¿Qué es Business Intelligence?

El concepto de inteligencia empresarial se puede definir como un conjunto de

estrategias y herramientas, para la toma de decisiones dentro de una empresa
esto principalmente están enfocados al análisis de datos con los que cuenta la
empresa. Todas las empresas pueden recopilar datos, ya sean datos relativos a
ventas, a compras, a inversiones, a tiempos, etc. Miles de datos y variables
pueden ser estudiados y utilizados para tomar nuevas estrategias, conocer las
fortalezas propias, y por supuesto, las debilidades. Todo lo que nos sea de utilidad
para conocer nuestra empresa en profundidad y poder seguir mejorando. Este
comportamiento de medición constante y análisis de los resultados es clave para
alcanzar nuestros objetivos en el tiempo establecido. La inteligencia empresarial
recurre al uso de herramientas técnicas llamadas ETL que significa extraer,
transformar y cargar permitiendo una buena gestión de los datos para que la
empresa tome las mejores decisiones a base del uso de todas estas herramientas.

Características de Business Intelligence

 Accesibilidad a la información. Sin información, sin datos, no hay nada
que estudiar. Estas herramientas y técnicas garantizan el acceso a los
datos por parte de los usuarios.
 Apoyo en toma de decisiones. Acceso a herramientas de análisis que
permitan a los usuarios seleccionar y manipular aquellos datos que les
interesen.
 Orientación al usuario final. Se busca independencia entre los
conocimientos técnicos de los usuarios y su capacidad para utilizar estas
herramientas.

Niveles de Business Intelligence

Informes

 Informes predefinidos
 Informes a medida
 Consultas (Query) / Cubos OLAP (On-Line Analytic Processing).
 Alertas
Análisis

 Análisis estadístico
 Pronósticos (Forecasting)
 Modelado predictivo o Minería de datos (Data Mining)
 Optimización
 Minería de Procesos
Bases de Datos Relacionales
Son un grupo de elementos de datos organizados en conjuntos de tablas descritas
desde la que se puede acceder a los datos o volver a montarlos de muchas
maneras diferentes sin tener que reorganizar las tablas de la base, este modelo de
almacenamiento fue concedido por E.F Codd en los años 70.
La interfaz estándar de programa de usuario y aplicación a una base de datos
relacional es el lenguaje de consultas estructuradas (SQL). Las bases de datos
relacionales son relativamente fáciles de crear y acceder, una base de datos
relacional tiene la importante ventaja de ser fácil de extender. Después de la
creación original de una base de datos, una nueva categoría de datos se puede
añadir sin necesidad de que todas las aplicaciones existentes sean modificadas.
Las bases de datos relacionales contienen un conjunto de tablas que contienen
datos provistos en categorías predefinidas. Cada tabla (que a veces se llaman
‘relación’) contiene una o más categorías de datos en columnas. Cada fila
contiene una instancia única de datos para las categorías definidas por las
columnas.

Ejemplos
 Una base de datos típica de ingreso de solicitudes de negocio incluiría una
tabla que describiera a un cliente con columnas para el nombre, dirección,
número de teléfono, y así sucesivamente. Otra tabla identificaría el pedido:
producto, cliente, fecha, precio de venta, y así sucesivamente. Un usuario
de la base de datos podría obtener una vista de la base de datos que se
ajuste a sus necesidades.
 Un gerente de sucursal podría preferir una vista o informe sobre todos los
clientes que han comprado productos después de una fecha determinada.
Un gerente de servicios financieros en la misma empresa podría, desde las
mismas tablas, obtener un informe sobre las cuentas que deben ser
pagadas.

