Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diversas tecnologías son necesarias para apoyar tres tipos de capacidades fundamentales en
el AMDPTD: decisión, análisis e información. Las capacidades de decisión se refieren a
herramientas que apoyan la entrega de información utilizada para la toma de decisiones,
como reportes y tableros de control. Estas herramientas no son solo una representación virtual
de los conocimientos sino también la colaboración necesaria para la toma de decisiones. Las
capacidades de análisis se refieren al portafolio de metodologías y herramientas de análisis, e
incluyen herramientas que apoyan las consultas adecuadas tradicionales: estadística
inferencial, análisis predictivo, simulación y optimización, apoyando el análisis descriptivo,
diagnóstico, predictivo y prescriptivo. Finalmente, las capacidades de información se refieren a
las tecnologías que ayudan a describir, organizar, integrar y compartir activos de información.
En segundo lugar el crecimiento de la gestión del rendimiento empresarial en las últimas cinco
décadas ha ayudado a crear una conexión más sólida entre la estrategia de negocios y los
datos. La medición del rendimiento de los negocios ha sido una parte integral del manejo de
una empresa (Bamard, 1962). En los 50’s, General Electric –con su proyecto de medición- fue
el primero en usar figuras financieras para planear en lugar de controlar (Neely, 1999). Los 90
´s trajeron un reconocimiento creciente sobre usar un conjunto más amplio de indicadores en
lugar de solo usar medidas financieras (Eccles, 1991).
Tradicionalmente las medidas financieras eran vistas a corto plazo, sin enfoque estratégico y
que alentaban la optimización local. Con el énfasis en las cuatro perspectivas --financiera, de
los clientes, proceso interno, aprendizaje y crecimiento—Kaplan and Norton (1992) sugirieron
que su cuadro de mando integral presentaba un enfoque de gestión del rendimiento
empresarial que traducía estrategias de alto nivel a un concreto conjunto de datos. Así, las
medidas también pueden fomentar la implementación de estrategia. (Neely, Mills, Platts,
Gregory, & Richards, 1994). El área del manejo de rendimiento de negocios ha sido
examinada en casi todas las disciplinas de la gestión incluyendo, contabilidad, (Bromwich &
Bhimani, 1989), estrategia de negocios (Chakravarthy, 1986) manejo de operaciones (Neely,
Gregory & Platts, 1995) mercadotecnia (Fomell, 1992) y comportamiento organizacional
(Meyer & Gupta 1994).
Como resultado de una gran corriente de previa investigación, las organizaciones ahora
pueden tomar una mejor decisión acerca de cuál de las medidas de rendimiento adoptar y
monitorear. Además de cómo manejar el rendimiento total del sistema de gestión y de habilitar
el aprendizaje sobre el tiempo facilitado por la memoria organizacional.
En tercer lugar, la comprensión de que las decisiones basadas en hechos son más necesarias
en cada nivel de la organización ha resultado en el surgimiento de análisis personal e
inteligencia en los negocios (Imhoff, & White, 2011) El acceso a grandes bases de datos y el
uso de herramientas amigables ha contribuido a la revolución del análisis que está sucediendo
actualmente.
En cuarto lugar, las técnicas avanzadas de análisis han sido incorporadas en sistemas a nivel
empresarial, convirtiendo incluso a los algoritmos más sofisticados, algoritmos posibles de
analizar. Por supuesto que otro de los principales impulsores del fenómeno de los análisis de
negocios ha sido el gran decreciente costo por nivel de desempeño de tres informaciones
claves de tecnología: potencia de la informática, almacenaje de datos y la banda ancha. La ley
de Moore continúa operando en el poder de la informática primaria con un costo de $222 por
millón de transistores en 1992 a $0.06 por millón de transistores en el 2012. El almacenaje de
datos ha seguido un curso similar decreciendo de $569 por gigabyte de almacenaje en 1992 a
$0.03 por gigabyte en 2012. El precio de las transmisiones también ha bajado, de $1,245 por
1,000 megabits por segundo (MBPS) en 1999 a $23 por 1,000 Mbps en 2012 (Hagel, Brown,
Samoylova, & Lui, 2013).
