Documentos de Académico
Documentos de Profesional
Documentos de Cultura
La implementación de un
proyecto de Inteligencia
de Negocio
Índice
Esquema 3
Ideas clave 4
1.1. Introducción y objetivos 4
1.2. La estrategia empresarial impulsa los proyectos
de Inteligencia de Negocio 5
1.3. El líder del proyecto 8
1.4. Determinación de la cartera de proyectos 9
1.5. Promotores, dirección y participación
organizacional 12
© Universidad Internacional de La Rioja (UNIR)
A fondo 23
Test 25
© Universidad Internacional de La Rioja (UNIR)
Tema 1. Esquema
Esquema
3
Ideas clave
4
Tema 1. Ideas clave
En la última parte del tema se desarrolla una metodología para construir y promover
en la organización un proyecto de Inteligencia de Negocio.
En este contexto, con los conocimientos adquiridos, el alumno será capaz de:
Dado el alto valor con el que cuentan los datos en la actualidad, el análisis de éstos
debe ser coordinado, independientemente al tamaño de la empresa.
© Universidad Internacional de La Rioja (UNIR)
5
Tema 1. Ideas clave
Además, el programa general de Inteligencia de Negocio debe ser compatible con la
estrategia comercial de la empresa. En este contexto, está claro que dicho programa
debe enfocarse desde una perspectiva de negocio y no de tecnología. En multitud de
ocasiones, los proyectos de Inteligencia de Negocio son impulsados desde una
perspectiva tecnológica y es ese, precisamente, un factor clave en el fracaso de
implementación.
ESTRATEGIA EMPRESARIAL
1 2 3
6
Tema 1. Ideas clave
Vídeo. La estrategia empresarial como impulsora de la Inteligencia de Negocio.
Ejemplo
7
Tema 1. Ideas clave
1.3. El líder del proyecto
8
Tema 1. Ideas clave
Aunque el Director Financiero es un candidato natural para ser el líder del proyecto,
hay otros responsables de alto rango que pueden tomar la iniciativa dependiendo de
la industria de la empresa o, simplemente, de la estructura organizacional. En
industrias orientadas al cliente, como servicios financieros, venta minorista y bienes
de consumo, el Director Comercial puede ser el líder del proyecto. En las industrias
de manufacturas, el Director de Operaciones puede ser el elegido. En todos los casos,
un ejecutivo de negocios de alto nivel con autoridad presupuestaria significativa
suele ser el principal perfil de negocio elegido para ser el líder. Aunque en realidad
puede haber más de un líder de negocio, es fundamental que al menos uno
acompañe al responsable de los sistemas de información en el liderazgo del
proyecto.
9
Tema 1. Ideas clave
La cartera de proyectos debe centrarse, primero, en las necesidades comerciales, no
en las necesidades de los sistemas de información. Darle a la empresa la información
que necesita es prioritario; la elección de herramientas de software y otros
problemas centrados en los sistemas de información son importantes solo en
términos de cómo ayudan a alcanzar los objetivos comerciales. Los departamentos
de sistemas de información a menudo crean su lista de proyectos y prioridades en
función de un punto de vista lógico y principalmente técnico. Su agenda está
impulsada por la actualización de hardware y software para aprovechar las nuevas
capacidades que los proveedores han incorporado a sus productos, junto con las
nuevas capacidades de soporte y mantenimiento. Nada de esto es necesariamente
relevante para el negocio, pues lo importante es obtener información. Lo más
probable es que cada iniciativa empresarial en la compañía necesite datos distintos,
por lo que cada proyecto debe estar directamente vinculado a una iniciativa
prioritaria.
ESTRATEGIA EMPRESARIAL
1 2 3
1 2 3
10
Tema 1. Ideas clave
Las necesidades de la compañía deben ser prioritarias en los proyectos. De no ser
así, no se puede esperar un alto nivel de participación de los implicados. Los
departamentos de una compañía se centran en sus objetivos prioritarios, por lo que
no pueden comprometerse con un proyecto de Inteligencia de Negocio que no
aborde dichos objetivos. Cuando esto ocurre, los departamentos crean sus propios
sistemas de informes (data shadow systems) y estas soluciones, que no son
transversales, pueden poner en riesgo el negocio por falta de coordinación.
Ejemplo
11
Tema 1. Ideas clave
Vídeo. Determinación de la cartera de proyectos.
ESTRATEGIA EMPRESARIAL
1 2 3
Promotores
© Universidad Internacional de La Rioja (UNIR)
12
Tema 1. Ideas clave
Promotores
13
Tema 1. Ideas clave
Directores de proyectos
Participación organizacional
14
Tema 1. Ideas clave
Cuando la organización tiene los recursos de personal que pueden participar como
miembros activos del equipo, la probabilidad de éxito y la calidad del análisis de datos
mejora significativamente. No obstante, es importante que los participantes
comprendan qué se espera de ellos, el nivel de esfuerzo requerido y cuándo se planea
que su participación ocurra. Esto se debe a que, por lo general, los participantes más
valiosos ya están sobrecargados de trabajo y necesitan el compromiso de la dirección
para dedicar su tiempo a trabajar en el proyecto de Inteligencia de Negocio. Es tarea
del grupo de sistemas de información determinar de manera realista cuánto pueden
realmente contribuir los participantes al proyecto. El líder del proyecto debe evaluar
continuamente si la participación esperada se corresponde con la participación real.
Un factor clave en el fracaso de los proyectos de Inteligencia de Negocio es la
centralización de los esfuerzos en la parte técnica, olvidando la importancia de la
participación organizacional.
15
Tema 1. Ideas clave
1.6. Construcción del proyecto
16
Tema 1. Ideas clave
Al igual que ocurre con un proyecto de Inteligencia de Negocio, un producto de
software evoluciona y se expande con el tiempo. La firma de software desarrollará y
lanzará un producto inicial V1.0, y seguirá con actualizaciones incrementales que
agregan características y corrigen errores. Se toman en cuenta los comentarios de los
usuarios cuando deciden qué nuevas funcionalidades deben agregarse. A medida que
avanza, anunciará su hoja de ruta del producto y el cronograma de lanzamiento del
software, presentando el crecimiento en cuanto a capacidad y características. Por lo
tanto, las empresas deben planificar y administrar sus proyectos de Inteligencia de
Negocio como si fueran productos de software: diseñar, programar y comunicar una
hoja de ruta del proyecto, y lanzarlo.
Lanzamiento del
1.0 2.0
programa
Solución de negocio
Variables de interés
Datos necesarios
Tecnología requerida
17
Tema 1. Ideas clave
Ejemplo
Lanzamiento del
1.0 2.0
programa
Como en cualquier proyecto, dado que el tiempo y los recursos económicos no son
ilimitados, debe medirse la relación entre dichos ítems y los resultados deseados.
© Universidad Internacional de La Rioja (UNIR)
18
Tema 1. Ideas clave
Proyecto de
Inteligencia de
Negocio
Utilización de recursos
Recursos: los recursos del proyecto se pueden ajustar en función de la mano de obra
utilizada (trabajadores de la compañía y consultores externos).
19
Tema 1. Ideas clave
Además de lo tratado, un proyecto de Inteligencia de Negocio es un proceso complejo
que cuenta con multitud de factores que influyen en los resultados, recursos y tiempo
empleado. Por ejemplo:
Una tarea importante para el líder del programa de Inteligencia de Negocio es crear
y ejecutar una estrategia de comunicación interna durante la vida de los proyectos.
Esto incluye informes de estado y retroalimentación de las partes interesadas.
Además de programar reuniones, hay muchos tipos de herramientas de colaboración
que permiten la promoción interna del proyecto.
Es un error suponer que los participantes clave conocen los desarrollos actuales que
tienen lugar en el proyecto de Inteligencia de Negocio. A menudo es necesario
aumentar la conciencia interna y promover el proyecto dentro de la empresa. Los
resultados de esta promoción son clave para que un proyecto cuente con el personal
necesario para su implementación, por lo que una campaña interna de
© Universidad Internacional de La Rioja (UNIR)
20
Tema 1. Ideas clave
recorrido, puede reducirse la financiación dedicada a él por la percepción de que ya
es lo suficientemente bueno y no necesita más mejoras.
Los beneficios del programa no siempre son obvios, por lo que es posible que se deba
aclarar el valor comercial de las inversiones realizadas en un proyecto de Inteligencia
de Negocio. Además, no se trata de un esfuerzo único, por lo que es posible que se
necesite tener un plan continuo para evaluar el éxito del proyecto mediante la
medición de las percepciones y expectativas de los usuarios de la compañía.
21
Tema 1. Ideas clave
Los métodos de promoción más usados son los siguientes:
22
Tema 1. Ideas clave
A fondo
5 errores habituales al implementar Business Intelligence en las empresas
Hay veces que los proyectos de Inteligencia de Negocio fracasan por errores de base
que nada tienen que ver con la parte técnica. En este documento encontrarás 5
errores habituales que se cometen en la implementación de proyectos de Inteligencia
de Negocio.
Aunque hay una línea muy fina que separa el Business Intelligence del Business
Analytics, el objetivo fundamental de estas disciplinas es el tratamiento de datos para
tomar decisiones eficientes en la empresa. En este documento puedes ver la
diferencia entre las dos materias.
23
Tema 1. A fondo
¿Qué es y para qué sirve un cuadro de mando integral o balanced scorecard?
Martín, J. (11 de febrero de 2020). ¿Qué es y para qué sirve un cuadro de mando integral
o balanced scorecard? [online]. Disponible en
https://www.unir.net/empresa/desarrollo-directivo/liderazgo/que-es-y-para-que-sirve-
un-cuadro-de-mando-integral-o-balanced-scorecard/
24
Tema 1. A fondo
Test
1. La Inteligencia de Negocio es una disciplina:
A. Que genera conocimiento solo en el departamento de marketing de las
organizaciones.
B. Que solo tiene utilidad en el departamento de operaciones para optimizar el
consumo de materias consumibles.
C. Que tiene en cuenta solo los aspectos técnicos, y no la tecnología.
D. Que genera conocimiento y tiene en cuenta la estrategia empresarial
motivante fundamental.
25
Tema 1. Test
4. Los data shadow systems:
A. Nacen como consecuencia de la falta de implicación de toda la organización
en el desarrollo de un proyecto de Inteligencia de Negocio.
B. Son transversales para toda la compañía.
C. Provocan una unificación global de la información que es eficiente.
D. Ninguna de las anteriores es correcta.
26
Tema 1. Test
8. El uso de distintas versiones según avanza la solución de Inteligencia de Negocio:
A. Es ineficiente. Lo ideal es crear la solución final sin versiones previas.
B. Es una metodología razonable para la construcción de un proyecto.
C. Es razonable solo en pymes que necesitan desarrollar la solución poco a
poco.
D. Ninguna de las anteriores es correcta.
27
Tema 1. Test
Tema 2
Evaluación de un
proyecto de Inteligencia
de Negocio
Índice
Esquema 3
Ideas clave 4
2.1. Introducción y objetivos 4
2.2. Fase de descubrimiento: evaluar el entorno
actual 6
© Universidad Internacional de La Rioja (UNIR)
A fondo 12
Test 14
© Universidad Internacional de La Rioja (UNIR)
E VA L UA C I Ó N D E UN P R O Y E C T O D E I N T E L I G E N C I A D E N E G O C I O
D E S C UB R I MI E N T O A N Á LI SI S R E C O ME N D A C I O N E S
Se revisarán las conversaciones, discusiones y entrevistas de Se presentarán los resultados del análisis junto
Informes y análisis
la fase de descubrimiento con una hoja de ruta del proyecto de
deseados
Inteligencia de Negocio
Tema 2. Esquema
Esquema
3
Ideas clave
P r o g r a ma y p r o y ec to s
O r g a n iz a c ió n y
d e I n telig en c ia d e
h a b ilid a d es
Neg o c io : p r o c es o s y
© Universidad Internacional de La Rioja (UNIR)
n ec es a r ia s
p o lític a s
4
Tema 2. Ideas clave
Así, hecha antes de que comience un proyecto, la evaluación ayudará a desarrollar el
alcance y el diseño de este, pues con información detallada sobre las áreas que
intervienen en él se puede medir de una forma más certera el cronograma y los
recursos, minimizando el riesgo. La evaluación trata de analizar el estado actual de
la compañía y cuál es el potencial con sus cualidades actuales.
Iniciativas de negocio
5
Tema 2. Ideas clave
se desarrolla una metodología para comunicar el alcance, las prioridades y el
presupuesto del proyecto.
En este contexto, con los conocimientos adquiridos, el alumno será capaz de:
6
Tema 2. Ideas clave
Prioridades: ¿qué es lo más importante para ellos en cuanto a la información que
necesitan para la toma de decisiones?
Habilidades analíticas: ¿qué habilidades tienen ya?
