EL objetivo fundamental de la inteligencia de negocio es

Tomar decisiones inteligentes de la mano de la tecnología

Una herramienta de BI es
MicroStrategy
Tableau

Según BI, ¿que se gestiona para obtener una ventaja competitiva con respecto a los otros
negocios
información y procesos productivos

Seleccione beneficios de implementar BI en una organización

*reducir los tiempos en el proceso para la toma de decisiones.
*mejorar las estrategias frente a las competencias
Planear más eficientemente el crecimiento de la empresa.

Los BI generan conocimiento a partir de estrategias de captación y análisis de información

diarios
verdadero

cual es el objetivo de los BI al identificar patrones del mercado y comportamiento de los

clientes
anticiparse a posibles cambios que puedan afectar la organización

Basándonos en los BI, ¿un líder puede adquirir herramientas para hacer comparaciones y
tomar decisiones inteligentes
Verdadero

¿Qué es la inteligencia de negocios y cómo beneficia a tu empresa?

El mundo de los negocios tiene su fundamento en la toma de decisiones estratégicas.

Lo que marca la diferencia entre una empresa exitosa y otra que no, es la correcta y
oportuna toma de decisiones. Para poder llevar esto a cabo de la mejor manera es
esencial contar con la información adecuada y en tiempo que soporte toda la gestión
de las operaciones de la empresa de forma ágil y rápida.

1.1. Introducción a la Inteligencia de Negocios

La inteligencia de negocio

En 1958, el informático alemán Hans Peter Luhn utiliza por primera vez el concepto de
“Inteligencia de Negocio” en uno de sus artículos. Sin embargo, es en 1989, cuándo
Howard Dresner, investigador de Gartner Group, acuña finalmente el término de
“Inteligencia de Negocio”. La Inteligencia de Negocio se puede definir como un
conjunto de herramientas y métodos utilizados, cuya finalidad es la transmisión y
accesibilidad de informaciones a los altos directivos de las empresas, mediante el
análisis de los datos. Es decir, la BI, permite facilitar la toma de decisiones estratégicas a
los altos directivos de las empresas, mostrando el desarrollo de éstas, así como
también analizando los datos con mayor facilidad. Con lo cual, la “Business Intelligence”
posibilita una visión analítica y precisa de la evolución y situación de la empresa,
mediante gráficas, tablas y curvas.

Una interesante definición para inteligencia de negocios o BI, por sus siglas en inglés,
según el Data Warehouse Institute, lo define como la combinación de tecnología,
herramientas y procesos que me permiten transformar mis datos almacenados en
información, esta información en conocimiento y este conocimiento dirigido a un plan
o una estrategia comercial. La inteligencia de negocios debe ser parte de la estrategia
empresarial, esta le permite optimizar la utilización de recursos, monitorear el
cumplimiento de los objetivos de la empresa y la capacidad de tomar buenas
decisiones para así obtener mejores resultados.

Las principales características de la inteligencia de negocio actual son:

• Permite la analítica de datos de gestión para la toma de decisiones cercana al tiempo

real.
• Accesibilidad a la información: supone un punto de acceso centralizado a datos
completos y estructurados.
• Apoyo en la toma de decisiones: maneja información relevante para la consecución
de los objetivos del negocio
• Orientación al usuario final: proporciona un acceso rápido y sencillo a la información
sintetizada

1.2. Cuadrante mágico de Gartner de Inteligencia de Negocios

Una herramienta para saber en qué punto de innovación y nivel de desarrollo están las
empresas dedicadas a la tecnología en el mercado a nivel mundial. Se usa para saber su
calidad desempeño y sirve a las empresas para elegir el proveedor TI que más les
conviene.

