¿Necesitas a alguien que te asesore en el área del Business Intelligence?

Posted on by Àlex Caminals

 

En la gran mayoría de clientes a los cuales he ofrecido servicios de consultoría, me he encontrado con personas con un entendimiento del Business Intelligence (BI) bastante limitado. No los culpo. Supone un cambio de paradigma respecto a la manera tradicional de gestionar una organización, que es lo que la gran mayoría había aprendido.

En estos casos, mi experiencia me dice que lo mejor es abrirles la mente, haciéndolos reflexionar.

 

Hoy quiero que dediques unos minutos a leer este artículo y a reflexionar un poco. Seguramente es un tiempo precioso para ti, pero te aseguro que bien invertido puede reportarte grandes beneficios.

¿Has necesitado una solución de BI en el pasado?

A continuación encontrarás seis preguntas.

Te pido que después de cada una, dediques un tiempo a pensar en ocasiones en tu vida en las que esa situación se ha dado, si ha habido alguna. Y después, contesta cada pregunta siendo consciente de esas situaciones.

  • Alguna vez has necesitado información sobre tu negocio y no la has tenido a tu disposición?
  • Crees que la información en tu negocio no fluye de manera ágil?
  • Alguna vez has sufrido algún contratiempo en tu negocio por falta de información?
  • Eres consciente de que con acceso a información útil, los empleados de tu empresa podrían tomar más y mejores decisiones?
  • Alguna vez has recibido información demasiado tarde como para poder reaccionar a tiempo y revertir una situación o tendencia negativa?
  • Has tomado alguna vez alguna decisión basada en suposiciones y no en hechos contrastados?

Si has contestado “Sí” a alguna de estas preguntas, es que en esa situación necesitabas una solución de BI.

Piensa en el futuro

Ahora que ya sabes cómo identificar si necesitas una solución de BI, piensa en el futuro.

La toma de decisiones dentro de una organización, cuando se hace de manera racional, basándonos en hechos reales, proporciona resultados más efectivos. Piensa en cómo tener una solución de BI podría mejorar los procesos de tu organización a todos los niveles de decisión.

Es un proceso que requiere, tal y como he indicado al principio del artículo, un cambio de paradigma, un cambio de mentalidad. Pero lo bueno que tienes es que, si te has tomado tu tiempo reflexionando sobre las preguntas anteriores, estás abriendo tu mente a ese cambio. Y cuando entiendas la necesidad, verás el amplio espectro de posibilidades que BI te puede ofrecer.

Conclusión

A pesar de los años que el BI lleva en el mercado, aún hay muchas lagunas acerca de lo que puede aportar a las organizaciones, por parte de los directivos de éstas.

Como asesor de empresas en el ámbito del análisis de datos, me veo en la necesidad de ejercer como evangelizador del BI en muchos casos. Es decir, una de las tareas iniciales consiste en abrir la mente de mis clientes acerca de los beneficios que el BI puede aportar a su organización. Y esto lo consigo a partir de preguntas como las que habéis visto en este artículo.

Finalmente, una vez el cliente ha entendido qué es el BI y qué beneficios puede conllevar su implantación, podemos empezar a hablar de casos concretos.

Y ahí es donde empieza la asesoría. ¿Hablamos?

Calidad en un sistema de BI – Un beneficio para todos

Posted on by Àlex Caminals

 

Hablar de calidad es hablar de algo que todo el mundo desea, tanto quien la ofrece como quien la recibe. Esto también es extensible a proyectos de Business Intelligence. Mi experiencia, sin embargo, me ha mostrado que la realidad difiere de esa imagen idílica que rebosa calidad por todos lados.

En este artículo quiero hacer especial hincapié en el concepto de calidad en la implementación de un proyecto BI y los beneficios que aporta a ambas partes: Cliente y proveedor de servicios (externo o interno, cuando se trata del departamento de IT).

