Arquitectura Empresarial Digital e Inteligencia de Negocio Ediciones Roble, S.L

Arquitectura empresarial digital e
inteligencia de negocio
Ediciones Roble, S.L.
Indice
Arquitectura tecnológica y datos 4
I. Introducción y objetivos 4
II. Arquitectura empresarial digital 6
2.1. Arquitectura empresarial 6
2.1.1. Arquitectura empresarial digital como base del negocio 6
2.2. Arquitectura de negocio o procesos de negocio digitales 7
2.3. Arquitectura de información digital 8
2.4. Arquitectura de sistemas. Aplicaciones empresariales 9
2.4.1 Planificación de los recursos empresariales (ERP) 10
2.4.2. Páginas web y aplicaciones 11
2.5. Arquitectura tecnológica 11
2.5.1. Alojamiento de la arquitectura tecnológica 12
2.5.2 Soluciones on-premise 13
2.5.3. Soluciones en la nube o Cloud 13
2.5.4. Soluciones mixtas o híbridas 14
III. La integración de datos en la empresa digital 14
3.1. Gestión de la información 15
3.2. Data Management 15
3.3. Gestión de datos en el sector bancario 16
3.3.1. La transformación digital del BBVA 17
IV. La era de la analítica 18
4.1. Dar valor a los datos 18
4.2. Análisis de datos 18
4.2.1. Análisis predictivo 19
4.2.2. El sistema predictivo MAX de Thyssenkrupp 21
V. Inteligencia de negocio 21
5.1. Inteligencia de negocio o Business Inteligence (BI) 21
5.2. Identificar el valor esperado o los potenciales beneficios 22
5.3. Mejorando el modelo de negocio 23
5.3.1. Modelado de negocios 23
5.3.2. Indicadores clave de negocio (KPI) 23
5.4. Arquitectura de un proyecto de BI 24
5.4.1. Herramientas Front-End 25
5.5. Herramientas del BI 26
5.6. Relación entre BI y Big Data 27
VI. Plataformas digitales 28
6.1. Plataforma digital 28
6.2. Tipos de plataformas digitales 29
6.3. Plataforma y ecosistema digital 30
VII. Plataformas tecnológicas de servicios en las smart cities 30
7.1. El crecimiento de las ciudades 30
7.2. Modelo europeo de Smart City 31
7.3. Gestión de las ciudades inteligentes 32
7.4. Integración de la información 34
7.5. Interoperabilidad entre plataformas 35
VIII. Resumen 37
Ejercicios 39
Enunciado 39
2/46
Se pide 41
Recursos 42
Bibliografía 42
Glosario. 42
3/46
Arquitectura empresarial digital e inteligencia de negocio
Arquitectura tecnológica y datos
I. Introducción y objetivos
En esta unidad vamos a estudiar cómo la complejidad de los sistemas de tecnologías de la información ha
aumentado por el efecto de la incorporación de las tecnologías emergentes digitales y el crecimiento exponencial
de los datos que se generan por las mismas.
Los grandes cambios a que se ve sometida la tecnología y la rapidez a la que se producen,

hace aún más recomendable la utilización de directrices que permitan asegurar un desarrollo
que integre las tecnologías heredadas con las emergentes y que identifiquen los datos que van
a permitir tener una visión 360° de la empresa.
La arquitectura empresarial (AE)
Una de las formas de conseguir estos objetivos es la implantación de una arquitectura empresarial (AE) que
defina el conjunto de directrices estratégicas a aplicar en el desarrollo de la integración de los datos y la
tecnología.
AE hace posible que las tecnologías, la estructura organizacional, las operaciones, los sistemas y las
personas sean consideradas de forma holística para conseguir una actuación conjunta en el desarrollo de la
actividad empresarial, y debe basarse en “un conjunto coherente de principios, métodos y modelos” que
sustenten la arquitectura de negocio, la arquitectura de información, la arquitectura de sistemas y la arquitectura
tecnológica. Por cada una de estas arquitecturas se especifican los componentes y funciones de la misma y
cómo contribuyen al funcionamiento de la empresa.
La arquitectura de negocio
La arquitectura de negocio se encarga de describir la estructura organizacional (que incluye los actores, roles,
funciones, servicios y procesos), los sistemas de planificación y control, el gobierno y los procedimientos del
entorno empresarial. Se define a partir del plan estratégico de la empresa, los planes de los departamentos y
los indicadores de gestión.
La arquitectura de la información
Dentro de la arquitectura de la información se estudian la producción de datos y el valor que suponen

actualmente para la toma de decisiones. Por ello, es absolutamente necesario que la empresa digital esté
preparada para recoger todos los grandes datos (Big Data) que la rodean, guardarlos y analizarlos para obtener
información útil y valiosa, que debe estar disponible en todas las áreas de la empresa de forma inmediata para
aprovechar toda su potencialidad.
Los datos no estructurados suponen el 80 % de los datos que se producen por la digitalización, lo que hace
más complejo su tratamiento y utilización en las diferentes modalidades de analítica de la empresa: analítica de
marketing y clientes, analítica de datos en la industria, inteligencia de negocio o Businnes Intelligence (BI). A
estas modalidades hay que añadir recientemente HR Analytics, o analítica de personas.
4/46
La arquitectura de sistemas
En la arquitectura de sistemas se estudian las soluciones aplicativas y, entre ellas, especialmente las
plataformas tecnológicas por la importancia que tienen en el desarrollo de nuevos modelos de negocio,
especialmente en las empresas nativas digitales.
Además de ejemplos ya conocidos de otros usos posibles, se describen los modelos de plataformas para la
gestión de las ciudades inteligentes, que hacen posible conocer la importancia de la interoperabilidad de los
datos, que es un elemento clave para su funcionamiento.
La arquitectura tecnológica
En la arquitectura tecnológica son examinados los componentes de la estructura de hardware, software y datos,
así como la necesidad de integrar la gestión de la tecnología y los datos para conseguir un mayor beneficio de
su utilización y la optimización de las importantes inversiones que son necesarias realizar para poder competir.
El valor de los datos
A continuación, se entra a estudiar el valor de los datos, como se deben de integrar en la empresa digital y los
diferentes modelos de analítica que se usan actualmente. Asimismo, se desarrolla la aplicación de la
inteligencia de negocio o Business Intelligence.
Plataforma digital y plataformas de servicios
Finalmente, se analiza el concepto de plataforma digital en general y plataformas de servicios de las Smart
Cities. Las plataformas digitales o virtuales, sistemas o sitios web personalizados que permiten la ejecución de
diversas aplicaciones permiten ofrecer experiencias consistentes a través de medios digitales que generan la
oportunidad de ofrecer experiencias coherentes, sin fisuras y atractivas a través de los canales digitales.
Entender la implantación de la arquitectura empresarial (EA) como una de las formas

de conseguir definir el conjunto de directrices estratégicas a aplicar en el desarrollo de
la integración de los datos y la tecnología en la empresa digital.
Identificar la necesidad de integración de los datos y las funciones de gestión que se
deben realizar para aprovechar el valor de los mismos.
Identificar la importancia de la analítica en la empresa digital y los distintos modelos de
análisis que se utilizan para hacer posible la toma de decisiones basada en la
información.
Evaluar la aportación de los sistemas de inteligencia de negocio o Business
Intelligence.
Conocer las características tecnológicas de software y hardware de las plataformas
digitales, y las ventajas que aportan como servicio tanto para la realización del trabajo
de los empleados como para generar experiencias consistentes en los usuarios de la
empresa y desarrollar su estrategia digital.
Identificar los posibles usos de las plataformas tecnológicas especializadas, y los
diferentes servicios que pueden realizar, a partir de las plataformas de servicios a las
Smart Cities.
5/46
II. Arquitectura empresarial digital
2.1. Arquitectura empresarial

En la medida en que las empresas se han vuelto más complejas y han hecho un uso más extendido de las
tecnologías de la información y las comunicaciones (TIC), se fue haciendo más necesario el establecimiento de
directrices para la implantación y gobierno de las TIC.
En 1987, en este contexto, J. Zachman presentó el concepto de arquitectura empresarial,

indicando que “el éxito del negocio y los costes que ello conlleva dependen, cada vez más, de
sus sistemas de información, lo que hace necesario un enfoque y una disciplina para la gestión
de los mismos”, lo que significa el inicio de una visión holística de los sistemas que se ve
reflejada en distintos marcos.
Las posteriores evoluciones dieron lugar al concepto de arquitectura empresarial, una disciplina que se apoya en
los modelos de gestión, la teoría organizacional y la teoría de sistemas, con un peso importante en los diferentes
campos de la informática: los sistemas de información, la seguridad, la arquitectura orientada a servicios o la
arquitectura de datos, entre otros.
Arquitectura de negocio, que incluye la estrategia de negocio, el gobierno, la organización y procesos.
Arquitectura de información, que define la estructura de datos y recursos de gestión.
Arquitectura de sistemas, que integra las aplicaciones empresariales.
Arquitectura tecnológica, que está compuesta por la estructura de hardware, software y datos.
Para Lankhorst, “la arquitectura empresarial es un conjunto coherente de principios, métodos

y modelos que se utilizan en el diseño y la realización a nivel empresarial de la estructura
organizacional, los procesos de negocio, los sistemas de información y la infraestructura”. Una
arquitectura empresarial representa una solución organizativa y administrativa basada en la
tecnología para que la empresa pueda relacionarse internamente y con su entorno.
2.1.1. Arquitectura empresarial digital como base del negocio
El cambio desde una arquitectura empresarial tradicional a una arquitectura empresarial digital
Viene dado porque la mayoría de las relaciones de negocios de la empresa digital, con los clientes, con los
empleados o con el ecosistema digital, están mediadas y habilitadas por un gran número de las
tecnologías digitales emergentes con funciones habilitadoras de las actividades de la empresa; otras tienen
una utilidad directa en el desarrollo de productos y servicios digitales o inteligentes, además de nuevos
conceptos tecnológicos que integran la utilización de una parte o todas las tecnologías emergentes, con una
orientación hacia productos o servicios determinados. El funcionamiento en conjunto proporciona la base o
plataforma sobre la que la empresa puede hacer funcionar sus sistemas de información.
6/46
Por ello, en gran medida, la continuidad de las empresas tradicionales va a depender, a nivel de
arquitectura empresarial, de la integración de los efectos de la trasformación hacia la empresa digital. Esta, más
intensiva en el uso de tecnologías digitales, participa en redes de valor o ecosistemas digitales más amplios y, a
su vez, desarrolla nuevos modelos de negocio digitales; además, gran parte de sus comunicaciones y de su
información (cuyo flujo aumenta, debido al enorme incremento de los datos) se distribuyen a partir de la
plataforma digital móvil.
Las empresas en el camino hacia empresas digitales deben ser capaces de percibir y
responder a los cambios tecnológicos con más rapidez, lo que a la vez les obliga a una
actualización constante de las de tecnologías.
Las tendencias previstas para los próximos años por analistas como Gartner anuncian
grandes crecimientos, de hasta el 50% en el 2025, en inversión en tecnología por parte de
las empresas.
La necesidad de integrar las tecnologías heredadas con las tecnologías emergentes, la aplicación a nuevas
actividades de negocio y la creciente importancia de la analítica incrementan el interés y las ventajas de llevar a
cabo este desarrollo tecnológico dentro de una arquitectura empresarial digital. Así, la tecnología es la base del
negocio, ya que cada vez más, lo que una empresa quiera hacer va a venir determinado por lo que sus tecnologías
puedan realizar.
Cambios en la arquitectura empresarial digital
Incorporar el desarrollo de la movilidad por los teléfonos inteligentes y otros dispositivos móviles, que han hecho
emerger las plataformas móviles.
Las plataformas de computación en la nube o Cloud Computing, que sustituyen la tecnología alojada en la
empresa.
El crecimiento exponencial de los datos desestructurados procedentes de las redes sociales o IoT, que han
dado lugar a Big Data.
2.2. Arquitectura de negocio o procesos de negocio digitales