Este cuadrante nos ayuda a saber qué posición ocupan los proveedores y en qué punto
de desarrollo se encuentran en cuanto a visión de mercado y poder de
implementación, siendo definido para cada sector de motores de base de datos y
soluciones de acuerdo a dos criterios clave: la amplitud de la visión y la capacidad
para la ejecución. Estos dos criterios se convierten en los ejes del gráfico, los cuales
generan 4 zonas diferenciadas de calificación para definir a las empresas de motores
de base de datos, las cuales son:

 Los aspirantes (Challengers). Según la web de Gartner: “tienen una buena

ejecución del negocio actualmente y son capaces de dominar un gran
segmento de mercado, pero aún no demuestran un real entendimiento de la
dirección en que va el mercado”.
  Los líderes (Leaders). Desarrollan bien su negocio de acuerdo a una
adecuada visión actual del mercado y están bien posicionados para el futuro.
 Los jugadores de nichos específicos (Niche Players). Se enfocan con
éxito en un segmento de mercado específico, pero muchos de ellos no
adquieren en su desempeño una visión global y no se caracterizan por hacer
grandes innovaciones o por superar a sus competidores.
 Los visionarios (Visionaires). Entienden hacia dónde van los mercados e
incluso pueden tener una idea para cambiar las reglas y
paradigmas, pero aún no son capaces de llevar a cabo estas ideas por
completo o con éxito.

1.3. Pilares de la Inteligencia Empresarial

Muchos autores y detractores opinan sobre los pilares de la inteligencia de negocios

pero es necesario tener una referencia acerca de los pilar, por consiguiente vamos a
considerar 5 claves dentro de un proceso de consultoría de las cuales tu empresa se
puede valer para aportar valor a los proyectos de Business Intelligence (inteligencia de
negocios):

 Consultoría tecnológica.- En la consultoría tecnológica se incluyen dos

procesos fundamentales: la instalación de productos y las migraciones y
updates.
 Servicios de arquitectura.- Para comprender este ítem debemos considerar:
definición de arquitectura y la revisión de aplicaciones y procesos.

 Proyectos de desarrollo.- Analicemos en detalle cada uno de los factores a

tener en cuenta a fin de comprender estos proyectos: metodología, servicios y
contratos.
El factor “metodología” está centrado en la arquitectura y basado en los datos,
es iterativo, evolutivo e incremental e incluye prácticas ágiles.
 Gestión de calidad (QA).- La calidad es un proceso continuo y por ello
gestionamos su adopción y aseguramos su cumplimiento.

 Mentoring.- El Mentoring consta de un proceso de aprendizaje guiado para

capacitar equipos de trabajo del cliente generando una rápida adopción de los
productos Qlik.
Big Data, Business Analytics y Business Intelligence

Big Data, Business Analytics y Business Intelligence comparten un objetivo

común: permitir el análisis de datos con el objetivo de extraer la mayor
información posible.

Big Data Business Analytics Business Intelligence

Big Data se focaliza en la Business Analytics se Business Intelligence está
captura y procesamiento enfoca al futuro, es decir, orientado al pasado, a
de los datos; siendo éstos facilita la creación de una través de los informes se
estructurados y no visión futurible basado en examina el histórico de la
estructurados modelos predictivos. empresa. Sólo datos
estructurados.

Big Data Business Analytics Business Intelligence

qué datos analizan Business Analytics se Business Intelligence está
Big Data se focaliza en la enfoca al futuro, es decir, orientado al pasado, a
captura y procesamiento facilita la creación de una través de los informes se
de los datos; siendo éstos visión futurible basado en examina el histórico de la
estructurados y no modelos predictivos. empresa. Sólo datos
estructurados estructurados.
Herramientas de Inteligencia de Negocios

La ciencia de datos es una disciplina independiente e interdisciplinar que utiliza los

métodos científicos, la estadística, la minería de datos, el aprendizaje automático y la
analítica predictiva.

Además de los anteriores, añade sistemas y procesos diferentes como son modelos de
datos, las ecuaciones o los algoritmos, para extraer un mejor conocimiento de los
datos.
La ciencia de datos, ha incorporado áreas técnicas como:
La investigaciones multidisciplinar
El desarrollo de modelos y métodos para datos
Evaluación de herramientas tecnológicas
El análisis teórico
La pedagogía para explicar los hallazgos Visualización de datos

1.6. Arquitectura de un Proyecto de Inteligencia

Una solución de Business Intelligence parte de los sistemas de origen de una

organización (bases de datos, ERPs, ficheros de texto...), sobre los que suele ser
necesario aplicar una transformación estructural para optimizar su proceso analítico.
El Nivel Estratégico Comprende

Control Operacional, comprende las

operaciones diarias de control.

comprende los recursos de información necesarios para apoyar la planeación estratégica y la

definición de políticas.

comprende el procesamiento de transacciones.