El proveedor de servicios desea ofrecer calidad para así poder satisfacer a sus clientes, labrar una reputación y conseguir más proyectos futuros. Por su parte, el cliente desea obtener el máximo rendimiento a su inversión económica, y ésto pasa por obtener calidad.

Qué es calidad en un sistema de BI?

La calidad en un sistema de BI viene dada por los siguientes factores:

  • Rendimiento: Capacidad del sistema de obtener los resultados deseados en poco tiempo.
  • Efectividad: Uso de recursos inteligente y máximo rendimiento de los componentes.
  • Mantenibilidad: Facilidad de crecimiento y mantenimiento del sistema.

Vale la pena dedicar un tiempo a entender cada uno de estos factores.

Rendimiento

El principal objetivo de un sistema de BI es poder proporcionar al usuario la respuesta a un conjunto de consultas. Éstas, mayoritariamente deben analizar un gran volumen de datos. En el mundo actual, el tiempo es dinero. Y tener a un usuario esperando para obtener una respuesta puede tener un gran impacto económico. Aún más, si la frustración por la espera desemboca en un abandono de la solución de BI por parte del usuario. Es por eso que un sistema de BI debe minimizar el tiempo de espera de los usuarios.

Efectividad

Obtener el máximo rendimiento es esencial en cualquier tarea si queremos obtener una buena productividad. La economía de los recursos se halla en las prioridades de cualquier proceso de negocio y también en el día a día de nuestras vidas. En un sistema de BI no debería ser menos. Al aumentar la efectividad, conseguiremos el máximo rendimiento de los componentes del sistema. Y eso se traduce en una reducción de costes de hardware y posiblemente software.

Mantenibilidad

Una solución de BI no es estática, al igual que no lo són los requerimientos de análisis de datos en cualquier organización. Facilitar el crecimiento del sistema permite a las organizaciones poder responder a esos nuevos requerimientos. Pero para poder hacer eso de manera efectiva en tiempo y recursos, debemos construir el sistema de manera que nos permita esas futuras evoluciones.

Importancia de la calidad

Muy a menudo, rendimiento, efectividad y mantenibilidad no son factores que se hallan en la cúspide de las prioridades a la hora de implementar un sistema de BI. En su lugar, encontramos un único factor: la satisfacción de los requerimientos de negocio. Es decir, la funcionalidad del sistema.

La calidad es un concepto técnico. La funcionalidad es un concepto de negocio. El éxito de un proyecto de BI pasa por conseguir ámbos conceptos.

Si tan sólo nos centramos en la funcionalidad, el proyecto puede ser un completo fracaso. Veamos qué sucede en las siguientes situaciones:

  • Lentitud de las consultas: El usuario se frustra y deja de utilizar el sistema.
  • Sobrecarga del sistema informático: El crecimiento del volúmen de datos o la ejecución de consultas más pesadas provocan un desplome del rendimiento. La solución no debe pasar por la ampliación de los recursos hardware, ya que es una solución cara y posiblemente no prevista en los presupuestos de la organización. E inevitablemente, el hecho de padecer un tiempo de respuesta a las consultas alto, hace que el usuario deje de utilizar el sistema.
  • Ampliación de requerimientos de negocio: El coste de ampliación y mantenimiento del sistema es muy alto, con lo que algunos de los requerimientos no son satisfechos a corto plazo. En algunos casos, la falta de presupuesto puede hacer que estos requerimientos no sean implementados. Por lo tanto, el usuario deja de utilizar el sistema.

Y no hace falta decir que si el usuario deja de utilizar el sistema, el proyecto de BI es un completo fracaso.

Cómo asegurar la calidad en un proyecto?

Los factores de calidad anteriormente citados están claramente en conflicto. Por ejemplo, utilizar un código fácilmente mantenible (fácil de entender, estructurado, etc.) puede implicar una penalización en el rendimiento respecto a otros algoritmos más eficientes. Un claro ejemplo es el algoritmo de ordenación: Burbuja vs. QuickSort.

