Doctorado en Administración

Curso: Gestión del Conocimiento en las Organizaciones

Semana 4
Octubre, 2021

Docente: Dr. Julio Cesar Abarca Cordero

E-mail: julioabar@gmail.com
Introducción:
Business
Intelligence (BI)

Business Intelligence (Inteligencia

de Negocios) es la metodología
técnica para transformar los datos
en información y la información en
conocimiento, de forma que se
pueda optimizar el proceso de
toma de decisiones en los
negocios.
Evolución web: De Web 1.0 a Web 5.0
Web 1.0
• Empezó en los 60´s
• Webs unidireccionales y no colaborativas
• Contenido solo en texto
• Solo lectura
• Páginas estáticas
• Interacción mínima
• El ejemplo más representativo es ELIZA (ELIZA es un programa
informático diseñado en el MIT entre 1964 y 1966 por Joseph
Weizenbaum. Eliza fue uno de los primeros programas en
procesar lenguaje natural. El mismo parodiaba al psicólogo Carl
Rogers e intentaba mantener una conversación de texto
coherente con el usuario).
• Posteriormente, surgió el HTML (Hyper Text Markup Language)
que hizo más agradable las páginas a la vista.
Web 2.0
• El término fue usado por primera vez por Darcy DiNucci
en 1999 en un artículo denominado “Fragmented
Future”.
• Web puramente social.
• Enfatiza la colaboración online, el usuario es más activo.
• Páginas web más accesibles, eficientes y dinámicas.
• La presentación puede ser en imágenes, texto, audio,
etc.
• Evolución de las aplicaciones digitales.
• Los formatos utilizados principalmente son Java
script, PHP.
• Blogs // Wiki
• Social Bookmarking // Intercambio multimedia
• Podcasting
• Sindicación
• Redes sociales
• Aplicaciones web
Web 3.0
La Web 3.0 ó también llamada Web semántica,
presenta las siguientes características:
• Uso de datos semánticos
• Adaptable a cualquier dispositivo
• Contenido libre
• Espacios tridimensionales
• Computación en la nube
• Búsquedas inteligentes
• Evolución de las redes sociales
• Se asocia a otros términos más como: inteligencia
artificial, microformatos, personalización y web 3D.
• Tratamiento del lenguaje para que personalice la
información.
 Web 4.0
Según Raymond Kurzweil, científico especializado en inteligencia artificial,
la web 4.0 o también llamada Web ubicua, sería paralela al
funcionamiento del cerebro humano y podría llegar un punto en el que por
poner un ejemplo un smartphone podría reconocer y alertar a su dueño si
llegará tarde a una reunión, o tome una decisión. Cuatro pilares:
• La comprensión del lenguaje natural y tecnologías Speech to text (de
voz a texto y viceversa).
• Nuevos modelos de comunicación máquina a máquina (M2M).
• Uso de la información de contexto. Por ejemplo, ubicación que aporta
el GPS, ritmo cardíaco que tu smartwatch registra, etc.
• Nuevo modelo de interacción con el usuario.
Características:
• Uso de gafas especiales.
• Podremos dialogar de forma natural y en línea con una agente virtual
inteligente.
• Internet: Se accederá por medios de un “dispositivo, delgado, ligero,
portátil y con muy alta resolución”.
• Integrado en los vehículos.
• Existirán implantes neuronales con acceso directo a la Red.
• Ordenadores tendrán gran potencia de proceso 1016 cálculos por
segundo. Siri, Google now o Cortana.
Web 5.0
• Un dispositivo todo en uno
• Identificar y categorizar emociones
• Realidad sensorial
• Desarrollo más tangible de la inteligencia artificial
También llamada Web sensorial, está será encaminada
a poder identificar las emociones de los usuarios, por
medio de los dispositivos, productos y/o servicios.
• El sitio wefeelfine.org rastrea frases emotivas en la
web, posteriormente las categoriza y registra la
frecuencia.
• La empresa Emotiv Systems, con sede en San
Francisco, ha creado neuro-tecnología, que
mediante auriculares le permite al usuario
interactuar con el contenido y que este responda a
sus emociones o cambiar la expresión facial de un
avatar en tiempo real.
• https://www.youtube.com/watch?v=VxRTsmCy93Y
INTRODUCCIÓN
1970`s 1990`s 2021
El entorno empresarial cambia constantemente y se vuelve cada vez más complejo. Las
organizaciones, públicas y privadas, están bajo presiones que las obligan a responder
rápidamente a las condiciones cambiantes y a ser innovadoras en la forma en que operan.
Estas actividades requieren que las organizaciones sean ágiles y tomen decisiones
estratégicas, tácticas y operativas frecuentes y rápidas, algunas de las cuales son muy
complejas. Tomar tales decisiones puede requerir cantidades considerables de datos,
información y conocimientos relevantes. Su procesamiento, en el marco de las
decisiones necesarias, debe realizarse de forma rápida, frecuentemente en tiempo real y, por
lo general, requiere algún soporte informático.

Sistemas de Soporte Inteligencia de Analítica

de Decisiones Negocios Avanzada

El mayor objetivo de la Inteligencia de Negocios (BI) es habilitar un acceso fácil hacia datos (y modelos)
para dotar a los administradores de negocios de la habilidad de conducir el análisis.
CASO DE ESTUDIO:
MAGPIE SENSING emplea análisis para administrar una cadena de
suministro de vacunas de manera efectiva y segura.