Todas las anteriores

El proceso de KDD (Proceso de descubrimiento de conocimeinto) tanto en inteligencia de

negocios como minería de datos se basa en....

Identificar patrones en los datos

Genera reportes de los datos
Reconocer coincidencias y represenarlas graficamente
Correlacionar datos

Proceso de Negocio es:

Un conjunto de tareas enlazadas entre sí, destinadas a ofrecer un servicio o un producto a un

cliente.

Un conjunto de actividades destinadas a generar dinero

Tareas y responsabilidades que tienen los trabajadores frente a la empresa

¿Cuál consideras que es la finalidad de la soluciones de inteligencia de negocios en las

organizaciones?

Facilitar la recolección de datos

Facilitar la toma de decisiones
Integración de datos
Promover las ventas del negocio

Se puede decir de los Requerimientos funcionales, lo siguiente:

Describe aspectos del sistema que son visibles por el usuario que no incluyen una relación
directa con el comportamiento funcional del sistema

Lo que el sistema es capaz de hacer

incluyen restricciones como el tiempo de respuesta (desempeño), la precisión, recursos

consumidos y seguridad.

Se puede considera que la esencia de la Inteligencia de Negocios es..

Agilizar la toma de decisiones

Genera conocimiento a partir de los datos e información
Transformación e integración de datos
Análisis y representación de los datos

Una de las dificultades en la implementación de soluciones de BI es la diversidad de fuentes

de datos que se pueden tener, ¿Cuál sería una solución a esto?

Solicitar unificar fuentes de de datos

Intregración de datos
Exportar datos
Realizar análisis para cada fuente

REPRESENTACIÓN SIMBÓLICA, LA CUAL PUEDE SER NÚMEROS, LETRAS, HECHOS,

SITUACIONES, ENTRE OTROS.

INFORMACIÓN

PROCESAMIENTO

DATO

TRANSFORMACIÓN

SUSTITUYE LOS PROCEDIMIENTOS MANUALES POR OTROS BASADOS EN COMPUTADORA

SISTEMA GLOBAL

SISTEMA SOCIAL

SISTEMA ECONÓMICO
SISTEMA EN EL PROCESAMIENTO DE TRANSACCIONES

La base de datos histórica o Data Warehouse facilita las tareas de Inteligencia de negocios
por....
Los datos estan integrados
Los datos son filtrados
Estandarización de datos
Se encuentran en una única fuente

un DBMS incluye

capacidades y herramientas para organizar, administar y acceder a los archivos en otras

computadoras

capacidades y herramientas para organizar, administar y acceder a los datos en la base de

datos

las bases de datos relacionales representan

los datos como tablas bidimensionales

los datos como tablas en varios ordenadores

¿Que es Big Data?

Es el análisis masivo de datos

almacenamiento masivo de dato

¿que representa un bit?

representa la unidad más pequeña de datos que una computadora puede manejar

representa a un solo carácter, que puede ser una letra, un número u otro símbolo.

Que significa DBMS

sistema de información de base de datos

sistema de administración de bases de datos

¿que representa un registro?

un grupo de campos relacionados, como los datos de la persona

un conjunto de números

Las siglas AACSB significan

The acreditation to accountant and schools of business

The association to advance collegiate schools of business
The academy to acreditation for competent schools of business
The association to academic collegiates of social business

El hype-cycle de Gartner muestra:

Los diferentes estados que alcanzan los desarrollos tecnológicos

Las tecnologías que quedan obsoletas
Los mejores proveedores de tecnología
Las tecnologías de acuerdo con su precio

Las reglas de negocio establecen

Las limitantes y alcances del negocio

Las excepciones que se deben cumplir
Los términos y condiciones de los negocios Web
Cómo se levanta la pluma del segundo piso con el tag

Gartner es
Un evaluador de redes sociales
Una aplicación para tecnologías de la información
Una consultoría que evalúa software tecnológico
Un blog muy bueno sobre tecnología
1. Inteligencia de Negocios
1.8. Roles profesionales relacionados con datos

El analista de inteligencia empresarial o Business Intelligence (BI) es

aquel profesional que se encarga tanto de la recopilación como del
análisis de información y de datos que son obtenidos de diferentes
fuentes de información.

 Los managers o consultores de business intelligence (Inteligencia de negocio o

BI), business analytics (BA) o Big Data.

