Historia del Big Data

El término "big data" se refiere a los datos que son tan grandes, rápidos o
complejos que es difícil o imposible procesarlos con los métodos tradicionales.
El acto de acceder y almacenar grandes cantidades de información para la
analítica ha existido desde hace mucho tiempo. Pero el concepto de big data
cobró impulso a principios de la década de 2000 cuando el analista de la
industria, Doug Laney, articuló la definición actual de grandes datos como las
tres V: 

NÁLISIS DE GRANDES VOLÚMENES DE DATOS CON BIG DATA

Permiten capturar, almacenar, compartir, analizar y visualizar de forma rápida
grandes volúmenes de datos, provenientes de diferentes fuentes orígenes,
para obtener conocimiento relevante, rapido y agil.

La necesidad de transformar datos en información para la toma de decisiones

no es nueva, existe desde que se desarrollaron los primeros sistemas de
información. El concepto de Big Data entra en escena por la evolución natural
de estos sistemas. Esta evolución fue planteando nuevas necesidades y
problemas, junto a los cuales aparecieron un conjunto de nuevas prácticas,
tecnologías y paradigmas que, como un todo, es correcto denominarlos Big
Data.

Ahora bien, hablar de prácticas y tecnologías es fundamental para entender el

cambio paradigmático de estos últimos años, pero es de vital importancia
entender que el foco de todo este esfuerzo sigue siendo el mismo: transformar
datos en información para la toma de decisiones.

 Consolide datos relevantes procedentes de múltiples fuentes.

 Elija el método más relevante para usted y su infraestructura TI.
 Aproveche las inversiones previas en de big data o data warehouses.
 Acceda al Big Data sin hacer programación o modelado de datos.

 Explore las asociaciones entre datos tradicionales y Big Data.

 Visualice Big Data con unos gráficos muy vistosos, potentes y atractivos.
 Acceda y analice Big Data desde dispositivos móviles.
 Permita una toma de decisiones con una colaboración en tiempo real.
¿Qué es el Big Data y para qué sirve?

El Big Data consiste en un proceso que analiza e interpreta grandes

volúmenes de datos, tanto estructurados como no estructurados.

El Big Data sirve para que los datos almacenados de forma remota puedan ser
utilizados por las empresas como base para su toma de decisiones.

La información extraída ayuda, por ejemplo, a mejorar estrategias y procesos, a

incrementar el poder competitivo de la empresa y a comprender mejor a
los consumidores, entre muchas otras aplicaciones.

es una forma de mejorar el desempeño y el posicionamiento de tu empresa.

Esto se debe a que el Big Data es un proceso que realiza el análisis de

grandes volúmenes de datos. Estos análisis, a su vez, generan información
muy valiosa que se puede aplicar en diferentes ámbitos de tu negocio.

¿Cómo funciona el Big Data?

El Big Data funciona en base a las llamadas “5 Vs”: volumen, variedad,

velocidad, veracidad y valor.

Volumen
Las organizaciones recopilan datos de diversas fuentes, como transacciones
comerciales, dispositivos inteligentes (IO), equipo industrial, vídeos, medios
sociales y más. En el pasado, su almacenamiento habría sido un problema -
pero el almacenamiento más barato en plataformas como los data lakes y el
Hadoop han aliviado la carga.

El volumen se refiere a la cantidad de datos que genera una empresa cada

segundo. Estos pueden provenir de diversas fuentes virtuales, como redes
sociales, correos electrónicos, dispositivos electrónicos, etc.
Variedad

Según esta explicación sobre qué es el Big Data y para qué sirve, la variedad
concierne a todos los lugares donde los datos pueden ser almacenados y
extraídos.: Los datos se presentan en todo tipo de formatos: desde datos
numéricos estructurados en bases de datos tradicionales hasta documentos de
texto no estructurados, correos electrónicos, vídeos, audios, datos de teletipo y
transacciones financieras.

En SAS, consideramos otras dos dimensiones cuando se trata del big data:

Velocidad

La velocidad con la que el Big Data analiza los datos es muy alta, y a eso es lo
que se refiere la tercera “V”.

El proceso analiza los datos en el momento exacto en que son creados. Esto
ocurre, por ejemplo, con los mensajes que se viralizan en las redes sociales,
las transacciones realizadas a través de tarjetas de débito y crédito, etc.

Con el crecimiento del Internet de las Cosas, los datos llegan a las empresas a
una velocidad sin precedentes y deben ser manejados de manera oportuna.
Las etiquetas RFID, los sensores y los medidores inteligentes están
impulsando la necesidad de manejar estos torrentes de datos en tiempo casi
real.

