una base de datos de clientes
 Crear escenarios con respecto a una decisión
 Hacer pronósticos de ventas y devoluciones
 Compartir información entre departamentos
 Análisis multidimensionales
 Generar y procesar datos
 Cambiar la estructura de toma de decisiones
 Mejorar el servicio al cliente
Que puedo hacer con BI?

Inteligencia de Negocios - KDD
 KDD: Proceso de Extracción de conocimiento
 La Extracción de conocimiento está principalmente relacionado con el
proceso de descubrimiento conocido como Knowledge Discovery in
Databases (KDD), que se refiere al proceso no-trivial de descubrir
conocimiento e información potencialmente útil dentro de los datos
contenidos en algún repositorio de información [1]. No es un proceso
automático, es un proceso iterativo que exhaustivamente explora
volúmenes muy grandes de datos para determinar relaciones. Es un
proceso que extrae información de calidad que puede usarse para dibujar
conclusiones basadas en relaciones o modelos dentro de los datos. La
siguiente figura ilustra las etapas del proceso KDD:

Descubrimiento de Conocimiento en Bases de Datos
 En los últimos años, ha existido un gran crecimiento en nuestras
capacidades de generar y colectar datos (Bajo costo de almacenamiento).
 Información oculta
 El descubrimiento de esta información oculta es posible gracias a la Minería de
Datos (DataMining)
 El valor real de los datos reside en la información que se puede extraer de
ellos, información que ayude a tomar decisiones o mejorar nuestra
comprensión de los fenómenos que nos rodean
 Los datos son la materia prima bruta de la INFORMACIÓN

 La capacidad de generar y almacenar información creció
considerablemente en los últimos tiempos, se ha estimado que
la cantidad de datos en el mundo almacenados en bases de
datos se duplica cada 20 meses.
 Con las sentencias SQL se puede realizar un primer análisis,
aproximadamente el 80% de la información se obtiene con estas
técnicas.
 El 20% restante, que la mayoría de las veces, contiene la
información más importante, requiere la utilización de técnicas
más avanzadas.

 KDD, apunta a procesar automáticamente grandes cantidades de datos
para encontrar conocimiento útil en ellos, de esta manera permitirá al
usuario el uso de esta información valiosa para su conveniencia.
 En resumen El KDD es el Proceso no trivial de identificar patrones
válidos, novedosos, potencialmente útiles y, en última instancia,
comprensibles a partir de los datos, teniendo como objetivo encontrar
conocimiento útil relevante y nuevo sobre un fenómeno o actividad,
presentando los resultados de manera visual.

 Las metas del KDD son:
 Procesar automáticamente grandes cantidades de datos
crudos.
 Identificar los patrones más significativos y relevantes.
 Presentarlos como conocimiento apropiado para satisfacer las
metas del usuario.

1.Selección de datos. En esta etapa se determinan las fuentes de datos y el tipo de información a utilizar. Es la
etapa donde los datos relevantes para el análisis son extraídos desde la o las fuentes de datos.
2.Preprocesamiento. Esta etapa consiste en la preparación y limpieza de los datos extraídos desde las distintas
fuentes de datos en una forma manejable, necesaria para las fases posteriores. En esta etapa se utilizan diversas
estrategias para manejar datos faltantes o en blanco, datos inconsistentes o que están fuera de rango,
obteniéndose al final una estructura de datos adecuada para su posterior transformación.
3.Transformación. Consiste en el tratamiento preliminar de los datos, transformación y generación de nuevas
variables a partir de las ya existentes con una estructura de datos apropiada. Aquí se realizan operaciones de
agregación o normalización, consolidando los datos de una forma necesaria para la fase siguiente.
4.Data Mining. Es la fase de modelamiento propiamente tal, en donde métodos inteligentes son aplicados con el
objetivo de extraer patrones previamente desconocidos, válidos, nuevos, potencialmente útiles y comprensibles y
que están contenidos u “ocultos” en los datos.
5.Interpretación y Evaluación. Se identifican los patrones obtenidos y que son realmente interesantes,
basándose en algunas medidas y se realiza una evaluación de los resultados obtenidos.

 Relación con otras disciplinas
 Sistemas de información / bases de datos
 Estadística, aprendizaje automático / IA (redes neuronales, lógica difusa,
algoritmos genéticos, razonamiento probabilístico).
 Reconocimiento de patrones
 Visualización de datos (interfaces)
 Computación distribuida

Inteligencia de Negocios – El procesos
de KDD
 Determinar las fuentes de información (que pueden ser útiles
y dónde conseguirlas)
 Diseñar el esquema de un almacén de datos (Data
Warehouse): que consiga unificar de manera operativa toda la
información recogida.
Implantación del almacén de datos: que permita la navegación
y visualización
 Previa de sus datos, para discernir qué aspectos puede
interesar que sean estudiados.

Inteligencia de Negocios – El proceso de KDD
 Selección, limpieza y transformación de los datos que se van
a analizar
 Seleccionar y aplicar el método de minería de datos
apropiado;
 clasificación, agrupamiento o clustering
 la selección de él o de los algoritmos a utilizar;
 forma de representarlo (árboles de decisión, reglas, etc.)
 Evaluación, interpretación, transformación y representación
de los patrones extraídos.
 Difusión y uso del nuevo conocimiento.