Para poder asegurar una buena calidad dentro de un proyecto, debe haber unas directrices bien establecidas desde el inicio del proyecto. Así como es clave definir la gobernanza de datos en un proyecto de BI, también lo debe ser el nivel de servicio en términos de rendimiento, el uso de los recursos y la facilidad de mantenimiento del sistema de BI.

Tener una estrategia clara y concisa de BI incluye la definición de los factores de calidad del sistema.

Dado el caso que el proyecto ya esté iniciado, una auditoría del proyecto, desde la definición a la implementación, ayudarán a determinar si la calidad se ha tenido en cuenta. Hay que tener en cuenta que suele ser mejor detectar un problema potencial antes de que éste aparezca que una vez ya se ha producido. Si el impacto en los usuarios de negocio ya se ha producido, su confianza en el sistema posiblemente estará amenazada.

Una auditoría puede ser iniciada tanto por el cliente como por el proveedor de servicios, como mecanismo de control interno a la calidad. Si es el proveedor de servicios quien inicia la auditoría, éste estará ofreciendo al cliente una mejor imagen por lo que respecta al servicio.

Resumen

La calidad de un sistema de BI aporta beneficios tanto al proveedor de servicios como al cliente. Con la calidad ganan ambas partes. Es una situación de win-win.

Hay tres factores esenciales en la calidad de un sistema de BI: Rendimiento, efectividad y mantenibilidad.

Estos tres factores entran en conflicto los unos con los otros, lo que requiere de un equilibrio entre ellos. Este equilibrio se consigue mediante la aplicación de mejores prácticas que aseguren que se cumplirán ciertos niveles mínimos identificados en la estrategia del proyecto de BI.

Una auditoría permitirá identificar el nivel de calidad de un sistema de BI.

Big Data – Un arma de doble filo

Posted on by Àlex Caminals

Como consultor del Máster de BI de la UOC, es mi responsabilidad definir los trabajos que los estudiantes deben realizar en las asignaturas que imparto. Dentro de esta definición de trabajos, me gusta dar libertad a los estudiantes para que ellos mismos definan el escenario sobre el que basarse. De esta manera suprimimos la complejidad inicial de comprender un escenario desconocido para ellos. Este enfoque funciona muy bien pero a la vez acarrea un problema: Es el escenario de partida válido?

A lo largo de los semestres he podido constatar algo que ya había visto en mi vida profesional: Plantear soluciones mediante el uso de Big Data en escenarios que pueden resolverse mediante técnicas de BI tradicional es un error que se produce con demasiada asiduidad.

Big Data es un camino, no una finalidad

Big Data. Qué bien suena… Estas dos palabras están de moda. Quien implementa una solución con Big Data crece profesionalmente. Y las organizaciones adquieren un status de modernidad al ejecutar proyectos con esta tecnología.

Quizá sea esto lo que esté provocando que las organizaciones se estén lanzando a implementar soluciones de Big Data con tanto fervor. Pero, nos hemos parado a pensar si se trata de lo mejor para esa organización y en ese escenario concreto?

Es indudable que Big Data está mitificado. Se ha producido una corriente a nivel mundial que está constantemente alimentando este término. Eso está causando que se inicien proyectos de Big Data sin ser realmente necesarios.

Un proyecto de BI se inicia a partir de una necesidad de negocio. En la fase de obtención de requerimientos se identifican las fuentes de datos y la información a extraer de cada una de ellas. Y finalmente, después del análisis de dichos requerimientos, es cuando se diseña la solución que más convenga en cada escenario. Esta solución puede que implique el uso de Big Data, pero puede que no.

El planteamiento erróneo es el que define la tecnología sin tener en cuenta los requerimientos. He aquí un ejemplo:

Cuando se quiere analizar la información de Social Media de una organización, la gran mayoría de personas piensan inmediatamente en Big Data. Tengamos en cuenta este requerimiento de negocio:

  • Una organización quiere analizar el número de comentarios recibidos en su página de Facebook en función de la fecha y el país de origen de los comentarios.
  • Esta información será analizada semanalmente y utilizada para definir la línea a seguir en las siguientes semanas en Social Media.
  • El número de posts diarios es de cinco como máximo.
  • El número de comentarios recibidos no ha excedido nunca los 10.000 semanales.