Veracidad
La veracidad se refiere a la calidad de los datos. Debido a que los datos
provienen de tantas fuentes diferentes, es difícil vincular, comparar, limpiar y
transformar los datos a través de los sistemas. Las empresas necesitan
conectar y correlacionar las relaciones, las jerarquías y los múltiples vínculos
de datos. De lo contrario, sus datos pueden salirse de control rápidamente

Entre los miles de datos que se generan todos los días, muchos pueden llegar
a ser falsos por lo que es preciso excluirlos del análisis.
Cuando comprendes qué es el Big Data y para qué sirve, te das cuenta de que
este proceso ayuda a "filtrar" lo que es real de lo que no lo es.

Uno de los principios para esta parte del proceso es que, si son varias las
fuentes que apuntan a una determinada información, entonces se entiende que
esa es verdadera.

Valor

El objetivo de tener acceso a tanta información es hacer que, de alguna

manera, agregue valor a tu empresa.

El Big Data tiene precisamente este propósito: hacer un análisis preciso de

todos esos datos y generar insights valiosos para los gestores que los
utilizarán.

¿Dónde se utiliza el Big Data?

¿Cómo funciona la tecnología Big Data?

A estas alturas te imaginarás que para trabajar con tal volumen de datos es
necesario un «megasuperordenador» cuántico de la NASA.No, amigo. La
solución es mucho más sencilla, pero a la vez compleja.
Como no podía ser de otra forma, la base de la tecnología Big Data se lo
debemos a Google. La gran «G» fue una de las primeras compañías (junto
con Amazon, Facebook entre otras) que se vieron ante necesidad de
almacenar y gestionar ingentes volúmenes de datos (webs indexadas,
información personal, etc.) de forma eficaz.
Como consecuencia, Google desarrollo la tecnología Google File System
(GFS) y Map Reduce (como lenguaje de programación), y que serían la base
para que la comunidad de desarrolladores Apache diera lugar al software
conocido como Apache Hadoop.

Gracias a este software, para implementar un sistema Big Data no necesitamos

de potentes ordenadores. Hadoop permite conectar tantos ordenadores
como se quiera sea cual sea su potencia individual, siendo capaz repartir
el «trabajo» en cada uno de esos ordenadores poco potentes
(paralelización). De esta forma se puede trabajar con tantos datos como se
quiera (solo habría que añadir más y más ordenadores), obteniendo resultados
de forma rápida. Algo desde luego impensable hasta hace relativamente poco.

Para entender qué es el Big Data y para qué sirve este proceso, es
fundamental saber dónde se puede utilizar.

Así, el Big Data se puede usar en los más variados sectores de una empresa,
por ejemplo, en marketing, finanzas, atención al cliente, ventas, entre otros.

¿Por qué utilizar el Big Data?

Otra forma de comprender mejor qué es el Big Data y para qué sirve es
entendiendo por qué deberías utilizar este proceso en tu empresa.

El Big Data es una de las mejores formas en la que una empresa puede
aprovechar todos los datos que se generan a diario para favorecer su
crecimiento.

Este proceso permite, por ejemplo:

 Prevenir posibles fraudes financieros

 Identificar nuevas oportunidades comerciales
 Identificar procesos cuyos costos pueden ser reducidos
 Satisfacer las necesidades de los clientes de forma más puntual,
aumentando su nivel de satisfacción
 Tomar decisiones más asertivas

¿Por qué son importante el big

data?
La importancia del big data no gira en torno a la cantidad de datos que tienes,
sino en lo que haces con ellos. Puedes tomar datos de cualquier fuente y
analizarlos para encontrar respuestas que permitan 1) reducir los costos, 2)
reducir el tiempo, 3) desarrollar nuevos productos y optimizar las ofertas, y 4)
tomar decisiones inteligentes. Cuando se combinan grandes datos
con análisis de alta potencia, se pueden realizar tareas relacionadas con los
negocios como:
 Determinar las causas de origen de fallos, problemas y defectos casi en
tiempo real.

 Generar cupones en el punto de venta basados en los hábitos de

compra del cliente.

 Recalcular portafolios de riesgo completos en minutos.

 Detecte el comportamiento fraudulento antes de que afecte a su

organización.

¿Cómo pueden utilizar el Big Data las

empresas?
Por todas las posibilidades y ventajas mencionadas anteriormente, el Big
Data se puede utilizar para:

 Mejorar las estrategias de marketing

 Hacer un análisis de mercado en el sector que opera una empresa
 Analizar la competencia
 Comprender mejor el comportamiento del consumidor e identificar
patrones de comportamiento
 Mejorar la experiencia de compra de tus clientes
 Incrementar el volumen de ventas.

¿Cuáles son los 4 análisis que pueden

hacerse con Big Data?
Si la idea es entender completamente qué es el Big Data y para qué sirve, es
muy importante que conozcas los 4 tipos de análisis que se pueden hacer con
este proceso.

Los análisis que se pueden realizar con Big Data son:

 Análisis predictivo
 Análisis prescriptivo
 Análisis descriptivo
 Análisis diagnóstico
Análisis predictivo

También conocido como ciencia de datos o data science, el análisis predictivo

hace una predicción sobre posibilidades futuras, basándose en patrones
encontrados en los datos de la empresa que fueron analizados.