La cadena de frío en el cuidado de la salud se define como la cadena de suministro con

temperatura controlada que involucra un sistema de transporte y almacenamiento de
vacunas y fármacos. Consta de tres componentes principales: equipo de transporte y
almacenamiento, personal capacitado y procedimientos de gestión eficientes.
La mayoría de las vacunas en la cadena de frío se mantienen típicamente a
una temperatura de 35 a 46 grados Fahrenheit [2-8 grados centígrados]. Mantener la
integridad de la cadena de frío es extremadamente importante para los fabricantes de
productos sanitarios. Especialmente para las vacunas, las prácticas inadecuadas de
almacenamiento y manipulación que comprometen la viabilidad de la vacuna resultan ser un
asunto costoso y que requiere mucho tiempo.

Para saber a cuántos grados centígrados equivalen los grados farenheit hay que restar los grados
farenheit menos 32, multiplicarlo por 5 y dividirlo entre 9.
CASO DE ESTUDIO:
MAGPIE SENSING emplea análisis para administrar una cadena de
suministro de vacunas de manera efectiva y segura.
Las vacunas deben almacenarse adecuadamente desde su fabricación hasta que estén
disponibles para su uso. Cualquier temperatura extrema de calor o frío reducirá la potencia de la
vacuna; dichas vacunas, si se administran, podrían no producir resultados eficaces o provocar efectos
adversos. Mantener eficazmente las temperaturas de las unidades de almacenamiento a lo largo
de la cadena de suministro de atención médica en tiempo real, es decir, a partir de la
recolección de los recursos, la fabricación, distribución y dispensación de los productos, es la
solución más efectiva deseada en la cadena de frío.
Además, los datos ambientales en tiempo real con etiquetas de ubicación sobre las
unidades de almacenamiento ayudan a monitorear la cadena de frío en busca de productos
estropeados. La cadena de custodia se puede identificar fácilmente para asignar la
responsabilidad del producto.
Un estudio realizado por los Centros para el Control y la Prevención de Enfermedades (CDC)
analizó el manejo de las vacunas de la cadena de frío por 45 proveedores de atención
médica en todo Estados Unidos e informó que tres cuartas partes de los proveedores
experimentaron violaciones graves de la cadena de frío.
El camino a una solución

Magpie Sensing, un proyecto de puesta en marcha de Ebers Smith y Douglas Associated LLC,
proporciona un conjunto de tecnologías de análisis y monitoreo de la cadena de frío para la industria
de la salud. Es un monitor de temperatura y humedad inalámbrico que se puede enviar y que
proporciona un seguimiento en tiempo real y consciente de la ubicación de los productos de la cadena de
frío durante el envío. Las soluciones de Magpie Sensing se basan en ricos algoritmos de análisis que
aprovechan los datos recopilados de los dispositivos de monitoreo para mejorar la eficiencia de los
procesos de la cadena de frío y predecir los problemas de almacenamiento en frío antes de que ocurran.
Magpie Sensing aplica los tres tipos de técnicas analíticas (análisis descriptivo, predictivo y prescriptivo)
para convertir los datos sin procesar devueltos por los dispositivos de monitoreo en
recomendaciones y advertencias procesables. Las propiedades del sistema de almacenamiento en frío,
que incluyen el punto de ajuste del termostato del sistema de almacenamiento, el rango típico de valores de
temperatura en el sistema de almacenamiento y el ciclo de trabajo del compresor del sistema, se monitorean
e informan en tiempo real. Esta información ayuda al personal capacitado a garantizar que la unidad de
almacenamiento esté configurada correctamente para almacenar un producto en particular. Toda la
información de temperatura se muestra en un panel web que muestra un gráfico de la temperatura dentro de
la unidad de almacenamiento específica.
 El camino a una solución

Con base en la información derivada de los dispositivos de monitoreo, los algoritmos analíticos predictivos
de Magpie pueden determinar el punto de ajuste del termostato de la unidad de almacenamiento y alertar a
los usuarios del sistema si el sistema está configurado incorrectamente, dependiendo de los diversos tipos
de productos almacenados. Esto ofrece una solución a los usuarios de refrigeradores de consumo en los que
el termostato no tiene clasificación de temperatura.
El sistema de Magpie también envía alertas sobre posibles violaciones de temperatura basadas en la
temperatura promedio de la unidad de almacenamiento y las ejecuciones posteriores del ciclo del
compresor, que pueden bajar la temperatura por debajo del punto de congelación. El análisis predictivo de
Magpie informa además sobre posibles errores humanos, como no cerrar las puertas de la unidad de
almacenamiento o la presencia de un sello incompleto, al analizar la tendencia de la temperatura y alertar a
los usuarios a través de la interfaz web, mensaje de texto o alerta audible antes de que los límites de
temperatura sean realmente violados.
De manera similar, se puede detectar un compresor o un corte de energía. También se informa el tiempo
estimado antes de que la unidad de almacenamiento alcance una temperatura insegura, lo que prepara a
los usuarios para buscar soluciones de respaldo, como el uso de hielo seco para restaurar la energía.
 El camino a una solución