La información requerida está disponible a partir del análisis básico de los campos proporcionados por Facebook. Es pues necesario implementar Big Data? La respuesta es «no». Por volumen, velocidad de generación y estructura de datos, la información necesaria para el análisis puede ser obtenida mediante herramientas de BI tradicionales. En este caso, no es necesario embarcarse en un proyecto de Big Data, ya que el coste y el riesgo son elevados.
 

Big Data, «Big Risk»

Big Data significa el uso de una nueva tecnología, de un paradigma de diseño distinto a los utilizados en el BI tradicional, y de formación nueva y especializada para los equipos de proyecto.

Big Data usa una tecnología aún en fase de crecimiento, una tecnología no lo suficientemente madura, donde los cambios y las mejoras se suceden constantemente. Esto significa que los componentes usados en un proyecto pueden quedar anticuados en un periodo corto de tiempo debido a esa constante evolución.

Así pues, podemos resumir los riesgos introducidos hoy en día al implementar un proyecto de Big Data en:

  • Tecnología no consolidada
  • Necesidad de formación y de cambio de mentalidad del equipo de proyecto

Con estos riesgos, cabe pues plantearse si el uso de Big Data en un proyecto es realmente necesario cuando es posible obtener las mismas respuestas mediante técnicas de BI tradicionales.

 

Resumen

  • Big Data nos permite poder analizar datos que en el pasado eran descartados para el análisis.
  • El uso de Big Data en un proyecto debe responder a necesidades de acceso y tratamiento de la información.
  • Si los requerimientos de negocio pueden satisfacerse mediante la implementación de una solución de BI tradicional, la elección de Big Data supondría un riesgo añadido en el proyecto.
  • Tratándose de una nueva tecnología aún en evolución, hay un elevado riesgo de que ésta quede obsoleto en un plazo relativamente corto.
  • Los equipos implicados en el diseño y desarrollo de una solución de BI con Big Data, deben adaptarse a un nuevo paradigma de programación, lo que constituye de por sí un importante riesgo.

Si quieres conocer más acerca de Big Data, no lo dudes y ponte en contacto conmigo.

Business Intelligence en tiempo real

Posted on by Àlex Caminals

Una solución de Business Intelligence (BI) debe permitir el análisis de datos para la extracción de conocimiento que aporte valor añadido para así poder mejorar los diferentes procesos de una organización.

Históricamente el BI se ha basado en cargas diarias de datos que se acumulan en un almacén de datos (data warehouse). Esto significa que los datos del data warehouse son estáticos e invariables hasta la ejecución de una nueva carga. Sin embargo, desde hace unos años, ha surgido una nueva tendencia en el análisis de datos: el BI en tiempo real.

En este artículo quiero invitaros a reflexionar sobre los siguientes temas:

  • Requerimientos de negocio: Es necesario analizar datos en tiempo real?
  • Arquitectura de un sistema de BI en tiempo real
  • Herramienta de BI y federación de datos

Todos ellos son, a mi entender, aspectos muy importantes a tener en cuenta al abordar un proyecto de BI con datos en tiempo real, y que suelen obviarse cuando se carece de experiencia en este tipo de proyectos.

Requerimientos de negocio: Es necesario analizar datos en tiempo real?

Al iniciar el proyecto de BI debemos obtener los requerimientos de negocio. Durante esta fase es muy importante identificar el retardo máximo (la latencia máxima) con la que los datos deben estar disponibles para su análisis. Ello nos indicará si bien los datos pueden incorporarse al data warehouse de manera diaria, deben ser cargados varias veces durante el día, o bien si deben estar disponibles en el mismo momento en que son introducidos en la fuente de datos.