Análisis prescriptivo

El propósito del análisis prescriptivo es presentar las posibles

consecuencias que cada acción puede generar para el negocio.

Esto ayuda a elegir las estrategias más adecuadas, que generarán más y
mejores resultados para la empresa.

Análisis descriptivo

El análisis descriptivo tiene como objetivo aportar información sobre la

situación presente a partir de datos históricos. Es decir, este tipo de análisis
contribuye a las decisiones que deben tomarse en tiempo real.

Análisis diagnóstico

Este tipo de análisis permite analizar los resultados y evolución de

determinadas acciones. Con esto, es posible realizar ajustes a las estrategias
que se están aplicando.

¿Cuáles son algunos ejemplos

prácticos del uso de Big Data?
Algunas de las áreas que utilizan el Big Data que pueden mencionarse son la
de bancos, salud, educación, comercio, gobierno, entre otros.

Como ejemplos prácticos de uso del Big Data podemos mencionar a Nike y
UPS (United Parcel Service).

Nike

Asociada a una empresa de tecnología, Nike comenzó a ofrecer a sus clientes

dispositivos wearables (del inglés, “vestibles” o “llevables”) que monitorean los
datos generados mientras se hace ejercicio.
Así, los usuarios pueden obtener diferentes datos, como la velocidad, la
frecuencia cardíaca, la distancia recorrida, entre otras, e incluso compartir toda
esta información en sus redes sociales.

La estrategia aumenta el interés y compromiso del cliente con la marca,

su fidelización y contribuye a que la empresa conozca mejor las expectativas
de los consumidores y, con ello, mejore sus productos y servicios.

UPS (United Parcel Service)

UPS, United Parcel Service, es una empresa de logística cuya casa central se
encuentra en Atlanta, Georgia, Estados Unidos.

El uso del Big Data permitió la optimización de sus rutas de entrega, lo que
resultó en un considerable ahorro en combustible y disminución del tiempo de
entrega, incluso impactando positivamente en la calidad de vida de sus
empleados.

¿Qué hace un profesional del Big Data?

Conocer en profundidad qué es el Big Data y para qué sirve es también
entender qué profesional está detrás de este proceso.

El profesional del Big Data se encarga de hacer la gestión y el análisis de los

datos, utilizando para esto herramientas (softwares) que contribuyen a este
proceso.

La idea es que este colaborador extraiga datos y conocimientos valiosos que,

de hecho, pueden contribuir al crecimiento de la empresa.

Y hablando de herramientas que ayudan a analizar datos, Zendesk te ayuda a

utilizar esta base para mejorar el servicio a tus clientes.

A través de informes y análisis, tienes la oportunidad de conocer más a tu

clientela, a tu negocio, y mejorar los servicios prestados y la relación con tus
clientes.¿Quieres conocer cómo funciona Zendesk Explore? ¡Haz una prueba
gratis!
 Cómo funciona Big Data
Antes de que las empresas puedan poner a trabajar el big data, deben
considerar cómo fluyen entre una multitud de lugares, fuentes, sistemas,
propietarios y usuarios. Hay cinco pasos clave para hacerse cargo de este gran
"centro de datos" que incluye datos tradicionales y estructurados junto con
datos no estructurados y semiestructurados:

 Establezca una gran estrategia de datos.

 Identifique fuentes de big data.

 Acceda, gestione y almacene los datos.

 Analice los datos.

 Tome decisiones basadas en datos.

1) Establezca una estrategia de big data

A un alto nivel, una estrategia de big data es un plan diseñado para ayudarle a
supervisar y mejorar la forma en que adquiere, almacena, gestiona, comparte y
utiliza los datos dentro y fuera de su organización. Una estrategia de big data
establece el escenario para el éxito del negocio en medio de una abundancia
de datos. Cuando se desarrolla una estrategia, es importante considerar las
metas e iniciativas de negocios y tecnología existentes y futuras. Esto exige
tratar los grandes datos como cualquier otro activo empresarial valioso, en
lugar de considerarlos sólo como un subproducto de las aplicaciones.

Haga clic en la infografía para conocer más sobre el big data.

2) Conozca las fuentes del big data

 El streamingde datos proviene del Internet de las Cosas (IoT) y otros

dispositivos conectados que fluyen a los sistemas de TI desde los vestidos, los
coches inteligentes, los dispositivos médicos, los equipos industriales y más.
 Puede analizar este big data a medida que llegan, decidiendo qué datos
guardar o no guardar, y cuáles necesitan un análisis más profundo.

 Los datos de losmedios sociales provienen de interacciones en

Facebook, YouTube, Instagram, etc. Esto incluye big data en forma de
imágenes, vídeos, voz, texto y sonido, útiles para la comercialización, las
ventas y las funciones de apoyo. Estos datos suelen estar en formas no
estructuradas o semiestructuradas, por lo que plantean un desafío único para el
consumo y el análisis.