Además de los análisis predictivos, los sistemas de análisis de Magpie Sensing pueden proporcionar
recomendaciones prescriptivas para mejorar los procesos de almacenamiento en frío y la toma de decisiones
comerciales. Los análisis prescriptivos ayudan a los usuarios a marcar la configuración de temperatura óptima, lo
que ayuda a lograr el equilibrio adecuado entre el riesgo de congelación y deterioro; esto, a su vez, proporciona
un tiempo de amortiguación para reaccionar a la situación antes de que los productos se echen a perder.
Su análisis prescriptivo también recopila metainformación útil sobre las unidades de almacenamiento en frío,
incluidas las horas del día que están más ocupadas y los períodos en los que se abren las puertas del sistema,
que se puede utilizar para proporcionar planes de diseño adicionales y políticas institucionales que aseguren que
el sistema se está utilizando debidamente mantenido y no abusado. Además, los análisis prescriptivos se pueden
utilizar para guiar las decisiones de compra de equipos mediante el análisis constante del rendimiento de las
unidades de almacenamiento actuales. Según la eficiencia del sistema de almacenamiento, las decisiones sobre
la distribución de los productos en las unidades de almacenamiento disponibles se pueden tomar en función de la
sensibilidad del producto.
Con el análisis de la cadena de frío de Magpie Sensing, se puede eliminar el tiempo y los gastos de
fabricación adicionales al garantizar que la seguridad del producto se pueda garantizar a lo largo de la cadena de
suministro y que se puedan administrar productos eficaces a los pacientes. El cumplimiento de las normas de
seguridad estatales y federales se puede lograr mejor mediante la recopilación automática de datos y la
presentación de informes sobre los productos involucrados en la cadena de frío.
CUESTIONARIO

¿Qué información proporciona el análisis descriptivo empleado en Magpie Sensing?

¿Qué tipo de apoyo brindan los análisis predictivos empleados en Magpie Sensing?
¿Cómo ayuda la analítica prescriptiva en la toma de decisiones comerciales?
¿De qué manera se puede informar la información procesable en tiempo real a los
usuarios interesados del sistema?
¿En qué otras situaciones se podrían necesitar aplicaciones de monitoreo en tiempo
real?
CONCLUSIONES

Este ejemplo ilustra cómo se pueden utilizar los datos de un proceso empresarial para
generar conocimientos en varios niveles.
Primero, el análisis gráfico de los datos (denominado análisis de informes) permite a los
usuarios tener una buena idea de la situación. Luego, se puede usar un análisis adicional
utilizando técnicas de minería de datos para estimar cómo sería el comportamiento futuro.
Este es el dominio de la analítica predictiva. Luego, dicho análisis puede tomarse para crear
recomendaciones específicas para los operadores. Este es un ejemplo de lo que llamamos
análisis prescriptivo. Por último, este ejemplo también sugiere que las aplicaciones
innovadoras de análisis pueden crear nuevas empresas comerciales.
Identificar oportunidades para aplicaciones de análisis y ayudar con la toma de decisiones
en dominios específicos es una oportunidad empresarial emergente.
BI o IB es un término incluyente que combina arquitecturas, herramientas, bases de datos,
herramientas analíticas, aplicaciones y metodologías.
 INTELIGENCIA DE NEGOCIOS
(JUAN CARLOS ARANÍBAR S.) Revista Scielo

Si preguntáramos a cualquier ejecutivo sobre el resultado principal en el proceso empresarial, más allá de los
productos o servicios emergentes que se alinean con la llamada cadena del valor, la respuesta inmediata sería:
Decisiones. Pero, ¿cuán importantes son esas decisiones?, ¿qué fundamento tienen? Así como los insumos de
un producto son las materias primas, ¿cuáles son los insumos para la toma de decisiones?, ¿cómo se
encara un efectivo y eficiente proceso de toma de decisiones?, ¿quiénes, cuándo y cómo se toman
decisiones? A menudo las respuestas a todas estas preguntas residen en aspectos informales y subjetivos,
como: la experiencia, el "tino", una visión "extraordinaria" o ese "sexto sentido" que hace distintos y especiales a
esos tomadores de decisiones. ¿Será que estos son elementos válidos para un buen proceso de emitir
decisiones?, ¿qué pasaría si el "sexto sentido" no es tal?, ¿qué sucedería si la experiencia no es la
suficiente? Son interrogantes que muchos gerentes prefieren no considerarlas cuando su actuar es el referido.
Por tanto, ¿cuál es la situación ideal? Definitivamente el fundamentar todas las decisiones no estructuradas,
presentes en el nivel táctico (gerencia media) y estratégico (alta gerencia), sobre la base de un conocimiento
preciso, elaborado y con el uso de herramientas y técnicas evolucionadas y tecnológicas destinadas para el
efecto. Este es el concepto de inteligencia de negocios (Business Intelligence).
Así, la primera de cuatro fases, en el típico proceso de toma de decisiones, es precisamente la Inteligencia, el
lugar donde se aplican los procedimientos de elaborar y precisar el conocimiento empresarial, antes bien de
generar las alternativas (Diseño), seleccionar una de ellas (Elección) y actuar (Implementación).
ESTRATEGIAS DE NEGOCIO E
INTELIGENCIA DE NEGOCIO

Las empresas se están moviendo agresivamente hacia el soporte informático de sus

operaciones.
Para comprender por qué las empresas están adoptando el soporte informático, incluida la
inteligencia de negocio, se presenta el modelo: Business Pressures-Responses- Support
(Modelo de Presiones-Respuestas-Soporte de Negocios).
 BUSINESS PRESSURES-RESPONSES-
SUPPORT
Las empresas se están dirigiendo
agresivamente hacia el soporte
tecnológico / computarizado de
sus operaciones => Inteligencia de
Negocios (Business Intelligence).
Modelo de Negocios: Presiones –
Respuestas – Soporte.
Presiones en los negocios:
derivan en el actual entorno
competitivo.
Respuestas: para contrarrestar
aquellas presiones.
Soporte y Decisiones:
encaminado a facilitar los
procesos.
EL ENTORNO DE NEGOCIO