Se entiende por arquitectura de negocio, o procesos de negocio, el conjunto de tareas lógicamente ordenadas
que una empresa realiza y controla por los sistemas de información, que abarcan a su cadena de valor interna y se
enlazan con el ecosistema digital para producir resultados de negocio específicos.
La arquitectura de negocio se encarga de
Describir la estructura organizacional (que incluye los actores, roles, funciones, servicios y procesos), los
sistemas de planificación y control, el gobierno y los procedimientos del entorno empresarial. Se define a partir
del plan estratégico de la empresa, los planes de los departamentos y los indicadores de gestión o KPIs.
Los procesos de negocio pueden estar relacionados con un área funcional específica, por ejemplo, el
departamento de marketing, pero, cada vez más, los procesos de negocio cruzan diferentes áreas funcionales, en
diferentes ubicaciones físicas y contribuyen a su desarrollo de forma externa los colaboradores del ecosistema.
Los procesos de transformación digital, en la medida en que están innovando en productos y servicios digitales:
7/46
El marketing se realiza a través de Internet y las redes sociales.
La venta se realiza por medio del comercio eléctrico o en entornos de omnicanalidad.
Se digitalizan los procesos internos y las redes de valor.
La venta y el cobro se hacen a través de la banca digital.
La logística de distribución se hace más compleja por la entrega a domicilio.
Los procesos de negocio también cambian.
Toyota, desde sus inicios, ha relacionado con éxito los procesos de negocio con toda su
arquitectura empresarial. Sus procesos de administración de pedidos, que permite pronosticar
la demanda, hacen posible fabricar Just in Time, reducir sus inventarios y eliminar los costes de
almacenamiento de vehículos, con lo cual puede ofrecer a los clientes los productos que
desean y a un menor precio, que son los elementos que caracterizan su modelo de negocio.
Actualmente, la trasformación digital en el sector del automóvil, como el coche eléctrico y
conectado o el desarrollo del coche autónomo, está cambiando sus procesos de negocio.
Zara es otro ejemplo de aplicación del mismo modelo de negocio de Toyota, en este caso
en el mundo de la moda, y ha tenido que hacer importantes cambios en los procesos de
negocio para incorporar el comercio electrónico y la omnicanalidad, que exige un manejo de
datos basado en el concepto de 360° que, además, debe estar disponible para un mayor
número de empleados. Todos estos cambios en los procesos de negocio deben
estar reflejados en todos los sistemas de información.
2.3. Arquitectura de información digital

La arquitectura de información, desde la perspectiva de una empresa digital, considera los datos como un activo
muy importante y un motor del funcionamiento de la empresa, y muestra los recursos utilizados, el flujo y modelado
de los datos, para convertirlos en información, para que puedan ser integrados y utilizados de forma transversal por
la organización. A la vez, actualmente, se debe considerar que estamos iniciando el proceso de distintas oleadas
de digitalización y de introducción de nuevas tecnologías en los próximos años. Por ello, la arquitectura se debe
planificar, en lo posible, con criterios de escalabilidad e interpolaridad y con tecnologías aún no conocidas.
8/46
El objetivo de una arquitectura de información digital es inventariar y estructurar tanto las

fuentes de datos en formato estructurado como la gran cantidad de datos no estructurados
provenientes de la incorporación de tecnologías emergentes, considerando los flujos de los
mismos, así como decidir qué procesos de almacenamiento y en qué repositorios se
almacenan (en gran medida en la nube), y el tratamiento y limpieza para asegurar su conversión
en información de calidad.
El resultado debe de ser que la empresa disponga de los conjuntos de información organizada,
precisa y oportuna que necesita para soportar los procesos de negocio, permitiendo que
cualquier persona la entienda y la pueda integrar en sus tareas de forma sencilla.
Cuando se piensa en un diseño de arquitectura de información digital, habitualmente la empresa ya dispone, de

alguna manera, de algún tipo de información con un nivel mayor o menor de calidad, fiabilidad y accesibilidad. No
todas las empresas son iguales ni tienen, lógicamente, las mismas necesidades. No es comparable una gran
empresa con una pyme, ni una empresa manufacturera con otra de servicios.
Lo que sí es verdad es que hay ciertos elementos comunes a todas las empresas que han de ser cubiertos.
Además, habrá otros que dependen de la situación de transformación digital, que deben ser tenidos en cuenta a la
hora de diseñar la arquitectura para una empresa de nueva creación o de ampliar la de una ya existente.
Figura 5.1. La arquitectura de información digital.

Fuente: elaboración propia.
2.4. Arquitectura de sistemas. Aplicaciones empresariales

La arquitectura de sistemas o aplicativa está definida por las soluciones, en gran medida de software, basadas
en las funciones de la empresa y que sirven para apoyar al negocio en sus actividades habituales. En este
apartado, se definen qué tipo de aplicaciones son relevantes para el funcionamiento, así como lo que necesitan
para poder funcionar.
Las aplicaciones empresariales incluyen:
Módulos de software complejos.
Herramientas de bases de datos.
9/46
Consultoría de implantación.
Formación del personal y recursos utilizados en la puesta en marcha.
Hardware para su alojamiento.
Conclusión
Por todo ello, su implantación supone un alto coste.
A la vez, las aplicaciones empresariales no solo suponen costes tecnológicos para poder registrar los datos en el
software, también son necesarios cambios muy importantes en los procesos de negocio que afectan al trabajo y a
las competencias de los empleados, así como la utilización de la información puede requerir cambios
organizacionales.
2.4.1 Planificación de los recursos empresariales (ERP)
Aunque hay un gran número de aplicaciones empresariales, software de gestión o aplicaciones que automatizan
procesos por separado, uno de los grandes retos para las empresas es que las aplicaciones se conecten entre sí
para disponer de información de conjunto. En este apartado, se señalan solo las aplicaciones empresariales que
contribuyen a mejorar el funcionamiento de las organizaciones como un todo.
Definición ERP
E l software de gestión denominado sistemas empresariales, que se conocen también como sistemas de
planificación de los recursos empresariales (ERP), contiene un conjunto de módulos de software integrados que
recopila e integra los procesos de negocio de toda una empresa, almacenándolos en una sola base de datos
central, y permite compartir los datos en un flujo transparente de la información a través de las áreas funcionales
de la organización.
Utilidad ERP
Los ERP se basan en miles de procesos de negocio predefinidos que recogen las mejores prácticas en estas
actividades, lo que permite habitualmente elegir entre varias opciones. La obligación de las empresas usuarias
de asociar sus procesos con los procesos predefinidos en el software supone una cierta rigidez, que se puede
remediar volviendo a reescribir una parte del software o, si no, cambiando sus formas de trabajar.
Mejoras que aporta ERP
Los ERP organizan la información de la empresa, mejoran la comunicación entre empleados, optimizan
procesos y facilitan la toma de decisiones gracias a la amplia información que proporcionan. En las empresas
con más de un centro de trabajo, tienen la ventaja de hacer que los procesos se unifiquen. A la vez, los datos
producidos tienen formatos estandarizados, lo que facilita la analítica.
Características de ERP
Los ERP hacen referencia al conjunto de sistemas de información que gestionan todas las áreas de negocio de
una organización. Los sistemas que los integran habitualmente son producción, finanzas, ventas, marketing,
cadena de suministro y RR. HH., y tienen las siguientes características:
10/46
CRM
El sistema de gestión de las relaciones con el cliente (CRM), que permite centralizar en una sola aplicación
todas las interacciones con los clientes. Los CRM se están convirtiendo en una herramienta integral de
gestión de marketing y de las redes sociales, permitiendo hacer la parte de seguimiento en redes sociales,
tanto de los clientes como de nuestra propia empresa, por lo que se le conoce como CRM Social.
MES
El Manufacturing Execution System (MES), que se utiliza en las empresas donde las operaciones son más
complejas, o son directamente empresas de manufactura, para ejecutar el proceso de producción de una
manera organizada y guardando pleno control de todo el proceso de producción y seguimiento de otras
áreas de operaciones, como el mantenimiento y el seguimiento de inventario.
SCM
El sistema de gestión de la cadena de suministro (SCM), que ayuda a la empresa a manejar la relación con
los proveedores, las empresas clientes, los distribuidores y las empresas de logística para conseguir
producir y entregar los productos y servicios de manera eficiente.
HCM
El sistema de gestión de los RR. HH. (HCM), con el que se gestiona toda la parte de recursos humanos en la
empresa (nóminas, gestión de las prestaciones de trabajo, evaluación de desempeño o los indicadores de
productividad). Este sistema debe poner especial atención en la seguridad de los datos de los empleados
de la compañía, especialmente los de alta protección.
2.4.2. Páginas web y aplicaciones
También cabe recordar las páginas web como otra forma de software dotado de múltiples funcionalidades, de
gran importancia para desarrollar actividades de marketing o dar acceso a las plataformas digitales.
apps
A la vez, hay que considerar las apps, que son pequeños programas especializados de software que se
ejecutan desde Internet, el ordenador o en dispositivos móviles, permitiendo un acceso más rápido a los
contenidos que los navegadores web tradicionales.
mashup
Los denominados mashup permiten a los usuarios individuales o a las empresas combinar los servicios de dos
softwares distintos de forma personalizada, para crear sus propias aplicaciones o compartir información con
otros.
2.5. Arquitectura tecnológica

Para entender el concepto de arquitectura tecnológica, también denominado como infraestructura de tecnología,
es necesario estudiar el hardware, el software y las tecnologías de bases de datos y redes de comunicación, que
actualmente tienen como características principales la computación en la nube y el móvil.
11/46
Kenet y Jane Laudon, la infraestructura tecnológica reúne los dispositivos físicos y

aplicaciones de software y comunicación compartidos que proveen a la plataforma de servicios
de los sistemas de información o de computación utilizados en las unidades de negocio o en la
empresa en general, como los equipos informáticos, las aplicaciones de ERP, la conectividad
de datos, voz y vídeo que permite comunicar a los empleados con los clientes y con el
ecosistema empresarial en un entorno digital coherente.
Los componentes principales que se coordinan para configurar el ecosistema de las infraestructuras
tecnológicas son los siguientes:
Plataforma de hardware de computadora.
Plataforma de sistemas operativos.
Aplicaciones de software empresarial.
Redes de telecomunicaciones.
La gestión y almacenamiento de datos.
La plataforma de Internet.
Los consultores e integradores de sistemas.
Servidor
Generalmente hardware o equipo físico. Este nivel proporciona la potencia informática básica para toda la
organización.
Middleware
Generalmente software. Proporciona la infraestructura necesaria para mantener el hardware en