 Los datos disponibles públicamente provienen de cantidades masivas

de fuentes de datos abiertos como el data.gov del gobierno de los Estados
Unidos, el World Factbook de la CIA o el Open Data Portal de la Unión
Europea.

 Otros big data puede provenir de data lakes, fuentes de datos en la

nube, proveedores y clientes.

3) Acceda, gestione y almacene big data

Los sistemas informáticos modernos proporcionan la velocidad, la potencia y la

flexibilidad necesarias para acceder rápidamente a cantidades masivas y tipos
de big data. Además de un acceso confiable, las empresas también necesitan
métodos para integrar los datos, asegurar la calidad de los mismos,
proporcionar un gobierno y un almacenamiento de datos, y preparar los datos
para el análisis. Algunos datos pueden almacenarse en data warehouse
tradicional, pero también hay opciones flexibles y de bajo costo para almacenar
y manejar big data a través de soluciones de nube, lagos de datos y Hadoop.

4) Analice el big data

Con tecnologías de alto rendimiento como la computación en red o analítica en

memoria, las organizaciones pueden optar por utilizar todos sus big data para
análisis. Otro enfoque es determinar por adelantado qué datos son relevantes
antes de analizarlos. De cualquier manera, el análisis de big data es cómo las
empresas obtienen valor e información a partir de los datos. Cada vez más, el
big data alimenta los esfuerzos analíticos avanzados de hoy en día, como la
inteligencia artificial.

5) Tome decisiones inteligentes, basadas en datos

Los datos bien administrados y confiables conducen a un analítica y decisiones
confiables. Para seguir siendo competitivas, las empresas necesitan
aprovechar todo el valor del big data y operar de una manera basada en los
datos, tomando decisiones basadas en la evidencia presentada por los grandes
datos en lugar de en el instinto visceral. Los beneficios de ser impulsado por los
datos son claros. Las organizaciones basadas en datos se desempeñan mejor,
son operacionalmente más predecibles y son más rentables.

Preparación de datos SAS

Para preparar el big data para la analítica primero hay que acceder,
perfilar, limpiar y transformar los datos. Con una variedad de fuents de
big data, tamaños y velocidades, la preparación de los datos puede
consumir enormes cantidades de tiempo. La preparación de datos de
SAS simplifica la tarea, de modo que puede preparar los datos sin
necesidad de codificación, habilidades especializadas o dependencia de
la informática.

https://masqueingenieria.com/blog/aplicaciones-de-la-tecnologia-big-data/
El término Business Intelligence 

Ahora bien, para comprender realmente qué es la creación de conocimiento,

debemos saber qué significan cada uno de los tres términos que reúnen los
dos procesos anteriores:

1. Datos. Los datos son la unidad mínima con la que la empresa puede
trabajar. El nombre y apellidos de un empleado, el SKU de un producto o
una dirección de correo electrónico son ejemplos de datos. Son
totalmente objetivos y se utilizan principalmente para crear bases de
datos que nos sirvan como herramienta de consultas rápidas futuras.
2. Información. En el momento en el que distintos datos se procesan y se
unen en un contexto determinado, podemos hablar de información.
Dicho de otro modo: la información está formada por un conjunto de
datos procesados que comparten un contexto o finalidad común. Un
ejemplo de información lo encontramos en las gráficas generadas a
través de una hoja de cálculo, que nos permiten comprender cómo se
relacionan unos datos con otros y, a partir de lo observado, tomar una
serie de decisiones de negocio.
3. Conocimiento. Por último, el conocimiento implica ir un paso más allá
de la información. Es el resultado de haber utilizado esta para obtener
conclusiones a partir de la experiencia y del know-how de una persona
experta en el área a la que corresponde a la información. En otras
palabras: cuando una persona experta en la materia recibe la
información y, través de una serie de conexiones y predicciones
basadas en su experiencia y su know-how, le proporciona un valor
añadido útil para la empresa, estamos hablando de conocimiento. Dicho
conocimiento puede transmitirse a otras personas con el fin de que lo
utilicen para que la empresa pueda generar beneficios.

Por lo tanto, mientras que para transformar los datos en información solo es
necesario conocer las herramientas, informáticas o no, que permitan hacerlo,
para transformar la información en conocimiento será necesario contar con
personas expertas en el área a la que la información hace referencia. No
debemos olvidar nunca que la finalidad de ese término que es Business
Intelligence es crear un conocimiento que permita tomar mejores decisiones en
la empresa y optimizar los procesos que se llevan a cabo en ella.

El término Business Intelligence (BI por sus siglas en inglés) hace referencia

al uso de estrategias y herramientas que sirven para transformar información
en conocimiento, con el objetivo de mejorar el proceso de toma de decisiones
en una empresa.