7
Tema 2. Ideas clave
2.3. Fase de análisis: identificar los gaps
Desarrollar una lista de requisitos para los informes de toda la empresa, los datos
compartidos y las necesidades de limpieza de datos.
Crear una lista de las capacidades de los informes actuales.
Examinar las habilidades del personal de la organización y determinar qué
capacitación podría ser necesaria.
Realizar un análisis de gaps de lo que se desea, lo que es razonable y lo que se
agrega a la lista de tareas para el proyecto de Inteligencia de Negocio.
Elaborar una lista corta de proveedores de productos.
Desarrollar demostraciones de soluciones para la fase de recomendación. Esto
puede implicar obtener una muestra de datos e informes de la empresa y solicitar
a los proveedores que creen las demostraciones.
Crear un plan con cronología, costes y recursos.
© Universidad Internacional de La Rioja (UNIR)
8
Tema 2. Ideas clave
Vídeo. Identificar los gaps del proyecto.
9
Tema 2. Ideas clave
Las tareas en esta fase incluyen:
Revisar la hoja de ruta del proyecto con los perfiles de negocio y de sistemas de
información para garantizar la implementación iterativa del proyecto.
Promocionar el proyecto de Inteligencia de Negocio en la empresa.
Revisar las skills con las que cuentan los miembros de la organización, analizando
cómo afectan a la implementación iterativa.
Revisión de la hoja de ruta con el departamento de Sistemas de información,
incluidas las demostraciones.
Ejemplo
10
Tema 2. Ideas clave
Vídeo. Fase de recomendaciones del proyecto.
11
Tema 2. Ideas clave
A fondo
Evaluación de un Proyecto de Inteligencia de Negocio
En este documento podrás ver la evaluación de un caso real en el que se aplica una
solución de Inteligencia de Negocio.
12
Tema 2. A fondo
Ranking de las mejores herramientas de gestión de proyectos
13
Tema 2. A fondo
Test
1. La comparación entre los informes deseados y los que actualmente genera el
sistema con el que cuenta la compañía:
A. Es una tarea propia de la fase de descubrimiento.
B. Es una tarea propia de la fase de análisis.
C. Es una tarea propia de la fase de recomendaciones.
D. Ninguna de las anteriores es correcta.
4. En la fase de análisis:
A. Se estudian las tres dimensiones que se han de evaluar: arquitectura,
requisitos y personas.
© Universidad Internacional de La Rioja (UNIR)
14
Tema 2. Test
5. El desarrollo de las demostraciones:
A. Es propio de la fase de descubrimiento.
B. Es propio de la fase de recomendaciones.
C. No es necesario en empresas con una dimensión pequeña.
D. Es propio de la fase de análisis.
7. Tras el análisis, se elabora una hoja de ruta que se deba seguir. ¿Se utiliza esta
información con posterioridad?
A. Sí, las recomendaciones parten de esa hoja de ruta.
B. No.
C. Solo se debe tener en cuenta en grandes empresas.
D. Ninguna de las anteriores es correcta.
15
Tema 2. Test
10. La evaluación de un proyecto de Inteligencia de Negocio:
A. Ayuda a responder preguntas clave y así mantener una línea de trabajo que
minimice los imprevistos cuando es externa.
B. Ayuda a responder preguntas clave y así mantener una línea de trabajo que
minimice los imprevistos cuando la hace la empresa a nivel interno.
C. Ayuda a responder preguntas clave y así mantener una línea de trabajo que
minimice los imprevistos.
D. Ninguna de las anteriores es correcta.
© Universidad Internacional de La Rioja (UNIR)
16
Tema 2. Test
Tema 3
Estructura de
descomposición del
trabajo (EDT)
Índice
Esquema 3
Ideas clave 4
3.1. Introducción y objetivos 4
3.2. Definición de la EDT 5
3.3. Principios para diseñar la EDT 6
3.4. Múltiples EDT para el proyecto de Inteligencia de
Negocio 8
3.5. Plan de arquitectura del proyecto de Inteligencia
© Universidad Internacional de La Rioja (UNIR)
de Negocio 12
3.6. Los proyectos de Inteligencia de Negocio son
diferentes 15
3.7. Referencias bibliográficas 17
A fondo 18
Test 20
© Universidad Internacional de La Rioja (UNIR)
E S T R UC T UR A D E D E S C O MP O S I C I Ó N D E L T R A B A J O ( E D T )
D EF I NI C I Ó N D E LA ED T
Subdividir el proyecto en componentes más Se debe elegir a una Cada componente debe tener un alcance, un
pequeños y manejables persona responsable marco de tiempo, un presupuesto
P RI NCI P I O S
Regla del 100 por 100 Exclusividad mutua Entregables del plan Regla 8/80
C L AV E S
Tema 3. Esquema
Esquema
3
Ideas clave
4
Tema 3. Ideas clave
En este contexto, con los conocimientos adquiridos, el alumno será capaz de:
Para ello, se debe comenzar con el objetivo final del proyecto para subdividirlo en
componentes más pequeños y manejables. Cada componente o nodo en la
estructura de árbol debe tener un alcance, un marco de tiempo, un presupuesto,
recursos y una persona responsable de su entrega.
5
Tema 3. Ideas clave
La definición de la EDT conlleva la elaboración de órdenes de trabajo que deben ser
entregadas al responsable de Sistemas de Información para cuantificar el coste y
recursos que supondrá cada entregable.
Hay varios principios que ayudan con el diseño y desarrollo de la EDT. Estos principios,
que usan una terminología padre-hijo (cada entregable tiene como punto de partida
una base previa), pueden resumirse, fundamentalmente, en cinco (Sherman, R.,
2014):
Regla del 100 por 100: una EDT contiene el 100 % del trabajo requerido para poder
realizar todos los entregables del proyecto. La suma de cada nivel en la jerarquía
debe ser igual al 100 % del proyecto, y los hijos de cada padre deben representar
la totalidad de su padre.
Exclusividad mutua: cada nodo de la EDT debe ser exclusivo para el padre y no
superponerse con ninguna otra rama en la estructura de árbol. Además de hacer
cumplir la regla del 100 por 100, el propósito es eliminar ambigüedades y
duplicidades.
Entregables del plan: una EDT es un desglose de los entregables o el alcance del
proyecto, y no las tareas. Concentrarse en lo que se entregará en lugar de como
se entregará evita que una EDT se atasque en demasiados detalles y se pierda
demasiado tiempo.
© Universidad Internacional de La Rioja (UNIR)
Regla 8/80: los componentes de la EDT en el nivel de detalle más bajo no deben
requerir menos de 8 horas de esfuerzo, o la EDT será demasiado detallada.
Además, los componentes más detallados no deberían requerir más de 80 horas
de trabajo; de lo contrario, los componentes tendrían un nivel demasiado alto para
6
Tema 3. Ideas clave
gestionarlos. La regla 8/80 no es una regla absoluta, sino más bien una «regla de
oro» que los gerentes de proyectos experimentados y exitosos siguen.
Un proyecto puede tener múltiples EDT que representan diferentes puntos de vista
del proyecto desde las distintas perspectivas de las partes interesadas. Las dos
estructuras de EDT más comunes para un proyecto de desarrollo de aplicaciones son:
Cuando se crean múltiples EDT, cada una debe seguir las reglas especificadas
anteriormente y, además, deben estar conectadas con el programa general para
garantizar la integridad y el control. El uso de EDT múltiples permite una
comunicación más efectiva y una mejor gestión de programas y proyectos con una
comunidad diversa de partes interesadas del proyecto.
© Universidad Internacional de La Rioja (UNIR)
7
Tema 3. Ideas clave
3.4. Múltiples EDT para el proyecto de Inteligencia
de Negocio
El uso de las EDT es una herramienta de gestión de proyectos muy eficaz para
planificar y desarrollar soluciones de Inteligencia de Negocio. Con demasiada
frecuencia, la planificación y programación de un proyecto de Inteligencia de Negocio
se convierte en un proyecto en sí mismo, que consume una gran parte del tiempo
que se pensaba utilizar para diseñar, desarrollar y desplegar la solución (Sherman,
2014). Debido a que la EDT no implica la creación de un cronograma orientado a las
tareas del proyecto, el director del proyecto de Inteligencia de Negocio puede
determinar el alcance del proyecto y estimar el tiempo, el coste y los recursos
necesarios descomponiendo los entregables, sin atascarse en las minucias de las
tareas. Además, dado que la EDT es independiente de cualquier metodología de
proyecto específica, el director del programa general no se ve obligado a adoptar un
enfoque único para todos los proyectos que lo integran. El director del programa
puede adaptar la elección de la metodología según el alcance del proyecto y la
madurez de la empresa. De hecho, para proyectos más complejos o grandes, se
recomienda utilizar un enfoque híbrido para la metodología del proyecto (Sherman,
2014). Esto se describe más adelante en este capítulo.
8
Tema 3. Ideas clave
EDT del programa de Inteligencia de Negocio
Una vez creada la EDT del programa, debe crearse la EDT de cada proyecto. Como se
muestra en la Figura 2, la EDT del proyecto de Inteligencia de Negocio se desglosa en el
nivel más alto por fases del proyecto. Cada una de las fases se desglosa por sus
entregables clave. Cada uno de los entregables se desglosa en entregas subyacentes
más detalladas, pero como se mencionó anteriormente, la descomposición no debe
descender al nivel de tarea ni debe ser demasiado detallada, dada la regla 8/80
(Sherman, 2014).
© Universidad Internacional de La Rioja (UNIR)
Entregable 1.0
9
Tema 3. Ideas clave
Esta EDT es una herramienta de planificación efectiva para desarrollar una lista de los
entregables clave mostrando sus interdependencias, nivel de esfuerzo, coste estimado,
recursos planificados y fechas clave. Esta EDT describe qué se construirá y qué recursos
se necesitan, pero aún no aborda el cómo se construirá, lo que se difiere para otras
actividades de gestión de proyectos (Sherman, 2014).
Esta EDT es una herramienta de comunicación efectiva entre las partes interesadas
porque trata con el «qué» y no con el «cómo». El proyecto de WBS de la BI se utiliza
para solicitar compromisos de presupuesto y recursos junto con un acuerdo sobre los
hitos del cronograma (Sherman, 2014).
Entregable 1.0
10
Tema 3. Ideas clave
La arquitectura de datos se divide en entregas de integración de datos
relacionadas con el abastecimiento de datos y las estructuras de datos utilizadas
para análisis, como almacenes de datos (data warehouse), data marts y cubos.
11
Tema 3. Ideas clave
3.5. Plan de arquitectura del proyecto de
Inteligencia de Negocio
Arquitectura de la información.
Arquitectura de datos.
Arquitectura de la tecnología.
Por lo tanto, el director del programa de Inteligencia de Negocio debe definir cuatro
planes de arquitectura: información, datos, tecnología y proyecto.
12
Tema 3. Ideas clave
El plan de arquitectura de la información define qué solución de Inteligencia de Negocio
se debe construir y a qué datos se accederá en el contexto de negocio. Este plan debe
detallar lo siguiente (Sherman, 2014):
Fuentes de datos.
Aplicaciones de origen, bases de datos y archivos.
Subconjunto de datos a los que se accede: tablas, columnas, campos.
Requisitos de datos históricos.
Integración y transformación de datos.
Calidad y limpieza de datos.
Requisitos de procesamiento.
Métricas y monitoreo.
Definir requisitos para cambios en datos históricos.
Manejo de errores, omisiones y excepciones.
Herramientas analíticas.
Integración de datos o extracción, transformación y carga (ETL).
Integración de aplicaciones.
Base de datos.
13
Tema 3. Ideas clave
Modelado de datos.
Perfiles de datos.
Gestión de metadata.
Desarrollo de aplicaciones: gestión de código fuente, programación de trabajos,
copias de seguridad y recuperación.
El plan de arquitectura del proyecto enumera qué productos son necesarios para
soportar la arquitectura tecnológica anterior. Los productos seleccionados deben
cumplir con los estándares empresariales apropiados, aunque a menudo el proyecto de
Inteligencia de Negocio introduce muchas nuevas tecnologías y productos en la empresa.
Ejemplo
Plan de arquitectura
Proyecto A. Los da tos históricos La extra cción de datos del Se necesita Matlab
Se a ccede a datos de
deben ser diarios. Ca da Data Warehouse s e ha rá pa ra modelar y
Sustitución venta s sell in. La solución
va ri a ble se representa en us a ndo lenguaje SQL. El PowerBI para
de l a utilizará el
una columna y ca da día Data Mart res ultante será vi s ualizar l os
productos departamento de ventas.
en una fila. tra ta do con Ma tlab. res ultados.