Fases de diseño
 Diseño conceptual: esta fase de diseño pretende describir a alto nivel lo
que será la estructura de la base de datos. Simplemente se identifican las
entidades que deben formar parte de la base de datos sin detallar aspectos
físicos de la misma
 Diseño lógico: Una vez definido el diseño conceptual se baja un poco de
nivel pasando al diseño lógico, en el que ya se definen con precisión las
tablas, índices, relaciones, vistas, etc… adaptándolo al gestor de base de
daros que se vaya a utilizar.
  Diseño físico: Definido el diseño lógico, el siguiente paso es definir a nivel
físico cómo será la base de datos. Esto es tarea del administrador de la
base de datos o DBA, que debe optimizar el diseño físico para un
rendimiento adecuado de la base de datos y los ficheros físicos que la
soportarán.

Ventajas y Desventajas
Ventajas

 Provee herramientas que garantizan evitar la duplicidad de registros.

 Garantiza la integridad referencial, así, al eliminar un registro elimina todos los
registros relacionados dependientes.
 Favorece la normalización por ser más comprensible y aplicable.
Desventajas

 Presentan deficiencias con datos gráficos, multimedia, CAD y sistemas de

información geográfica.
 No se manipulan de forma manejable los bloques de texto como tipo de dato.
 Las bases de datos orientadas a objetos (BDOO) se propusieron con el
objetivo de satisfacer las necesidades de las aplicaciones anteriores y así,
complementar pero no sustituir a las bases de datos relacionales.

Estructura
La base de datos se organiza en dos marcadas secciones; el esquema y los
datos (o instancia).
El esquema es la definición de la estructura de la base de datos y
principalmente almacena los siguientes datos:

 El nombre de cada tabla

 El nombre de cada columna
 El tipo de dato de cada columna
 La tabla a la que pertenece cada columna
Las bases de datos relacionales pasan por un proceso al que se le conoce
como normalización de una base de datos, el resultado de dicho proceso es un
esquema que permite que la base de datos sea usada de manera óptima.

Ejemplos de gestores de Bases de Datos Relacionales

 Microsoft SQL Server.
 Oracle.
 DB2.
 PostgreSQL.
  MariaDB
 MySQL.

Base de Datos No Relacionales

Las bases de datos no relacionales o también conocidas como las bases de datos
no SQL son un enfoque hacia la gestión de datos y el diseño de base de datos
que es útil para grandes conjuntos de datos distribuidos. Esta abarca una amplia
gama de tecnologías y arquitecturas, busca resolver los problemas de
escalabilidad y rendimiento de big data que las bases de datos relacionales no
fueron diseñadas para abordar. No SQL es especialmente útil cuando una
empresa necesita acceder y analizar grandes cantidades de datos no
estructurados o datos que se almacenan de forma remota en varios servidores
virtuales en la nube.
Contrariamente a las ideas falsas causadas por su nombre, No SQL no prohíbe el
lenguaje estructurado de consultas (SQL). Si bien es cierto que algunos sistemas
No SQL son totalmente no-relacionales, otros simplemente evitan funcionalidades
relacionales seleccionadas como esquemas de tablas fijas y operaciones
conjuntas.

Ventajas y Desventajas
Ventajas

 La escalabilidad y su carácter descentralizado. Soportan estructuras

distribuidas.
 Suelen ser bases de datos mucho más abiertos y flexibles. Permiten
adaptarse a necesidades de proyectos mucho más fácilmente que los
modelos de Entidad Relación.
 Se pueden hacer cambios de los esquemas sin tener que parar bases de
datos.
 Escalabilidad horizontal: son capaces de crecer en número de máquinas,
en lugar de tener que residir en grandes máquinas.
 Optimización de consultas en base de datos para grandes cantidades de
datos.
Desventajas

 No todas las bases de datos NoSQL contemplan la atomicidad de las

instrucciones y la integridad de los datos. Soportan lo que se llama
consistencia eventual.
 Problemas de compatibilidad entre instrucciones SQL. Las nuevas bases de
datos utilizan sus propias características en el lenguaje de consulta y no
son 100% compatibles con el SQL de las bases de datos relacionales. El
soporte a problemas con las quieres de trabajo en una base de datos
NoSQL es más complicado.
  Falta de estandarización. Hay muchas bases de datos NoSQL y aún no hay
un estándar como si lo hay en las bases de datos relacionales. Se presume
un futuro incierto en estas bases de datos.
 Soporte multiplataforma. Aún quedan muchas mejoras en algunos sistemas
para que soporten sistemas operativos que no sean Linux.
 Suelen tener herramientas de administración no muy usables o se accede
por consola.