La identificación de la latencia máxima debe hacerse en base a criterios de negocio y teniendo en cuenta el tipo de análisis a realizar. De ella dependerá cómo los datos se van a incorporar al data warehouse. Veamos un par de ejemplos:

Latencia máxima menor que 24 horas

Las ventas de una compañía multinacional se realizan a través de su página web. Cada día se ofertan una serie de productos que se venden a un ritmo de miles de ventas por minuto en todo el mundo. Negocio desea poder detectar posibles caídas bruscas del número de ventas, que deberán ser investigadas y resueltas de manera urgente. Se determina la latencia máxima para la ejecución del informe de tipo operacional en 2′.

En este caso, los criterios de negocio indican una necesidad de información en un periodo corto (2′). Con una carga diaria, los datos no estarían disponibles hasta el día siguiente, lo que no permitiría reaccionar en un periodo de tiempo corto para así solucionar el problema.

Latencia máxima mayor o igual que 24 horas

Tomando como punto de partida la compañía del escenario anterior y dentro del entorno de ventas, éstas deben ser analizadas para ver su progresión respecto a los objetivos marcados a nivel anual. En este caso, las ventas realizadas durante el último día no afectarán en gran manera a los resultados del análisis, por lo que se no son estrictamente necesarias.

En este escenario, los criterios de negocio no indican una necesidad de información durante el día en curso. Con una carga diaria es suficiente para poder mostrar el análisis deseado el día siguiente. Si bien disponer de datos más actualizados mostraría una información más ajustada a la realidad, la variación se considera mínima, con lo que una latencia máxima inferior a 24 horas no es un requerimiento de negocio.

Arquitectura de un sistema de BI en tiempo real

La necesidad de incorporar datos al data warehouse en tiempo real o casi real implica cambios en la arquitectura de los procesos de carga del data warehouse y de las estructuras de datos de éste. Cada uno de los casos tiene sus particularidades.

BI en tiempo real

El BI en tiempo real requiere que los datos estén disponibles un instante después de ser incorporados a la fuente de datos. Esta necesidad se traduce en la ausencia de cargas de datos al data warehouse. En su lugar, el acceso a los datos se realiza directamente sobre la fuente de datos o una réplica de ésta. En este último caso hay que tener en cuenta que habrá que disponer una tecnología capaz de replicar los datos originales en tiempo real.

BI en tiempo casi real

El BI en tiempo casi real, por su parte, nos permite cierto retraso a la hora de disponer de esos datos. Ese retraso puede ser de segundos, minutos y hasta de varias horas. En este caso sí que podremos ejecutar cargas de datos al data warehouse. Sin embargo, el tipo de carga a realizar, la cantidad de información a incorporar, la tecnología utilizada y el destino de los datos dependerá de la frecuencia de las cargas y la duración de éstas. Cabe notar que en el caso de una frecuencia alta de cargas, es muy posible que los datos no puedan integrarse en el data warehouse y deban almacenarse en una área alternativa, también llamada partición de tiempo real del data warehouse.

Herramienta de BI y federación de datos

En una solución de BI en tiempo real y probablemente también en una solución de BI en tiempo casi real, los datos estarán almacenados en una área diferente a la de los datos del data warehouse. Para poder analizar la totalidad de los datos y tratarlos como una sola fuente de información, es necesario mapear las diferentes estructuras de datos (data warehouse, partición de tiempo real, y fuente de datos) a un modelo lógico común basado en el modelo de negocio. Esta integración de distintas estructuras de datos en un modelo lógico único recibe el nombre de federación de datos.

Es muy importante tener en cuenta la necesidad de federar datos a la hora de elegir la herramienta de BI, puesto que la federación de datos es una capacidad que no está disponible en todas las herramientas de BI del mercado. Por tanto, la elección de la herramienta a utilizar debería realizarse una vez los requerimientos hayan sido obtenidos y analizados. Tan solo así nos aseguraremos de disponer de una solución de BI que se adapte a las necesidades de negocio.

