UNIVERSIDAD NACIONAL DEL CALLAO

FACULTAD DE INGENIERÍA INDISTRIAL Y DE SISTEMAS

ESCUELA PROFESIONAL DE SISTEMAS

FUNDAMENTOS DE LA INTELIGENCIA DE NEGOCIOS

PROFESOR

 JESUS BRINGAS ZUÑIGA

INTEGRANTES:

 RAMON IBARRA NILSON JORDY

Contenido
1. Introducción .......................................................................................................................... 3
2. Definiciones ........................................................................................................................... 4
3. Datos, Información Y Conocimiento ..................................................................................... 4
3.1 Datos ................................................................................................................................... 5
3.2 Información ......................................................................................................................... 5
3.3 Conocimiento ...................................................................................................................... 5
4. Pilares de la Inteligencia de Negocios ................................................................................... 6
5. La Inteligencia de Negocios en la toma de decisiones .......................................................... 7
5.1 Nivel estratégico:................................................................................................................. 7
5.2 Nivel táctico:........................................................................................................................ 7
5.3 Nivel operativo: ................................................................................................................... 7
6. Herramientas que utiliza la inteligencia de negocios............................................................ 8
6.1 Data Warehouse.................................................................................................................. 8
6.2 Data Mining ......................................................................................................................... 8
6.2.1 Predicción automática de comportamientos. .............................................................. 9
6.2.2 Predicción automática de tendencias. ......................................................................... 9
6.3 On-Line Analytical Processing ............................................................................................. 9
6.4 Knowledge Management .................................................................................................... 9
6.5 Decision Support System................................................................................................... 10
6.5.1 Principales beneficios de los DSS ............................................................................... 10
6.5.2 Características y capacidades ideales de los DSS deben soportar ............................. 10
7. Importancia de la Inteligencia de Negocios ........................................................................ 11
8. Beneficios de la Inteligencia de Negocios ........................................................................... 11
 1. Introducción

El objetivo del presente trabajo monográfico es dar a conocer una de las especialidades que
tiene la carrera de Ingeniería de Sistemas, además los conceptos y utilidades de BI y las
utilidades que tiene con respecto al análisis de información.

En una empresa es necesario tomar decisiones día a día (algunas muy estratégicas) que están
basadas en información generada en base de datos reales. Generar esa información es la labor
de BI. Al tomar decisiones estamos aceptando riesgos, el propósito de BI es disminuir los
riesgos.

El sistema de expansión de este componente de herramientas está haciendo que en los

últimos años se estén dando y desarrollando proyectos en BI. Tampoco es de extrañar el alto
índice de fracaso, al tratarse de sistemas intensamente decisionales, y de una disciplina
todavía no demasiado madura ni conocida, con diversidad de enfoques metodológicos
diferentes.

Existiendo por otra parte metodologías agiles de desarrollo de software, la BI está teniendo un
gran auge y está dando buenos resultados en ámbitos en los que otras metodologías más
convencionales habían mostrado limitaciones en su aplicación. Así pues, si juntamos la
inmadurez de la disciplina de BI con la orientación práctica de los enfoques ágiles, podríamos
obtener un resultado final más satisfactorio.
 2. Definiciones
La Inteligencia de Negocios es el conjunto de productos y servicios que permiten a los usuarios
finales acceder y analizar de manera rápida y sencilla, la información para la toma de
decisiones de negocio a nivel operativo, táctico y estratégico.

Según Howard Dresner, BI es un proceso interactivo para explorar y analizar información

estructurada sobre un área (normalmente almacenada en un datawarehouse), para descubrir
tendencias o patrones, a partir de los cuales derivar ideas y extraer conclusiones.

El proceso de BI incluye la comunicación de los descubrimientos y efectuar los cambios. Las

áreas incluyen clientes, proveedores, productos, servicios y competidores. M. Raisinghani
define: Desde una perspectiva de gestión, la definición de BI es la transcripción de datos de la
empresa en información que sustenta una toma de decisiones óptima.