El entorno en el que operan las organizaciones hoy en día es cada vez más
complejo. Esto crea oportunidades y problemas. Tomemos la globalización como
ejemplo, provoca que existan grandes oportunidades. Sin embargo, también
significa más competidores.
Los factores del entorno empresarial se pueden dividir en cuatro categorías
principales: mercados, demandas de los consumidores, tecnología y sociedad.
Debemos tomar en cuenta que la intensidad de la mayoría de estos factores
aumenta con el tiempo, lo que genera más presiones, más competencia, etc. Las
organizaciones se enfrentan a presupuestos reducidos y presiones amplificadas
para aumentar el rendimiento y las ganancias. En este tipo de entorno, los
gerentes deben responder rápidamente, innovar y ser ágiles.
 CATEGORIAS DE FACTORES DEL ENTORNO
EMPRESARIAL

Factor Descripción
Mercados • Competencia fuerte.
• Expansión de mercados globales.
• Mercados electrónicos en internet en auge.
• Métodos de Marketing innovadores.
• Oportunidades de subcontrataciones con ayuda de herramientas
informáticas.
• Necesidad de transacciones bajo demanda en tiempo real
Demanda de los • Deseo de personalización.
• Deseo de calidad, diversidad de productos y rapidez en la entrega.
consumidores • Clientes cada vez más poderosos y menos leales.
Tecnología • Más innovaciones, nuevos productos y nuevos servicios
• Tasa de obsolescencia creciente
• Aumento de la sobrecarga de información
• Redes sociales, Web 2.0, etc.
Sociedad • Crecientes regulaciones gubernamentales y desregulación
• Fuerza laboral más diversificada, mayor y compuesta por más mujeres
• Principales preocupaciones de la seguridad nacional y los ataques
terroristas
• Necesidad de la Ley Sarbanes-Oxley y otra legislación relacionada
con la presentación de informes (libre de vicios, enfocado en el
inversionista)
• Incrementar la responsabilidad social de las empresas
• Mayor énfasis en la sostenibilidad
RESPUESTAS ORGANIZATIVAS: Ser reactivo,
anticipativo, adaptativo y proactivo

Tanto las organizaciones públicas como las privadas son

conscientes del entorno empresarial y las presiones actuales. Ante
esto, utilizan diferentes acciones para contrarrestar las presiones.
Los gerentes pueden tomar acciones, como:
• Emplear planificación estratégica.
• Utilizar modelos de negocio nuevos e innovadores. Reestructurar los procesos
comerciales.
• Participar en alianzas comerciales.
• Mejorar los sistemas de información corporativos. Mejorar las relaciones de
asociación.
 RESPUESTAS ORGANIZATIVAS: Ser reactivo,
anticipativo, adaptativo y proactivo

Fomentar la innovación y la creatividad.

Mejorar las relaciones y el servicio al cliente.
Emplear redes sociales y plataformas móviles para el comercio electrónico y más.
Utilizar nuevas tecnologías de la información para mejorar la comunicación, el acceso a los
datos (descubrimiento de información) y la colaboración.
Responder rápidamente a las acciones de la competencia (por ejemplo, en precios,
promociones, nuevos productos y servicios).
Automatizar muchas tareas de los empleados administrativos.
Automatizar ciertos procesos de decisión, especialmente aquellos relacionados con los clientes.
Mejorar la toma de decisiones empleando análisis.
DECISIONES Y SOPORTE
La toma de decisiones gerencial es un proceso mediante el cual las metas
organizacionales son alcanzadas empleando recursos.
– Insumos (inputs): Recursos
– Salidas (outputs): logro de metas
– Medida del éxito: outputs / inputs
Muchas, si no todas, de las acciones anteriores requieren algún soporte informático. Estas y
otras acciones de respuesta se facilitan con frecuencia mediante algún sistema de soporte
de decisiones (DSS).
Uno de los principales objetivos del apoyo a las decisiones computarizado es facilitar el
cierre de la brecha entre el desempeño actual de una organización y su desempeño
deseado, objetivos y metas, y la estrategia para lograrlos.
Las decisiones Gerenciales requieren este apoyo.

Management = Toma de Decisiones

 DECISIONES GERENCIALES

Gestión: proceso mediante el cual se logran los objetivos con el uso de recursos.
• Los recursos insumos, y el logro de las metas resultado.
• El grado de éxito de la organización y el gerente se mide por la relación entre los productos y los insumos.
Esta relación es una indicación de la productividad de la organización, que es un reflejo de la capacidad
organizativa y de gestión.
• El nivel de productividad o el éxito de la gestión depende del desempeño de las funciones de gestión: planificar,
organizar, dirigir y controlar.
Para realizar sus funciones, los gerentes participan en un proceso continuo de toma de decisiones.

• Seleccionar la mejor alternativa entre dos o más soluciones.