Resumen

  • La identificación de la latencia máxima en el acceso a la información en un sistema de BI es una tarea clave en la obtención de los requerimientos de negocio de un proyecto de BI.
  • La necesidad de disponer de datos en tiempo real o casi real determinará la arquitectura, el software y el sistema de comunicaciones en un sistema de BI.
  • La inclusión en un mismo análisis de datos históricos y datos actuales requiere la combinación de ambos subconjuntos de datos bajo el mismo prisma de negocio. Esto es lo que se llama federación de datos.
  • La elección de la herramienta de BI a utilizar dependerá, entre otros muchos factores, de la necesidad del usuario de acceder a datos federados, ya que no todas las herramientas del mercado disponen de esta capacidad.
Si quieres conocer más acerca del BI en tiempo real, no lo dudes, contacta conmigo.

Gestión de un proyecto de Business Intelligence (I): Estructura del proyecto

Posted on by Àlex Caminals

Una de las primeras preguntas a la que se enfrenta un gestor de proyectos con experiencia en proyectos de desarrollo de software cuando se ve delante de un proyecto de Business Intelligence (BI) por primera vez, es si dicha experiencia le permitirá gestionar el proyecto correctamente o no. La respuesta es: No, no será suficiente.

Un proyecto de BI tiene muchas particularidades si lo comparamos con un proyecto de desarrollo de software. Esto hace que deba enfocarse de manera diferente.

Dentro de estas particularidades que voy a desarrollar en una serie de artículos, hoy me centraré en la estructura del proyecto de BI.

Para poder hablar de la estructura de un proyecto de BI, lo primero que hay que hacer es entender la naturaleza de los requerimientos de negocio del proyecto.

Procesos de negocio vs. análisis de datos

Los procesos de negocio determinan cómo trabaja una organización. Estos procesos, a pesar de poder cambiar con el tiempo, tienden a ser estáticos a corto plazo.

En cambio, el análisis de datos es mucho más dinámico. Cierto es que habrá ciertos análisis de datos que siempre serán necesarios, que serán estáticos. Sin embargo, la manera en cómo los datos son analizados puede variar en base a muchos factores. Por ejemplo, la disponibilidad de nuevos datos o la mera curiosidad por descubrir correlaciones entre diferentes datos pueden hacer cambiar la manera en que los datos son analizados por los diferentes usuarios de un sistema BI.

Podemos concluir entonces que, como norma general, a medida que nos alejamos del momento en que se definieron inicialmente los requerimientos de negocio, la validez de éstos cuando son basados en procesos dentro de una organización es mayor que cuando son basados en análisis de datos.

En resumen, un requerimiento de negocio basado en un proceso dentro de una organización tiene una mayor posibilidad de aún ser válido que otro basado en análisis de datos, a medida que nos alejamos del momento de definición del requerimiento.

Iteraciones cortas

Para poder minimizar la volatididad (que no garantizar la validez) de los requerimientos de negocio para un proyecto de BI, será necesaria la segmentación del proyecto en un conjunto de iteraciones de corta duración. De esta manera, si un requerimiento de análisis de datos cambia, tan solo afectará al proyecto si ese cambio se produce durante la iteración que está implementando la solución para ese requerimiento.

Estas iteraciones seguirán la estructura clásica de un proyecto:

  • Análisis
  • Diseño
  • Desarrollo
  • Pruebas
  • Formación
  • Paso a producción
  • Soporte

Además de minimizar el impacto en los requerimientos, hay otros beneficios derivados de la organización de un proyecto de BI en iteraciones cortas:

  • Los usuarios disponen de un sistema de BI en un periodo corto de tiempo, lo que les permite aprender las posibilidades del sistema para así poder refinar sus requerimientos en las próximas iteraciones.
  • Permite reaccionar fácilmente a cambios de prioridades en los requerimientos mediante la reorganización de las iteraciones.