En términos básicos, BI debe activar el pensamiento estratégico y la acción dentro de una

organización. Se hace necesaria información a disposición a todos los niveles de organización,
desde la alta dirección a la ―abeja obrera. Sistema que nos provee de la información necesaria
para el control y la mejora de los procesos de negocios, sirviéndola con la semántica adecuada
a los decisores, facilitando la obtención y el sostenimiento de ventajas competitivas. Según
Peña (2006), el término Inteligencia de Negocios procura caracterizar una amplia variedad de
tecnologías, plataformas de software, especificaciones de aplicaciones y procesos.

La Inteligencia de Negocios faculta a la organización a tomar mejores decisiones más rápidas.

Este concepto se requiere analizar desde tres perspectivas: Hacer mejores decisiones más
rápido, convertir datos en información, y usar una aplicación relacional para la administración.

3. Datos, Información Y Conocimiento

En una conversación informal, los tres términos suelen utilizarse indistintamente y esto puede
llevar a una interpretación libre del concepto de conocimiento. Quizás la forma más sencilla de
diferenciar los términos sea pensar que los datos están localizados en el mundo y el
conocimiento está localizado en agentes de cualquier tipo (personas, empresas, máquinas...),
mientras que la información adopta un papel mediador entre ambos.
Los conceptos que se muestran a continuación se basan en las definiciones de Davenport y
Prusak (1999).
3.1 Datos

Los datos son la mínima unidad semántica, y se corresponden con elementos primarios de
información que por sí solos son irrelevantes como apoyo a la toma de decisiones. También se
pueden ver como un conjunto discreto de valores, que no dicen nada sobre el porqué de las
cosas y no son orientativos para la acción.
Un número telefónico o un nombre de una persona, por ejemplo, son datos que, sin un
propósito, una utilidad o un contexto no sirven como base para apoyar la toma de una decisión.
Los datos pueden ser una colección de hechos almacenados en algún lugar físico como un papel,
un dispositivo electrónico, o la mente de una persona. En este sentido las tecnologías de la
información han aportado mucho a recopilación de datos.
Como cabe suponer, los datos pueden provenir de fuentes externas o internas a la organización,
pudiendo ser de carácter objetivo o subjetivo, o de tipo cualitativo o cuantitativo, etc.

3.2 Información

La información se puede definir como un conjunto de datos procesados y que tienen un

significado (relevancia, propósito y contexto), y que por lo tanto son de utilidad para quién debe
tomar decisiones, al disminuir su incertidumbre. Los datos se pueden transforman en
información añadiéndoles valor:
 Contextualizando: se sabe en qué contexto y para qué propósito se generaron.
 Categorizando: se conocen las unidades de medida que ayudan a interpretarlos.
 Calculando: los datos pueden haber sido procesados matemática o estadísticamente.
 Corrigiendo: se han eliminado errores e inconsistencias de los datos.
 Condensando: los datos se han podido resumir de forma más concisa (agregación).
Por tanto, la información es la comunicación de conocimientos o inteligencia, y es capaz de
cambiar la forma en que el receptor percibe algo, impactando sobre sus juicios de valor y sus
comportamientos.
Información = Datos + Contexto (añadir valor) + Utilidad (disminuir la incertidumbre)

3.3 Conocimiento

El conocimiento es una mezcla de experiencia, valores, información, que sirve como marco para
la incorporación de nuevas experiencias e información, y es útil para la acción. Se origina y aplica
en la mente de los conocedores. En las organizaciones con frecuencia no sólo se encuentra
dentro de documentos o almacenes de datos, sino que también está en rutinas
organizativas, procesos, prácticas, y normas.
El conocimiento se deriva de la información, así como la información se deriva de los datos. Para
que la información se convierta en conocimiento es necesario realizar acciones como:
 Comparación con otros elementos.
 Predicción de consecuencias.
 Búsqueda de conexiones.
 Conversación con otros portadores de conocimiento.
 4. Pilares de la Inteligencia de Negocios
El ambiente de la Inteligencia de Negocios se conforma por el concurso de diversas disciplinas
que en conjunto integran un Marco Conceptual. Este universo de conocimiento se organiza en
dos niveles: El primero corresponde a las disciplinas de la Administración, la Informática,
la Computación y la Inteligencia Artificial. Mientras que el segundo nivel representa las ramas
que están directamente involucradas en el desarrollo de aplicaciones de la Inteligencia de
Negocios.
Cada disciplina contribuye con un par de pilares que representan las ramas seleccionadas. La
Administración aporta la Toma de Decisiones y el Proceso Administrativo. La Informática brinda
la Ingeniería de Sistemas y los Sistemas de Soporte a la Toma de Decisiones. La Computación
suma las Bases de Datos y los Almacenes de Datos. La Inteligencia Artificial agrega la Ingeniería
del Conocimiento y los Sistemas basados en Conocimiento.
 5. La Inteligencia de Negocios en la toma de decisiones
La Inteligencia de Negocios en la toma de decisiones tomar un papel muy importante estos se
pueden subdividir en niveles.