funcionamiento y hacer fluir la información en el negocio.
Cliente combinación de hardware y software
Este nivel proporciona las capacidades a las que puede acceder un usuario y le da acceso a la información
que una empresa tiene disponible.
Para llevar a cabo la analítica de datos se necesita la infraestructura necesaria para poder captar y almacenar los
datos brutos, estructurados o no, de todas las fuentes internas (CRM, ERP o IoT, entre otros), de empresas
externas o de las redes sociales, y almacenarlos en un Data Lake.
2.5.1. Alojamiento de la arquitectura tecnológica
12/46
En un proyecto de transformación digital, una de las primeras decisiones que hay que tomar es dónde se va a
alojar la tecnología. En este caso, es evidente cómo la aparición de la computación en la nube añade nuevas
oportunidades a la empresa en la definición de su arquitectura tecnológica. En la actualidad, para el alojamiento de
la arquitectura tecnológica caben tres soluciones:
On-premise, de forma interna.
En la nube o Cloud.
Mixta o híbrida.
2.5.2 Soluciones on-premise
En el uso de soluciones on-premise, la organización tiene que tener en cuenta:
La empresa tiene que gestionar toda su infraestructura y datos.
Disponer de personal de tecnología dedicado a soporte y un Data Center ampliable, por lo que es posible
asumir una nueva carga de trabajo.
Puede hacer frente a la inversión inicial de hardware y software, además de los costes de mantenimiento
anuales. Esto, con los años, se amortiza y se acaba rentabilizando.
Ha asumido este escenario porque, si bien la inversión inicial es mucho mayor debido a su infraestructura a nivel
de recursos y personas, puede amortizar y rentabilizar en pocos años.
Tiene bajo control la seguridad, la conectividad y la estabilidad de la instalación.
Asume un despliegue más lento de la misma, además de ser los responsables de su seguridad, con todo lo que
ello significa.
2.5.3. Soluciones en la nube o Cloud
En el uso de soluciones en la nube, la empresa:
No tiene o no quiere destinar recursos al mantenimiento.
Quiere una rápida implementación y despliegue.
Quiere asegurar una escalabilidad y una ciberseguridad óptimas prestadas por especialistas.
13/46
No quiere afrontar un desembolso inicial importante en software y hardware ni su pago anual por mantenimiento,
sino que prefiere irse a un sistema de pago por uso.
Servicios en la nube
SaaS (software como servicio)
Un proveedor externo se preocupa del mantenimiento y la arquitectura subyacente del software, y la empresa
solo de la explotación y optimización del mismo.
IaaS (Infraestructura como servicio)
Modelo de pago por servicio que ofrece la infraestructura precisa (servidores, redes, almacenamiento, etc.)
para poder utilizar las aplicaciones y servicios que la empresa necesita
PaaS (plataforma como servicio)
Proporciona infraestructura subyacente, hardware y sistemas operativos, y la empresa solo las aplicaciones
que se instalen en ella.
2.5.4. Soluciones mixtas o híbridas
En la mayoría de las empresas que ya tienen una cierta trayectoria, es habitual que, anteriormente, se hayan
hecho fuertes inversiones en infraestructura y personal, lo que condiciona la decisión. Aun así, la organización
puede estar interesada en ir aligerando infraestructuras y procesos dentro de la empresa. Es por ello que la
combinación de las dos situaciones anteriores, en muchas ocasiones, es la solución más adecuada.
Esta solución puede llevar asociada, como beneficios, las combinaciones que se pueden
realizar, como gestionar internamente las partes que requieren mayor acceso de información,
más críticas para el negocio y de menor riesgo a ser gestionadas internamente, mientras que
aquellas que requieran menos tiempo de consulta y sean menos críticas para el negocio, se
llevan a la nube. A la vez, también permite tomar diversas opciones a nivel de costes
financieros y de la plantilla de personal de tecnología.
III. La integración de datos en la empresa digital

A nivel empresarial, el valor de los datos actualmente es enorme y es absolutamente necesario que las
organizaciones estén preparadas para recoger todos los datos que la rodean, guardarlos, analizarlos para obtener
información útil y valiosa y extender esa información para que esté disponible en todas las áreas de la empresa de
forma inmediata.
14/46
Pero la creciente avalancha de datos e información disponible, procedente de las distintas fuentes en las que la
empresa participa, unida a la gran variedad de formatos que aquellos presentan, hace que la gestión adecuada de
esta información para aprovechar toda su potencialidad no sea tarea fácil para las organizaciones.
3.1. Gestión de la información

La gestión de la información es una actividad compleja que está dividida en varias fases o capas. En cada una
de esas capas de datos se tendrá toda la infraestructura necesaria para:
Extracción
Extraer los datos de todas las fuentes que tengamos disponibles en nuestra capa de aplicaciones de negocio,
en todos los formatos posibles, bien sean estructurados o no estructurados.
Limpieza
Limpieza de los datos, filtrado y tratamiento para obtener un conjunto de datos plenamente analizable. Esta es
una de las fases más importantes, ya que si los datos de partida no son correctos, todos los análisis serán
erróneos.
Análisis
En esta fase se analizan los datos, buscando patrones de comportamiento que nos permitan mejorar los
estándares de trabajo y optimizar los resultados de negocio.
Ejecución o descubrimiento
Fase en la que se utilizan los análisis que se han obtenido para retroalimentar los algoritmos de análisis y
seguir alimentando y evolucionando la capacidad del sistema de análisis. Además, es en esta fase donde
enviamos los datos al motor de BI para que sean lanzados los reportes.
Capas de datos para la gestión de la información:
Capa de integración: esta capa es transparente a la organización y, fundamentalmente, una capa lógica,
o dicho de manera sencilla, una serie de reglas que indican qué aplicación externa o quién puede
acceder a qué sistema o a qué información de los sistemas internos.
Capa de interacción con los elementos externos: esta es otra capa transparente a la organización y se
encarga de que todos los elementos externos, que en muchas ocasiones son de muy diversa índole, y
todos los elementos internos, que en la mayoría de las ocasiones son también dispares, encajen y
parezcan la misma aplicación.
Capa de elementos externos: aquí habrá desde aplicativos del tipo IoT o sensores, que nos den
mediciones de manera automática, a redes sociales, dispositivos móviles, aplicaciones desarrolladas
ad hoc, aplicaciones externas, conexiones con clientes, partners y un sinfín de posibilidades.
Actualmente, en muchas empresas en proceso de transformación digital, esta capa se empieza a
simplificar en un ecosistema digital que aglutina todas las posibilidades mencionadas anteriormente que
estén relacionadas con el cliente.
3.2. Data Management
15/46
Para ofrecer una solución a sus necesidades, las empresas deben disponer de soluciones de gestión de datos
que les faciliten la integración de la información con el resto de sistemas de la empresa. En este sentido, el Data
Management permite a las empresas obtener información valiosa almacenando y gestionando, de una forma
integral, todos los datos que tienen relación con ellas.
Un proyecto dirigido a la gestión integral de los datos implica una serie de características que garanticen un
acceso a los datos desde cualquier fuente disponible, la integración de esos datos en el resto de sistemas y la
entrega de la información resultante a cualquier parte de la organización que lo precise, prácticamente en tiempo
real.
Data Management International (www.dama.org)
La asociación independiente de proveedores que analiza el ámbito de la gestión de datos, señala once
funciones esenciales en una correcta gestión de datos que dé respuesta a las necesidades del negocio.
Funciones de la gestión de datos
Tabla 5.2. Funciones de la gestión de datos.
Fuente: Data Management. La gestión de datos eficaz (PowerData, 2013) [En línea] URL disponible en:
https://www.powerdata.es
3.3. Gestión de datos en el sector bancario
16/46
El sector de la banca, y la industria financiera en general, es uno de los pioneros en la carrera hacia la
digitalización de procesos, guiados principalmente por el afán de atraer y retener a un nuevo grupo de usuarios,
encabezados por los jóvenes millennials, que exigen mayor innovación en servicios digitales y un nuevo marco de
relación con su banco, en el que predominen aspectos como la omnicanalidad o la flexibilidad y personalización en
el servicio y en los productos. Por ello, parece clara esta apuesta por adaptarse a la transformación digital, aunque
esta respuesta no haya crecido a un ritmo similar en todas las entidades.
A todo ello, hay que unir la aparición de nuevos competidores para el sector, en su mayor parte empresas
nativas digitales procedentes de Internet (Google, Facebook, Amazon, Apple, etc. ). Con mayor orientación al
cliente y una tendencia innata a la innovación tecnológica, ponen en serio riesgo la continuidad en el negocio de
todas aquellas entidades que no sepan responder de forma adecuada.
La relación con la banca hace ya años que comenzó a estar relacionada con la tecnología, desde el uso de la
tarjeta de crédito a la firma electrónica o las transacciones virtuales, facilitando así, de una manera progresiva, el
tránsito hacia la digitalización. De la misma manera, se ha ido eliminando, o reduciendo, el uso de canales
tradicionales, como los trámites en la oficina física o las comunicaciones por carta o teléfono.
Este espíritu innovador en busca de una mayor satisfacción de las exigencias del cliente digital es ya una
exigencia en las entidades bancarias, que tratan de extender el uso de las nuevas tecnologías a todas sus
operativas diarias.
3.3.1. La transformación digital del BBVA
El BBVA, entidad española que tiene presencia en más de 30 países, ha sido una de las primeras en renovar su
modelo de negocio para adaptarlo a las necesidades de la globalización y la digitalización.
En palabras de su presidente, Francisco González, la industria financiera “se está

convirtiendo en la industria BIT (banca, información y tecnología) en su camino hacia una banca
del conocimiento, capaz de aportar mucho más valor a las personas, proporcionándoles más y
mejores soluciones para sus necesidades, y de apoyar de manera eficaz el desarrollo
económico a nivel global”.
Ante esta necesidad de adaptarse a la industria del siglo XXI, ya en 2007 comenzó a elaborar una plataforma
innovadora capaz de convertir una entidad analógica del siglo XX “en una empresa digital de servicios del
conocimiento”. Esta plataforma consta de tres niveles diferenciados: sistema central (core) , software intermedio
(middleware) y Front-Office.
La finalidad principal de esta plataforma es aprovechar una de las grandes ventajas competitivas de la banca
tradicional: el conocimiento que posee de sus clientes, la riqueza de datos que ha ido obteniendo y que le puede
permitir obtener información muy valiosa para, por ejemplo, detectar patrones de comportamiento muy útiles para
una oferta de productos personalizados si hace buen uso de esa información.
Plataforma de gestión de datos del BBVA:
Sistema central (core)
Es el motor de la plataforma, proporcionando las capacidades básicas de procesamiento de la información y

de análisis de datos.
17/46
Software intermedio (middleware)
Programas que procesan y empaquetan los datos y las funcionalidades del sistema central para ponerlos a
disposición del Front-Office.
Front-Office
Canales interconectados con funcionalidades sociales, altos estándares de seguridad y capaces de captar
toda la información de los clientes.
En opinión de Francisco González, los bancos deben generar conocimiento a partir de la información financiera
de la que disponen, como elemento necesario para alcanzar un mercado de potenciales clientes mucho más
amplio y poder ofrecerles los nuevos servicios digitales que reclaman.
IV. La era de la analítica
4.1. Dar valor a los datos

Es necesario dar valor a la ingente cantidad de datos de los que disponemos para explotar todas las
posibilidades que ofrecen, integrándolos y analizándolos de forma inteligente para obtener un mejor conocimiento
de la información que contienen y alcanzar así mayores beneficios, tanto económicos como sociales.
Por ejemplo, un sistema en el que el uso de redes de distribución eléctrica y contadores

inteligentes se integren con las redes de generación, sistemas de información geográfica,
bases de datos, información de clientes y otros sistemas centrales, posibilitaría una mejor
gestión y mayor eficiencia en el uso de la energía, detectando de forma más rápida, e incluso
previniendo, posibles averías y fallos en el sistema, o la existencia de fraudes en el consumo.
4.2. Análisis de datos

La creciente capacidad de la tecnología para predecir posibles comportamientos, basándose en el análisis de
datos que se producen en el entorno, ofrece un enorme potencial para el desarrollo de las empresas, que pueden
aprovechar las grandes cantidades de datos producidas por sus máquinas (M2M), por sus relaciones con clientes y
proveedores o por otros muchos medios. Hoy en día, es posible utilizar estas capacidades para predecir los
comportamientos de los clientes y adelantarse a sus necesidades, modificando los procesos de manera más
rápida y flexible.
18/46
También es posible, en base a esta información, predecir el comportamiento de las

máquinas y adelantarse a las posibles averías o problemas de funcionamiento, lo que ahorraría
tiempo y costes.
Figura 5.2. Proceso de análisis de datos.

4.2.1. Análisis predictivo
La base de Big Data es el trabajo con enormes cantidades de datos que analiza y procesa para alcanzar
algoritmos o patrones de comportamiento que ayuden a tomar decisiones o predecir resultados en posteriores
situaciones similares, como en el caso de retenciones de tráfico o en el diagnóstico médico. El manejo de tanta
información requiere de nuevos modelos capaces de ir más allá de la simple información descriptiva, aprendiendo
de situaciones anteriores, prediciendo futuros comportamientos y colaborando de forma decisiva en la toma de
decisiones en base a ellos. Muchos autores hablan, así, del paso del Big Data al Smart Data.
En la figura 5.3. se situan los diferentes niveles del análisis de datos según la la dificultad de realización y el valor
que aportan.
19/46
Figura 5.8. Tipos de análisis de datos.
Figura 5.3. Tipos de análisis de datos.