Plataformas móviles para el consumo del análisis están empezando a ser usadas, y esta
tendencia continuara indudablemente. El análisis ha sido aplicado más allá de las áreas
tradicionales de finanzas y mercadotecnia, a todas las áreas que funcionan virtualmente en los
negocios. Por ejemplo, una tendencia emergente es el uso del análisis en los recursos
humanos para trata con problemas emergentes, beneficios de optimización y manejo, plan de
sucesión, e incluso entrenamiento.
Referencias:
Acito, F., & Khatri, V. (2014). Business analytics: Why now and what next? Business Horizons,
57(5), 565-570.
Gantz, J., & Reinsel, D. (2011, June). Extracting value from chaos. Retrieved from
http://www.emc.com/collateral/ analyst-reports/idc-extracting-value-from-chaos-ar.pdf
Manyika, J., Chui, M., Brown, B., Bughin, J., Dobbs, R., Roxburgh, C., et al. (2011). Big data:
The next frontier for innovation, competition, and productivity. Available at
http://www.mckinsey.com/insights/business_technology/
big_data_the_next_frontier_for_innovation
Davenport, T. H., & Patil, D. J. (2012). Data scientist: The sexiest jobofthe 21st
century.HarvardBusiness Review, 90(10), 70—76.
Mintzberg, H. (1987). The strategy concept I: Five Ps for strategy. California Management
Review, 30(1), 11—24
Davenport, T. H., Harris, J. G., DeLong, F. W., & Jacobson, A. L. (2001). Data to knowledge to
results: Building an analytic capability. California Management Review, 43(2), 117—138.
Weill, P., & Ross, J. W. (2004). IT governance: How top performers manage IT decision rights
for superior results. Boston: Harvard Business School Press
Neely, A. (1999). The performance measurement revolution: Why now and what next?
International Journal of Operations and Production Management, 19(2), 205—228.
Drucker, P. F. (1990). The emerging theory of manufacturing. Harvard Business Review, 68(3),
94—102.
Chandler, N., Hostmann, B., Rayner, N., & Herschel, G. (2011, September 20). Gartner’s
business analytics framework. Retrieved from http://www.gartner.com/imagesrv/
summits/docs/na/business-intelligence/gartners_business_ analytics__219420.pdf
Eccles, R. G., Jr. (1991). The performance measurement manifesto. Harvard Business
Review, 69(1), 131—137.
Kirkpatrick, M. (2010, August 4). Google CEO Schmidt: ‘‘People aren’t ready for the technology
revolution.’’ Retrieved from http://readwrite.com/2010/08/04/google_ceo_schmidt_
people_arent_ready_for_the_tech#awesm=oCVcaSZEJssOa4
Levitin, A. V., & Redman, T. C. (1998). Data as resource: Properties, implications, and
prescriptions. Sloan Management Review, 40(1), 89—102.
Barnard, C. I. (1962). The functions of the executive. Cambridge, MA: Harvard University
Press.
Kaplan, R. S., & Norton, D. P. (1992). The balanced scorecard–— measures that drive
performance. Harvard Business Review, 70(1), 71—79.
Neely, A. D., Mills, J., Platts, K., Gregory, M., & Richards, H. (1994). Realising strategy through
measurement. International Journal of Operations and Production Management, 14(3), 140—
152.
Bromwich, M., & Bhimani, A. (Eds.). (1989). Management accounting: Evolution not revolution.
London: Chartered Institute of Management Accountants.
Neely, A. D., Gregory, M., & Platts, K. (1995). Performance measurement system design: A
literature review and research agenda. International Journal of Operations and Production
Management, 15(4), 80—116.
Meyer, M. W., & Gupta, V. (1994). The performance paradox. In B. M. Staw & L. L. Cummings
(Eds.), Research in organizational behavior (pp. 309—369). Greenwich, CT: JAI Press.
Imhoff, C., & White, C. (2011, September 20). Self-service business intelligence: Empowering
users to generate insights.
Hagel, J., Brown, J. S., Samoylova, T., & Lui, M. (2013). From exponential technologies to
exponential innovation. Westlake, TX: Deloitte University Press.