Se a ccede a datos de Ca da cliente se La extra cción de datos del Se necesita Matlab
Proyecto B. venta s y tes orería representa en una fila y Data Warehouse s e ha rá pa ra modelar y
Agrupación (moros idad). La l a s columnas son los us a ndo lenguaje SQL. El PowerBI para
de clientes a pl icación la utilizará el i ndicadores de ca da uno Data Mart res ultante será vi s ualizar l os
departamento de ventas. de el los. tra ta do con Ma tlab. res ultados.
© Universidad Internacional de La Rioja (UNIR)
14
Tema 3. Ideas clave
3.6. Los proyectos de Inteligencia de Negocio son
diferentes
Gestión y planificación
ENFOQUE EMPRESARIAL Operaciones empresariales
empresarial
Miembros de la organización en
Miembros que realizan todos los niveles, con especial
USUARIOS
operaciones empresariales importancia para los que toman
decisiones
15
Tema 3. Ideas clave
Inteligencia de Negocio y áreas generadoras de datos que son comunes dentro de los
departamentos comerciales, finanzas o recursos humanos. Sin embargo, los detalles y
las implementaciones específicas de esas funciones y estructuras de datos varían
ampliamente de una empresa a otra. Las métricas de rendimiento empresarial y los
datos detallados utilizados en el cálculo variarán enormemente no solo entre las
empresas, sino a veces entre los departamentos dentro de la misma empresa. Aunque
una empresa puede traer a un experto en una aplicación ERP particular para
implementar su aplicación con mucha certeza para los requisitos empresariales y de
datos, esa certeza no existe cuando se implementa una solución de Inteligencia de
Negocio específica para una empresa que es altamente personalizada (Sherman, 2014).
16
Tema 3. Ideas clave
Vídeo. Diferencias entre soluciones empresariales y de Inteligencia de Negocio.
17
Tema 3. Ideas clave
A fondo
Amplía tus conocimientos sobre la estructura de descomposición del trabajo
Esta web se dedica, en su totalidad, a la EDT, por lo que aquí podrás ampliar tus
conocimientos sobre esta disciplina.
¿Sabías que la EDT también se conoce como estructura de desglose del trabajo?
RIB Spain. (2020). EDT Estructura de Desglose del Trabajo. RIB Spain: Madrid. Disponible
en https://www.rib-software.es/pdf/Notas-tecnicas/EDT-Estructura-de-Desglose-del-
Trabajo.pdf
18
Tema 3. A fondo
Refinería de datos. Reinventando el Business Intelligence
19
Tema 3. A fondo
Test
1. Cuando se define la EDT de un proyecto de Inteligencia de Negocio:
A. Solo se debe subdividir en tareas la parte tecnológica del mismo.
B. Solo se debe subdividir el modelado de datos en distintas tareas.
C. No es necesario descomponer el área relacionada con la tecnología.
D. Se debe subdividir todo el proyecto en subconjuntos.
C. Determina que el 100 por 100 del proyecto debe ser realizado por el área de
negocio, sin contar con el departamento de Sistemas de Información.
D. Ninguna de las anteriores es correcta.
20
Tema 3. Test
5. La regla de exclusividad mutua:
A. Establece que cada parte de la EDT es independiente, aunque a veces puede
superponerse con otras partes.
B. Establece que cada parte de la EDT debe ser independiente, sin
superposiciones con otras partes del proyecto.
C. Establece que la información de un departamento no puede fluir hacia otro.
D. Ninguna de las anteriores es correcta.
21
Tema 3. Test
8. Mientras las soluciones empresariales tradicionales se centran en crear y
almacenar datos, las soluciones de Inteligencia de Negocio:
A. No se diferencian de las soluciones tradicionales.
B. Lo hacen en la consulta y análisis.
C. Se centran solo en la consulta.
D. Ninguna de las anteriores es correcta.
22
Tema 3. Test
Tema 4
Metodologías de
proyecto
Índice
Esquema 3
Ideas clave 4
4.1. Introducción y objetivos 4
4.2. La batalla de las metodologías de proyecto 6
4.3. La falsa elección entre metodologías de proyecto
© Universidad Internacional de La Rioja (UNIR)
10
4.4. Metodología híbrida para proyectos de
Inteligencia de Negocio 13
4.5. Referencias bibliográficas 15
A fondo 16
Test 17
© Universidad Internacional de La Rioja (UNIR)
METODOLOGÍAS DE PROYECTO
La metodología de cascada
La fa lta de una Des arrollo Des arrollo en
uti l iza un enfoque La a l ternativa principal a la
a rquitectura y un ma rco i ncremental es piral
s ecuencial o lineal para el ca s cada es la metodología ágil
des arrollo de la s olución de generales pueden dar
del proyecto. Agile es un Des arrollo
Inteligencia de Negocio. como res ultado, en el
enfoque iterativo basado en rá pi do Crea ci ón de
mejor de los casos, un
equipo donde l os requisitos y prototi pos
di s eño i neficiente y, en el
entregables evolucionan a Ori entado a
peor, un sistema cuyas
tra vés de la colaboración objetos
pa rtes no funcionan
A menudo es difícil, tra ns versal.
junta s.
pa rti cularmente en
Inteligencia de Negocio,
obtener l os requisitos
comerci ales completos por
a delantado en un proyecto.
Tema 4. Esquema
Esquema
3
Ideas clave
4
Tema 4. Ideas clave
esa aplicación. Desde este punto de vista, no es sorprendente que la metodología de
un proyecto de desarrollo de software no esté generalmente en la lista de
prioridades de muchos departamentos de Sistemas de Información.
5
Tema 4. Ideas clave
Así pues, en la primera parte del tema se muestran varias metodologías de proyecto.
En segundo lugar, se aportan consejos para elegir la metodología adecuada. En la
última parte del tema se propone una metodología de proyecto para Inteligencia de
Negocio híbrida que maximiza las probabilidades de éxito.
En este contexto, con los conocimientos adquiridos, el alumno será capaz de:
Ha habido una batalla en los últimos años con respecto a qué metodología de
proyecto debe usar una empresa para desarrollar un proyecto de Inteligencia de
Negocio: waterfall (en cascada) o agile. La metodología waterfall ha sido el enfoque
tradicional utilizado en la industria, mientras que agile es un enfoque más novedoso
que es especialmente popular en el desarrollo web (Sherman, 2014).
aprobación de los interesados del proyecto. Una lista típica de tareas en cascada
incluye (Sherman, 2014):
6
Tema 4. Ideas clave
Diseño de la aplicación.
Desarrollar aplicaciones y realizar pruebas unitarias.
Realizar pruebas del sistema.
Corregir la aplicación según corresponda.
Implementar la aplicación.
Mejora la utilización de los recursos porque las tareas se pueden dividir para
trabajar en paralelo o agruparlas para aprovechar las habilidades de los recursos.
7
Tema 4. Ideas clave
Las desventajas de la metodología en cascada son las siguientes (Sherman, 2014):
Agile
como en el enfoque tradicional (en cascada), que fija el alcance y luego determina el
tiempo y los recursos necesarios que se han de implementar. Con el típico flujo de
trabajo ágil (Sherman, 2014):
8
Tema 4. Ideas clave
La recopilación de requisitos, el diseño, el desarrollo y las pruebas se completan
durante el sprint.
Los usuarios de la solución de Inteligencia de Negocio están activos en cada sprint,
revisando y evaluando el trabajo.
Cualquier trabajo no completado se vuelve a priorizar para futuros entregables.
El trabajo itera en el próximo sprint y recorre la misma secuencia.
Los entregables individuales son muy rápidos, pero para lograr esto, el alcance
podría reducirse y la calidad de los entregables podría verse comprometida.
Si el proyecto general requiere muchos entregables interdependientes, entonces
la falta de una arquitectura y un marco generales pueden dar como resultado, en
© Universidad Internacional de La Rioja (UNIR)
9
Tema 4. Ideas clave
Vídeo. Metodología waterfall vs agile.
10
Tema 4. Ideas clave
Ejemplos engañosos
11
Tema 4. Ideas clave
Vídeo. Diferencias entre metodologías para soluciones empresariales y de Inteligencia de Negocio.
influenciada por el tamaño del equipo y el que muchas personas que trabajan en
grupos pequeños necesiten trabajar de forma transversal.
12
Tema 4. Ideas clave
Más de dos opciones
En cascada y ágil no son las únicas metodologías disponibles entre las que un gerente
de proyecto puede elegir. Las diversas opciones incluyen (Sherman, 2014):
13
Tema 4. Ideas clave
Soluciones empresariales vs soluciones de Inteligencia de Negocio
SOLUCIÓN
SOLUCIÓN
SOLUCIÓN INTELIGENCIA
INTELIGENCIA
EMPRESARIAL NEGOCIO (paneles,
CRITERIO NEGOCIO (con
(orientadas a informes o
necesidad de
transacciones) visualizaciones
integración de datos)
independientes)
Un grupo o
Toda la departamento
ALCANCE Toda la compañía
compañía concreto de la
organización
Es definida
Necesita ser definida inicialmente, pero la
FUNCIONALIDAD Bien definida por el departamento funcionalidad analítica
concreto aumentará con el
tiempo.
14
Tema 4. Ideas clave
La metodología de Proyectos de Inteligencia de Negocio utiliza:
15
Tema 4. Ideas clave
A fondo
Cómo gestionar proyectos ágiles: tres modelos
Empresa Actual. (15 de julio de 2018). Cómo gestionar proyectos ágiles: 3 modelos
[online]. Disponible en https://www.empresaactual.com/metodologias-agiles-gestion-
de-proyectos/
Desarrollo directivo. (12 de febrero de 2020). Metodología agile: por qué revolucionará
la forma de trabajo en tu empresa. Disponible en
https://www.unir.net/empresa/desarrollo-directivo/transformacion-
digital/metodologia-agile-por-que-revolucionara-la-forma-de-trabajo-en-tu-empresa/
16
Tema 4. A fondo
Test
1. Antón Burn, CEO de una compañía dedicada a la fabricación de carbón, quiere
medir la propensión de los clientes a cambiar el carbón tradicional por otro
producto sustitutivo. Para ello, reúne a toda la compañía y les propone trabajar de
forma secuencial. Es decir, primero el departamento encargado de la extracción
de datos hará su trabajo, después el modelado, y así sucesivamente. Dado el
enfoque, Antón se ha decantado por la metodología:
A. Agile.
B. Una metodología híbrida.
C. Waterfall.
D. Ninguna de las anteriores es correcta.
A. Agile.
B. Una metodología híbrida.
C. Waterfall.
D. Ninguna de las anteriores es correcta.
17
Tema 4. Test
4. Una de las ventajas del método agile es:
A. Los entregables son priorizados por el técnico encargado de extraer los
datos.
B. Los entregables son priorizados por el usuario de negocio y cada prioridad se
asigna a un sprint.
C. No hay entregables, todo se entrega al final del proyecto.
D. Ninguna de las anteriores es correcta.
18
Tema 4. Test
7. Antón Burn, CEO de una compañía dedicada a la fabricación de carbón, quiere
medir la propensión de los clientes a cambiar el carbón tradicional por otro
producto sustitutivo. Para ello, reúne a toda la compañía para el desarrollo del
proyecto, pues entiende que el alcance de este es toda la compañía, sin excepción.
En ese caso, la metodología que mejor se adapta al alcance propuesto es:
A. Agile.
B. Es imposible hacer un proyecto que impacte a toda la compañía.
C. Waterfall.
D. Ninguna de las anteriores es correcta.
19
Tema 4. Test
10. Antón Burn, CEO de una compañía dedicada a la fabricación de carbón, quiere
medir la propensión de los clientes a cambiar el carbón tradicional por otro
producto sustitutivo. Para ello, investiga acerca de dos metodologías: agile y
waterfall, pues afirma que son los dos únicos enfoques posibles en metodologías
de proyectos de Inteligencia de Negocio. Es correcta su afirmación:
A. Sí, solo es posible utilizar una de esas dos metodologías.
B. Sí, pues todas las demás nacen de estas dos.
C. No, existen metodologías híbridas que mezclan el enfoque de las dos que
propone.
D. Ninguna de las anteriores es correcta.
© Universidad Internacional de La Rioja (UNIR)
20
Tema 4. Test
Tema 5
Fases de un proyecto de
Inteligencia de Negocio
Índice
Esquema 3
Ideas clave 4
5.1. Introducción y objetivos 4
5.2. Alcance y planificación 6
5.3. Definición y análisis 8
© Universidad Internacional de La Rioja (UNIR)
A fondo 20
Test 22
© Universidad Internacional de La Rioja (UNIR)
FA S E S D E UN P R O Y E C T O D E I N T E L I G E N C I A D E N E G O C I O
Tema 5. Esquema
Esquema
3
Ideas clave
Alcance y plan.
Definición y análisis.
Diseño y arquitectura.
Construcción y prueba.
Implementación y despliegue.