Según la Fundación Big Data, “el análisis predictivo utiliza la estadística junto con algoritmos
de minería de datos. Se basa en el análisis de los datos actuales e históricos para hacer
predicciones sobre futuros eventos. Dichas predicciones raramente suelen ser afirmaciones
absolutas, pareciéndose más a eventos y su probabilidad de que sucedan en el futuro".
Las técnicas procedentes de la minería de datos han sido siempre útiles en las organizaciones empresariales,
pero gracias al Big Data se ha podido procesar mayores cantidades de datos, sean estructurados o
desestructurados, y de forma mucho más rápida (incluso en tiempo real) y eficiente.
La Fundación Big Data distingue tres tipos o modelos de análisis predictivo usados en los negocios, en función
de los objetivos específicos que se pretendan alcanzar.
Modelo predictivo
Utiliza datos históricos y actuales, en tiempo real, para determinar patrones y evaluar las probabilidades de
determinados comportamientos. Por ejemplo, evaluar el comportamiento de los clientes y adelantar las
probabiliddes de que muestren un comportamiento específico en el futuro.
Modelo descriptivo
Estudia las relaciones entre los datos para clasificarlos en grupos. Mientras el modelo predictivo se centra en
predecir el comportamiento de un individuo, el modelo descriptivo identifica diferentes relaciones entre clientes y
productos. Por ejemplo, para clasificar las preferencias de los clientes en función de su edad o sexo.
20/46
Modelo de decisión
Analiza las relaciones entre todos los elementos que intervienen en la toma de decisiones (los datos, las
posibles decisiones y las variables que determinan la decisión) para predecir los resultados de cada una de las
decisiones posibles.
4.2.2. El sistema predictivo MAX de Thyssenkrupp
Thyssenkrupp ha puesto en marcha MAX, “el primer sistema de mantenimiento predictivo, en tiempo real, en la
industria de los ascensores”. Basado en una combinación de tecnologías como Internet de las cosas, Big Data,
Cloud y aprendizaje automático, MAX “aumenta la disponibilidad y eficiencia de los ascensores y reduce el tiempo
de averías a través de diagnósticos en tiempo real”.
El funcionamiento de MAX se basa en la recogida de información, en tiempo real, y su envío

a la nube, donde es analizada para obtener algoritmos que permitan estimar el tiempo de vida
de cada componente del sistema, diagnosticando cuándo es precisa una revisión a cada
componente.
Figura 5.4. Funcionamiento del sistema predictivo MAX.

Fuente: Thyssenkrupp.
V. Inteligencia de negocio
5.1. Inteligencia de negocio o Business Inteligence (BI)

En plena era digital, tomar decisiones bien informadas es uno de los principales factores de diferenciación de las
empresas. Aquí se va a explicar con precisión qué es Business Intelligence, o inteligencia de negocio (BI de
ahora en adelante), y para qué puede resultar útil.
Definición Business Intelligence
Aunque hay muchas definiciones, el término Business Intelligence hace referencia al uso de estrategias y
herramientas utilizadas para convertir datos en información, con el objetivo de mejorar el proceso de toma de
decisiones en una empresa.
21/46
Atendiendo a la íntima relación con la tecnología que lo caracteriza, se podría definir la inteligencia de negocio
como aquel conjunto de soluciones y tecnologías que facilitan la captura y gestión de toda la información
procedente de los sistemas transaccionales de la empresa, ya sea estructurada o no estructurada, para
convertirla en conocimiento que desemboque en una toma de decisiones de negocio más rápida, flexible y
eficiente.
La inteligencia de negocio se ha convertido en un elemento estratégico para las empresas en la economía

digital, ya que permite convertir la información en un bien de incalculable valor que les permite alcanzar ventaja
competitiva sobre la competencia.
En esta definición se han utilizado conceptos como:
Sistemas transaccionales: aquel software que tiene la empresa y le permite llevar a

cabo su tarea diaria para el correcto funcionamiento del negocio, con todas las
transacciones propias de dicha operativa. Estos sistemas, por norma general,
generan datos estructurados o correctamente tabulados, con una forma y estructura
totalmente definida y fácilmente almacenables en las bases de datos de siempre. Un
ejemplo fácil: imaginemos un hospital y todos sus pacientes, con su número de
historial, los resultados de las pruebas que han tenido, todo ello almacenado en una
hoja de Excel.
Información desestructurada: aquellos datos o información que no corresponden a un
patrón claramente definido, que no podemos tabular normalmente y que, por tanto,
no podremos guardar en una base de datos relacional. Imaginaos el hospital:
podríamos estar hablando de todas aquellas radiografías, escáneres, resonancias,
recetas en papel, etc.; una vez digitalizado, tendríamos imágenes, en la mayoría de
los casos. Toda esta información no sería sencillo almacenarla en una base de datos
estándar.
Pero, además, podemos estar hablando también de datos no estructurados en
formato texto, lo que está muy relacionado (aunque no exclusivamente) con la
información generada en redes sociales, foros, e-mails, o documentos.
5.2. Identificar el valor esperado o los potenciales beneficios

Los costes derivados de la implementación de una solución de Data Waterhouse (DW) son relativamente fáciles
de evaluar, algo que no ocurre con los beneficios cuya interpretación en el ROI ofrece mayor dificultad.
Para facilitar este cálculo, resulta conveniente distinguir dos conceptos:
Incrementos de ingresos
Incrementos de ingresos: es difícil saber con certeza si el aumento de ingresos es debido a un mejor uso de
la información, por lo que resulta complicado cuantificar qué parte de los resultados vienen derivados de un
mejor análisis de la información sobre los usuarios.
Identificación de costes
Identificación de costes: una vez identificados los beneficios, el paso siguiente consiste en identificar todos
los costes derivados del proyecto, tanto los directos como los derivados de su desarrollo. Entre los más
destacados de estos costes podemos mencionar el software, el hardware y los costes laborales necesarios
para su implementación.
22/46
5.3. Mejorando el modelo de negocio

Desde el primer momento en que se ha empezado a hablar de BI, se ha estado haciendo referencia a la
empresa y a cómo mejorar sus procesos, incrementando beneficios o encontrando nuevas líneas de negocio. Pero,
¿cómo hacerlo si no se conoce el propio modelo de negocio de empresa? Si no se conoce, no se puede
medir y, por lo tanto, no se podrá mejorar. Hay que partir de la base de que aquello que no podemos medir, no lo
podremos gestionar.
Respuesta a la pregunta anterior
Lo primero que se necesita hacer cuando hay que enfrentarse a un reto de este tipo es definir qué se quiere
medir, cómo se va a hacer. Para ello, se debe conocer o definir cuál es el modelo de negocio de la empresa para
establecer el marco sobre el que poder medir (y posteriormente definir) las métricas que se quieren analizar para
realizar comparativas sobre ellas y elaborar planes de mejora.
5.3.1. Modelado de negocios
El modelado de procesos de negocio, el modelado de flujo de procesos y el modelado de flujos de datos son
subcategorías del modelado de negocios. No es necesario que el modelado de negocios entre en los detalles del
proyecto y, a menudo, ocultará las complejidades de programación necesarias para lograr la tarea. Las estrategias
d e Business Modelling y los modelos de negocios subyacentes difieren de una organización a otra según sus
necesidades y objetivos.
Modelado de procesos de negocio
Es un grupo de actividades o procesos relacionados. Los procesos empresariales se representan

visualmente como diagramas de cajas unidas por flechas y etiquetas de texto, mejor conocidos como modelo
modelado de procesos de negocio.
Modelado de flujo de proceso
Se utiliza para describir gráficamente los diversos procesos que ocurren en una organización y las relaciones
entre ellos.
Modelado de flujo de datos (DFD)
Es un enfoque de arriba hacia abajo, que se centra en el flujo de datos entre varios procesos empresariales y
ayuda a capturar y documentar los movimientos dentro de una empresa u organización.
5.3.2. Indicadores clave de negocio (KPI)
Todas las organizaciones han de predeterminar con claridad tanto las métricas (KPI) como las herramientas de
medición que utilizarán para controlar sus actuaciones y realizar un seguimiento permanente de los resultados para
medir su progreso y determinar si se están alcanzando los objetivos marcados y, en su caso, corregir las acciones
o sustituirlas por otras nuevas.
23/46
Los KPI son indicadores cuantificables que nos ofrecen información detallada (cifras,
gráficos, bases de datos, etc.) sobre alguno de los aspectos críticos del negocio que inciden en
su rendimiento. El volumen de personas que acceden a la página web, el perfil de los usuarios
o el grado de interacción conseguido son algunos de los más comunes.
La cuantificación de estos datos permite realizar un análisis detallado y contrastarlo con los
objetivos buscados.
Los KPI no son estándar. Pueden variar entre empresas de un mismo sector o ser compartidos por empresas de
muy diversa índole. Cada empresa es particular y mide sus necesidades con sus KPIs. Es más, un KPI que hoy sea
el fundamental para una compañía, debido a un objetivo estratégico, mañana puede dejar de serlo o, incluso, dejar
de medirse. Por ello, los mismos KPIs pueden y deben estar vivos en el tiempo.
5.4. Arquitectura de un proyecto de BI

Sistemas transaccionales
Aquellos que contienen los datos que posteriormente querremos analizar. Suelen ser, normalmente, sistemas
operacionales o transaccionales internos de la empresa, como el ERP, el CRM, el SCM o cualquier otro del que
se disponga. Pero no únicamente, ya que, en ocasiones, se puede necesitar data que se encuentre en sistemas
exteriores y sirva para consolidar o completar la base de datos. Como, por ejemplo, datos del INE (Instituto
Nacional de Estadística).
Repositorio de información (Data Warehouse o almacén de datos)
Suele ser una base de datos que contiene todos los datos estructurados de los sistemas transaccionales de
la empresa. Suele estar altamente normalizado y con modelo de estrella, aunque hay otros, como el copo de
nieve. En ocasiones, y en función de las necesidades de la empresa, se pueden crear DataMarts, que no es otra
cosa que una pequeña partición del almacén principal, más enfocado en los datos de un área de la empresa
para dar mejor soporte a las necesidades de la misma.
ETL (Extraction, Transformation, Loading)
Para poder tener todos los datos de manera estructurada se debe, previamente, haberlos extraído,
transformado y cargado, o lo que comúnmente se denomina ETL por sus siglas en inglés.
De cómo definamos la estructura de la base de datos en el DW y cómo establezcamos las cadenas de

extracción de datos de los sistemas fuentes y las reglas de transformación, para posteriormente cargar los datos,
dependerá el éxito del proyecto.
24/46
La parte de transformación es clave en todo el proceso, ya que en ella está depositado

prácticamente todo el peso de la limpieza y estructura en las políticas de gobernanza de data.
Es donde vamos a aplicar:
La selección de los registros correctos.
La transformación de los mismos, para dotarlos del formato correcto para el análisis.
La limpieza y depuración de los registros defectuosos.
La integración de los datos procedentes de fuentes diversas.
La actualización conforme a las normas establecidas.
5.4.1. Herramientas Front-End
Esta será la parte más sencilla de proveer, a la par que puede ser de las más importantes, ya que es lo que la
empresa va a ver de todo el desarrollo que se ha realizado. Por lo tanto, va a ser parte fundamental a la hora de
juzgar el proyecto globalmente, por lo que no se puede ni olvidarse de ella ni darle menos importancia que al resto.
Aquí, además, es donde se van a transformar los datos en información y esta, en conocimiento. Esto lo podremos
hacer mediante:
Queries Standard o Reporting
Consultas directas, en algunos casos ad-hoc o reportes estándar, que indican la situación actual de un
determinado factor de interés, proporcionando los cuadros de mando de la empresa.
KPI’s
La obtención de los resultados para el seguimiento de los KPIs corporativos. Normalmente están incluidos en
cuadros de mando integrales (CMI), sistemas de soporte a la decisión (DSS) o sistemas de información
ejecutiva (EIS).
Cubos OLAP
Cubos especialmente estructurados que permiten mayor capacidad de cálculo para poder realizar análisis de
escenarios complejos con algoritmos estadísticos.
Data Mining o Advance Analytics
En esta parte se trata de buscar patrones de comportamiento que no son fácilmente identificables a simple vista
y se hace necesaria la aplicación de complejos procesos estadísticos para identificar correlaciones, grupos de
afinidad o predicción de datos. Los modelos más comúnmente utilizados son:
Clasificación
Determinar la probabilidad de que un individuo pertenezca a un grupo en función del valor que tengan otras
variables independientes.
25/46
Regresión
Predecir el valor que tendrá una variable numérica en función del valor que tengan otras variables
independientes.
Forecasting
Predecir el valor que tendrá una variable numérica en un momento del tiempo en función del valor que esa
misma variable tenía en diferentes momentos del pasado y del valor que tenían otras variables
independientes.
Clustering
Repartir a los individuos de un grupo en varios subgrupos, de forma que los miembros de cada subgrupo
sean similares entre sí y diferentes de individuos de otros subgrupos.
5.5. Herramientas del BI