En plena era digital, tomar decisiones bien informadas es uno de los

principales factores de diferenciación de las empresas. En este post vamos a
explicar con precisión qué es Business Intelligence, o inteligencia de negocio, y
qué herramientas de BI existen.
Este post también está disponible en inglés.

¿Business Intelligence, inteligencia de negocio o inteligencia empresarial?

Los tres conceptos se refieren a lo mismo: el uso que las empresas hacen de
los datos

y de la información que tienen - del mercado, de sus competidores, clientes,

proveedores, stakeholders o incluso de sus empleados - y de cómo la procesan
para poder tomar decisiones bien informadas.

El concepto de Business Intelligence combina por tanto información interna y

externa de muy diversa procedencia: los datos que recopila una empresa
sobre su producción, por ejemplo, son inteligencia de negocio.

Pero también lo es un recorte de prensa sobre los resultados de un competidor,

un informe sobre un nuevo mercado o sector en el que la empresa quiere
introducirse, o datos que una empresa puede obtener de sus dispositivos de
IoT o de redes sociales.

La relevancia de la inteligencia empresarial para cualquier negocio, y la

complejidad en recopilar los datos, procesarlos, analizarlos y presentarlos de
forma que cualquiera los pueda entender, es lo que ha hecho florecer el
mercado de herramientas de Business Intelligence.

wl origen de las herramientas de Business Intelligence

Según el artículo en inglés History of Business Intelligence, la primera

mención al término Business Intelligence se encuentra en una enciclopedia
publicada en EEUU en 1865. titulada Cyclopaedia of Commercial and Business
Anecdotes.

Pero no será hasta el siglo XX, con el avance de la tecnología y, en concreto,

con el desarrollo de los almacenes informáticos de datos, cuando podemos
empezar a hablar del concepto de inteligencia de negocio tal y como lo
entendemos ahora.

Algunas fechas de los inicios de las empresas de Business Intelligence:

1956: IBM inventa las unidades de disco duro, que llegaron a particulares y empresas de
de los PCs.
 1958: el investigador de IBM Peter Luhn, utiliza el concepto Business Intelligence.
Sus investigaciones fueron cruciales para entender el potencial del análisis de datos para mejora
decisiones de negocio. Se le considera el padre del término inteligencia de negocio.

Década de 1970: SAP y otras empresas desarrollan aplicaciones de negocio que facilitab

introducción de datos en bases de datos.

Década de 1980: las bases de datos evolucionan y permiten almacenar datos de diversa

en una única base de datos.

>> Post relacionado: Información para facilitar el cumplimiento del Nuevo

Reglamento Europeo de Protección de Datos.

Es en la década de 1990 cuando se empiezan a desarrollar y comercializar

más herramientas de inteligencia de negocios, debido a que algunas empresas
pioneras empezaron a darse cuenta del potencial de este tipo de soluciones y
empiezan a utilizarlas.

El problema de las primeras herramientas de BI era que eran poco intuitivas y

difíciles de usar. Además, para generar informes y acceder a la información,
un usuario sin conocimiento específico debía recurrir a los servicios del
departamento de IT.

A finales de los 90 y principios del año 2000 fue cuando realmente se empezó
a entender el potencial del uso de los softwares de Business Intelligence. El
mercado empezó a florecer y proliferaron los fabricantes y proveedores de este
tipo de herramientas.

Y además, estas soluciones empezaron a mejorar, haciéndose cada vez más

usables para cualquier profesional, de forma que sin tener conocimientos
informáticos se podía acceder, recopilar y analizar la información sin tener que
recurrir al departamento de IT.

El reto que surgió en ese momento fue el de combinar soluciones de Business

Intelligence rápidas y fáciles de utilizar por usuarios no técnicos, y que al
mismo tiempo fuesen capaces de proporcionar información segura y
confiable.
“En 2007, por primera vez en la historia, se generó más información en un año de lo que se habí
producido en los cinco mil años anteriores - el período transcurrido desde la invención de la escr

- Me the media: rise of the conversation society - VINT editions (research institute of Sogeti), 200
270. by Jaap Bloem, Menno van Doorn, Sander Duivestein

Ha sido en los últimos años cuando tanto el desarrollo como el uso de este tipo
de herramientas a crecido de forma exponencial en las empresas.

Teniendo en cuenta que las fuentes de datos se han multiplicado - Internet y

redes sociales, dispositivos IoT, información de dispositivos móviles, y un largo
etc. - también ha aumentado la complejidad para extraer conocimiento
relevante de toda esa información.

Por eso las herramientas de Business Intelligence también se han ido

haciendo más sofisticadas y son hoy en día muy potentes, capaces de
analizar y procesar infinidad de datos, de infinidad de fuentes y de ayudar a las
empresas a extraer conclusiones para mejorar sus cifras de negocio.

En cifras de 2017, Gartner pronostica que el mercado global de Business

Intelligence crecerá este año más de un 7%, generando unos ingresos de 18K
millones de dólares. Y para 2020 la consultora prevé que este número se eleve
hasta los 23K millones de dólares.