En primer lugar, la metodología en cascada requiere que se complete una fase antes
de que comience la siguiente fase. Por lo tanto, la estructura que se propone en este
tema tiene fases superpuestas y, como un proyecto se descompone aún más en
agrupaciones funcionales que se pueden realizar en paralelo, puede haber varias
fases superpuestas. Los grupos funcionales pueden asemejarse a «carriles de
natación», pues cada grupo trabaja a su ritmo y cada uno alcanzará el objetivo en un
momento distinto.
© Universidad Internacional de La Rioja (UNIR)
4
Tema 5. Ideas clave
En segundo lugar, a diferencia de la metodología tradicional en cascada, que funciona
secuencialmente desde el principio, la metodología recomendada incorpora tres
bucles de retroalimentación o iteración:
Pruebas: esta fase incluye retroalimentación e interacción informal por parte del
departamento que vaya a utilizar la solución de Inteligencia de Negocio que se va
a desarrollar. Cuando se trabaja con una gran variedad de datos es esencial
construir el ciclo de retroalimentación para lidiar con errores, omisiones y
© Universidad Internacional de La Rioja (UNIR)
5
Tema 5. Ideas clave
En cada uno de los epígrafes del tema se desarrollan las distintas fases de un proyecto
de Inteligencia de Negocio.
En este contexto, con los conocimientos adquiridos, el alumno será capaz de:
Esta fase implica definir el alcance del proyecto en términos de requisitos generales,
plazos, recursos y costes. Incluye crear el presupuesto del proyecto y obtener los
recursos para llevarlo a cabo. Una decisión clave será elegir quién llevará a cabo el
proyecto, un equipo interno, uno externo, o un mixto de los dos (Sherman, 2014).
6
Tema 5. Ideas clave
Puede haber riesgos significativos en esta fase si los detalles de la solución, a nivel
de negocio, y los requisitos de datos no están claros. El análisis de los detalles puede
revelar problemas inesperados con respecto a la calidad e integridad de los datos,
como también puede conducir a cambios en los requisitos analíticos que afectarán el
alcance y el cronograma del proyecto. Para proyectos de Inteligencia de Negocio con
requisitos demasiado generales, una de las mejores prácticas es realizar una
evaluación. La evaluación es una combinación de las dos primeras fases del
proyecto de Inteligencia de Negocio con un ciclo de retroalimentación que lo
acompaña. La evaluación permite un refinamiento iterativo y gradual de los
requisitos, lo que reduce significativamente la incertidumbre y, a un nivel más formal,
hace posible la revisión del alcance y los plazos en las fases iniciales del proyecto, lo
cual reduce significativamente la probabilidad de que el proyecto supere el plazo y el
presupuesto, al tiempo que se establecen mejor las expectativas de entregables.
Ejemplo
Para ello, se propone realizar varios proyectos, entre los que se encuentra
el «Proyecto B. Agrupación de clientes». Con el objetivo de cumplir todas
sus fases de elaboración, lo primero que hace la compañía es definir el
alcance y la planificación. Así, a grandes rasgos, determina:
morosidad, etc.).
▸ Plazos. El proyecto se realizará durante un período de seis meses.
▸ Recursos. Se requiere la implicación a tiempo completo de dos
perfiles: uno de negocio y otro técnico. Además, se necesita tener
acceso a Matlab.
▸ Costes. El coste total de los recursos empleados será de 30.000 €.
7
Tema 5. Ideas clave
Vídeo. Alcance y planificación de un proyecto de Inteligencia de Negocio.
Los entregables clave en esta fase son los requisitos detallados de la solución que se
aporta, y los datos y la calidad derivados de los aspectos generales documentados en
las fases de alcance y plan. Las tareas de análisis examinan lo que se solicita y lo
comparan con el estado actual de los datos en los informes. La comparación en
profundidad da como resultado un análisis de gaps que revela qué se puede
aprovechar, qué se debe reemplazar o retirar y qué se debe construir.
Desde la perspectiva de los datos, el análisis del sistema fuente es la tarea clave para
determinar qué datos se necesitan, las fuentes actuales de esos datos y, lo más
importante, el estado de los datos: consistencia, integridad y calidad.
© Universidad Internacional de La Rioja (UNIR)
8
Tema 5. Ideas clave
Aunque los encargados de Sistemas de Información y los empresarios deberían
interactuar durante todo el proyecto, esta fase será la parte más intensiva en cuanto
a trabajo colaborativo. Además, analizar y definir los requisitos detallados incluye
una interacción intensiva entre los usuarios de la solución y los desarrolladores.
Ejemplo
Definición y análisis
Para ello, se propone realizar varios proyectos, entre los que se encuentra
el «Proyecto B. Agrupación de clientes». Con el objetivo de cumplir todas
sus fases de elaboración, la segunda fase que acomete es la de definición
y análisis. Así, a grandes rasgos, determina:
Actualmente se cuenta con datos que se usan para etiquetar clientes. Los
datos tienen la siguiente estructura:
© Universidad Internacional de La Rioja (UNIR)
9
Tema 5. Ideas clave
La etiqueta «Rating» se otorga en función a una serie de aspectos
observados por el comercial que visita al cliente. No obstante,
actualmente se desconoce qué aspectos son los más relevantes en cada
uno de los grupos para poder llevar a cabo acciones concretas para cada
uno de ellos.
Por ello, se propone hacer un modelo de clasificación con todos los datos
disponibles sin necesidad de sustituir nada de la información adicional.
En esta fase, el equipo desarrollador comienza a sentir que está sentando las bases
para implementar las soluciones de Inteligencia de Negocio. Los entregables clave
son: información que se quiere generar, datos disponibles y tecnología necesaria.
Estos incluyen el diseño para el procesamiento de integración de datos, modelado de
© Universidad Internacional de La Rioja (UNIR)
10
Tema 5. Ideas clave
hay recursos disponibles, mientras la fase de análisis y definición está en marcha. Los
marcos arquitectónicos no necesitan todos los detalles de la fase de análisis para ser
diseñados. Los marcos son similares al plano de una casa de un arquitecto que
establece todas las especificaciones críticas, pero deja detalles, como accesorios de
baño y muebles para un diseño posterior.
Ejemplo
Diseño y arquitectura
Para ello, se propone realizar varios proyectos, entre los que se encuentra
el «Proyecto B. Agrupación de clientes». Con el objetivo de cumplir todas
sus fases de elaboración, la tercera fase que acomete es la de diseño y
arquitectura. Así, a grandes rasgos, determina:
11
Tema 5. Ideas clave
Figura 2. Representación de clientes.
12
Tema 5. Ideas clave
5.5. Construcción y prueba
Además, la tecnología actual ha permitido una interacción mucho mejor entre los
desarrolladores y los usuarios de la solución de Inteligencia de Negocio en el diseño,
las pruebas y el refinamiento. Existen varias metodologías de proyecto alternativas
para alentar esta interacción. Independientemente de la metodología utilizada, la
clave del éxito es involucrar al empresario en el examen de las soluciones. No
importa cuánto tiempo se dedique a reunir requisitos, pues los usuarios aumentarán
o modificarán esos requisitos una vez que comiencen a interactuar con los datos en
la solución de Inteligencia de Negocio. Es una idea bastante común que el empresario
haya olvidado los pasos detallados realizados o los datos necesarios en el proceso de
negocio respaldado por la aplicación de Inteligencia de Negocio que se está creando.
La mejor manera de obtener realmente un conjunto completo de requisitos de
proceso y datos es hacer que el usuario empresarial interactúe con la solución a
medida que se construye y se integran los datos.
Ejemplo
Construcción y prueba
© Universidad Internacional de La Rioja (UNIR)
13
Tema 5. Ideas clave
Para ello, se ha propuesto varios proyectos, entre los que se encuentra el
«Proyecto B. Agrupación de clientes». Con el objetivo de cumplir todas
sus fases de elaboración, la cuarta fase que acomete es la de construcción
y prueba. Así, a grandes rasgos, determina:
14
Tema 5. Ideas clave
A, pues a 128 clientes, de los 575 que tienen esta etiqueta, el modelo los
ha catalogado como BBB. Esta advertencia es muy importante que conste
en el informe de construcción y prueba.
15
Tema 5. Ideas clave
Es fundamental que, para cada una de las tareas, los procesos estén definidos y los
criterios de éxito documentados. Nada debe ser ambiguo con respecto al éxito o el
fracaso de ninguno de los procesos de prueba. Antes del comienzo de cada una de
estas pruebas, los departamentos y Sistemas de Información deben participar en el
compromiso de cumplir con los criterios acordados. Los criterios de éxito deben
estar consensuados por el equipo desarrollador y los usuarios.
Tanto las tecnologías de nube como las de virtualización han permitido a las
organizaciones realizar pruebas más completas y exhaustivas de manera mucho más
rentable que en el pasado. Las pruebas exitosas son absolutamente esenciales antes
de implementar soluciones de Inteligencia de Negocio y evitar los costes que genera
tomar decisiones erróneas por usar soluciones de Inteligencia de Negocio erróneas.
16
Tema 5. Ideas clave
La solución de Inteligencia de Negocio debe aprovechar los procesos de soporte
estándar existentes; de lo contrario, se debe establecer una estructura de apoyo
efectiva para los usuarios, para evitar que la solución se convierta en un data shadow
system.
Es una buena práctica proporcionar al menos dos niveles de soporte. El primer nivel
maneja problemas de soporte básicos: cómo obtener acceso al software, problemas
de conectividad y una explicación de las capacidades básicas. Este primer nivel
maneja la mayor parte de las consultas de soporte relacionadas con la solución de
Inteligencia de Negocio. Si las instrucciones básicas se segmentan en explicaciones
fáciles de encontrar en un portal o sitio web, o incluso se presentan en un vídeo corto,
los usuarios pueden usar más rápidamente la solución desarrollada. Por supuesto, a
menudo será necesario un proceso de mesa de ayuda dirigido por el personal de
Sistemas de Información porque puede que el empresario ni siquiera sepa qué
preguntas hacer. La interacción con el soporte de ayuda puede ser por teléfono,
correo electrónico, chat o un paquete de software de mesa de ayuda más formal.
Los niveles de segundo o más alto nivel brindan un soporte más profundo. Por lo
general, un analista de sistemas empresariales del equipo de Inteligencia de Negocio
es el primer punto de contacto del usuario que solicita asistencia.
17
Tema 5. Ideas clave
Ejemplo
Implementación y despliegue
Para ello, se propone realizar varios proyectos, entre los que se encuentra
el «Proyecto B. Agrupación de clientes». Con el objetivo de cumplir todas
sus fases de elaboración, la quinta fase que acomete es la de
implementación y despliegue. Así, a grandes rasgos, determina:
18
Tema 5. Ideas clave
5.7. Referencias bibliográficas
19
Tema 5. Ideas clave
A fondo
Data shadow systems en Excel
Como hemos visto, los data shadow systems ponen en peligro la implementación de
un proyecto global de Inteligencia de Negocio. Entre otros motivos, el gran desarrollo
de Excel para adaptarse a la Inteligencia de Negocio ha hecho que florezcan multitud
de data shadow systems en las compañías.
Para evitar los data shadow systems es recomendable que las soluciones de
Inteligencia de Negocio estén integradas en el software ERP de la compañía. En este
artículo puedes ver las ventajas de dicha integración.
20
Tema 5. A fondo
Herramientas para la gestión de proyectos que te ayudarán a agilizar tu trabajo
21
Tema 5. A fondo
Test
1. Vapheat Company S.A., compañía dedicada a la venta de un determinado bien, se
ha marcado una estrategia clara de sustitución de su actual cartera de productos
por otros que, aunque cumplen la misma función, se adaptan mejor al mercado
actual. Pare ello, el CEO determina los requisitos, plazos, recursos y costes del
proyecto que desea emprender. Esto forma parte de la fase de:
A. Implementación.
B. Construcción y prueba.
C. Diseño y arquitectura.
D. Alcance y planificación.
22
Tema 5. Test
3. Vapheat Company S.A., compañía dedicada a la venta de un determinado bien, se
ha marcado una estrategia clara de sustitución de su actual cartera de productos
por otros que, aunque cumplen la misma función, se adaptan mejor al mercado
actual. Para ello, se utilizarán datos de ventas mensuales a determinados clientes
del año inmediatamente anterior, sin analizar la evolución histórica. ¿Actúa de
forma correcta?
A. No, debe analizar hasta dos años.
B. No, debe analizar los últimos cinco años.
C. Sí.
D. Ninguna de las anteriores es correcta.
A. No.
B. Como norma general, sí.
C. Como norma general, no.
D. Ninguna de las anteriores es correcta.
23
Tema 5. Test
7. En la fase de construcción y prueba, ¿es necesario hacer partícipes a los perfiles
de negocio?:
A. Sí, es un factor clave para el éxito.
B. No, pues en ese caso entorpecerán la construcción.
C. Sí, pero solo si tienen muchas habilidades analíticas para tomar decisiones.
D. Ninguna de las anteriores es correcta.
10. ¿A qué nos referimos cuando decimos que cada grupo funcional se asemeja a un
«carril de natación» cuando se desarrolla un proyecto de Inteligencia de Negocio?