Algunos ejemplos, que no los únicos, de herramientas de Front-End:
IBM Cog
Empezamos por la propuesta del “gigante azul” en el área de BI, con una amplia gama de productos de BI
accesibles a través de una interfaz web. Especialmente indicado para análisis de datos en el Front-End, su
Report Studio es un clásico de estas áreas.
Microsoft Power BI
Microsoft Power BI destaca por su extraordinaria integración con otras herramientas de la propia marca.
Desde el trabajo mediante voz con Cortana hasta datos alojados en Azure, pasando por SQL Server o Excel,
donde podremos ampliar los gráficos y diagramas habituales de este programa de una forma masiva. Además,
su versión gratuita es extraordinariamente interesante para usuarios noveles.
Tableau
Con Tableau pueden crearse cuadros de mando visuales y responder preguntas de negocio de forma
sencilla, agrupando datos de distintas fuentes y cargando descripciones emergentes con información adicional,
excluyendo valores atípicos o visualizando datos en varias dimensiones geográficas al mismo tiempo.
BOARD
Una aplicación muy interesante, ya que no solo añade un Reporting muy visual, sino que incorpora dos regalos
adicionales,: por un lado, herramientas estadísticas para poder hacer regresiones, forecasting y clustering, y por
otro, una aplicación de flujos de proceso que permite construir herramientas y aplicaciones ad-hoc, dando
soluciones a problemas concretos dentro de la empresa.
26/46
Pentaho
Con el procesamiento de datos en tiempo real, Pentaho puede ser una gran opción como herramienta de
análisis para el Back-End. Destacando como una herramienta de código abierto, puede proporcionar una gran
flexibilidad y recientemente se ha convertido se convirtió en una nueva empresa comercial que podría producir
soluciones aún más robustas.
AzureAnalysisServices
De nuevo volvemos a Microsoft para encontrar otra interesante propuesta en este terreno, denominada
AzureAnalysisServices. De uso exclusivo en la nube, este motor de análisis permite visualizar los datos con
distintas herramientas de datos (por ejemplo, Power BI), caracterizándose por su gran velocidad y
disponibilidad, así como por su capacidad para conectar datos operativos en tiempo real con DirectQuery.
SAP Business Objects
El gigante de los ERPs también tiene su herramienta, que compró en el mercado hace ya unos años. Con ella,
no solo puedes analizar los datos procedentes de SAP, sino que también puedes analizar los de fuentes
externas.
Microstrategy
Quizás sea el proveedor más antiguo en la arena de BI, en la que lleva operando desde 1989. Creada en
origen para analizar y dar forma a datos relacionales, sus últimas versiones ya permiten crear cuadros de
mando personalizados en los que atender tendencias y previsiones con información alojada en Hadoop y otras
BB. DD. y motores específicos del Big Data y la información no estructurada.
5.6. Relación entre BI y Big Data

Inevitablemente, el BI y el Big Data están condenados a entenderse. Si bien lo primero que se implantó fue el BI,
que fue lo que sentó las bases y fundamentos para el futuro, está claro que el Big Data ha llegado para quedarse.
Toda la cantidad ingente de datos que se generan actualmente gracias a IoT y las redes sociales tienen que
poder procesarse, y no se puede olvidar que esa gran cantidad de información junta puede ser imparable.
Con todo esto, no hay que confundirse. En realidad, a fecha de hoy, cuando la gente habla de Big Data, lo que
está haciendo (en la mayoría de los casos, por desconocimiento) es hablar de análisis de BI. Lo que sucede es que
lo llaman Big Data porque parece que antes de que llegasen los sensores de IoT y las redes sociales no se hacían
análisis, detección de patrones y explotación de datos, y no son conscientes de que están hablando de algo que
lleva entre nosotros desde hace ya varias décadas y que sirve para guiar y dar los fundamentos del Big Data.
Ambos están destinados a compartir y evolucionar juntos, porque entre ellos han de ser
capaces de satisfacer la creciente necesidad que las empresas tienen de querer saber más,
pudiendo predecir y hasta en ocasiones anticiparse a lo que van a querer los clientes. Y eso
solo lo podremos hacer a través de los datos y las herramientas para entenderlos e
interpretarlos.
27/46
VI. Plataformas digitales
6.1. Plataforma digital

definición de plataformas digitales
Las plataformas digitales o virtuales son sistemas o sitios web especializados que posibilitan el acceso online a
distintos recursos y soluciones tecnológicas para hacer uso de sus servicios, tanto por parte de los empleados
de la empresa como de los potenciales clientes o usuarios. Con ello, permiten ofrecer experiencias consistentes
a través de medios digitales que generan la oportunidad de ofrecer una experiencia de usuario coherente, sin
fisuras y atractiva a través de los canales digitales.
utilidad de plataformas digitales
A medida que la tecnología revoluciona la estrategia de negocio, las organizaciones, incluidas las nuevas
empresas, aprovechan las plataformas digitales para afrontar este cambio en la interacción con los clientes. Las
organizaciones han entendido ahora el poder de estos modelos y han comenzado a construir sus propias
plataformas digitales, que se convierten en un nuevo modelo de negocio y aceleran el alcance de nuevos
mercados.
configuración de plataformas digitales
Una plataforma digital consta de servicios de software o hardware para entregar la estrategia digital de relación
con el cliente, que puede ser desarrollado internamente o utilizando los servicios que brindan las empresas de
servicios. La estrategia de la plataforma digital variará de una compañía a otra, según su diseño interno de los
flujos de trabajo. Así, algunas compañías desarrollarán un modelo de negocio de plataforma que abarque
proveedores, consumidores y empleados para crear o intercambiar bienes, servicios e interacción social,
mientras que otras se integrarán con las plataformas digitales de otras organizaciones.
estrategia de las plataformas digitales
Pero, independientemente de la configuración, la estrategia de la plataforma debe ser capaz de dar servicio a
las necesidades empresariales y su diseño debe responder a las necesidades de la organización y a los
objetivos comerciales a largo plazo. El uso de las plataformas se extiende más allá del sector tecnológico,
teniendo mucha presencia en el marketing o en el comercio electrónico. Las empresas de comercio están
cambiando rápidamente de los canales de distribución tradicionales a plataformas donde generan compromiso
con el cliente. Operadores como eBay o Amazon abrieron el camino, y ahora los minoristas tradicionales siguen
los mismos pasos. La innovación en torno a las últimas capacidades de plataforma está siendo impulsada por
tres tecnologías habilitadoras: nube, social y móvil.
Figura 5.5. Tecnologías habilitadoras de las plataformas digitales.

28/46
El resultado es una red globalmente accesible de empresarios, trabajadores y consumidores

que está disponible para crear negocios, contribuir con contenido y comprar bienes y servicios.
Las plataformas digitales permiten a las empresas buscar modelos comerciales que reúnen a
múltiples compradores y vendedores, y en el futuro cada vez más empresas introducirán sus
productos en las plataformas. Por ejemplo, los diseñadores de ciudades inteligentes
construirán ecosistemas para reunir a socios de todos los tamaños y los bancos traerán nuevos
productos y servicios a los clientes a través de un ecosistema de tecnología financiera
(Fintech).
6.2. Tipos de plataformas digitales

En este apartado se analizan distintas plataformas digitales que ofrecen a los negocios una infraestructura
tecnológica personalizada para optimizar la calidad de sus servicios y la gestión de sus relaciones con clientes,
proveedores y colaboradores con los que puede crear un ecosistema colaborativo beneficioso para todas las
partes (Haz clic aquí si deseas leer un documento relacionado con el tema).
Ejemplos de plataformas digitales
Plataformas de contenido o CMS
Uno de los ejemplos es WordPress, un Content Management System (CSM) que facilita la gestión de blogs o
páginas web por medio de plantillas con un coste muy razonable. Lo fundamental en un buen sitio web es la
capacidad de ofrecer contenido relevante y actualizar el mismo para las audiencias que se fijaron como objetivo.
Con este tipo de plataforma se puede conseguir una actualización adecuada sin necesidad de programación, lo
que reduce sensiblemente los tiempos y los costes de personal. A la vez, los programas de generación de
contenidos automatizados cada vez son más precisos en el desarrollo de noticias.
Plataformas de contenidos en streaming
Netflix es el ejemplo de una idea innovadora apoyada en una plataforma de contenidos audiovisuales en
streaming desarrollada específicamente para el desarrollo del modelo de negocio concebido por su fundador,
Reed Hastings. Un modelo de negocio basado en la distribución de contenidos de cine, series y documentales
que se pueden enviar desde cualquier dispositivo a la TV, a los que se accede por medio de pago por
suscripción mensual.
Plataformas de comercio electrónico
Hoy en día la tecnología no es una limitación para la venta por medio del e-commerce ya que no necesitamos
desarrollar una plataforma propia. Las posibilidades más extendidas son la contratación de plataformas de
comercio electrónico en modelo de pago por uso, o la inclusión de las ofertas de producto en marketplace, con
el pago de un porcentaje de las ventas.
A la vez, la mayoría de las plataformas ya tienen embebidos sistemas de pago en línea con tarjeta a través de
TPVs virtuales o a través de Paypal.
29/46
Plataformas de colaboración
Permiten almacenar en la nube grandes cantidades de información y compartir la misma o trabajar de forma
colaborativa. Los servicios de Google Drive o Dropbox permiten a varias personas trabajar al mismo tiempo en
documentos, imágenes, videos, planos, diseño, etc. El modelo de negocio se basa en un servicio con espacio
reducido gratuito y la ampliación de capacidad de almacenamiento por diferentes tramos de pago.
Social CRM
Los CRM están ampliando sus posibilidades con nuevas herramientas que permiten la gestión del marketing
digital en buscadores y redes sociales o el seguimiento de la experiencia del cliente.
6.3. Plataforma y ecosistema digital