 El analista de datos (data analyst) es un profesional que se dedica,

principalmente, al reporting, desarrollo de dashboards, análisis mediante técnicas
OLAP y otras herramientas de minería de datos. Realizan tareas de BI y BA con
soluciones empaquetadas, es decir, productos empaquetados que realizan los
procesos de análisis.
 El científico de datos o data scientist es un perfil de reciente creación, hasta hace
unos pocos años no se hablaba de este perfil ni en la industria ni en la academia.
 El arquitecto o ingeniero de datos (data architect o data engineer), que se
encarga del diseño de la estructura de los datos y de los procesos de extracción,
transformación y carga de los datos (procesos ETL).
1. Infraestructuras y herramientas de BI

Las arquitecturas de BI deben tener ciertos componentes en común:

BI solution architecture in the Center of Excellence

About Oracle BI Server Architecture

ARCHITECTURE OF PENTAHO

1.1. Almacenes de Datos, Esquemas de Datos

Una solución de Business Intelligence parte de los sistemas de origen de una organización
(bases de datos, ERPs, ficheros de texto...), sobre los que suele ser necesario aplicar una
transformación estructural para optimizar su proceso analítico.

La calidad de los datos en un datawarehouse es fundamental, como afirma Bill Inmon en su

artículo aparecido en “Business Intelligence Network” sobre Calidad de Datos:

“Las organizaciones actúan bajo la suposición de que la información de la que disponen es

precisa y válida. Si la información no es válida, entonces no pueden responder de las
decisiones basadas en ella.”

Para ello se realiza una fase de extracción, transformación y carga (ETL) de datos. Esta etapa
suele apoyarse en un almacén intermedio, llamado ODS, que actúa como pasarela entre los
sistemas fuente y los sistemas destino (generalmente un datawarehouse), y cuyo principal
objetivo consiste en evitar la saturación de los servidores funcionales de la organización.

La información resultante, ya unificada, depurada y consolidada, se almacena en un

datawarehouse corporativo, que puede servir como base para la construcción de distintos
datamarts departamentales. Estos datamarts se caracterizan por poseer la estructura óptima
para el análisis de los datos de esa área de la empresa, ya sea mediante bases de datos
transaccionales (OLTP) o mediante bases de datos analíticas (OLAP).
Los datos albergados en el datawarehouse o en cada datamart se explotan utilizando
herramientas comerciales de análisis, reporting, alertas... etc. En estas herramientas se basa
también la construcción de productos BI más completos, como los sistemas de soporte a la
decisión (DSS), los sistemas de información ejecutiva (EIS) y los cuadros de mando (CMI) o
Balanced Scorecard (BSC).
1.2. Data warehouse, Datamart, Herramientas ETL

Data warehouse

Un Datawarehouse es una base de datos corporativa que se caracteriza por integrar y

depurar información de una o más fuentes distintas, para luego procesarla permitiendo su
análisis desde infinidad de pespectivas y con grandes velocidades de respuesta. La creación
de un datawarehouse representa en la mayoría de las ocasiones el primer paso, desde el
punto de vista técnico, para implantar una solución completa y fiable de Business
Intelligence.

Datamart

Un Datamart es una base de datos departamental, especializada en el almacenamiento de

los datos de un área de negocio específica. Se caracteriza por disponer la estructura óptima
de datos para analizar la información al detalle desde todas las perspectivas que afecten a
los procesos de dicho departamento. Un datamart puede ser alimentado desde los datos de
un datawarehouse, o integrar por si mismo un compendio de distintas fuentes de
información.

Para crear un Datamart se debe encontrar la estructura correcta para el análisis de la

información, dicha estructura puede montarse sobre una base de datos OLTP o sobre una
OLAP, esto depende de los requisitos y especificaciones que requiera cada departamento.

Tipos de Datamarts

Datamart OLAP: se basa en los cubos de información OLAP, los cuales son construidos de
acuerdo con los requerimientos de cada área y según las dimensiones que se requieran.

Datamart OLTP: son bases de datos orientadas al procesamiento de transacciones las cuales
pueden involucrar operación de inserción, modificación y borrado de datos.