A. A que cada grupo funcional puede trabajar a su ritmo.
B. A que todos los grupos funcionales deben trabajar al mismo ritmo.
C. A que todos los grupos deben acabar el proyecto en la misma fecha.
D. Ninguna de las anteriores es correcta.
© Universidad Internacional de La Rioja (UNIR)
24
Tema 5. Test
Tema 6
Cronograma de un
proyecto de Inteligencia
de Negocio
Índice
Esquema 3
Ideas clave 4
6.1. Introducción y objetivos 4
6.2. Swim lane de Inteligencia de Negocio 6
6.3. Swim lane de datos y base de datos 8
© Universidad Internacional de La Rioja (UNIR)
A fondo 17
Test 18
© Universidad Internacional de La Rioja (UNIR)
Examinar Análisis de
Prioridades y Tecnología Justificación de
fuentes de procesos actuales
presupuesto necesaria negocio
datos de integración
Adquisición de
Requisitos de Modelado Mapeos de origen
tecnología Gestión del cambio
negocio y datos de datos a destino
necesaria
Swim lane
Solución Almacenar Integración de Instalación de la Comunicación con las
preliminar datos datos diseñados tecnología partes interesadas
Tema 6. Esquema
Esquema
3
Ideas clave
Independientemente del nivel de detalle, se deben dividir las tareas y los hitos del
proyecto en agrupaciones funcionales. Las agrupaciones, que se representan
visualmente mediante swim lane en la Figura 1, son las siguientes:
Inteligencia de negocios.
Datos y base de datos.
Integración de datos.
Infraestructura.
Gestión de programas y proyectos.
© Universidad Internacional de La Rioja (UNIR)
4
Tema 6. Ideas clave
Etapas de un proyecto de Inteligencia de Negocio
Inteligencia de Negocio
Datos y bases de datos
Integración de datos
Infraestructura
Gestión de programas y proyectos
En cada uno de los epígrafes del tema se desarrollan los distintos swim lane de cada
una de las cinco agrupaciones propuestas para dividir las tareas y los hitos de un
proyecto de Inteligencia de Negocio.
5
Tema 6. Ideas clave
En este contexto, con los conocimientos adquiridos, el alumno será capaz de:
Conocer los distintos swim lane que se han de desarrollar para cada una de las
agrupaciones de tareas de un proyecto de Inteligencia de Negocio.
Desarrollar el swim lane de cada agrupación para maximizar la probabilidad de
éxito.
Inteligencia de Negocio
6
Tema 6. Ideas clave
Esta agrupación es responsable de los dos entregables principales (Sherman, 2014):
Además, esta agrupación trabaja con los usuarios para recopilar, priorizar y
documentar los requisitos comerciales, incluidas las capacidades analíticas y los datos
necesarios. Esta agrupación también profundiza en otras cuestiones, como las
normas de negocio, las transformaciones, los algoritmos, los indicadores clave de
rendimiento (KPI) y los requisitos métricos de calidad de datos. Es probable que estos
requisitos se refinen y modifiquen durante las distintas fases.
Los cuatro hitos clave durante este proceso son (Sherman, 2014):
7
Tema 6. Ideas clave
Vídeo. Swim lane de Inteligencia de Negocio.
8
Tema 6. Ideas clave
Etapas de un proyecto de Inteligencia de Negocio
9
Tema 6. Ideas clave
Esta agrupación funcional es responsable de suministrar los modelos de datos y la
arquitectura de datos al grupo e Inteligencia de Negocio, integración de datos e
infraestructura. El grupo depende del grupo de Inteligencia de Negocio para
satisfacer los requisitos empresariales y de datos, la agrupación de integración de
datos para cargar los datos y la agrupación de infraestructura para configurar y
administrar la tecnología para soportar las estructuras de datos (Sherman, R., 2014).
El grupo funcional de datos y bases de datos valida que se hayan completado las
siguientes cargas de datos correctamente (Sherman, 2014):
10
Tema 6. Ideas clave
Etapas de un proyecto de Inteligencia de Negocio
Integración de datos
11
Tema 6. Ideas clave
Después del análisis del sistema de origen, los desarrolladores de DI utilizan los
resultados para obtener los esquemas para las estructuras de datos para diseñar las
asignaciones de origen a destino y los flujos de trabajo de datos que lo acompañan
(Sherman, 2014). Las asignaciones y los flujos de trabajo son la base de las
especificaciones DI.
El equipo de DI carga las estructuras de datos y trabaja con los equipos de datos e
Inteligencia de Negocio para validar los datos. Además, el equipo de DI trabaja con
© Universidad Internacional de La Rioja (UNIR)
12
Tema 6. Ideas clave
6.5. Swim lane de la infraestructura
Infraestructura
© Universidad Internacional de La Rioja (UNIR)
13
Tema 6. Ideas clave
La interacción principal de esta agrupación con el resto del equipo con el arquitecto
DI. Es ese arquitecto quien diseñará la tecnología inicial y las arquitecturas de datos.
La agrupación de infraestructura trabaja con el arquitecto de DI para desarrollar la
tecnología detallada y las arquitecturas que se implementarán (Sherman, 2014).
Una vez que se han diseñado las arquitecturas, las responsabilidades de la agrupación
de infraestructura incluyen la configuración de los entornos tecnológicos, incluidos
los entregables como:
14
Tema 6. Ideas clave
6.6. Swim lane de la gestión del proyecto
Es una buena práctica que el director del programa designe a una persona
responsable de coordinar cualquier actividad entre los usuarios de negocio y el
equipo del proyecto de Inteligencia de Negocio. Además, esta persona administra
cualquier entrega de la que el negocio sea responsable (Sherman, 2014). Por lo
© Universidad Internacional de La Rioja (UNIR)
general, se considera que esta persona es quien sustituye al director del proyecto de
Inteligencia de Negocio.
15
Tema 6. Ideas clave
A veces, hay un tercer individuo que forma una tríada de gestión de proyectos: el
asesor técnico de Inteligencia de Negocio. Este rol es necesario cuando el director
del programa y el coordinador no tienen mucho conocimiento sobre cuestiones
técnicas. Los candidatos típicos para este rol son el arquitecto DI o un consultor
externo con mucha experiencia. Además de proporcionar experiencia técnica al
director del programa de BI y al coordinador, esta persona administra las actividades
cotidianas del personal técnico.
Las actividades relacionadas con la gestión del proyecto incluyen (Sherman, 2014):
Justificación de negocio.
Programación y planificación de recursos.
Gestión del cambio.
Informe de estado.
Resolución de problemas.
Comunicación con todas las partes interesadas.
Coordinación entre el equipo del proyecto y otras personas involucradas.
Gestión de riesgos y planificación de contingencias.
Planificación de capacitación empresarial y de Sistemas de información.
16
Tema 6. Ideas clave
A fondo
Swim lane: qué es y cómo crear uno
e-Manuales. (s/f). Diagrama Swim Lane: ¿qué es y cómo crear uno? [online]. Disponible
en https://www.e-manuales.com/diagrama-swim-lane/
Durante el tema se ha hablado de los swim lane de cada una de las partes interesadas
en un proyecto de Inteligencia de Negocio. En esta página puedes ver qué es un
diagrama swim lane y cómo crearlo.
En esta página podrás ver 12 fotos de ejemplos reales de taleros ágiles que permiten
ver de un solo vistazo cómo se avanza cada swim lane.
17
Tema 6. A fondo
Test
1. En la fase de alcance, la agrupación funcional de Inteligencia de Negocio debe:
A. Examinar las fuentes de datos.
B. Establecer la tecnología necesaria.
C. Hacer las pruebas de aceptación de usuarios.
D. Establecer las prioridades y presupuestos.
18
Tema 6. Test
5. En la fase de definición y análisis:
A. La agrupación funcional de integración de datos debe hacer un análisis de
procesos actuales de integración.
B. La agrupación funcional de integración de datos debe hacer mapeos de
origen a destino.
C. La agrupación funcional de integración de datos no interviene.
D. Ninguna de las anteriores es correcta.
19
Tema 6. Test
9. La gestión de los contratiempos surgidos, así como los potenciales, es una labor
de:
A. La agrupación funcional de datos y bases de datos.
B. La agrupación funcional de Inteligencia de Negocio.
C. La agrupación funcional de infraestructura.
D. Ninguna de las anteriores es correcta.
10. La coordinación entre el equipo que desarrolla el proyecto y los usuarios es una
tarea de:
A. La agrupación funcional de gestión de programas y proyectos.
B. La etapa de construcción y prueba del proyecto.
C. Es muy importante para que la solución se adapte a la realidad empresarial.
D. Todas las anteriores son correctas.
© Universidad Internacional de La Rioja (UNIR)
20
Tema 6. Test
Tema 7
Aplicación de proyectos
de Inteligencia de
Negocio en Marketing
Índice
Esquema 3
Ideas clave 4
7.1. Introducción y objetivos 4
© Universidad Internacional de La Rioja (UNIR)
A fondo 32
Test 34
© Universidad Internacional de La Rioja (UNIR)
INTELIGENCIA DE MARKETING
US O S MA R K E T I N G F UE R Z A D E
RELA CI ON A L V E N TA S
PRI MERO
La Inteligencia de Marketing ayuda La Inteligencia de Marketing ayuda
Respaldar estrategias de a decidir sobre: a decidir sobre:
marketing relacional.
1 Ciclo de vida cliente 1 Estructura
SEGUNDO
2 Adquisición 2 Dimensión
Gestionar de forma eficiente
la fuerza de ventas.
3 Retención 3 Territorio
Tema 7. Esquema
Esquema
3
Ideas clave
4
Tema 7. Ideas clave
Finalmente, se expondrán algunos casos de modelos de marketing aplicados. Por
tanto, cuando hayas cursado este tema serás capaz de (Vercellis, 2009):
Para comprender a fondo las razones por las cuales las empresas desarrollan
iniciativas de marketing relacional, vamos a considerar tres ejemplos: una compañía
de seguros que desea seleccionar el segmento de mercado más apropiado para un
nuevo tipo de póliza; un proveedor de telefonía móvil que desea identificar a los
clientes con mayor probabilidad de cambiar de compañía, es decir, de interrumpir su
servicio y contratar un nuevo servicio con un competidor, para desarrollar iniciativas
de retención específicas, y un banco que emite tarjetas de crédito que necesita
identificar un grupo de clientes a los que se les pueda ofrecer un nuevo servicio de
gestión de ahorros. Las tres situaciones planteadas comparten algunas características
en común: una empresa propietaria de una base de datos masiva que describe el
comportamiento de compra de sus clientes y la forma en que utilizan los servicios, y
que desea extraer de estos datos información útil y precisa para desarrollar campañas
de marketing dirigidas y efectivas.
intensificar y retener en el tiempo las relaciones entre una empresa y sus partes
interesadas, representadas principalmente por sus clientes. La consecución de este
objetivo implica el análisis, planificación, ejecución y evaluación de las actividades
realizadas (Vercellis, 2009).
5
Tema 7. Ideas clave
El marketing relacional se hizo popular a finales de la década de 1990 como un
enfoque para aumentar la satisfacción del cliente con el fin de lograr una ventaja
competitiva sostenible. Aunque las empresas de servicios financieros y de
telecomunicaciones han sido pioneras en esta tendencia de marketing relacional,
esta filosofía ha calado en todo tipo de compañías, llegando incluso hasta los
fabricantes, que tradicionalmente centraban su interés en el producto en lugar del
cliente.