 Toma de Decisiones
Es el proceso de elegir entre dos o más
posibilidades alternativas de acción con el
propósito de alcanzar una meta (s).
La toma de decisiones gerencial es un sinónimo
de todo el proceso gerencial o de management -
Simon (1977)
Ej. Planificación
– Qué debería hacerse? Cuándo? Dónde? Por
qué? Cómo? Por quién?
Fases del Proceso de Toma de Decisiones
Los humanos, consciente o subconscientemente,
siguen un proceso sistemático de toma de
decisiones (Simon, 1977).
1) Inteligencia
2) Diseño
3) Elección
4) Implementación
La Toma de Decisiones es difícil
debido a:
La tecnología, los sistemas de información , los
avanzados motores de búsqueda y el internet
producen más y más alternativas de dónde
escoger.
Las regulaciones gubernamentales y la
necesidad de cumplimiento, la inestabilidad
política, las cambiantes
demandas de los consumidores producen mayor
incertidumbre, haciendo más difícil el predecir las
consecuencias y el futuro.
Otros factores son: la necesidad de tomar
decisiones de manera rápida, los frecuentes e
impredecibles cambios que hacen del sistema de
aprendizaje “intento y error” más complicado, y
los costos potenciales de cometer errores.
INTRODUCCIÓN AL PROCESO DE TOMA DE
DECISIONES
Durante años, la toma de decisiones
se consideró como un talento
adquirido durante un largo período a
través de la experiencia y mediante el
uso de la intuición (el aprendizaje por
prueba y error).
Algunos estilos se basaban en la
creatividad, el juicio, la intuición y la
experiencia más que en métodos
cuantitativos sistemáticos basados en
un enfoque científico.
El Sistema de Soporte de Decisiones
Computarizado / Tecnológico facilita las
decisiones mediante:
Cálculos rápidos
Mejoramiento de la comunicación y de la colaboración
Incremento de la productividad de los miembros del
grupo
Mejoramiento del manejo de datos
Superación de los límites cognitivos
Soporte de Calidad; Soporte de Agilidad
Empleo del soporte de la Web donde se requiera y
cuando se requiera
INTRODUCCIÓN AL PROCESO DE TOMA DE
DECISIONES

Los gerentes generalmente toman decisiones siguiendo un proceso de

cuatro pasos:
1. Definir el problema (una situación de decisión que puede enfrentar
alguna dificultad o una oportunidad).
2. Construir un modelo que describa el problema en el mundo real.
3. Identificar posibles soluciones al problema modelado y evaluar las
soluciones.
4. Comparar, elegir y recomendar una posible solución al problema.
 INTRODUCCIÓN AL PROCESO DE TOMA DE
DECISIONES
Para seguir este proceso, se debe
asegurar que se estén
considerando suficientes
soluciones alternativas, que las
consecuencias del uso de estas
puedan predecirse razonablemente
y que las comparaciones se
realicen correctamente.
Sin embargo, los factores del
entorno del negocio dificultan dicho
proceso de evaluación por lo
siguiente:
La tecnología, sistemas Las regulaciones
de información, gubernamentales y la necesidad
motores de búsqueda de cumplimiento, la inestabilidad
política, la competencia y las
avanzados y la demandas de los consumidores
globalización resultan producen más incertidumbre,
en más alternativas haciendo más difícil predecir las
entre las que elegir. consecuencias y el futuro.
La necesidad de tomar
decisiones rápidas, los Los entornos son cada día
cambios frecuentes e más complejos. Por tanto,
impredecibles que dificultan tomar decisiones se
el aprendizaje de prueba y convierte en una tarea
error y los costos
realmente compleja.
potenciales de cometer
errores.
INTRODUCCIÓN AL PROCESO DE TOMA DE
DECISIONES

Debido a estas tendencias y cambios, es casi imposible confiar en un

enfoque de manejo de prueba y error, especialmente para decisiones en las
que los factores del entorno tienen una fuerte influencia.
Los gerentes deben ser más sofisticados, deben utilizar las nuevas
herramientas y técnicas de sus campos apoyar la toma de decisiones, esto
será muy gratificante para tomar decisiones efectivas. Entre éstas, el apoyo
de herramientas informáticas.
KPI (INDICADORES CLAVE DE DESEMPEÑO)

En muchas organizaciones, el rendimiento empresarial se gestiona mediante métricas

orientadas a los resultados.

Para grupos externos, estos son acuerdos de nivel de servicio (SLA).

Para la gestión interna, son indicadores clave de desempeño (KPI`s).

Por lo general, hay objetivos acordados en toda la empresa que se deben rastrear durante un
período de tiempo.
KPI (INDICADORES CLAVE DE DESEMPEÑO)

Un indicador Clave de Desempeño representa un objetivo estratégico y mide

el desempeño frente a una meta.

Los KPI`s son multidimensionales. Eckerson (2009). Lo que significa que

pueden tener distintas características.
CARACTERÍSTICAS DE LOS KPI`s

Estrategia • Encaran un objetivo específico

• Miden el desempeño frente a objetivos específicos como: logros,

Objetivos reducciones, incremento de producción.
• Los objetivos tienen rangos de rendimiento (p. Ej., Por encima, por encima o por debajo
Rangos del objetivo).

• Los rangos están codificados, lo que permite la visualización visual del rendimiento (verde,
Codificaciones amarillo, rojo). Pueden basarse en porcentajes o reglas más complejas.

• A los objetivos se les asignan plazos en los que deben cumplirse. Un marco de tiempo a
Plazos (time frames) menudo se divide en intervalos más pequeños para proporcionar hitos de rendimiento.