OLTP - On-Line Transactional Processing

Los sistemas OLTP son bases de datos orientadas al procesamiento de transacciones. Una
transacción genera un proceso atómico (que debe ser validado con un commit, o invalidado
con un rollback), y que puede involucrar operaciones de inserción, modificación y borrado de
datos. El proceso transaccional es típico de las bases de datos operacionales.

El acceso a los datos está optimizado para tareas frecuentes de lectura y escritura. (Por
ejemplo, la enorme cantidad de transacciones que tienen que soportar las BD de bancos o
hipermercados diariamente).

Los datos se estructuran según el nivel aplicación (programa de gestión a medida, ERP o
CRM implantado, sistema de información departamental...).

Los formatos de los datos no son necesariamente uniformes en los diferentes

departamentos (es común la falta de compatibilidad y la existencia de islas de datos).
 El historial de datos suele limitarse a los datos actuales o recientes.

OLAP - On-Line Analytical Processing

Los sistemas OLAP son bases de datos orientadas al procesamiento analítico. Este análisis
suele implicar, generalmente, la lectura de grandes cantidades de datos para llegar a extraer
algún tipo de información útil: tendencias de ventas, patrones de comportamiento de los
consumidores, elaboración de informes complejos… etc. Este sistema es típico de los
datamarts.

El acceso a los datos suele ser de sólo lectura. La acción más común es la consulta, con
muy pocas inserciones, actualizaciones o eliminaciones.

Los datos se estructuran según las áreas de negocio, y los formatos de los datos están
integrados de manera uniforme en toda la organización.

El historial de datos es a largo plazo, normalmente de dos a cinco años.

Las bases de datos OLAP se suelen alimentar de información procedente de los sistemas
operacionales existentes, mediante un proceso de extracción, transformación y carga (ETL).

Comparativa entre Data Warehouse y Data Mart

A continuación vamos a ver más en detalle la diferencia entre Data Mart y Data
Warehouse.

Criterio Data Warehouse Data Mart

Uso Ayuda a tomar una decisión
estratégica.
Objetivo El objetivo principal de Data
Warehouse es proporcionar un
entorno integrado y una imagen
coherente de la empresa en un
momento determinado.
Diseño Complejo
Modelo Puede o no puede usarse en un
dimensional modelo dimensional. Sin embargo,
puede alimentar modelos
dimensionales.
Gestión de datos Incluye una gran área de la
corporación, por lo que se tarda
mucho tiempo en procesarla.
Foco El Data Warehouse se enfoca
ampliamente en todos los
departamentos. Es posible que
incluso pueda representar a toda la
empresa.
Ayuda a tomar decisiones tácticas para el
negocio.
Utilizado principalmente en una división
de negocios a nivel de departamento.
Sencillo
Se construye enfocado en un modelo
dimensional usando un esquema de inicio.
Son fáciles de usar, diseñar e
implementar, ya que solo puede manejar
pequeñas cantidades de datos.
Data Mart está orientado a un área de
negocio y se utiliza a nivel de
departamento.
Tipo de datos Los datos almacenados en Data Los Data Marts están construidos para
Warehouse siempre ofrecen más grupos de usuarios particulares. Por lo
detalle en comparación con data tanto, los datos son cortos y limitados.
mart.
Normalización Los almacenes modernos están en su No hay preferencia entre una estructura
mayoría desnormalizados para normalizada o desnormalizada.
proporcionar consultas de datos más
rápidas y un buen rendimiento de
lectura
Área temática El objetivo principal de Data En su mayoría tienen solo un área
Warehouse es proporcionar un temática, por ejemplo, cifra de ventas.
entorno integrado y una imagen
coherente de la empresa en un
momento determinado.
Almacenamiento Diseñado para almacenar datos de Modelado dimensional y diseño de
de datos decisiones de toda la empresa, no esquema en estrella empleado para
solo datos de marketing. optimizar el rendimiento de la capa de
acceso.
Tipo de datos La variación en el tiempo y el diseño Principalmente incluye estructuras de
no volátil se aplican estrictamente. datos de consolidación para satisfacer las
necesidades de informes y consultas del
área temática.
Valor de los datos Solo lectura desde el punto de vista Datos transaccionales agrupados
de los usuarios finales. alimentados directamente desde el Data
Warehouse.
Alcance Es más útil ya que puede traer Data Mart contiene datos, de un
información de cualquier departamento específico de una
departamento. empresa. Puede que haya Data Marts
separados para ventas, finanzas,
marketing, etc. Tiene un uso limitado
Fuente Los datos provienen de muchas Los datos provienen de muy pocas
fuentes. fuentes.
tamaño El tamaño del Data Warehouse El tamaño de Data Mart es inferior a 100
puede variar de 100 GB a más de un GB.
TB.
Tiempo de El proceso de implementación de El proceso de implementación de Data
implementación Data Warehouse puede extenderse Mart está restringido a unos pocos meses.
de meses a años.
Herramientas ETL (Extracción, Transformación y Carga)
Es la habilidad para transformar los datos en información, esta definición es de:
Inteligencia de negocios