La figura 1 muestra las etapas principales de la vida del cliente, representando el valor
acumulado por el cliente a lo largo del tiempo. La figura también ilustra las diferentes
acciones que una empresa puede emprender hacia un cliente.
comprar o utilizar los productos o servicios que ofrece la empresa. Las acciones de
captación de clientes potenciales se llevan a cabo directamente (contactos
telefónicos, correos electrónicos, conversaciones con agentes de ventas) e
indirectamente (anuncios, avisos en el sitio web de la empresa). Estas acciones
6
Tema 7. Ideas clave
incurren en un coste que se puede asignar a cada cliente y determinan una pérdida
acumulada que dura hasta que se produce un evento crítico en esta relación: cuando
un cliente potencial se convierte en un cliente real. Este evento puede tomar diversas
formas en diferentes situaciones: puede consistir en una suscripción de servicio, la
apertura de una cuenta bancaria o la primera compra en un punto de venta minorista
con la activación de una tarjeta de fidelidad. Antes de convertirse en un nuevo
cliente, un cliente potencial puede recibir de la empresa propuestas repetidas para
adquirir su producto, que se muestran en la figura como propuestas perdidas, que
tienen un resultado negativo. Desde el momento de la adquisición, cada cliente
genera ingresos, lo que produce un aumento progresivo a lo largo de la curva de
pérdidas y ganancias acumuladas. Esta fase, que corresponde al vencimiento de la
relación con la empresa, generalmente conlleva acciones de venta cruzada, ventas
ascendentes y de retención alternas, en un esfuerzo por extender la duración y la
rentabilidad de la relación para maximizar los beneficios que aporta cada cliente. El
último evento en la vida del cliente es la interrupción de la relación, que puede ser
voluntaria, cuando un cliente interrumpe los servicios de una empresa y cambia a los
de un competidor; forzada, cuando, por ejemplo, un cliente no cumple con los
términos de pago, o involuntaria, como cuando un cliente cambia su lugar de
residencia (Vercellis, 2009).
El progreso de la vida del cliente resalta las tareas principales del marketing
relacional. Primero, el propósito es aumentar la capacidad de adquirir nuevos
clientes a través del análisis de la información disponible para aquellos clientes que
en el pasado han adquirido productos o servicios, tales como características
sociodemográficas personales, productos comprados, uso de servicios, contactos
anteriores y la comparación con las características de estos. Si no han aceptado las
ofertas de la empresa, es posible identificar los segmentos con el mayor potencial.
© Universidad Internacional de La Rioja (UNIR)
7
Tema 7. Ideas clave
Además, las estrategias de marketing relacional pueden mejorar la fidelidad de los
clientes, con lo que se extiende la duración de su relación con la empresa y, por lo
tanto, aumenta la rentabilidad. En este caso, también, el análisis comparativo de las
características de aquellos que se han mantenido fieles a lo largo del tiempo con
respecto a los que se han cambiado a un competidor conduce a predicciones de la
probabilidad de pérdida de clientes para cada cliente. Por lo tanto, las acciones de
retención pueden dirigirse a los segmentos más relevantes, representados por
clientes de alto valor con el mayor riesgo de agitación.
Finalmente, los análisis de marketing relacional se pueden usar para identificar a los
clientes que tienen más probabilidades de aceptar la oferta de servicios y productos
adicionales (venta cruzada), o de servicios y productos alternativos de un nivel más
alto y con una mayor rentabilidad para la empresa (venta ascendente).
Las tareas de adquisición, retención, venta cruzada y venta superior, que se muestran
en la figura 2, se hallan en la base de las estrategias de marketing relacional y su
objetivo es maximizar la rentabilidad de los clientes durante su vida. Estas tareas de
análisis, que se describirán en las siguientes secciones, son claramente susceptibles
de problemas de clasificación con una variable objetivo binaria. Hay que tener en
cuenta que la selección de atributos juega un papel crítico en este contexto, ya que
el número de variables explicativas disponibles suele ser bastante grande y es
aconsejable que los modelos de aprendizaje utilicen un subconjunto limitado de
características predictivas para generar reglas de clasificación significativas y útiles
para la segmentación o clusterización precisa de los clientes (Vercellis, 2009).
Selección de clientes
potenciales
© Universidad Internacional de La Rioja (UNIR)
Venta cruzada y
ascendente I n te l i gen cia d e N e go ci o Adquisición
Retención
8
Tema 7. Ideas clave
Vídeo. Ejemplos de productos en distintas fases del ciclo de vida.
9
Tema 7. Ideas clave
Datos
recientes
(período t)
Datos
pasados
hasta t-1 Aprendizaje Modelo
Predicción
(período t+h)
fase de entrenamiento debe llevarse a cabo sin utilizar los datos de agosto.
10
Tema 7. Ideas clave
Vídeo. Latencia de un modelo predictivo.
Adquisición
Una vez que se hayan identificado las perspectivas, la empresa debe dirigir campañas
de adquisición a segmentos con una alta rentabilidad potencial y una alta
© Universidad Internacional de La Rioja (UNIR)
11
Tema 7. Ideas clave
enfoque puede integrarse con éxito o incluso reemplazarse por una lógica de
segmentación descendente que analiza los datos disponibles en el data mart
(información demográfica, contactos con clientes potenciales, uso de productos y
servicios de los competidores), y deriva reglas de clasificación que caracterizan los
perfiles cuya adquisición es más probable.
Retención
12
Tema 7. Ideas clave
Una de las principales dificultades en el análisis de fidelidad es, en realidad, reconocer
un abandono. Para los servicios de suscripción, hay señales inequívocas, como un
aviso formal de retiro, mientras que en otros casos es necesario definir indicadores
adecuados que estén correlacionados, unos pocos períodos de antelación, con la
rotación real. Un cliente que reduce en más de un porcentaje determinado sus
compras en un punto de venta seleccionado utilizando una tarjeta de fidelidad, o un
cliente que reduce por debajo de un umbral determinado la cantidad retenida en su
cuenta corriente y el número de transacciones, representan dos ejemplos de
desafecto (Vercellis, 2009).
13
Tema 7. Ideas clave
El término venta cruzada se refiere al intento de vender un producto o servicio
adicional a un cliente activo, ya involucrado en una relación comercial duradera con
la empresa. Por medio de modelos de clasificación es posible identificar a los clientes
caracterizados por una alta probabilidad de aceptar una oferta de venta cruzada, a
partir de la información contenida en los atributos disponibles.
aplicar en otros dominios para analizar las compras realizadas con tarjetas de crédito,
los servicios complementarios activados por los clientes de telefonía fija o móvil, las
políticas o las cuentas corrientes abiertas en un mismo hogar.
14
Tema 7. Ideas clave
Los datos utilizados para este propósito se refieren principalmente a transacciones
de compra y pueden asociarse con la dimensión temporal si se puede rastrear al
comprador a través de una tarjeta de fidelidad o la emisión de una factura. Cada
transacción consiste en una lista de artículos comprados. Esta lista se llama cesta, al
igual que las cestas disponibles en los puntos de venta minoristas (Vercellis, 2009).
Minería web
15
Tema 7. Ideas clave
Minería de uso. Los análisis dirigidos a la minería de uso son sin duda los más
relevantes desde el punto de vista del marketing relacional, ya que exploran los
caminos seguidos por los navegadores y sus comportamientos durante una visita al
sitio web de una empresa. Los métodos para la extracción de reglas de asociación son
útiles para obtener correlaciones entre las diferentes páginas visitadas durante una
sesión.
La mayoría de las compañías tienen una red de ventas y, por lo tanto, dependen de
un número sustancial de personas empleadas en actividades de ventas, que
desempeñan un papel fundamental en la rentabilidad de la empresa y en la
implementación de una estrategia de marketing relacional. El término fuerza de
ventas generalmente se toma como todo el conjunto de personas y roles
involucrados, con diferentes tareas y responsabilidades, en el proceso de ventas. Una
taxonomía preliminar de las fuerzas de ventas se basa en el tipo de actividad
realizada, como se indica a continuación (Vercellis, 2009).
Móvil. En las ventas móviles, los agentes de la empresa proveedora van a las casas
© Universidad Internacional de La Rioja (UNIR)
16
Tema 7. Ideas clave
Teléfono. Las ventas telefónicas se realizan a través de una serie de contactos
telefónicos con clientes potenciales.
17
Tema 7. Ideas clave
Diseño
costes.
18
Tema 7. Ideas clave
Territorios de venta. Diseñar un territorio de ventas significa agrupar las áreas
geográficas en las que se ha dividido una región determinada y asignar cada
territorio a un agente. El diseño y la asignación de territorios de ventas deben
tener en cuenta varios factores, como el potencial de ventas de cada área
geográfica, el tiempo requerido para viajar de un área a otra y el tiempo total que
cada agente tiene a su disposición. El propósito de la asignación consiste en
determinar una situación equilibrada entre las oportunidades de ventas
integradas en cada territorio, a fin de evitar disparidades entre los agentes. La
asignación de las áreas geográficas debe revisarse periódicamente, ya que el
equilibrio del potencial de ventas en los distintos territorios tiende a variar con el
tiempo.
Planificación
La asignación debe tener en cuenta el tiempo dedicado para conseguir la venta a cada
cliente, el tiempo y coste de viaje, y la probabilidad de éxito de la acción que se ha de
llevar a cabo para cada producto, servicio o segmento de mercado.
Evaluación
19
Tema 7. Ideas clave
Las funciones de respuesta
20
Tema 7. Ideas clave
Figura 4. Función de respuesta cóncava. Fuente: Vercellis, C. (2009).
21
Tema 7. Ideas clave
La función de respuesta sigmoidea de la figura 5 refleja una hipótesis diferente del
crecimiento de las ventas en función de las acciones llevadas a cabo. El supuesto en
este caso es que el intervalo central de valores en el eje horizontal corresponde a una
mayor tasa de crecimiento de las ventas, mientras que fuera de esa área la tasa de
crecimiento es menor (Vercellis, 2009).
𝑥𝑥ℎ𝜎𝜎
𝑟𝑟ℎ (𝑥𝑥ℎ ) = 𝑟𝑟0 + (𝑟𝑟∞ − 𝑟𝑟0 )
𝛾𝛾 + 𝑥𝑥ℎ𝜎𝜎
22
Tema 7. Ideas clave
Para obtener una estimación de los cuatro parámetros que aparecen en la expresión
para rh (xh) es posible proceder de dos maneras complementarias. Los datos de ventas
pasadas se pueden usar para configurar un modelo de regresión y determinar los
valores a través del método de mínimos cuadrados ordinarios. Para aumentar el valor
de las opiniones de los agentes de ventas, también es posible pedir a los agentes y
gerentes de ventas que estimen el valor de los parámetros r0 y r∞, así como los valores
de las ventas esperadas en otros tres puntos críticos de la función de respuesta: rh
(xh), y se obtiene una estimación por interpolación de los parámetros de escala γ y σ.
Retención en telecomunicaciones
Las compañías que operan en la industria de la telefonía móvil fueron de las primeras
en utilizar modelos de aprendizaje y métodos de extracción de datos para respaldar
las estrategias de marketing relacional. Uno de los objetivos principales ha sido la
retención de clientes, también conocido como análisis de abandono. El efecto de la
© Universidad Internacional de La Rioja (UNIR)
23
Tema 7. Ideas clave
telefonía móvil de los últimos veinte años, ya que hacen que el cambio de proveedor
de servicios telefónicos sea bastante fácil y de bajo coste. Debido a la naturaleza de
los servicios ofrecidos, los proveedores de telefonía poseen una amplia gama de
datos sobre sus clientes y están en la mejor posición para lograr el máximo beneficio
de la extracción de datos con el fin de orientar las acciones de marketing y optimizar
el uso de los recursos.
Compañía y objetivos
24
Tema 7. Ideas clave
Después de un análisis de datos exploratorio inicial, se toma la decisión de desarrollar
más de un modelo predictivo, determinando a priori algunos macrosegmentos de
mercado que parecen heterogéneos. De esta manera es posible obtener varios
modelos precisos en lugar de un solo modelo relacionado con toda la base de
clientes. El análisis realizado utilizando métodos de agrupación confirma la idoneidad
de los segmentos considerados y conduce a la subdivisión de los clientes en grupos
según las siguientes dimensiones (Vercellis, 2009):
El mercado de datos de marketing asigna a cada cliente una gran cantidad de datos:
predictivos.
25
Tema 7. Ideas clave
Análisis y resultados
Una vez que el conjunto de datos para desarrollar los modelos se ha extraído del
mercado de datos, se puede llevar a cabo un análisis exploratorio detallado. Por un
lado, muestra un cierto número de anomalías, en forma de valores atípicos y valores
perdidos, cuya eliminación mejora la calidad de los datos. Por otro lado, se pueden
generar variables adicionales a través de transformaciones apropiadas para resaltar
las tendencias relevantes y las correlaciones identificadas por el análisis de datos
exploratorios (Vercellis, 2009). Después de aplicar la reducción y extracción de
características, el nuevo conjunto de datos contiene aproximadamente 150 variables
predictivas, después de la adición de las variables derivadas y la eliminación de
algunas variables originales consideradas no influyentes en el objetivo.
Tras el estudio, se canalizaron las acciones de marketing hacia los clientes que tenían
más probabilidad de cambiar de operador.
26
Tema 7. Ideas clave
clientes privados y empresas, que se encuentran fácilmente en los registros de
vehículos motorizados. Tal oportunidad se puede utilizar para mejorar los análisis de
segmentación (Vercellis, 2009).