Puntos de referencia • Los objetivos se miden con respecto a una línea de base o un punto de referencia. Los
(Benchmarks) resultados del año anterior a menudo sirven como punto de referencia.
KPI`s DE RESULTADO Y PRINCIPALES

KPI`s principales
KPI`s de resultado • Miden las actividades que tienen
un impacto significativo en los
• Miden el resultado de la KPIs de resultados (por ejemplo,
actividad pasada (por oportunidades de venta o
ejemplo, ingresos) volumen de oportunidades en el
embudo)
KPI`s OPERATIVOS

Desempeño de cliente
La mayoría de las • Métricas de satisfacción del cliente, velocidad y precisión en
la resolución de problemas y retención de clientes.
organizaciones
recopilan una amplia Rendimiento de servicio
gama de métricas
• Métricas para tasas de resolución de llamadas de servicio, tasas de
operativas. Como su renovación de servicios, acuerdos de nivel de servicio (SLA), rendimiento de
nombre lo indica, estas entrega y tasas de devolución.
métricas se refieren a
las actividades Operaciones de venta
operativas y el • Nuevas cuentas en proceso, reuniones de ventas aseguradas, conversión de
desempeño de una consultas en clientes potenciales y tiempo promedio de cierre de llamadas.
empresa.
Plan / pronóstico de ventas
• Métricas para la precisión del precio de compra, la relación entre la
orden de compra y el cumplimiento, la cantidad ganada, la relación entre el
pronóstico y el plan, y el total de contratos cerrados.
INTRODUCCIÓN A BUSINESS INTELLIGENCE

Debido a la evolución en la forma de trabajo y a los avances de las

herramientas junto con las nuevas tecnologías: herramientas OLAP (Online
Analytical Processing-Procesamiento Analítico Online), Data Warehousing,
Minería de datos, Sistemas Inteligentes.

Además de plataformas web para el acceso fácil y rápido a

estas herramientas, es que todo este conjunto de herramientas
comenzaron a recibir el nombre de Business Intelligence y Business
Analitycs.
BUSINESS INTELLIGENCE (BI)

Muchos proveedores han creado herramientas y metodología de apoyo a la toma de

decisiones que se han implementando de forma gradual por muchas empresas.
A medida que los sistemas de las empresas crecen, los gerentes pueden acceder a
informes fáciles de usar que les permiten tomar decisiones rápidamente.
Estos sistemas (antes llamados EIS Executive Informations System o Sistemas de
Información Ejecutiva SIE), comenzaron a ofrecer capacidades adicionales de
visualización, alertas y medición de desempeño.
En 2006 estos productos y servicios comerciales reciben el nombre de
BUSINESS INTELLIGENCE (BI).
DEFINICIÓN DE BUSINESS INTELLIGENCE (BI)

Business Intelligence es el termino general que

combina: Arquitectura, herramientas, bases de
datos, herramientas de análisis,
aplicaciones y metodologías.
Al igual que los sistemas DSS Decision Support System
o Sistemas de Apoyo a las Decisiones pueden tener
diferentes significados para las personas.
Su principal objetivo es permitir el acceso
dinámico a los datos, permitir la manipulación de
los mismos y brindar a los analistas
comerciales la capacidad de realizar análisis
apropiados.
BUSINESS INTELLIGENCE (BI)

Al analizar datos, situaciones y

desempeños históricos y actuales,
los responsables de la toma de
decisiones obtienen información
valiosa que les permite tomar
mejores decisiones y estar mejor
informados.
El proceso de BI se basa en la
transformación de datos en
información, luego en decisiones y
finalmente en acciones.
HISTORIA DE BUSINESS INTELLIGENCE

2005
1970

1980

1990
Sistemas (MIS) Sistemas (EIS) The Gartner Nuevas
Group (BI) Capacidades
Sistemas de Sistemas de
información gerencial. Información Ejecutiva. Se mejoran las Inteligencia Artificial
Los sistemas de Soporte informatizado capacidades y se y nuevas
presentación de a gerentes de alto introducen algunas capacidades
informes eran nivel. herramientas nuevas analíticas.
estáticos, al concepto de EIS
Informes, pronósticos y
bidimensionales y no predicciones dinámicos
tenían capacidad multidimensionales (ad
analítica. hoc), análisis de
tendencias, desglose de
detalles.
BUSINESS INTELLIGENCE (BI)
NIVELES DE CONOCIMIENTO

Toma de Business
decisión Intelligence

Conocimiento
Operaciones
de negocio
Información
Aplicaciones
Operativas
Datos
ARQUITECTURA DE BI

1. Data Warehouse (incluyendo sus datos de origen).

2. Business Analitycs (herramientas para manipular, analizar y aplicar minería
de datos en el Data Warehouse).
3. BPM (Business Performance Management, para monitorear el
desempeño de la organización).
4. Una interfaz de usuario (Dashboards)
ARQUITECTURA BI DE ALTO NIVEL
Estilos de Inteligencia de Negocios
MicroStrategy, Corp. distingue 5 estilos de Inteligencia de Negocios (BI) y
ofrece
herramientas para cada uno:

1. Envío de reportes y alertas

2. Interpretación de reportes (usando tableros y tarjetas de mando
(dashboards, scorecards)
3. Cubos de Información (también conocido como análisis de “slice/dice” o
rebanadas y cubos de datos)
4. Consultas ad-hoc (consultas para un fin especifico /”ad hoc” del latín
“para esto”)
5. Estadísticas y minería de datos
Los Beneficios de la Inteligencia
de Negocios (BI)
La habilidad de proveer información adecuada / exacta cuando se requiere,
incluyendo una visión en tiempo real del desempeño de la corporación y
sus componentes.
- Encuesta realizada por “Thompson” (2004):