Uno de los elementos de la inteligencia de negocios es:

Cuadros de Mando Integrales (CMI)

La inteligencia de negocios permite:

Observar y comprender
Decidir
Predecir y colaborar
Todas las anteriores

El balance Scorecard se alimenta de

Objetivos, iniciativas, KPI

Cuántas fases tiene un proceso de implementación de una solución BI

5

Estudia los datos de una empresa. La definición anterior se refiere

Sistemas de Soporte a la decisión (DSS)

Los cuadros de Mando Integral (CMI) permiten

Establecer y visualizar los objetivos de la empresa

Cuáles son los principales componentes de orígenes de datos

Datamart y Datawarehouse

Como gerente requires info. Consolidada y puntual de tu empresa, que producto BI te sirve:
Sistema de información ejecutiva (EIS)

En cuantas áreas son organizados los objetivos estratégicos

4

Qué palabras están relacionadas con la inteligencia de negocios

Datos
Información
Conocimiento
Todas las anteriores

Qué significa ETL

Extracción, Transformación y Carga

Qué disciplina te permite tomar decisiones del presente en base al pasado

Business Intelligence
Qué representa la siguiente imagen

Data warehouse

Qué representa la siguiente imagen

Data mat

Cuál de las siguientes no es una metodología de BI

Scrum

Metodologías de BI
Ralph Kimball
Bill Inmon
Ralph Kimball + Bill Inmon

En que se enfoca la metodología Ralph Kimball

Data warehouse

En que se enfoca la metodología Bill Inmon

Data mart

Qué es un almacén de datos

Repositorio de información útil, sensible y
Conjunto de caracteres en una palabra, conjunto de palabras o un número completo
Campo

Así se representa el modelo del procesamiento tradicional de archivos

Verdadero

Este es un claro ejemplo de:

Inconsistencia

Google maps es un claro ejemplo de un aplicación con poca flexibilidad

Falso

Todos son problemas que se presentan en el entorno de procesamiento de Archivos

Tradicional excepto:
Falta de confianza en la información

Tipo de software que permite centralizar los datos, administrarlos de manera eficiente y
acceder mediante aplicaciones
DBMS

Qué problemas del entorno de Archivos Tradicional resuelve el DBMS

Redundancia e incosistencia

DBMS incluye capacidades y herramientas que le permiten organizar, administrar y acceder a

los datos en la data base
Verdadero

Las fuentes de datos internas son tomados por los datos operacionales, de clientes, de
manufactura e históricos
Verdadero

Las bases de datos relacionales representan los datos como tablas bidimensionales llamadas
relaciones
Verdadero

Las fuentes de datos internas son tomados por los datos operacionales, de clientes, de
manufactura e históricos
Verdadero

Los tipos de información que se obtienen de la minería de datos: asociaciones, secuencias,

clasificaciones y pronósticos
Falso

OLAP, no permite a los usuarios ver los mismos datos de distintas formas mediante el uso de
varias dimensiones
Falso
Cuáles son las principales herramientas para la inteligencia de negocios

El software para consultas

Herramientas para la minería de datos
Herramientas para el análisis de datos multidimensional
Todas las anteriores

Especifica reglas para compartir, diseminar, adquirir, estandarizar, clasificar e inventariar la

información
Política de información

La administración de datos es responsable de políticas y procesos que administran datos como

recurso organizacional
Verdadero

Se pueden realizar mediante la inspección de los archivos de datos o de muestras los archivos
de datos
Auditorías de calidad

Es conocida también en inglés como data scrubbing

Limpieza de datos