Compañía y objetivos
Análisis y resultados
27
Tema 7. Ideas clave
Vehículos. El segundo grupo de datos incluye 16 atributos que permiten identificar
los vehículos que son propiedad de cada cliente potencial, entre ellos, el modelo,
la categoría de peso, las características opcionales, el tipo de combustible, la
primera y última fecha de registro, y el estado (vehículo nuevo o usado). Estos
atributos definen para cada vehículo el momento de las transacciones de ventas o
transferencias de propiedad.
Después del análisis de los datos exploratorios, que condujo a la eliminación de una
serie de anomalías y valores atípicos, se llevó a cabo la selección de variables. El
análisis condujo a la adición de nuevas variables explicativas para el intervalo de
tiempo que normalmente transcurre entre dos compras subsiguientes, el número de
vehículos de propiedad de cada cliente potencial, subdividido por clase de peso, la
proporción de vehículos de otras marcas de propiedad de cada cliente potencial, y la
proporción de vehículos de cada clase incluida en la cartera de vehículos de cada
cliente potencial.
28
Tema 7. Ideas clave
Por lo tanto, el objetivo es desarrollar un modelo predictivo capaz de asignar a cada
cliente una puntuación que indique su propensión a responder positivamente a una
oferta de venta cruzada. Además de los propósitos de predicción, el modelo debe
usarse también para interpretar los factores explicativos que tienen un mayor efecto
en la compra del producto promocionado. Finalmente, el modelo se utilizará para
evaluar la existencia de correlaciones causales y temporales entre la compra del
producto promocionado y la compra de otros artículos (Vercellis, 2009).
Análisis y resultados
29
Tema 7. Ideas clave
Por lo tanto, se puede formular un problema de clasificación binaria, donde la
variable objetivo corresponde a la compra del producto específico que se
promocionará. Dado que la predicción debe estar disponible con un mes de
antelación, los modelos de clasificación deben tener en cuenta la latencia
correspondiente. El análisis exploratorio de datos permitió la detección y eliminación
de anomalías y datos erróneos. Luego se llevó a cabo una etapa de preparación de
datos en la que se eliminaron aquellas variables que mostraron una baja correlación
con el objetivo. Finalmente, se generaron algunas nuevas variables explicativas a
través de las transformaciones de los atributos originales, con el propósito de resaltar
las tendencias en la secuencia temporal de los montos del gasto (Vercellis, 2009).
Al final del análisis exploratorio, el conjunto de datos utilizado para desarrollar los
modelos de clasificación incluía aproximadamente 120 atributos explicativos. Luego,
la atención se dirigió a la hipótesis de una correlación causal entre la compra del
producto promocionado y otros artículos, identificados por los analistas de marketing
de forma subjetiva. Se procedió a evaluar las reglas de asociación que relacionan el
producto promocionado con cada uno de los otros elementos, en una serie de
relaciones diádicas. El análisis mostró que la presencia del producto promovido en la
cabeza o el cuerpo de la regla proporciona valores de confianza y apoyo similares.
Esto llevó al rechazo de la hipótesis de una correlación significativa entre las
compras. Para confirmar aún más esta conclusión, se analizaron las reglas
secuenciales para evaluar si la compra del artículo promovido fue precedida por la
compra de uno de los otros artículos considerados, o si el primero fue precedido por
el segundo. También en este caso, el análisis permitió descartar la existencia de
relaciones causales entre compras.
© Universidad Internacional de La Rioja (UNIR)
30
Tema 7. Ideas clave
Vídeo. Aplicación de Inteligencia de Marketing.
Vercellis, C. (2009). Business intelligence: data mining and optimization for decision
making. Wiley: New York.
© Universidad Internacional de La Rioja (UNIR)
31
Tema 7. Ideas clave
A fondo
A vueltas con el «churn», la tasa más temida de la telefonía móvil
Muñoz, R. (22 de agosto de 2018). A vueltas con el «churn», la tasa más temida de la
telefonía móvil [online]. El País. Disponible en
https://elpais.com/economia/2018/08/21/actualidad/1534879773_322716.html
Podrás descubrir cómo el CRM es una herramienta que afecta positivamente no solo
al departamento de marketing, sino a toda la empresa.
© Universidad Internacional de La Rioja (UNIR)
32
Tema 7. A fondo
La guerra de las telecos por los clientes: 8,5 millones de cambios de compañía en
un año
Page, D. (22 de enero de 2018). La guerra de las telecos por los clientes: 8,5 millones de
cambios de compañía en un año [online]. El Independiente. Disponible en
https://www.elindependiente.com/economia/2018/01/21/la-guerra-las-telecos-
quitarse-clientes-se-dispara-85-millones-cambios-compania-ano/
33
Tema 7. A fondo
Test
1. Aunque la aplicación de modelos matemáticos a bases de datos de marketing no
es algo nuevo, la posibilidad de contar con bases de datos masivas:
A. Ha frenado la expansión de la aplicación de modelos matemáticos.
B. No ha influido en la expansión de la aplicación de modelos matemáticos.
C. Ha acelerado la expansión de la aplicación de modelos matemáticos.
D. Ninguna de las anteriores es correcta.
2. El marketing relacional:
A. Solo se preocupa de retener en el tiempo a los clientes.
B. Solo se preocupa de captar nuevos clientes.
C. Solo se preocupa de hacer ventas cruzadas para clientes ya existentes.
D. Ninguna de las anteriores es correcta.
4. Los modelos predictivos se ven influenciados por el efecto latencia, siendo este:
A. El efecto que genera en la variable explicada el hecho de que se usen
variables binarias como explicativas.
© Universidad Internacional de La Rioja (UNIR)
34
Tema 7. Test
5. Cuando una empresa de telefonía vende servicios de televisión a un cliente que ya
es usuario de telefonía móvil en esa misma compañía, esa venta se denomina:
A. Venta ascendente.
B. Venta cruzada.
C. Venta cautiva.
D. Ninguna de las anteriores es correcta.
6. Si una empresa quiere hacer un mapa con los enlaces a otras webs que sigue un
cliente, debe utilizar:
A. Minería de estructura.
B. Minería de contenidos.
C. Minería de uso.
D. Ninguna de las anteriores es correcta.
7. Las técnicas de econometría espacial son muy útiles para tomar decisiones en la
fuerza de ventas del tipo:
A. Territorios de venta.
B. Estructura organizativa.
C. Dimensión.
D. Ninguna de las anteriores es correcta.
35
Tema 7. Test
9. Si se hace un análisis que agrupe, en función a algunas variables, a clientes fieles
con aquellos con mucha probabilidad de cambiar de proveedor. Este estudio es
útil para:
A. Analizar la evolución temporal de las ventas.
B. Analizar la elasticidad precio del producto.
C. Canalizar los recursos a clientes con más probabilidad de cambiar de
operador.
D. Ninguna de las anteriores es correcta.
36
Tema 7. Test
Tema 8
Casos de implementación
de proyectos de
Inteligencia de Negocio
Índice
Esquema 3
Ideas clave 4
8.1. Introducción y objetivos 4
8.2. El caso de Google 4
© Universidad Internacional de La Rioja (UNIR)
A fondo 21
Test 22
© Universidad Internacional de La Rioja (UNIR)
Tema 8. Esquema
3
Ideas clave
En esta línea, este tema está dedicado a exponer casos de éxito en los que la
aplicación de Inteligencia de Negocio ha reportado beneficios empresariales. Por ello,
los objetivos de este tema son:
grandes datos (Marr, 2015). Por ejemplo, ha desarrollado, entre otras aplicaciones,
BigQuery, un almacén de datos en la nube que permite aplicar técnicas de
aprendizaje automático a grandes cantidades de datos, en tiempo real. Además,
probablemente sea en gran parte debido a Google el que los datos formen parte de
4
Tema 8. Ideas clave
nuestra vida cotidiana. Sin duda, en los próximos años habrá otras empresas que
sigan muchas de las innovaciones que Google está haciendo actualmente.
La base de datos de páginas web con la que cuenta Google se actualiza diariamente,
ya que los robots de Google rastrean la web, copian lo que ven y lo almacenan de
nuevo en la base de datos del índice de Google (Marr, 2015). La clave del éxito de
Google frente a otros motores de búsqueda ha sido su capacidad de analizar mayores
conjuntos de datos para mostrar las páginas web sugeridas.
Antes de 1999, los principales motores de búsqueda trabajaban casi por completo
haciendo coincidir las palabras clave relevantes en la consulta de búsqueda con los
sitios que contienen esas palabras (Marr, 2015). Sin embargo, ese año Google
revoluciona la forma de sugerirnos las webs que tiene en su base de datos, nace
PageRank. Este método de asignar una serie de páginas web a una búsqueda
concreta incluye información sobre los vínculos que existen entre sitios web para
ayudar a medir la importancia de esos sitios en el gran esquema de cosas. De este
modo, el algoritmo que Google usa para calcular el PageRank de un determinado sitio
es el siguiente:
© Universidad Internacional de La Rioja (UNIR)
𝑛𝑛
𝑃𝑃𝑃𝑃(𝑖𝑖)
𝑃𝑃𝑃𝑃(𝐴𝐴) = (1 − 𝑑𝑑) + 𝑑𝑑 �
𝐶𝐶(𝑖𝑖)
𝑖𝑖=1
5
Tema 8. Ideas clave
Donde:
PageRank fue una revolución: Google cambió la forma de tratar los datos para
ofrecer a cada cliente los sitios webs que busca de una manera más certera. En
otras palabras, modificó el modelado de datos para adaptarse mejor a las
necesidades del cliente.
Con este fin, en 2007 lanzó Universal Search, que extrae datos de cientos de fuentes,
incluidas bases de datos de idiomas, pronósticos meteorológicos y datos históricos,
datos financieros, información de viajes, tipos de cambio de divisas, estadísticas
© Universidad Internacional de La Rioja (UNIR)
6
Tema 8. Ideas clave
El siguiente paso fue aplicar lo que sabe sobre el historial de búsqueda del usuario
(si ha iniciado sesión), que puede incluir información sobre su ubicación, así como
datos de su perfil de Google+ y mensajes de Gmail, para llegar a su mejor conjetura
de qué se está buscando.
Sin embargo, la búsqueda no es lo único que hace Google. Después de todo, es gratis,
¿verdad? Y Google es una de las empresas más rentables del planeta. Ese beneficio
proviene de lo que obtiene a cambio de sus búsquedas: información sobre la
población.
Google acumula grandes cantidades de datos sobre las personas que lo usan.
Esencialmente, es capaz de unir empresas con clientes potenciales, a través de su
algoritmo Adsense. Las compañías pagan generosamente por estas presentaciones,
que aparecen como anuncios en los navegadores de los clientes.
En 2010, Google lanzó BigQuery, su servicio comercial para permitir a las empresas
almacenar y analizar conjuntos de grandes datos en sus plataformas en la nube. Las
empresas pagan por el espacio de almacenamiento y el tiempo de computadora
utilizado para ejecutar las consultas (Marr, 2015).
Otro proyecto en el que Google está trabajando es el coche sin conductor. El uso y la
generación de cantidades masivas de datos de sensores, cámaras, dispositivos de
rastreo y el acoplamiento con el análisis de datos a bordo y en tiempo real de Google
Maps, Streetview y otras fuentes permite que el automóvil de Google conduzca de
manera segura en las carreteras sin necesidad de un conductor humano.
7
Tema 8. Ideas clave
Quizás el uso más sorprendente que Google ha encontrado para sus enormes datos
es la capacidad de predecir el futuro. En 2008, la compañía publicó un artículo en la
revista científica Nature alegando que su tecnología tenía la capacidad de detectar
brotes de gripe con más precisión que las técnicas médicas actuales para detectar la
propagación de epidemias.
Es posible que Google aún no esté listo para predecir el futuro, pero su posición como
jugador principal e innovador en el espacio de Big Data parece una apuesta segura
(Marr, 2015).
8
Tema 8. Ideas clave
8.3. El caso de Facebook
Facebook es la red social más grande del mundo y muchos de nosotros estamos
acostumbrados a usarla para compartir detalles de nuestra vida cotidiana con
nuestros amigos y familiares. Sin embargo, ya no es ningún secreto que también lo
estamos compartiendo con sus anunciantes. En este apartado se detalla cómo
Facebook ha sido una de las compañías más exitosas del mundo a la hora de recopilar
nuestros datos y convertirlos en ganancias (Marr, 2015).
Sin embargo, la verdad es que Facebook (e Internet en general) está haciendo sus
propias reglas a medida que avanza. Poner en contacto a 1.250 millones de personas,
es decir, una quinta parte de la población mundial, tiene consecuencias de largo
alcance.
9
Tema 8. Ideas clave
El éxito enorme y rápido de Facebook fue impulsado por su interfaz simple y el énfasis
en la privacidad del usuario, lo que resulta algo irónico teniendo en cuenta cómo se
han desarrollado las cosas. Todo ello ayudó a que rápidamente se volviera más
popular que otras redes sociales anteriores como Myspace y Bebo. Pero, en
retrospectiva, está claro que siempre se han buscado objetivos mayores, como el
análisis de datos para la toma de decisiones.