Reporte más rápido y preciso (81%)

Mejoramiento de la toma de decisiones (78%)
Mejoramiento del servicio al cliente (56%)
Incremento de la capacidad de renovación (49%)
COMPONENTES DE UNA SOLUCIÓN BI

1. Minería de datos
2. Aplicaciones analíticas
3. Sistemas de reportes (agentes)
4. Multidimensionalidad
5. Data warehouse
MINERÍA DE DATOS

La minería de datos es un campo de las ciencias de

la computación referido al proceso que intenta
descubrir patrones en grandes volúmenes
de conjuntos de datos.
Utiliza los métodos de la inteligencia
artificial, aprendizaje automático, estadística y
sistemas de bases de datos.
El objetivo general del proceso de minería de
datos consiste en extraer información
de un conjunto de datos y transformarla en
una estructura comprensible para su uso posterior.
FASES DE LA MINERÍA DE DATOS
FASES DE LA MINERÍA DE DATOS
Selección
de los
1. Selección del muestreo de datos datos
2. Análisis de valores atípicos, valores nulos, etc. Análisis
Interpretación
y evaluación de los
3. Etapa de pre procesamiento, preparar los datos de datos
datos
para aplicar la minería.
Minería
4. Modelado de los datos
de datos
5. Presentación de patrones, relaciones mediante
técnicas de minería de datos Extracción
de Transformación
de los datos
6. Validación de los resultados del modelo, conocimiento
conclusiones. Aplicar
técnicas
de
minería
de datos
APLICACIONES ANALÍTICAS

Consiste en una serie de aplicaciones integradas que incluyen cuadros de mando y dashboards. Esto
permite a un gran numero de usuario de distinto tipo el acceso a información integrada sobre las actividades
comerciales de la organización.

Características

Informes
Interactivos Información Dirección de un
que permitan Integrada. dominio
Integradas Se alimentan comercial,
Lógicamente. a los usuarios
acceder, de los datos definido por la
analizar y de un Data actividad de
actuar. Warehouse interés de la
organización.
APLICACIONES ANALÍTICAS

Elementos de una aplicación analítica.

1. Visualización y percepción.
2. Reportes y análisis.
3. Servidor de análisis.
4. Lógica de negocios.
5. Modelo de datos.
6. Mapeo de las fuentes de datos
MULTIDIMENSIONALIDAD

Ayuda a representar los datos en forma cercana a la intuición del usuario. La información
multidimensional se puede encontrar en hojas de cálculo, bases de datos, etc.
Se representan los datos como una matriz.

- En los ejes están los criterios de análisis.

- En los cruces están los valores a analizar.
A esta estructura se le llama Cubo o Hipercubo.
MULTIDIMENSIONALIDAD

Los Cubos o Hipercubos constan de:

Dimensiones:
Criterios de análisis de los datos.
Variables independientes.
Ejes en el hipercubo.
Medidas:
Valores o indicadores a analizar.
Datos asociados a relaciones entre los objetos problema.
Variables dependientes.
Variables en la intersección de las dimensiones.
DATA WAREHOUSE

Integrado: los datos almacenados deben integrarse en una estructura consistente, por lo
que las inconsistencias existentes entre diversos sistemas operacionales deben ser eliminadas.
Orientado a un tema: Los datos de organizan por temas para facilitar su acceso y
entendimiento por parte de los usuarios.
Histórico: el tiempo es parte implícita de la información. El data warehouse incluye una
variable de tiempo que refleja el estado de una actividad.
No volátil: un almacén de datos existe para ser consultado, pero no modificado. Su
proceso de actualización consiste en la incorporación de nuevos datos.
Metadatos: es el diccionario de datos que permite conocer el origen de los datos,
transformación que haya podido sufrir, en algunos casos la forma en que fueron
calculados.
SISTEMAS DE REPORTES

Un sistema de reportes nos permite tener un conocimiento pleno de

toda la organización a través de una gran cantidad amplia de datos
manipulados de tal manera que satisface las necesidades de los usuarios y
estos puedan realizar un análisis coherente, concreto y objetivo de los datos.
▪ Los Sistemas Técnico operacionales se enfocan y capturan
datos de un área específica mientras que los estratégicos
puedes involucrar a diferentes áreas y requieren de grandes
cantidades de datos.
 Bases de datos

OLTP OLAP
 OLTP

▪ Procesamiento Transaccional en línea.

▪ Orientadas al procesamiento de transacciones.

▪ Concepto: Una transacción genera un proceso atómico

(commit, rollback).
▪ Aplicado en bases de datos operacional.
 OLTP

Algunas características:
▪ El acceso a los datos está optimizado para tareas frecuentes de
lectura y escritura.
▪ Los datos se estructuran según el nivel y alcance de la
aplicación.
▪ El formato de los datos no esta necesariamente estandarizado
en todas las aplicaciones de distintos departamentos.
▪ Los datos generalmente son actuales o recientes.
 OLAP

▪ Procesamiento Analítico en Línea

▪ Bases de datos orientas al procesamiento analítico.
▪ Implica lectura de grandes cantidades de datos, el
objetivo es obtener información útil: patrones, tendencias,
comportamientos, informes y reportes complejos, etc.
▪ De uso común en datamarts.
 OLAP

▪ Acceso de sólo lectura.