Un ecosistema digital eficiente necesita disponer de varias plataformas que trabajen de forma integrada para
alcanzar los objetivos marcados por la estrategia de la organización en materia de relación con los clientes
digitales. Generalmente, cada plataforma tiene unas finalidades específicas, por lo que se suele tener que recurrir a
más de una plataforma para hacer posible todas las actividades de la empresa, que incluyen un recorrido que se
puede iniciar en una campaña de marketing, y que incluye la compra, la entrega, el pago y el servicio postventa,
para lo que es necesario contar con herramientas especializadas para cada proceso de negocio.
Los usuarios de las plataformas digitales, que pueden ser clientes, proveedores u otras
empresas que colaboran en la entrega de productos u otros servicios al cliente, desempeñan
un rol determinante en la correcta gestión y configuración de las mismas. De esta manera, es
posible desarrollar herramientas integradas e interconectadas con el ecosistema para ofrecer
soluciones en tiempo real que conduzcan a unos servicios más ágiles, simples, automatizados,
eficientes y personalizados, de forma que generen oportunidades de venta y, con ello, mayores
beneficios.
Los requisitos para que una plataforma digital tenga éxito son el conocimiento técnico, la
accesibilidad a la misma, que funcione bien como escaparate virtual y una trastienda
organizada y conectada para la prestación del servicio que se ofrece.
La complejidad de las plataformas en parte se debe a que los servicios no son prestados en
su totalidad por la empresa propietaria, sino que son desarrollados por otros colaboradores, lo
que añade la necesidad de una especificación del funcionamiento del ecosistema digital. En
estos cosos la conexión de las diferentes aplicaciones es un elemento crítico donde las API
desempeñan un papel fundamental.
VII. Plataformas tecnológicas de servicios en las smart

cities
7.1. El crecimiento de las ciudades
30/46
En el año 2015, más de la mitad de la población mundial vivía en las ciudades, superando ya a la población rural,
y la ONU calcula que para 2020 el porcentaje será del 60 %, y pasará al 70 % en el año 2050. Es decir, las dos
terceras partes de la población mundial se concentrarán en grandes núcleos urbanos (PwC, IE Business,
Telefónica, 2015).
Estas cifras tienen gran impacto en muchos ámbitos, desde la economía hasta el medio ambiente, el transporte,
la cultura o la educación. Por eso, se hace imprescindible desarrollar un marco regulatorio integral sobre el que
asentar los nuevos servicios de valor añadido para el ciudadano, un sistema integral de gestión basado en la
información y el conocimiento, la innovación y el uso intensivo de las nuevas tecnologías para garantizar un entorno
más eficaz, eficiente y sostenible que mejore la vida del ciudadano. Surge así la Smart City como herramienta para
una gestión eficiente de estos grandes núcleos urbanos.
Para superar este reto, es necesaria la colaboración entre las administraciones, tanto a nivel local como nacional
o internacional, y las entidades privadas, instituciones, organizaciones sociales y educativas, e incluso del propio
ciudadano.
7.2. Modelo europeo de Smart City

Aunque existen distintos modelos que ofrecen su punto de vista en cuanto a concepto y desarrollo de las Smart
Cities, y aun a sabiendas de que cada ciudad debe optar por aquel modelo que mejor se adapte a sus
características y necesidades, a nivel internacional se suele utilizar como marco general el adoptado por la Unión
Europea (Parlamento Europeo, 2014).
En este sentido, para la Unión Europea una Smart City será aquella ciudad que utiliza las nuevas tecnologías
para conseguir que sus infraestructuras y servicios públicos sean más eficientes e interactivos, prestando de forma
eficiente los servicios, mejorando la calidad de vida de los ciudadanos y convirtiéndose en una útil herramienta para
alcanzar los objetivos de la Estrategia Europa 2020.
El desarrollo de las ciudades en cada una de estas áreas va a depender de sus características específicas, lo
que requiere siempre de un elaborado plan estratégico que analice de forma detenida cada uno de los aspectos
que caracterizan a esa ciudad en concreto.
MODELO EUROPEO DE SMART CITY:
Smart governance
Los avances tecnológicos han permitido una mejor relación entre la Administración y los ciudadanos,
facilitando a estos los trámites administrativos (e-Administración) y permitiéndoles una mayor participación en el
control y toma de decisiones sobre los asuntos de la ciudad. Es preciso un gobierno inteligente, capaz de
gestionar de forma integral todos aquellos servicios que la ciudad necesita y de alcanzar el consenso y la
participación de todos los agentes interesados: el propio ciudadano, las empresas, las instituciones, los
visitantes, etc.
31/46
Smart economy
Las Smart Cities suponen una apuesta decidida por la innovación y la iniciativa emprendedora, lo que mejora
enormemente la capacidad competitiva y productiva de la ciudad, fomentando la colaboración entre las
administraciones, empresas públicas y privadas, instituciones educativas, centros de investigación, etc., para
generar nuevas oportunidades de negocio.
Una smart economy se basa en la creación de las infraestructuras tecnológicas precisas (comunicaciones de
banda ancha, parques tecnológicos y científicos, incubadoras y aceleradoras industriales, etc.) que consigan
promover el desarrollo y la sostenibilidad a través de soluciones que utilicen las TIC para potenciar aspectos
como el emprendimiento y la competitividad, la creación de servicios innovadores, la formación y el desarrollo
de la ciudadanía, la internacionalización de las empresas o el atractivo para el turismo.
Smart mobility
Una ciudad inteligente tiene que promover infraestructuras y servicios urbanos (aparcamientos, dispositivos
de recarga de coches eléctricos, paneles informativos, apps móviles), así como una red integrada de logística y
transporte que sea sostenible y eficiente, garantizando rapidez, eficacia y coordinación, y siempre con un bajo
impacto ambiental. Para ello es preciso implementar sistemas integrados de gestión que lo doten de mayor
coordinación, rapidez y seguridad, al tiempo que proporcionan una reducción de los consumos de energía y de
las emisiones contaminantes.
Smart environment
La ciudad inteligente debe utilizar las tecnologías para preservar los recursos naturales y alcanzar la
sostenibilidad medioambiental, con actuaciones en áreas como la gestión inteligente de residuos, del agua y de
la energía, en busca de una eficiencia energética sostenible y respetuosa con el medio ambiente.
Smart people
Una de las prioridades de la ciudad inteligente es conseguir una mejor calidad de vida para sus habitantes,
poniendo a su alcance nuevas formas de vivir, de trabajar o de disfrutar del tiempo libre. Para ello, ha de poner
al alcance de los ciudadanos nuevos servicios que se adapten a las necesidades cambiantes de las personas,
proporcionando una mayor comodidad y más seguridad entre los habitantes.
Smart living
En esta área se incluyen todos aquellos aspectos de habitabilidad que colaboran en la mejora de nuestro
bienestar, salud, seguridad, cultura, ocio e identidad. Una ciudad inteligente debe disponer de espacios seguros
y protegidos de cualquier amenaza, al tiempo que debe ser capaz de dar una respuesta rápida en casos de
emergencia.
La salud es otro de los ámbitos en los que las nuevas tecnologías permiten alcanzar mayores logros en
materia de bienestar. La eSalud ofrece ventajas al ciudadano mediante un conjunto de nuevas herramientas en
materias como información, diagnóstico, tratamientos a distancia, teleasistencia o servicios médicos online.
7.3. Gestión de las ciudades inteligentes
32/46
En definitiva, una ciudad inteligente ha de gestionar todos los ámbitos de desarrollo (urbanismo, infraestructuras,
movilidad, sanidad, educación, energía o servicios) que caracterizan su entorno. Y esta ha de ser una gestión
integrada e inteligente, algo posible únicamente a partir del uso masivo de las nuevas tecnologías y el imperio de la
información, el conocimiento y la innovación. Esta transformación de las ciudades supone un atractivo
extraordinario para el talento y la inversión, lo que se transforma rápidamente en mejora del empleo y crecimiento
económico.
En el desarrollo de las ciudades inteligentes están confluyendo una multitud de sistemas independientes:
diferentes tecnologías, lenguajes, sistemas informáticos, aplicaciones y fabricantes que dificultan el óptimo
aprovechamiento y la disponibilidad de esa información de forma rápida y sencilla entre las distintas áreas de
actividad.
Para el Observatorio Nacional de las Telecomunicaciones y de la Sociedad de la Información

(ONTSI), es necesario desarrollar plataformas que aseguren el correcto funcionamiento de
todos los servicios ofrecidos por la ciudad inteligente, al tiempo que posibilitan su eficiencia,
rendimiento, seguridad y escalabilidad. Esta interoperabilidad garantiza que los usuarios
tengan una mayor oferta de productos y que los fabricantes puedan beneficiarse de las
economías de escala que les ofrece un mercado más amplio (ONTSI, 2016).
Un pilar básico e imprescindible en el concepto de ciudad inteligente es la garantía de una

gestión integral y transversal de todas y cada una de las actuaciones que conforman el sistema.
Este carácter holístico permite la gestión global de todas las actividades de la ciudad como un
solo elemento. Por ese motivo, es muy importante decidir qué opciones tecnológicas son las
más recomendables para cada proyecto, eligiendo siempre aquellos sistemas y plataformas
que sean abiertos y que tengan la capacidad de adaptarse e integrarse con otros sistemas
tecnológicos para facilitar un mayor desarrollo y permitir la interrelación con otros sectores u
organismos. Sin la aplicación de estándares, la viabilidad de las ciudades inteligentes perdería
gran parte de su potencial.
Para alcanzar esta transversalidad, es necesario crear sistemas de gestión que integren todos los servicios
ofrecidos por la ciudad en una única plataforma inteligente, capaz de gestionar de forma centralizada todos los
recursos disponibles y afrontar eficazmente cualquier barrera que pueda surgir a nivel tecnológico, social u
organizativo. Es decir, se necesita una Smart City Plataform (SCP) que posibilite la vertebración e integración de
todos los servicios urbanos de forma inteligente y eficiente, así como la interacción entre ciudad y ciudadanos a
través de múltiples canales.
Para ello, la plataforma debe poseer una serie de características bien definidas:
Abierta
Estandarizada
33/46
Modular
Integradora
Escalable
Una plataforma común para todos los servicios
Capaz de integrarse con otras plataformas
Con los distintos sistemas de cada uno de los servicios
7.4. Integración de la información

Una plataforma para la gestión del entorno urbano ha de permitir, asimismo, la gestión y divulgación de la
información de una forma sencilla y rápida, permitiendo la confluencia e interrelación de distintas tecnologías,
productos o fabricantes.
34/46
Figura 5.6. Plataforma integral de ciudad inteligente.

Fuente: AENOR. Norma UNE 178104.
En definitiva, la SCP ha de ser una solución que integre toda la actividad de las ciudades
para adaptar los servicios ofrecidos a las necesidades cambiantes de los ciudadanos,
coordinando y analizando, en tiempo real, la información generada por la ciudad y facilitando el
intercambio de datos entre distintos sistemas, de forma que favorezca la toma de decisiones,
una mayor eficiencia en la prestación de servicios y una mejor gestión de los recursos
disponibles. Esta es la mayor apuesta en la que se centran los planteamientos urbanos para los
próximos años. Todo ello hace obligatorias la estandarización y normalización de estas
tecnologías.
Además de este carácter integral, y para que todos los sistemas funcionen de forma correcta, la ciudad
inteligente debe contar con una serie de elementos muy importantes, como es el caso de una completa
infraestructura de comunicaciones, que permita la conectividad de la plataforma con la ciudad y sus sistemas, y un
sistema de recepción, almacenamiento y gestión de datos en tiempo real, que integre todos los recursos (redes,
sistemas informáticos, almacenamiento) y optimice la explotación de esos datos de una forma inteligente.
7.5. Interoperabilidad entre plataformas

A través de sus distintos grupos de trabajo, AENOR se encuentra desarrollando medio centenar de normas
técnicas que pretenden regular e impulsar el desarrollo de las ciudades inteligentes en España. Entre ellas, se
encuentran la Norma UNE 178103, Ciudades inteligentes. Infraestructuras. Convergencia de los sistemas de
Gestión-Control en una Ciudad Inteligente y la norma UNE 178104, Ciudades inteligentes. Infraestructuras.
Sistemas integrales de gestión de la ciudad inteligente, cuyos objetivos consisten en garantizar la interoperabilidad
entre todos los servicios ofrecidos por la ciudad, estableciendo las condiciones técnicas mínimas que estos
servicios han de cumplir. A nivel internacional, destaca la Asociación oneM2M, que aglutina a los principales
organismos internacionales.
35/46
El objetivo es alcanzar la absoluta portabilidad entre los distintos sistemas y aplicaciones de

las plataformas inteligentes, así como la interrelación de distintas plataformas entre sí. Esta
interoperabilidad entre las distintas plataformas que integran las ciudades inteligentes es una
cuestión básica e ineludible, entendiendo interoperabilidad en un sentido amplio, como la
posibilidad que tienen dos o más sistemas para intercambiar datos e información y trabajar
con ellos.
Según la ONTSI, la estandarización e interoperabilidad entre productos solo se puede garantizar si se

cumplen los siguientes requisitos
Las interfaces y arquitecturas están completamente definidas en las normas.