Ventajas de las herramientas de Business Intelligence

Las cuatro grandes ventajas que ofrece el uso de herramientas de inteligencia

de mercado son:

1. La capacidad de analizar de forma combinada información interna y

externa procedente de distintas fuentes y sistemas.

2. Una mayor profundidad de análisis y una capacidad ampliada de

reporting.
 3. La posibilidad de remontar ese análisis atrás en el tiempo en base
a series históricas.

4. La capacidad de realizar proyecciones y pronósticos de futuro en

base a toda esa información.

Tipos de herramientas de Business Intelligence

A pesar de que se trata de una categoría muy amplia - podría discutirse por
ejemplo si los servicios de monitorización de medios se consideran una
herramienta de BI - podemos distribuir las soluciones de inteligencia de negocio
en tres categorías:

1. Herramientas para la gestión de datos (del inglés, data management

tools).

Permiten desde la depuración y estandarización de datos de

procedencia diversa hasta su extracción, transformación y traslado a un
determinado sistema.

2. Las aplicaciones para descubrir nuevos datos (del inglés, data

discovery applications).

Permiten recopilar y evaluar nueva información (data mining o minería

de datos), y aplicar sobre esa información nueva o sobre la ya
disponible técnicas de análisis predictivo para realizar proyecciones de
futuro.

3. Herramientas de reporting.

Una vez recopilada y tratada toda esa información preexistente o nueva,

ayudan a las empresas a visualizarla de manera gráfica e intuitiva.
También sirven para integrarla en cuadros de mando que midan si se
cumplen o no determinados KPIs, o pueden incluso generar todo tipo de
informes de reporting.
10 herramientas de business intelligence disponibles en el mercado

Existen soluciones de inteligencia de negocio a medida para distintos sectores,

algunas más enfocadas a multinacionales y otras a pymes. Determinar cuál es
la que más conviene a cada empresa dependerá de las necesidades que se
detecten, y del presupuesto que se tenga.

Sin embargo, queremos repasar 10 herramientas de BI, combinando algunas

desarrolladas por grandes fabricantes de software tipo Microsoft, Oracle o SAP,
con otras propuestas por empresas de software emergentes pero que cada vez
disfrutan de mayor popularidad:

1. Microsoft Dynamics

Microsoft Dynamics CRM es un sistema de gestión de relaciones con

el cliente (CRM, del inglés Customer Relationship Management)
completamente integrado. Microsoft Dynamics CRM le ofrece la
posibilidad de crear y mantener una visión completa de los datos de
clientes desde el primer contacto hasta la compra y postventa.

2. 'Factorial HR: Informes de análisis

HH. Factorial HR es un software de gestión de recursos humanos rico

en funciones que se dirige específicamente a las pequeñas y medianas
empresas. Además, Factorial HR centraliza todos los datos relativos a
los recursos humanos

3. IBM Cognos Analytics

Cognos Analytics proporciona un espectro de capacidades para la

exploración visual y descubrimiento de datos, creación de cuadros de
mando e infografías y creación de informes profesionales. Junto con su
interfaz de usuario rediseñada este espectro de capacidades significa
que puede satisfacer las necesidades analíticas de casi todos en su
organización.

4. SAP business intelligence

SAP BusinessObjects BI Suite (SAP BO) es una plataforma on-
premise de SAP de inteligencia de negocios (Business Intelligence, BI)
para la creación de informes, visualización en cuadros de mando,
exploración y análisis de datos empresariales
5. Oracle Business Intelligence
 6. Tableau

7. Sisense

8. Clear Analytics

9. QlikView

10. Gooddata

Se solía decir que la información es poder. Pero

ahora el poder es entenderla. Por eso cualquier
empresa hoy en día debería plantearse seriamente
el uso de herramientas de análisis de datos para
extraer todo el conocimiento posible de su
organización. Solo así podrá mantenerse competitiva
en el mercado.

¿Qué es Business Intelligence?

Business Intelligence es la habilidad para transformar los datos en información,

y la información en conocimiento, de forma que se pueda optimizar el proceso
de toma de decisiones en los negocios.

Desde un punto de vista más pragmático, y asociándolo directamente con las

tecnologías de la información, podemos definir Business Intelligence como el
conjunto de metodologías, aplicaciones y tecnologías que permiten reunir,
depurar y transformar datos de los sistemas transaccionales e información
desestructurada (interna y externa a la compañía) en información estructurada,
para su explotación directa (reporting, análisis OLTP / OLAP, alertas...) o para
su análisis y conversión en conocimiento, dando así soporte a la toma de
decisiones sobre el negocio.

La inteligencia de negocio actúa como un factor estratégico para una empresa

u organización, generando una potencial ventaja competitiva, que no es otra
que proporcionar información privilegiada para responder a los problemas
de negocio: entrada a nuevos mercados, promociones u ofertas de productos,
eliminación de islas de información, control financiero, optimización de costes,
planificación de la producción, análisis de perfiles de clientes, rentabilidad de
un producto concreto, etc...