5.1 Nivel estratégico:

La Inteligencia de Negocios a Nivel Estratégico permite que la alta dirección de las empresas
pueda analizar y monitorear tendencias, patrones, metas y objetivos estratégicos de la
organización. Un ejemplo de Inteligencia de Negocios a nivel estratégico lo constituye el
Cuadro de Mando Integral o Balanced Scorecard concepto introducido por Robert Kaplan y
David Norton.

Con la implementación de un Cuadro de Mando Integral se obtienen los siguientes beneficios:

 Promueve la alineación estratégica de toda la organización a partir de la

transformación de la Visión y Estrategia en planes concretos de acción.
 Fomenta el trabajo en equipo y por consiguiente la colaboración y la coordinación al
conducir a toda la organización hacia la consecución de la estrategia definida. Facilita
la comunicación de los planes estratégicos a toda la empresa.
 Integra y sintetiza un gran volumen de datos e indicadores que surgen de la gestión
diaria de las operaciones.
 Desarrolla el conocimiento y el capital humano, bases fundamentales para alcanzar los
objetivos estratégicos.

5.2 Nivel táctico:

Inteligencia de Negocios a Nivel Táctico La Inteligencia de Negocios a Nivel Táctico permite que
los analistas de datos y la gerencia media de la empresa utilicen herramientas de análisis y
consulta con el propósito de tener acceso a la información sin intervención de terceros.

Como ejemplo un gerente de ventas recibe un reporte pre impreso en donde se indica que las
ventas de una determinada categoría de productos o servicios, se incrementaron de manera
inusual con relación al periodo anterior, una herramienta de análisis y consulta le permite
analizar este incremento y establecer si el mismo se debe a nuevos productos, nuevos clientes
o una estrategia de promociones que haya producido el incremento en la demanda.

Con este tipo de herramientas también se puede determinar si en un período específico es

usual o inusual que se produzcan estos comportamientos anormales en la demanda, de
manera de poder anticiparnos a ellos y poder aprovechar esta situación para aumentar el
impacto positivo o minimizar el impacto negativo según sea el caso.

5.3 Nivel operativo:

La Inteligencia de Negocios a Nivel Operativo permite que los empleados que trabajan con
información operativa puedan recibir la misma de una manera oportuna, exacta y adecuada y
se componen básicamente de herramientas de reportes u hojas de cálculo con un formato fijo
cuya información se actualiza frecuentemente.
Un ejemplo de esto podría ser un supervisor de ventas que utiliza una hoja de cálculo para
monitorear el cumplimiento de las cuotas de ventas de los vendedores a su cargo, una de las
columnas tendría una información fija (la cuota de ventas) y a su lado podría estar una
columna que diariamente extraiga el total de ventas para ese vendedor en particular.

El supervisor de ventas a su vez podría aplicar fórmulas tomando en cuenta la columna de

cuota y la columna de venta real sin necesidad de tener que introducirlas de manera manual.

6. Herramientas que utiliza la inteligencia de negocios

Para que una empresa logre llegar a la fase del conocimiento pleno para la toma de decisiones,
es necesario el uso de herramientas y procesos detallados.

6.1 Data Warehouse

El Data Warehouse es una tecnología para el manejo de la información construido sobre la
base de optimizar el uso y análisis de la misma utilizado por las organizaciones para adaptarse
a los vertiginosos cambios en los mercados.