Ejemplos de Gestores de Bases de Datos No Relacionales

 Cassandra
 Redis
 MongoDB
 CouchDB

Data Governance
Data governance o gobierno de datos es la gestión de la disponibilidad, integridad,
usabilidad y seguridad de los datos utilizados en una empresa. Un buen programa
de data governance incluye un órgano o consejo de gobierno, un conjunto de
procedimientos definidos, y un plan para ejecutar dichos procedimientos.

Objetivos de Data Governance

 Permitir una mejor toma de decisiones
 Reducir la fricción operativa
 Proteger la necesidades del personal con interés en los datos
 Capacitar a la dirección y al personal en general a adoptar enfoques
comunes para problemas de datos
 Construir procesos estándar repetibles
 Reducir costes y aumentar la eficacia coordinando esfuerzos
 Garantizar la transparencia de los procesos

Principios de Data Governance

Integridad: los participantes en data governance practicarán integridad en sus
relaciones con los demás. Serán veraces y comunicativos cuándo se impliquen en
discusiones, restricciones, opciones, e impactos para decisiones relacionadas con
los datos.
Transparencia: los procesos de data governance exhibirán transparencia.
Debería estar claro para todos los participantes y auditores, cómo y cuándo las
decisiones relacionadas con los datos fueron introducidas en los procesos.
Audibilidad: Las decisiones relacionadas con los datos así como los procesos y
controles sujetos al data governance serán auditables y estarán acompañados por
la documentación que pueda hacer de soporte para los requerimientos basados en
auditoría.
Responsabilidad: el data governance definirá las responsabilidades para las
decisiones multifuncionales relacionadas con los datos procesos y controles.
Gestión: Data governance definirá las responsabilidades para actividades de
gestión, que son las responsabilidades de los contribuidores individuales así como
las responsabilidades del grupo de administradores de datos.
Control y Balance: El data governance definirá las responsabilidades como una
manera de introducir controles y balances entre negocio y tecnología, y también
entre aquellos que crean y recogen información, los que la administran, los que la
utilizan, y aquellos que introducen las normas y requerimientos para el
cumplimiento.
Estandarización: data governance introducirá y dará soporte a la estandarización
de datos de la empresa.
Gestión del cambio: data governance soportará actividades proactivas y
reactivas de gestión del cambio, para valores de datos de referencia, datos
maestros y metadatos.

Ventajas
 Apoyo a las iniciativas de implementación Business Intelligence y Big Data
 Apoyo a actualizaciones de software para la operativa diaria
 Facilidad para la migración de datos
 Mejora en la flexibilidad empresarial
 Reducción de costes
 Reducción del riesgo empresarial
 Apoyo en la toma de decisiones empresariales estratégicas como fusiones
o adquisiciones de compañías

Fuentes
 https://es.workmeter.com/blog/bid/177356/qu-es-el-business-intelligence
 https://www.cio.com/article/2439504/business-intelligence/business-
intelligence-definition-and-solutions.html
 https://searchdatacenter.techtarget.com/es/definicion/Base-de-datos-
relacional
 https://www.ceac.es/blog/como-usar-bases-de-datos-relacionales
 https://searchdatacenter.techtarget.com/es/definicion/NoSQL-No-Solo-SQL
 https://blog.pandorafms.org/es/nosql-vs-sql-diferencias-y-cuando-elegir-
cada-una/
 https://www.powerdata.es/data-governance