Análisis global

La segmentación de un proyecto de BI en iteraciones en base al alcance del proyecto definido inicialmente, es un error que conlleva graves implicaciones en el proyecto, ya que este enfoque no permite, entre otros, conseguir los siguiente objetivos:

  • Segmentar el proyecto en iteraciones cortas basadas en los requerimientos de negocio.
  • Identificar las prioridades de negocio.
  • Estimar el coste de ejecución de cada iteración teniendo en cuenta las dificultades técnicas y las posibles sinergias en el desarrollo.
  • Crear el plan de proyecto.

Por tanto, es necesario iniciar el proyecto con una fase de análisis global a alto nivel que nos permitirá disponer de la información necesaria para conseguir estos objetivos.

Después, a medida que avanza el proyecto, en cada una de las iteraciones se ampliará y detallará ese análisis inicial centrándose en el alcance de cada iteración. Esto permitirá proceder al diseño detallado, el desarrollo, etc. de las iteraciones definidas en el proyecto.

En un artículo posterior entraré en el detalle de qué debe contener este análisis global dentro del proyecto de BI.


Resumen

  • Un proyecto de BI requiere un enfoque diferente a un proyecto de desarrollo de software.
  • El proyecto debe iniciarse con un análisis global que nos permita, entre otras cosas, crear el plan de proyecto acorde con los requerimientos de negocio, las prioridades, las dificultades técnicas y las sinergias derivadas de la construcción de la solución de BI. 
  • Después de la fase inicial de análisis, el proyecto se segmenta en iteraciones definidas a partir de las conclusiones obtenidas en éste.
Si quieres conocer más acerca de la inteligencia de negocio, no dudes en suscribirte.

Introduccción a la inteligencia de negocio

Posted on by Àlex Caminals
La inteligencia de negocio está en boca de la gran mayoría de directivos sea cual sea su área, el tamaño de su organización, su sector y su ámbito territorial. Las organizaciones están invirtiendo en esta área para poder ser más eficientes y más competitivos. Pero sabemos qué es y en qué consiste la inteligencia de negocio?

Qué es la inteligencia de negocio?

Inteligencia de negocio (Business Intelligence – BI) es el término usado para designar el conjunto de técnicas y procesos que permiten el análisis de datos.

Dicho de esta manera, no parece nada que pueda cambiar el rumbo de una organización. Es más, habrá gente que piense que los datos pueden ser analizados sin la necesidad del BI. La verdad es que pueden estar en lo cierto en ciertos escenarios. Sin embargo, en la mayoría de casos, no será así.

Necesitamos el BI para poder analizar datos?

La capacidad de analizar datos no es específica del BI. De hecho, no es necesario aplicar técnicas y procesos de BI para analizar datos. Sin embargo, este conjunto de técnicas y procesos ofrece unos beneficios que permiten el análisis eficiente de grandes volúmenes de datos, cosa que no es posible con los métodos dígamos tradicionales. Es más, con los métodos tradicionales, en algunos casos sería prácticamente una quimera.

Qué beneficios aporta el BI?

Los beneficios para cualquier organización son evidentes. Cuando una organización dispone de dicha capacidad de análisis de datos, disfruta de una gran ventaja con respecto a sus competidores. Eso es debido a la posibilidad de extracción de conclusiones basadas en hechos más que en la experiencia o en intuiciones, lo que le permite obtener mejores resultados en sus procesos de negocio.

A quién pertenece un proyecto de BI?