Los principales productos de Business

Intelligence que existen hoy en día son:
  Cuadros de Mando Integrales (CMI)

  Sistemas de Soporte a la Decisión (DSS)

  Sistemas de Información Ejecutiva (EIS)

Por otro lado, los principales componentes de

orígenes de datos en el Business Intelligence
que existen en la actualidad son:
  Datamart

  Datawarehouse

Los sistemas y componentes del BI se diferencian de los sistemas

operacionales en que están optimizados para preguntar y divulgar sobre datos.
Esto significa típicamente que, en un datawarehouse, los datos están
desnormalizados para apoyar consultas de alto rendimiento, mientras que en
los sistemas operacionales suelen encontrarse normalizados para apoyar
operaciones continuas de inserción, modificación y borrado de datos. En este
sentido, los procesos ETL (extracción, transformación y carga), que nutren los
sistemas BI, tienen que traducir de uno o varios sistemas operacionales
normalizados e independientes a un único sistema desnormalizado, cuyos
datos estén completamente integrados.

En definitiva, una solución BI completa

permite:

 Observar ¿qué está ocurriendo?

  Comprender ¿por qué ocurre?

 Predecir ¿qué ocurriría?

 Colaborar ¿qué debería hacer el

equipo?

 Decidir ¿qué camino se debe seguir?

¿Para qué sirve Business Intelligence?

Ahora que hemos comprendido qué es Business Intelligence, llega el momento

de ver algunos de los procesos empresariales en los que puede contribuir:

 Gestión de proyectos: a partir de la información obtenida a través de

una serie de datos relativos al project management, una persona experta
en dicha área puede generar un conocimiento que permita gestionar
proyectos de forma más eficaz y eficiente. Por ejemplo, cuestiones
relacionadas con la planificación temporal, la organización de recursos o
la motivación de los empleados que participarán en el proyecto.
 Creación de presupuestos: a la hora de comenzar un proyecto,
la elaboración de presupuestos puede beneficiarse de la Business
Intelligence siempre y cuando exista una persona experta en el tema.
 Asignación de recursos: si una persona experta dispone de
información acerca de los recursos disponibles para un proyecto, podrá
crear un conocimiento que permita asignarlos de la forma más eficaz
posible.

a transformación digital es una fuerza muy poderosa en el

ecosistema empresarial actual. Tanto es así, que
emprendedores, empresarios y ejecutivos no sólo han
interiorizado la necesidad de evolucionar sus modelos de
negocio para adaptarlos a las nuevas demandas de los
clientes, sino que también han entendido la oportunidad
de diseñar nuevos modelos para aprovechar nuevas
oportunidades.

Índice de contenidos: 

 Diferencia entre Big Data y Business Intelligence

 Quién es quién en ambas tecnologías
En este proceso de cambio lo más importante son las
personas, que han de entender el cambio como algo natural.
Esto obliga a las empresas a trabajar su cultura empresarial. 
Además de incrementar competencias en sus plantillas como la
curiosidad, la creatividad o el pensamiento crítico. Pero no sólo
esto, los responsables de las empresas deben empezar a
entender la tecnología y su lenguaje asociado.

Diferencia entre Big Data y  Business Intelligence

El Big Data y el Business Intelligence son dos tecnologías
que deben ser conocidas por cualquier empresa que vaya a
iniciar un proceso de cambio. Además, durante el año 2019 y
según la consultora Gartner, la primera prioridad de inversión
para las empresas inmersas en procesos de transformación
digital será la analítica de datos (43%), seguida por
la ciberseguridad (43%) y las soluciones y servicios Cloud
Computing (39%), es decir, necesidades, sobre el dato que
hace que los nuevos líderes digitales precisen de
conocimientos y competencias adicionales sobre estas
tecnologías.

El Big Data y el Business Intelligence, por sus

similitudes, generan mucha confusión entre empresarios,
emprendedores y directivos. Por ese motivo, os voy a exponer
algunas claves para aclarar las diferencias entre ambas
tecnologías. Empecemos por dar una definición de cada una de
ellas:

 El concepto Big Data hace referencia a un conjunto de

tecnologías y herramientas capaz de capturar, almacenar
y procesar grandes cantidades de datos en tiempo y coste
asumibles para una organización.
 El Business Intelligence o inteligencia de negocio
consiste en un conjunto de técnicas de gestión
empresarial que permiten a una organización tomar
decisiones de negocio en base a datos, que han sido
tratados por distintas herramientas para convertirlos en
información.
Por tanto en cuanto a sus diferencias: mientras el Big Data se
centra en la captura, almacenamiento y procesamiento de
los datos, el Business Intelligence se centra en los
procesos de análisis de dichos datos para convertirlos en
información y tomar las decisiones de negocio oportunas.