Las especificaciones han sido bien definidas.
Los protocolos especificados son robustos, flexibles y eficientes.
El comportamiento especificado, los formatos de datos y las condiciones son claras y sin
ambigüedades.
El contexto en el que se utilizan las especificaciones se entiende completamente.
Las especificaciones se revisan y mantienen adecuadamente.
Figura 5.7. Objetivos principales de una plataforma integral de ciudad inteligente.

Fuente: AENOR. Norma UNE 178104.
Para garantizar la interoperabilidad entre las distintas plataformas, es preciso asegurarse de que todos los
componentes de los distintos sistemas cumplen con los estándares internacionales propuestos por los organismos
de certificación. Ello implica el desarrollo de programas específicos para la certificación de productos y servicios
respecto a estos estándares.
Para garantizar un correcto desarrollo de las ciudades inteligentes y alcanzar los objetivos marcados por la Unión
Europea, se hace necesaria la implantación de una serie de normativas comunes o estandarización de criterios
que permitan el intercambio de información y la interoperabilidad entre los distintos sistemas y productos que
conforman las ciudades inteligentes.
36/46
En el Foro Mundial sobre Ciudades Inteligentes, celebrado en julio de 2016 en Singapur, los
expertos coincidieron en señalar la necesidad de gestionar de forma eficiente cuestiones
críticas, como el suministro sostenible de la energía y el agua o la eliminación de la
contaminación ambiental derivada del transporte. Para ello, consideran prioritario mejorar la
eficiencia mediante la interconexión e interoperabilidad horizontal entre los diferentes sistemas,
que trabajan de forma individual y provienen de diferentes proveedores y fabricantes, como
energía, agua, saneamiento, gestión de residuos, transporte o seguridad.
El desarrollo de interfaces normalizadas permitirá la conexión física y virtual de los distintos sistemas, así como la
replicabilidad y la escalabilidad necesarias para un desarrollo más eficiente, más rápido y menos costoso de las
ciudades.
VIII. Resumen
Las empresas digitales son muy complejas y para su gestión se necesita disponer de mayor
flexibilidad y rapidez en los procesos, que deben estar soportados tanto por los sistemas de
tecnología heredados como por las tecnologías emergentes que se están incorporando en las
estrategias de transformación digital.
Desarrollo de AE
Para tener una visión global de la empresa en todas sus dimensiones y complejidad, se
utiliza el concepto de arquitectura empresarial (AE), que sirve para identificar los
componentes principales de la organización en términos de tecnología y datos, y para
representar de manera holística la empresa, permitiendo considerar todos y cada uno de los
elementos que la conforman.
Si se considera que el desarrollo de la transformación digital, en muchos casos, va a

conducir a la empresa digital, en este contexto, la AE debe ser vista no solamente como el
ejercicio de desarrollar o crear la arquitectura para el momento actual, sino que debe tener
en cuenta, dentro de lo posible, los continuos cambios y oleadas de digitalización que se
van a producir en los próximos años para desarrollar una estructura arquitectónica con
facilidad, escalabilidad y flexibilidad que permita integrar tecnologías hoy en día
desconocidas y los nuevos modelos de negocio de forma rápida.
Construcción de AE
L a construcción de una arquitectura empresarial comprende el desarrollo de la

arquitectura de negocio o procesos de negocio digitales, la arquitectura de información y
datos, la arquitectura de sistemas o aplicaciones y la arquitectura tecnológica. El análisis de
las mismas en la presente unidad ha permitido ver el impacto de las tecnologías
emergentes en la arquitectura empresarial, entender el valor de los datos actualmente y
comprender la necesidad de que las organizaciones estén preparadas para recoger todos
los datos que las rodean para analizarlos y obtener información útil que esté disponible en
todas las áreas de la empresa de forma inmediata.
37/46
Valor de datos
El valor de los datos se obtiene por medio del tratamiento y utilización en las diferentes
modalidades de analítica de la empresa: analítica de marketing y clientes, analítica de datos
en la industria, inteligencia de negocio o Business Intelligence (BI). A estas modalidades hay
que añadir HR Analytics o analítica de personas, que comienza a ser aplicado por las
empresas más avanzadas.
Efectos de la digitalización
Uno de los efectos de la digitalización son las plataformas digitales o virtuales, sistemas o
sitios web personalizados que permiten disponer de distintas soluciones tecnológicas
dentro de un mismo entorno a las que se puede acceder a través de Internet para hacer uso
de sus servicios, tanto por parte de los empleados de la empresa como de los potenciales
clientes o usuarios. Con ello, permiten ofrecer experiencias consistentes a través de medios
digitales, sin fisuras y de forma atractiva.
Así, las compañías desarrollan modelos de negocio de plataforma que abarcan a

proveedores, consumidores y empleados para crear o intercambiar bienes, servicios e
interacción social, mientras que otras se integran con las plataformas digitales de otras
organizaciones o utilizan varias plataformas adecuadamente alineadas. En muchos casos,
más que una plataforma, las empresas necesitan desarrollar el soporte al ecosistema
digital.
Sin duda, el desarrollo de una arquitectura empresarial adecuada a las necesidades, es uno
de los factores que influyen decisivamente en el desarrollo y el futuro de la empresa digital.
A la vez, la Administración Pública, y entre ella los ayuntamientos que están desarrollando
ciudades inteligentes, también son usuarios intensivos de tecnologías digitales. En este
sentido, para la Unión Europea una Smart City es aquella ciudad que utiliza la tecnología para
conseguir que sus infraestructuras y servicios públicos sean más eficientes e interactivos,
prestando de forma eficiente los servicios y mejorando la calidad de vida de los ciudadanos.
38/46
Ejercicios
Enunciado
Ciudades inteligentes y plataformas de servicio
En la actualidad cada vez más utilizamos recursos de audio y vídeo digital en el ocio, el aprendizaje y el trabajo.
El caso práctico A rquitectura empresarial y plataformas tecnológicas de servicios se realiza todo en vídeo digital
con el objetivo de desarrollar la competencia de comunicación digital por parte del alumno.
Vídeos de información sobre ciudades inteligentes
Valencia ciudad inteligente
https://www.youtube.com/embed/c8kaKHKCs_4
¿Qué es una Smart City?
https://www.youtube.com/embed/lKpoi8lf_tI
39/46
Acceso electrónico completo de los ciudadanos a los servicios públicos
https://www.youtube.com/embed/wFwTmuuXOa8
Plataforma de intermediación
https://www.youtube.com/embed/Kntis4SZYBo
Implantación de la Administración digital
https://www.youtube.com/embed/tXkFU2c1qKc
40/46
Se pide
Caso práctico: arquitectura empresarial y plataformas tecnológicas de servicio.
El trabajo de este caso práctico consiste en relacionar cómo se aplica el concepto de arquitectura empresarial
de forma práctica en los servicios de las ciudades inteligentes por parte de distintos ayuntamientos de España.
El estudiante, debe grabar un vídeo de no más de 10 minutos con un móvil u otro dispositivo la solución del caso
práctico y enviarlo al tutor por medio del campus virtual.
Es conveniente preparar un guión sobre lo que se va a contar.
1. Presentación breve del estudiante, nombre y apellidos y qué estudia en IMF.

2. Breve resumen del caso práctico “En el caso práctico de Arquitectura empresarial y
plataformas tecnológicas de servicios, se estudia como…"
3. “En primer lugar, voy a referirme al concepto de Arquitectura Empresarial…"
4. “En segundo lugar, las ciudades inteligentes se caracterizan por…"
5. “La ciudad de Valencia es un buen ejemplo de…"
6. “Las plataformas de las ciudades inteligentes se utilizan para…"
7. “Finalmente como conclusiones de este caso práctico se puede destacar que…"
Se debe tener en cuenta que cada uno de estos puntos debe de ocupar aproximadamente 1
minuto.
41/46
Recursos
Bibliografía
Análisis de las ciudades inteligentes en España.: IDC. Análisis de las ciudades inteligentes en España.
Madrid: IDC, 2011.
Ciudades y territorios inteligentes. : Red.es. Ciudades y territorios inteligentes. 2016.
Data Management. La gestión de datos eficaz.: PowerData. Data Management. La gestión de datos
eficaz. 2013.
Desarrollo de metodología y estudio sobre los niveles de interoperabilidad de las principales
plataformas de gestión de servicios de las ciudades inteligentes.: ONTSI. Desarrollo de metodología y
estudio sobre los niveles de interoperabilidad de las principales plataformas de gestión de servicios de las
ciudades inteligentes. 2016.
Las normas para las ciudades inteligentes. : AENOR. Las normas para las Ciudades Inteligentes. 2015.
Plan estratégico Santander Smart City. : Ayuntamiento de Santander. Plan estratégico Santander Smart
City. Santander: s.n., 2015.
Smart cities. Documento de visión a 2030. : Grupo Interplataformas de Ciudades Inteligentes. Smart
cities. Documento de visión a 2030. Madrid: GICI, 2015.
Smart Cities. La transformación digital de las ciudades. : PwC, IE Business, Telefónica. Smart Cities.
La transformación digital de las ciudades. Madrid: PwC e IE Business, 2015.
Smart city. Hacia la gestión inteligente. : Colado, S. Smart city. Hacia la gestión inteligente. Barcelona:
Marcombo S.A., 2014.
Trabajar en la era digital. : Lombardero, L. Trabajar en la era digital. Madrid: LID Editorial Empresarial,
2015.
Glosario.
Análisis predictivo: Análisis y procesamiento de datos para alcanzar algoritmos o patrones de
comportamiento que ayuden a la toma de decisiones de una organización a predecir resultados en
posteriores situaciones similares.
Arquitectura tecnológica: Infraestructura necesaria para poder captar los datos brutos, estructurados o
no, de todas las fuentes internas (CRM, ERP, IoT, etc.) o externas de la empresa (terceras empresas, redes
sociales, etc.), almacenarlos en un Data Lake y transformar, adaptar y explotar esos datos para obtener
información y generar valor añadido para la compañía.
Arquitectura tecnológica Cloud: Todo el sistema tecnológico de la empresa (servidores, software) se

encuentra en la nube y el proveedor es quien se hace cargo de todos los gastos de infraestructura y
mantenimiento. Este modelo implica una rápida implementación sin necesidad de un desembolso inicial
importante.
Arquitectura tecnológica Multicloud: Solución tecnológica intermedia entre on-premise y Cloud,

adaptada para aquellas empresas que han realizado en el pasado grandes inversiones en infraestructura y
personal técnico del que no se pueden deshacer. De esta manera, se dispone de una solución con parte de
su infraestructura en sus instalaciones y la otra parte en la nube.
Arquitectura tecnológica on-premise: Sistema que se instala in house, en las propias instalaciones del
cliente (servidores, hardware, software), y es gestionada por sus propios empleados (almacenamiento y
gestión de archivos). El proveedor se encargaría de la instalación, administración y mantenimiento.
42/46
AzureAnalysisServices: Motor de análisis, de uso exclusivo en la nube, que permite visualizar los datos
con distintas herramientas de datos, caracterizándose por su gran velocidad y disponibilidad, así como por
su capacidad para conectar datos operativos en tiempo real con DirectQuery.
Board: Aplicación que añade un Reporting muy visual, al tiempo que incorpora herramientas estadísticas
para hacer regresiones y una aplicación de flujos de proceso que permite construir herramientas y
aplicaciones add-hoc, dando soluciones a problemas concretos dentro de la empresa.
Business Intelligence (BI): Conjunto de tecnologías y metodologías (Analytic, Data mining, AI, Machine
learning, Big Data, etc.) que facilitan la captación y el análisis de grandes cantidades de datos procedentes
de los sistemas transaccionales de la organización, tanto estructurados como no estructurados, para
convertirlos en información valiosa que dé soporte a una toma de decisiones estratégicas del negocio más
rápida, flexible y eficiente.
CRM (Customer Relationship Management): Sistema informático que permite centralizar en una sola
aplicación todas las interacciones con los clientes. El sistema ha de estar conectado con el ERP para poder
evaluar las ventas y hacer seguimiento y evolución de los clientes.
Cubos OLAP: Cubos especialmente estructurados que permiten una mayor capacidad de cálculo para
realizar análisis de escenarios complejos con algoritmos estadísticos.
Data Architecture: Función de la gestión de datos encargada de establecer el conjunto de