 
La motivación de iniciar un proyecto de BI surge de la necesidad de negocio de obtener una información necesaria pero a la vez no disponible en ese momento en la organización. De hecho, los datos pueden existir, pero su transformación en información válida para poder monitorizar y mejorar los procesos de negocio, no está disponible. Por tanto, podemos decir que el iniciador de un proyecto de BI y por tanto su espónsor principal, será negocio.
Históricamente, la inteligencia de negocio se ha asociado a la tecnología  y por tanto al departamento de IT de una organización. Es innegable el vínculo con la tecnología, ya que existe un importante factor del éxito de un proyecto de inteligencia de negocio que depende de ésta. Sin embargo, es un error considerar un proyecto de inteligencia de negocio como un proyecto únicamente del departamento tecnológico de una organización. De hecho, el éxito de un proyecto dependerá del esfuerzo conjunto que realicen ambas partes. Cabe puntualizar pues, que sin la participación de negocio, el riesgo de sufrir un fracaso en la implementación de un proyecto de inteligencia de negocio es muy elevado.

Resumen

  • La inteligencia de negocio facilita a las organizaciones el análisis de datos para su transformación no solo en información sino también en conocimiento.
  • Esto permite la toma inteligente de decisiones de negocio, cosa que implica una serie de beneficios para la organización.
  • El éxito de un proyecto depende en gran parte de la colaboración entre negocio y el departamento de IT.
Si quieres conocer más acerca de la inteligencia de negocio, no dudes en suscribirte.

Toma de decisiones inteligente

Posted on by Àlex Caminals
Cómo tomamos las decisiones en nuestro día a día? En qué nos basamos? Son estas decisiones fundadas o son tan solo el mero fruto de la experiencia y la intuición?

Toma de decisiones con fundamento

Cuando debemos tomar una decisión, sea en nuestra vida privada o en el trabajo, es muy importante basarnos en hechos con fundamentos. Dejar la elección de nuestros actos futuros a la intuición y la inspiración conlleva riesgos que debemos asumir. Dado el caso que de nuestra elección deriven resultados negativos, podemos justificar esa decisión bien ante otras personas bien ante nosotros mismos? Sin una decisión fundamentada, nos quedamos sin argumentos para dicha justificación. Pero no se trata tanto de un caso de justificación como de ser capaz de tomar las decisiones a priori acertadas en cada caso.

Transformación de las organizaciones

Dentro del mundo de las organizaciones, constantemente se toman decisiones, tanto a nivel ejecutivo, como táctico como operacional. Cuando se habilita a los trabajadores de una organización para que puedan tomar decisiones fundadas en hechos reales más que en su propia experiencia o intuición, estamos transformando esa organización. Dicha transformación conlleva múltiples beneficios. Algunos ejemplos son:

  • El índice de aciertos respecto a fallos en las tomas de decisión aumenta por el hecho de estar soportadas por una justificación basada en hechos.
  • Los empleados pueden tomar decisiones con unos riesgos más controlados. Esto conlleva un menor impacto en el caso de decisiones erróneas, que a la larga debería ser compensado por el incremento de aciertos.
  • El nivel de presión en la toma de decisiones disminuye. Por tanto, las decisiones son menos conservadoras, lo que trae consigo un aumento del beneficio en el caso de decisiones acertadas.
Cuando una organización se transforma, da un paso al frente en términos de eficiencia. Esto se puede traducir en optimización de recursos y procesos, reducción de costes e incremento de beneficios económicos, por ejemplo.
Dentro del mundo empresarial, con una voraz competencia por obtener cuotas de mercado y con una innegable presión por aumentar los beneficios, el uso de herramientas que permitan la toma de decisiones inteligente supone un soporte esencial en dicha carrera por escalar posiciones con respecto a sus competidores.

Conclusión

  • La inteligencia de negocio permite dotar a una organización de la capacidad para la toma de decisiones inteligente.
  • Las organizaciones que quieren sobrevivir a medio y largo plazo ya están aplicando técnicas de inteligencia de negocio para poder transformar su organización en esa dirección.
  • Las empresas que no se adapten, acabarán por desaparecer.
Para conocer más acerca de la inteligencia de negocio, podéis leer el artículo de este blog Introducción a la inteligencia de negocio.

Para cualquier consulta, puedes contactar conmigo.

Si quieres conocer más acerca de la inteligencia de negocio, no dudes en suscribirte.