Su función esencial es ser la base de un sistema de información gerencial, es decir, debe

cumplir el rol de integrador de información proveniente de fuentes funcionalmente distintas
(Bases Corporativas, Bases propias, de Sistemas Externos, etc.) y brindar una visión integrada
de dicha información, especialmente enfocada hacia la toma de decisiones por parte del
personal jerárquico de la organización.

Es un sitio donde se almacena de manera integrada toda la información resultante de la

operatoria diaria de la organización. Además, se almacenan datos estratégicos y tácticos con el
objetivo de obtener información estratégica y táctica que pueden ser de gran ayuda para
aplicar sobre las mismas técnicas de análisis de datos encaminadas a obtener información
oculta (Data Mining).

El objetivo de los Data Warehouses es consolidar información proveniente de diferentes bases

de datos operacionales y hacerla disponible para la realización de análisis de datos de tipo
gerencial. Los datos del DW son el resultado de transformaciones, chequeos de control de
calidad e integración de los datos operacionales. Se incluyen también totalizaciones y datos
precalculados en base a datos operaciones.

6.2 Data Mining

La mayoría de compañías tienen una gran cantidad de datos almacenados en sus ordenadores.
Estos datos contienen una información que puede ser de gran utilidad para los resultados de la
empresa. La gran abundancia de datos o su deficiente estructura puede hacer muy difícil
extraer esta información ´útil.

El objetivo del Data Mining es la extracción de forma automática de información relevante, útil
y no evidente contenida en dichos datos. Existen tres razones fundamentales por las cuales el
Data Mining es una realidad en nuestros días:
  Avances tecnológicos en almacenamiento masivo de datos y CPU.
 Existencia de nuevos algoritmos para extraer información en forma eficiente.
 Existencia de herramientas automáticas que no hacen necesario el ser un experto en
estadística, redes neuronales, o algoritmos matemáticos para convertirse en un
DataMiner.

6.2.1 Predicción automática de comportamientos.

Generalmente se trata de problemas de clasificación. Como ejemplo podemos citar el
marketing dirigido. Data Mining usa los resultados de campañas de marketing realizada
anteriormente para identificar el perfil de los clientes que son más propensos a comprar el
producto y de este modo permitirnos substituir el correo masivo por el correo dirigido.

6.2.2 Predicción automática de tendencias.

Basándonos en base de datos históricas, Data Mining creara un modelo para predecirlas
tendencias. Como ejemplos podemos citar la predicción de ventas en el futuro ola predicción
en mercados de capitales.

6.3 On-Line Analytical Processing

La técnica OLAP llamada también Análisis Multidimensional y contrapuesta a la de
Procesamiento Transaccional en Línea (OLTP)— actúa sobre un DW Organizando en
hipercubos o cubos multidimensionales, sobre los llamados elementos de análisis (por
ejemplo, el número de defectuosos, máximo de ventas netas, promedio de inasistencias), y
también bajo ciertas dimensiones.

La OLAP trata cuestionamientos tales como: ¿a cuánto asciende las ventas netas por producto,
por plaza y por mes (dimensiones)?, ¿cuál es la cantidad de errores detectados por máquina y
por año (dimensiones)? La presentación de datos analizados con OLAP se denomina
visualización y utiliza herramientas y formas de representación gráfica como:
tridimensionalidad, tortas, histogramas, regresiones, etc. La visualización permite efectuar
análisis de tendencias, puntos de equilibrio y sensibilidad.

6.4 Knowledge Management

La gestión del conocimiento (GC) es la gestión del capital intelectual en una organización, con
la finalidad de añadir valor a los productos y servicios que ofrece la organización en el mercado
y de diferenciarlos competitivamente. Hay dos factores que han facilitado la aparición del
concepto de gestión del conocimiento. Por un lado, el desarrollo tecnológico, que facilita
enormemente la gestión del capital intelectual y la hace factible desde un punto de vista
financiero.
Por otro, la creciente concienciación por parte del mundo empresarial (e incluso por parte de
las naciones económicamente más desarrolladas) de que el conocimiento es un recurso clave
en aquellas sociedades y organizaciones en las que la información es abundante, en gran
medida, gracias a Internet. Según Davenport (1998), la gestión del conocimiento debería
preocuparse por explotar y desarrollar los activos de conocimiento que posee la organización a
fin de que ésta pueda llevar a cabo su misión estratégica.