Se puede decir que el dato siempre ha sido la fuente para

procesos de Business Intelligence. Lo que ha cambiado en la
actualidad es que el dato se ha vuelto masivo. Además, le
hemos dado un nombre a las tecnologías capaces de tratarlo:
Big Data.

MÁSTER DE BUSINESS INTELLIGENCE Y DATA

SCIENCE

¡Súmate al cambio digital!

¿Quién es quién en Big Data y Business

Intelligence?
El perfil de las personas que trabajan directamente con cada
una de éstas tecnologías también es diferente. Así, mientras
que en los equipos de trabajo relacionados con el Big
Data aparecen perfiles como ingenieros, estadísticos y
matemáticos, los equipos de trabajo de Business Intelligence
de una empresa están formados por expertos en administración
de empresas, economistas, expertos en marketing y, de nuevo,
ingenieros y técnicos.

Los departamentos empresariales en los que se engloban

ambas tecnologías también son diferentes. De esta forma,
mientras que el equipo de trabajo de Big Data pertenece
al departamento de tecnología y reporta de forma general
al CTO (Chief Tecnology Officer); los equipos de Business
Intelligence están integrados en el departamento de dirección
de la empresa, y reportan al CSO (Chief Strategy Officer) en
caso de que exista este perfil en la organización, o bien,
pueden reportar directamente al CEO.
La confusión entre ambas tecnologías radica en el hecho de
que ambas deben funcionar de forma conjunta y
plenamente integradas. Esto significa que el equipo de BI
debe trabajar junto al de Big Data para establecer qué datos
necesitan para luego aplicar acciones de análisis sobre ellos. El
equipo de Big Data ha de identificar patrones en los datos que
debe comunicar al equipo de Business Intelligence. Ambos
equipos trabajan sobre el dato, unos para conseguir que sean
manejables y de valor, y otros para tomar decisiones de
negocio que les conviertan en más competitivos.

Formaciones específicas en Business Intelligente

El Máster de Business Intelligence y Data Science es un
ambicioso proyecto de IEBS en el que enseñamos y
capacitamos a los alumnos a trabajar sobre el dato y analizarlo
para tomar decisiones de negocio. En este programa se trabaja
sobre TODO lo relacionado con el dato.

Además, si tu objetivo es sólo ordenar el dato para analizarlo,

entonces tu programa de formación será el Postgrado de Big
Data y Business Intelligence en el que nos adentramos de
forma profunda en temas de Business Intelligence y de forma
más superficial en Big Data.

Si por el contario, tu objetivo es entender cuestiones más

técnicas para capturar, almacenar y procesar el dato,
realizando incluso análisis predictivos sobre el dato mediante
algoritmos de inteligencia artificial, en este caso tu programa
será el Postgrado en Inteligencia Artificial y Machine
Learning.
Qué es y qué hace el Analista de Datos o Data
Analyst?
El Analista de Datos o Big Data Analyst es un perfil profesional que
gracias a la interpretación de los datos puede establecer estrategias
dentro de una empresa. Por lo tanto, debe saber recopilar datos a la
vez que analizarlos de forma estadística.

Hay que tener en cuenta que los Big Data Analyst trabajan con
grandes cantidades de datos, pero los datos por sí mismos no dicen
nada. En la empresa se precisa un perfil que encuentre patrones en
ellos para llevar a cabo unas acciones u otras.

Funciones del día a día de un Big Data Analyst

Si trabajas en una organización con presencia digital sabrás que las
empresas están constantemente detrás del usuario. Por ello,
resulta indispensable contar con un analista que interprete los datos
para poder establecer patrones en el comportamiento del cliente.

Por lo tanto el analista de datos se encarga de:

 Extraer, procesar y agrupar datos

 Analizar esas agrupaciones de datos
 Generar informes 

Sin duda un analista debe desarrollar sus competencias matemáticas

y estadísticas. De este modo consiguen realizar un análisis completo
de los datos extraídos. Para ello se ayuda de herramientas como
Python.

Dentro de las destrezas en herramientas y estadística también se

debe tener en cuenta elementos como el trabajo en equipo. Sin duda
el Big Data debe trabajar de la mano con el departamento
de Business Intelligence.
El papel del analista de datos es clave en el proceso del análisis de datos y el
big data. Tiene que entender las herramientas que lo soportan y tener un
conocimiento muy específico del negocio que le facilite identificar qué debe
buscar y qué preguntas tiene que hacerse para apoyar en la toma de
decisiones.

El analista de datos transforma los datos en información que apoya la toma de

decisiones empresariales. Este perfil es clave para las empresas ya que les
permite dirigirse hacia la eficiencia operativa (reducción de costes, ideas para
generar ingresos adicionales, asegurar que no surgen problemas de fraude /
compliance).

El especialista en análisis de datos trabaja mano a mano con el científico de

datos que le dará respuestas a sus preguntas buscando correlaciones.