Una gran diferencia entre Google y Facebook es que la información de Google sobre
quiénes son sus usuarios a menudo es una predicción realizada en función de los
sitios que se visitan. Desde el principio, Facebook les pregunta explícitamente a sus
usuarios quiénes son, dónde viven y qué les interesa. Google finalmente comenzó a
hacer lo mismo con Google+, pero, para entonces, era tarde. Los anunciantes valoran
claramente este enfoque directo: los ingresos publicitarios en Facebook crecieron un
129 % entre 2011 y 2013, en comparación con el 49 % en Google durante el mismo
período.
Al igual que para Google y las demás grandes empresas tecnológicas, la compra de
empresas más pequeñas para hacer uso de su IP y, especialmente, de los datos de su
base de usuarios, es una estrategia comercial central de Facebook. Las adquisiciones
notables han incluido Instagram y WhatsApp, ambos con comunidades de millones
de usuarios para agregar a Facebook. Curiosamente, su compra reciente de más alto
perfil fueron los fabricantes de los próximos auriculares de realidad virtual Oculus
Rift. Claramente están pensando en métodos más convenientes que las pantallas
existentes para ver nuestros datos (Marr, 2015).
© Universidad Internacional de La Rioja (UNIR)
10
Tema 8. Ideas clave
Figura 2. Tiempo semanal de uso de redes sociales en España. Fuente:
https://es.statista.com/grafico/7887/facebook-y-whatsapp-las-redes-con-mas-uso-en-espana/
los datos de la imagen, que se compara con las imágenes de las personas de su lista
de amigos. Todo ello provocó una investigación por parte de los reguladores de
privacidad de la UE en 2011.
11
Tema 8. Ideas clave
Más recientemente, los cambios en la forma en que se controlan los hábitos de sus
usuarios han causado preocupación. Sus últimas herramientas de monitoreo
registran todo, desde cuánto tiempo un usuario «pasa» el cursor sobre ciertas partes
de la página hasta qué sitios web visita fuera de Facebook. El mismo anunció que esta
información se está utilizando en sus algoritmos, que determinan qué anuncios
mostrarnos (Marr, 2015).
Pero, al menos, ahora los usuarios pueden eliminar sus datos de forma permanente
si ya no desean que Facebook tenga acceso a ellos. Antes de 2010, ni siquiera se podía
eliminar realmente una cuenta; aunque el usuario podía eliminar su perfil, todo se
mantenía en sus servidores durante un período de tiempo no especificado, para fines
no especificados (difícilmente sería de utilidad dirigirle anuncios a alguien que ya no
tuviera una cuenta con la cual ver el sitio). El clamor cuando se descubrió, llevó a
Facebook a agregar la capacidad de borrarse por completo.
12
Tema 8. Ideas clave
Vídeo. El uso de datos de Facebook con fines comerciales.
Con ello, no solo se benefician las empresas, sino que, al aplicar el concepto de
contratación colectiva al análisis de datos, se ayuda a promover la investigación
© Universidad Internacional de La Rioja (UNIR)
13
Tema 8. Ideas clave
El científico jefe de Google (que se ha beneficiado de la investigación de Kaggle) y el
inversor de Kaggle, Hal Varian, lo describen como «una forma de organizar la
capacidad intelectual de los analistas más talentosos del mundo y hacerla accesible a
organizaciones de todos los tamaños».
Al igual que ocurre con todas las ciencias emergentes, hay una escasez de científicos
de datos capacitados en este momento y, sin embargo, Kaggle tiene 150.000 de ellos,
listos para trabajar con el mejor postor.
Además de cobrarles a las compañías con las que trabajan (entre ellas, Amazon,
Facebook, Microsoft y Wikipedia) hasta 300 dólares por hora por un trabajo de
consultoría, la empresa organiza concursos, que es donde entra la gamificación.
Kaggle se apoya en la teoría de que es más fácil hacer que las personas participen en
algo si se les presenta como un desafío o competición de algún tipo.
Aunque con frecuencia se afirma que tienen «más de 100.000 científicos de datos»,
en realidad no son empleados, sino usuarios y competidores registrados. No hay
barreras de calificación o experiencia para registrarse como científico de datos de
Kaggle; de hecho, los ganadores anteriores han sido desde académicos y
profesionales de ciencias de datos hasta aficionados entusiastas. Sin embargo, ciertas
competencias están reservadas ocasionalmente para «maestros», es decir, aquellos
© Universidad Internacional de La Rioja (UNIR)
Kaggle tiene a más de 100.000 analistas trabajando sin cesar y sin necesidad de
contar con empleados que carguen su estructura fija, ya que se trata de usuarios
registrados en la plataforma.
14
Tema 8. Ideas clave
La compañía también recluta a su propio personal para trabajar en proyectos
internos. De hecho, últimamente se ha convocado una competición en la que se
solicitaban reclutas y, aunque no se enumeraban los requisitos (aparte de que los
solicitantes tuvieran experiencia), en el formulario de solicitud se preguntaba la
media y la desviación estándar de dos conjuntos de números.
15
Tema 8. Ideas clave
Los datos en sí a menudo se simulan, y los concursantes se enfrentan al desafío de
encontrar métodos o algoritmos que sean más eficientes que los métodos ya
existentes para resolver el problema en cuestión. Gracias al uso de datos simulados,
los problemas relacionados con el acceso a datos confidenciales pueden obviarse. Por
último, se paga la recompensa, que actualmente es de hasta 30.000 dólares, aunque
en ocasiones se ha ofrecido una cifra muy superior para grandes proyectos.
Uno de sus éxitos más conocidos fue el premio Heritage Health, que otorgó tres
millones de dólares al participante ganador, cuyo algoritmo predijo con mayor
precisión qué pacientes serían ingresados en el hospital en los siguientes doce meses,
a partir de un conjunto de datos médicos.
Por supuesto, no está exento de críticas. En concreto, se han planteado dudas acerca
de lo valiosa que pueda ser realmente la investigación a la que conduce; a menudo,
dicen, los mayores desafíos en el análisis de datos giran en torno a qué datos se
necesitan y qué preguntas deben formularse. Las competiciones preempaquetadas
de Kaggle eliminan este elemento de la ecuación. Sin embargo, los analistas de datos
de crowdsourcing podrían estar trabajando en la solución de un problema en
particular, pero ¿es el correcto? ¿Y podría haber datos más relevantes en otro lugar,
aparte de los suministrados en el paquete de la competición?
© Universidad Internacional de La Rioja (UNIR)
16
Tema 8. Ideas clave
Esto podría ser una limitación fundamental para el modelo de competición, hasta que
la recopilación y distribución de datos evolucione hasta el punto de que estos puedan
ponerse a disposición de los concursantes en tiempo real, lo que posteriormente
planteará serios problemas de privacidad y protección de datos que lo
obstaculizarán. Pero, tal y como es hoy en día, Kaggle supone una de las mayores
innovaciones en el análisis de datos y ha contribuido en gran medida a la toma de
conciencia sobre el poder que el análisis de datos de crowdsourcing puede brindar a
empresas y organizaciones de todos los tamaños (Marr, 2015).
Los empleados son el mayor activo de una empresa, al tiempo que suponen su
mayor coste fijo. Por lo tanto, elegir la fórmula correcta para seleccionarlos y
mantenerlos es absolutamente esencial. Una empresa que ofrece soluciones únicas
a la hora de afrontar este desafío es Cornerstone.
Los clientes como Xerox lo usan, por ejemplo, para predecir cuánto tiempo se estima
que un empleado vaya a permanecer en su trabajo; entre las ideas más destacadas
se halla el hecho de que, en algunos puestos, como el trabajo en un centro de
atención telefónica, los empleados con antecedentes penales tienen un mejor
© Universidad Internacional de La Rioja (UNIR)
desempeño.
17
Tema 8. Ideas clave
Los «puntos de datos» son mediciones tomadas de empleados que trabajan en 18
industrias en 13 países diferentes, que proporcionan información, como cuánto
tiempo tardan en llegar al trabajo, o cada cuánto tiempo hablan con sus gerentes.
Los métodos de recopilación de datos incluyen las controvertidas «insignias
inteligentes» que monitorean los movimientos de los empleados y rastrean qué
empleados interactúan entre sí (Marr, 2015).
análisis a los posibles candidatos, con lo que descubrió, entre otras cosas, que las
personas creativas tenían más probabilidades de permanecer en la empresa durante
los seis meses necesarios para recuperar el coste de 6.000 dólares de su capacitación
que las personas curiosas.
18
Tema 8. Ideas clave
Hasta ahora, la recopilación y el análisis de datos se han centrado principalmente en
los miembros del personal orientados al cliente, que en las organizaciones más
grandes tenderán a ser aquellos con menos responsabilidad y poder de decisión. ¿Se
podrían obtener mayores beneficios si se aplican los mismos principios a los motores
y agitadores de la sala de juntas, que poseen las claves para un cambio comercial de
mayor alcance? Ciertamente, algunas compañías están empezando a pensar de esa
manera.
Agrupar los datos de los empleados a este nivel brinda la oportunidad de aportar
enormes beneficios, pero también podría resultar desastroso si una empresa se
equivoca. No tener debidamente en cuenta los derechos de las personas a la privacidad
puede dar lugar a sanciones legales severas en algunas jurisdicciones (por ejemplo,
Europa) (Marr, 2015). Cualquier empresa que esté pensando en llevar a cabo la
recopilación y el análisis de datos para estos fines ha de estar atenta.
© Universidad Internacional de La Rioja (UNIR)
19
Tema 8. Ideas clave
Curiosamente, la política de privacidad de Cornerstone deja claro que sus clientes les
proporcionan información sobre los solicitantes de empleo, incluidos los nombres, el
historial laboral y los datos de contacto. ¿Cuántas personas saben que simplemente al
solicitar un trabajo con uno de estos clientes, sus datos personales estarán disponibles
para su análisis? Parece que Cornerstone se exime de responsabilidad al declararse a sí
mismo como un «mero procesador de datos», pues las empresas clientes son las que
deben obtener el permiso para distribuir los datos de sus solicitantes y empleados.
Es de vital importancia que el personal conozca con precisión qué datos se recopilan
de ellos y para qué se utilizan. Todos (y ciertamente aquellos que dirigen la operación)
deben ser conscientes de que el propósito es aumentar la eficiencia general de la
empresa, en lugar de evaluar o controlar a los miembros individuales del personal.
Marr, B. (2015). Big Data Case Study Collection: 7 Amazing Companies That Really Get
Big Data. John Wiley & Sons: EE.UU.
© Universidad Internacional de La Rioja (UNIR)
20
Tema 8. Ideas clave
A fondo
Facebook Data Science
En esta web podrás ver las iniciativas y análisis llevados a cabo por el departamento
de Data Science de Facebook.
Soulo, T. (21 de enero de 2019). Google PageRank no murió: por qué sigue siendo
importante en 2019 [online]. Disponible en https://ahrefs.com/blog/es/google-
pagerank/
En esta web se puede analizar por qué Google PageRank sigue siendo importante en
2019. Aunque se trata de una iniciativa pionera de Google, aún sigue contando con
mucha importancia en las empresas.
Kaggle Datasets
Kaggle, como se ha expuesto durante el tema, es una plataforma que otorga premios
en efectivo a sus equipos de «científicos ciudadanos» que compiten para desenredar
los desafíos de análisis de datos de todas las formas y tamaños. Para poder
enfrentarse a los desafíos que se plantean, los usuarios necesitan los datos. En esta
web puedes acceder a multitud de datasets que son públicos y de mucha utilidad
para practicar el análisis de datos.
21
Tema 8. A fondo
Test
1. Una de las iniciativas que hizo crecer a Google frente a otros buscadores fue
PageRank, que, concretamente, se trata de:
A. Una nueva técnica de modelado de datos para posicionar las webs que
buscan los usuarios.
B. Un nuevo lenguaje de programación.
C. Una nueva web que abrió Google de forma paralela.
D. Ninguna de las anteriores es correcta.
22
Tema 8. Test
4. Las adquisiciones de Instagram y WhatsApp por parte de Facebook les ha facilitado
controlar:
A. Las redes sociales a las que más horas dedica la población.
B. Las redes sociales de jóvenes.
C. Las redes sociales de población mayor a 40 años.
D. Ninguna de las anteriores es correcta.
23
Tema 8. Test
8. Cornerstone, como otros grandes casos de éxito, no es una compañía exenta de
críticas. Concretamente, la más común es:
A. Que cambia la localización de las fábricas.
B. Que trata con datos personales.
C. Que trata con datos de otras empresas, no los suyos propios.
D. Ninguna de las anteriores es correcta.
24
Tema 8. Test