 Como apoya Inteligencia de Negocios al flujo de información de la
empresa.
 Los modelos de solución de la Inteligencia de Negocios procuran aprovechar las
bondades de la tecnología de cómputo para resolver un problema de Administración
del Conocimiento. Ante tal postura las aplicaciones de la Inteligencia de Negocios
tienden a: “Crear sistemas especializados en una función específica de la empresa,
que contribuya a ser mas eficiente el diagnóstico de una situación y tomar la
decisión adecuada para su solución; mediante la sistematización del manejo de
datos, refinamiento de la información, representación del conocimiento”

 Importancia de BI en las organizaciones
 La toma de decisiones es ineficiente si la entrada de datos es capturada de forma
ineficiente, por lo que con frecuencia el análisis de la información es tan basta que
la solución puede llegar muy lenta o incluso fuera de tiempo. Es por eso que la
importancia de manejar BI es crucial, para el éxito o fracaso de una empresa con
datos considerablemente altos y variables.
 Las tecnologías de BI buscas incrementar la eficiencia organizacional y su
efectividad, agilizando el flujo de datos dentro de la organización.
 Existen otros datos dentro de los Bi, que incluso redefinen los procesos ya
existentes po unos nuevos, que eliminan pasos o en su caso crean nuevas
capacidades.

 Desafíos críticos para el éxito de BI.
 Falta de compromiso de los niveles organizacionales - Poca disponibilidad por
parte de los elementos que representan los negocios.
 Riesgos de BI
 Si se tienen las herramientas adecuadas con el personal inadecuado y/o poco
capacitado.
 Se vean opacados los resultados obtenidos por el desempeño financiero.
 Se trabaja con una relación escasa con los proveedores y se pierden los
beneficios de trabajar con ellos y con otros socios de negocios.
 La tecnología evoluciona rápidamente, todas ellas al introducirse en la empresa
corren un riesgo de no ser manejadas adecuadamente y en su totalidad, hata
que son comprendidas y dominadas.
 Un riesgo importante es la habilidad de los vendedores.
 Acceso erróneo de los datos.
 Que la empresa tenga múltiples herramientas de BI, con datos poco claro y
metas incompatibles con la organización. Induce a tener diferentes
conclusiones de los mimos datos.

 Casos Prácticos – Ejemplo 1
 Una conocida cadena de supermercados gallegos ha recurrido a un sistema de
Business Intelligence para averiguar cual era el perfil de sus clientes más
rentables e intentar hacer lo posible para fidelizarlos.
 Para ello, una de las primeras acciones que llevó a cabo fue la creacción de
una "tarjeta descuento", que vinculara a los clientes con el club del
supermercado. Para poder optar a esta tarjeta, cada cliente debía facilitar
sus datos personales básicos (edad, sexo, origen...) y unos datos
complementarios de sus preferencias. A cambio recibía descuentos eventuales
en sus compras.
 Tras haber acumulado una relevante cantidad de datos, llegó el momento de
extraer la información requerida mediante un sistema de soporte a la
decisión. Entre las rarezas obtenidas en los resultados, cabe destacar que el
perfil ideal de cada cliente tenía sustanciales diferencias en función de la
ubicación geográfica, a pesar de que el límite del análisis era dentro de la
propia Galicia.

 Una peluquería de Santiago de Compostela llevaba dos años abierta al
público. Durante todo ese tiempo, las dueñas, dos chicas jóvenes y
emprendedoras, habían trabajado todos los días de la semana (a excepción,
naturalmente, de los domingos) para sacar adelante su negocio.
 Al haber estabilizado su cartera de clientes decidieron descansar un día más a
la semana. Su primera opción fue cerrar los lunes, como las demás
peluquerías de la zona. No obstante, decidieron basar su decisión en la
información histórica que habían recogido en su pequeña aplicación de citas.
 Los resultados obtenidos fueron contudentes, ya que el lunes resultó ser el
cuarto día más rentable de la semana (probablemente como consecuencia del
cierre de la competencia). Finalmente el día elegido para descansar fue el
martes.

 Este caso práctico se refiere a uno de las mayores empresas conserveras de
Galicia, con presencia internacional, más de 500 empleados y cerca de
100.000.000 € de facturación.
 A pesar de que en el sector conservero es bien conocida la estacionalidad de
las ventas (el consumo de atún en conserva se dispara en verano, debido a su
participación en las ensaladas) y en diciembre (con motivo de la navidad),
esta empresa no había sido capaz de optimizar la cantidad de producto
finalizado que debía almacenar en stock para maximizar sus beneficios.
 Mediante la implantación de un sistema de soporte a la decisión (DSS), y tras
el análisis minucioso de los datos históricos que guardaba la compañía,
resultó posible rediseñar todo el proceso logístico y de almacenamiento
productivo hasta el punto de incrementar la rentabilidad económica de la
misma (independientemente de la producción y la demanda) en un 10%.

 Direcciones de referencia
 Inteligencia de negocios
 https://www.gestiopolis.com/inteligencia-de-negocios/

14196827

Más contenido relacionado

La actualidad más candente

Similar a 14196827

14196827