Obviamente, tanto el conocimiento explícito como el tácito deberán ser gestionados. La

distinción entre estos dos tipos de conocimiento no debe, sin embargo, entorpecer el objetivo
de la empresa: la gestión de aquel conocimiento que asegure su viabilidad y supervivencia, al
cual ya hemos denominado conocimiento crítico.

6.5 Decision Support System

La organización requiere que los estrategas tomen las mejores decisiones fundamentados
únicamente en su experiencia y conocimiento y los más veloz posible, por otro lado, los
estrategas requieren que la organización cuente con información disponible, confiable,
actualizada y legible de sus clientes, finanzas, procesos y proveedores, pero sobre todo piden
accesibilidad, es decir, llegar a ella con la mayor facilidad posible.

Como vimos anteriormente, la lectura de todas la variables que conlleva una decisión hoy en
día es 16 superior a la cantidad de información que podemos como humanos procesar en el
tiempo que el negocio demanda para mantenerse competitivo, entonces: ¿Cuál es la solución
a este requerimiento de las organizaciones modernas?, la respuesta que se pretende dar es
soportada por tecnologías de la información, las cuales mediante el modelado del proceso de
toma de decisiones intenta transportar las condiciones analíticas de los expertos humanos a
una base de conocimiento que permita consultar a gran velocidad un gran número de
situaciones similares o diversas, apoyando la resolución que finalmente viene del experto
humano.

6.5.1 Principales beneficios de los DSS

 Respuestas inmediatas a situaciones imprevistas resultado de variaciones en el
sistema.
 Manejo de varias estrategias bajo distintas condiciones de manera rápida y objetiva.
 Mejora Control y desempeño administrativo.
 Mejora el desempeño para análisis

6.5.2 Características y capacidades ideales de los DSS deben soportar

 Administración del conocimiento.
 Modelado.
 Fácil de construir y de usar.
 Dirigido a grupos o a individuos, directivos a distintos niveles.
 Decisiones Secuenciales.
 Efectividad sobre eficiencia.
 Adaptabilidad y flexibilidad.
 Variedad de estilos de decisión y procesos.
 Control Humano sobre la máquina.
 7. Importancia de la Inteligencia de Negocios
Podemos definir la importancia de las herramientas BI en tiempos de crisis como una
economía floreciente -o incluso estática-, las empresas se pueden permitir el lujo de disponer
de tiempo, recursos y un colchón financiero con los que hacer frente a iniciativas a gran escala.

En la situación actual, todo en un negocio se mira con lupa. Tomar decisiones durante esta
época de revés financiero requiere del correcto equilibrio, para lo que resulta esencial
disponer de las herramientas apropiadas de medición y análisis. Es un error recortar costes sin
más. Tampoco resulta apropiado congelar o cancelar de por sí cualquier iniciativa nueva.

Es importante tener claro qué iniciativas pueden producir mayor impacto y aportar más valor
en el menor tiempo posible, no sólo a corto plazo sino también para cuando el clima
económico haya mejorado. La visibilidad empresarial se vuelve crucial y los gerentes tienen
que tomar decisiones más inteligentes y oportunas que nunca. En este contexto, la inteligencia
de negocio (BI) adquiere un gran protagonismo, pues resulta fundamental optimizar la gestión
de la información empresarial para tomar decisiones seguras.

8. Beneficios de la Inteligencia de Negocios

Óptica de negocio, es decir, los beneficios directos al negocio que aporta la solución.

Óptica económica, el factor económico de la solución: ahorro de costes y rentabilidad de la

inversión.

Óptica del usuario, desde este punto de vista se analizan las ventajas y el impacto tecnológico
de la solución para el usuario.

Óptica técnica, factores técnicos que hacen también muy coherente y ventajosa la solución
presentada.