especificaciones que definen los requisitos estratégicos de los datos. Describe las estructuras física y
lógica de los datos dentro de la organización y cómo están relacionados.
Data Governance: Parte central de la gestión de datos, encargada de controlar, planificar, supervisar y
controlar la gestión y uso de datos en todas las áreas de la gestión.
Data Integration & Interoperability: Función de la gestión de datos que define el conjunto de
estándares y especificaciones necesarios para asegurar la integración y la transferencia de los datos en la
organización.
Data Management: Solución de gestión de datos que facilita el análisis de la información disponible por
parte de la organización y su integración con el resto de sistemas de la misma.
Data Ming (Advance Analytics): Búsqueda de patrones de comportamiento que no son fácilmente
identificables a simple vista y se hace necesaria la aplicación de complejos procesos estadísticos para
identificar correlaciones, patrones de comportamiento, grupos de afinidad, predicción de datos, etc.
Data Modeling & Design: Función de la gestión de datos que define el conjunto de especificaciones
empleadas para diseñar, estructurar, organizar e implementar la base de datos.
Data Quality: Función de la gestión de datos encargada de definir, controlar y mejorar la calidad de los
datos, garantizando que no tengan defectos y que sean precisos, consistentes y completos.
Data Security: Función de la gestión de datos encargada de controlar todos los mecanismos y políticas
encaminados a garantizar la privacidad, confidencialidad y acceso apropiados.
Data Storage: Función de la gestión de datos que determina cómo, cuánto y qué se almacena.
Data Warehouse (DW): Suele ser una base de datos que contiene todos los datos estructurados de los
sistemas transaccionales de la empresa.
Data Warehousing & BI: Función de la gestión de datos ocupada de lo referente a datos históricos y
analíticos.
43/46
DataMarts: Pequeña partición del DW principal de una organización, más enfocado en los datos de un
área concreta de la empresa para dar mejor soporte a las necesidades de la misma.
ERP (Enterprise Resource Planning): Solución informática que posibilita la gestión integral de todos
los procesos de negocio que abarca a todas las áreas de negocio de la empresa: ventas, marketing, RR.
HH., cadena de suministros, etc.
ETL (Extraction, Transformation, Loading): Proceso de extraer, transformar y cargar los datos de una
empresa para tenerlos de manera estructurada en el DW.
HCM (Human Capital Management): Sistema para la gestión de toda la parte de RR. HH. de la
empresa (nóminas, gestión de prestaciones de trabajo, evaluación de desempeño, etc.). Suele ir
desconectado de otros sistemas por seguridad, para mantener separados los datos de personal.
IBM Cog: Herramienta de BI especialmente indicada para el análisis de datos en el Front-End.
Indicador clave de negocio (KPI): Conjunto de métricas que sirven para realizar un seguimiento de
todas las actuaciones desarrolladas y evaluar si la organización está alcanzando sus objetivos. Los KPI son
indicadores que nos ofrecen información detallada y cuantificable sobre los aspectos críticos del negocio.
Esta posibilidad de cuantificación de los datos permite elaborar análisis detallados de las actuaciones y
contrastarlos con los objetivos planteados.
Información desestructurada: Datos o información que no corresponde a un patrón claramente

definido, que no podemos tabular normalmente y que, por tanto, no podemos guardar en una base de datos
relacional.
Información estructurada: Datos o información correctamente tabulados, con una forma y estructura
totalmente definidas y fácilmente almacenables en las bases de datos tradicionales.
MES (Manufacturing Execution System): Sistema de información utilizado para ejecutar el proceso de
producción de una manera organizada y guardando pleno control de todo el proceso de producción y
seguimiento de otras áreas de operaciones, como el mantenimiento y el seguimiento de inventario.
Meta-Data: Función de la gestión de datos que trata de proporcionar, integrar y controlar metadatos. Su
objetivo es entender el impacto de cualquier clase de información y reducir la redundancia.
Microsoft Power BI: Herramienta que permite analizar y compartir datos e información en toda la
empresa.
Modelado de flujo de datos (DFD): Enfoque de arriba hacia abajo, centrado en el flujo de datos entre
varios procesos empresariales que ayuda a capturar y documentar los movimientos dentro de una
organización.
Modelado de flujo de proceso: Subcategoría del modelado de negocios utilizado para describir
gráficamente los diversos procesos que ocurren en una organización y las relaciones entre ellos.
Modelado de procesos de negocio: Grupo de actividades o procesos relacionados, representados

visualmente como diagramas de cajas unidas por flechas y etiquetas de texto.
Modelo de decisión: Modelo del análisis predictivo que analiza las relaciones entre todos los elementos
que intervienen en la toma de decisiones (datos, posibles decisiones y variables que determinan la
decisión) para predecir los resultados de cada una de las decisiones posibles.
Modelo descriptivo: Modelo del análisis predictivo que estudia las relaciones entre los datos para
clasificarlos en grupos, identificando diferentes relaciones entre clientes y productos.
44/46
Modelo predictivo: Modelo del análisis predictivo que utiliza datos históricos y actuales, en tiempo real,
para determinar patrones y evaluar las probabilidades de determinados comportamientos.
Motor analítico o de BI: Sistema que genera todos los informes que se necesitan en la empresa, tanto
los que son necesarios para su correcto funcionamiento, como aquellos que sean pedidos desde el
ecosistema digital por los clientes.
Pentaho: Herramienta de análisis para el Back-End con procesamiento de datos en tiempo real.
Plataforma de administración de contenido: Plataforma digital que optimiza la capacidad de la

empresa de brindar contenido relevante y actualizado a la audiencia, posibilitando la creación de
estrategias de contenido con total autonomía en el propio entorno digital.
Plataforma de colaboración: Herramienta para compartir en la nube grandes cantidades de

información y crear accesos rápidos para compartir con quienes deseemos.
Plataforma de e-commerce: Plataforma digital para la venta de productos online, ya sea a través de
sitios especializados donde crear nuestra propia tienda o mediante servicios que permiten incorporar esta
estructura de negocios al sitio web.
Plataforma de envío de correos: Plataforma digital para optimizar estrategias de marketing online
basadas en el envío de correos electrónicos.
Plataforma de redes sociales: Solución tecnológica que permite optimizar las prácticas de marketing
online, aprovechando las redes sociales para utilizar a la audiencia como principal medio de difusión de los
mensajes.
Plataforma digital: Conjunto de servicios de software y hardware de la empresa utilizados para

desarrollar su estrategia digital.
Plataforma o ecosistema digital: Sistema estrechamente relacionado con el CRM y el ERP a través del
cual comunicamos con los clientes. Generalmente, se trata de una web dotada de múltiples funcionalidades,
a medio camino entre las aplicaciones internas y externas de la compañía.
Queries Standard o Reporting: Consultas directas, en algunos casos ad-hoc o reportes estándar, que
indican la situación actual de un determinado factor de interés, proporcionando los Dashboard, Scorecards
o cuadros de mando de la compañía.
Reference & Master Data: Función de la gestión de datos encargada de aportar una visión 360° de la
información, asegurando que los datos más importantes para el negocio son creados con la consistencia y
calidad necesarias.
Retorno de la inversión (ROI): Métrica utilizada para medir y evaluar la relación coste/beneficio de las
iniciativas de inversión o cualquier otra decisión empresarial.
SAP Business Objects: Herramienta para analizar y dar forma a datos relacionales. Sus últimas
versiones permiten crear cuadros de mando personalizados en los que atender tendencias y previsiones
con información alojada en Hadoop y otras bases de datos y motores específicos de Big Data y la
información no estructurada.
Sistemas transaccionales: Software de la empresa que le permite llevar a cabo su tarea diaria para el
correcto funcionamiento del negocio, con todas las transacciones propias de dicha operativa. Generalmente
usan datos estructurados.
Tableau: Permite crear dashboards visuales y responder preguntas de negocio de forma sencilla.
45/46
46/46

Arquitectura Empresarial Digital e Inteligencia de Negocio Ediciones Roble, S.L

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Arquitectura Empresarial Digital e Inteligencia de Negocio Ediciones Roble, S.L

Cargado por

Copyright:

Formatos disponibles

Arquitectura empresarial digital e

Arquitectura tecnológica y datos

Los grandes cambios a que se ve sometida la tecnología y la rapidez a la que se producen,

La arquitectura empresarial (AE)

Dentro de la arquitectura de la información se estudian la producción de datos y el valor que suponen

El valor de los datos

Plataforma digital y plataformas de servicios

Entender la implantación de la arquitectura empresarial (EA) como una de las formas

II. Arquitectura empresarial digital

2.1. Arquitectura empresarial

En 1987, en este contexto, J. Zachman presentó el concepto de arquitectura empresarial,

Arquitectura de negocio, que incluye la estrategia de negocio, el gobierno, la organización y procesos.

Arquitectura de información, que define la estructura de datos y recursos de gestión.

Arquitectura de sistemas, que integra las aplicaciones empresariales.

Para Lankhorst, “la arquitectura empresarial es un conjunto coherente de principios, métodos

2.1.1. Arquitectura empresarial digital como base del negocio

Cambios en la arquitectura empresarial digital

2.2. Arquitectura de negocio o procesos de negocio digitales

La arquitectura de negocio se encarga de

El marketing se realiza a través de Internet y las redes sociales.

La venta se realiza por medio del comercio eléctrico o en entornos de omnicanalidad.

Se digitalizan los procesos internos y las redes de valor.

La venta y el cobro se hacen a través de la banca digital.

La logística de distribución se hace más compleja por la entrega a domicilio.

Los procesos de negocio también cambian.

2.3. Arquitectura de información digital

El objetivo de una arquitectura de información digital es inventariar y estructurar tanto las

Cuando se piensa en un diseño de arquitectura de información digital, habitualmente la empresa ya dispone, de

Figura 5.1. La arquitectura de información digital.

2.4. Arquitectura de sistemas. Aplicaciones empresariales

Las aplicaciones empresariales incluyen:

Módulos de software complejos.

Herramientas de bases de datos.

Formación del personal y recursos utilizados en la puesta en marcha.

Hardware para su alojamiento.

Por todo ello, su implantación supone un alto coste.

2.4.1 Planificación de los recursos empresariales (ERP)

Mejoras que aporta ERP

2.4.2. Páginas web y aplicaciones

2.5. Arquitectura tecnológica

Kenet y Jane Laudon, la infraestructura tecnológica reúne los dispositivos físicos y

Plataforma de hardware de computadora.

Plataforma de sistemas operativos.

Aplicaciones de software empresarial.

La gestión y almacenamiento de datos.

Los consultores e integradores de sistemas.

Generalmente software. Proporciona la infraestructura necesaria para mantener el hardware en

Cliente combinación de hardware y software

2.5.1. Alojamiento de la arquitectura tecnológica

On-premise, de forma interna.

2.5.2 Soluciones on-premise

En el uso de soluciones on-premise, la organización tiene que tener en cuenta:

La empresa tiene que gestionar toda su infraestructura y datos.

Tiene bajo control la seguridad, la conectividad y la estabilidad de la instalación.

2.5.3. Soluciones en la nube o Cloud

En el uso de soluciones en la nube, la empresa:

No tiene o no quiere destinar recursos al mantenimiento.

Quiere una rápida implementación y despliegue.

SaaS (software como servicio)

IaaS (Infraestructura como servicio)

PaaS (plataforma como servicio)

2.5.4. Soluciones mixtas o híbridas

III. La integración de datos en la empresa digital