▪ Los datos están estructurados según el área del negocio, los datos
están uniformados para toda la organización.
▪ Se cuenta con datos históricos a largo plazo.
▪ La base de datos se alimenta de los sistemas operaciones mediante
operaciones de ETL (Extraer, Transformar y Cargar o, Extract,
Transform, Load, es el proceso de compilación de datos a partir de un
número ilimitado de fuentes, su posterior organización y centralización
en un único repositorio).
 OLTP vs. OLAP
FUENTES DE DATOS-OLTP ALMACENAMIENTO DE DATOS-OLAP
EXTRAER TRANSFORMACION CARGAR
Varias fuentes
de datos de las
que extraer
datos

PUESTA EN DIMENSIÓN/HECHOS
ESCENA (Virtual)
(físico) CENTRAL Informaciónlógica de
Meta-Datos
datos optimizada de
INICIAL
Meta-Datos
fuente de datos
refinada para
departamentos únicos
o múltiples
Características del Data Warehouse

▪ 1.- Orientado a un Tema

▪ 2.- Integrado
▪ 3.- De Tiempo Variante
▪ 4.- No volátil
 1.- Orientado a un tema
préstamo
cliente

ahorros

Data Warehouse
vendedor
Operacional

tarjetas bancarias
producto

depósito actividad

Orientado a una aplicación Orientado a un tema

1.- Orientado a un tema

▪ El Data Warehouse se modela alrededor de un

tema, sujetos (entidades): cliente, vendedor,
producto, y la actividad.
▪ El modelado de datos y diseño de base de datos se
enfoca en un tema de interés.
 2.- Integrado

Operacional Data Warehouse

App A – m, f m, f
App B – 1, 0
App C – x, y
App D – masculino, femenino

App A – tamaño (cm) tamaño (cm)

App B – tamaño (pulg)
App C – tamaño (yardas)

App A – descripción
App B – descripción ? descripción
App C – descripción
App D – descripción
 3.- De Tiempo Variante

Operacional
Data Warehouse
▪ Estado actual de los datos Horizonte de tiempo de 5 a 10 años
▪ Horizonte de tiempo de 60 a 90 días Las claves tienen un elemento de tiempo
▪ Las claves pueden o no tener un Los datos no pueden ser actualizados
elemento de tiempo.
▪ Los datos pueden ser actualizados
 cambia reemplaza
4.- No volátil
inserta

inserta

carga

reemplaza
accede
reemplaza
cambia

Operacional Data Warehouse

Los datos se cargan en el deposito y
▪ Los datos son actualizados registro
entonces sólo pueden ser
por registro.
accedidos.
▪ Pueden cambiar Los datos en el almacén no
constantemente. cambian.
 4.- No volátil
▪ Los datos se filtran (transforman) cuando pasan desde el ambiente
operacional hacia el almacén. Gran parte de los datos nunca salen del
ambiente operacional.
▪ La información del ambiente es mas reciente que la información en el Data
Warehouse.
▪ El Data Warehouse contiene resúmenes de datos que no se encuentran en
el ambiente operacional.
▪ La mayor parte de los datos sufren alteraciones físicas y radicales
cuando son traspasados al almacén. Estos datos ya no son los
mismos que en el ambiente operacional.
Estructura del Data Warehouse
ALTAMENTE
RESUMIDO

LIGERAMENTE
RESUMIDO

Carga
M DETALLE
E ACTUAL
T
A DE DATOS
D
A
T
A
DETALLE
HISTORICO
DE DATOS
 Detalle actual de datos

▪ Datos de fácil acceso.

▪ Representan los hechos mas recientes y es de gran
tamaño ya que tiene el nivel mas bajo de
esquematización.
 Detalle histórico de datos

▪ Son grandes cantidades de datos que se almacenan en

algún medio de almacenamiento masivo.
▪ El acceso no es frecuente.
▪ El nivel de esquematización es consistente con el nivel
actual de datos.
 Datos ligeramente resumidos

▪ Tienen un nivel bajo de detalle en relación al nivel de

detalle actual.
▪ Se almacenan en disco considerando el tiempo y la
cantidad de datos que se van a utilizar.
 Datos altamente resumidos

▪ Son datos compactos.

▪ Datos de fácil acceso.
▪ Pueden estar almacenados en el ambiente de Data
Warehouse o en otro ambiente. En ambos casos, siguen
siendo parte del Data Warehouse.
 Meta Data

▪ Están almacenados en una dimensión distinta a los

otros elementos del Data Warehouse.
▪ Ayudan a identificar y ubicar contenido en el Data
Warehouse.
▪ Facilita el seguimiento de los datos que fueron
transformados desde el ambiente operacional y que ahora
forman parte del Data Warehouse.
Tipos de Data Warehouse

▪ Data warehouse empresarial.

▪ Data warehouse operacional.
▪ Data Mart.
▪ También conocido como
centralizado, unifica toda la
Data warehouse empresarial
información de una organización
para que toda la empresa pueda
tener acceso.
▪ Las BDs separadas son todas
interrelacionadas y físicamente
almacenadas en el mismo entorno
▪ Se enfoca en organizar y
representar los datos
▪ Brinda la capacidad de clasificar los
datos según el usuario y dar
acceso de acuerdo a las
restricciones internas.
▪ También conocido como ODS (Operational Data
Store o Almacén operacional de los datos). Data warehouse operacional
▪ Es un almacén de datos que se usa cuando el
Data warehouse y los sistemas OLTP no
admiten las necesidades de los informes de las
organizaciones.
▪ En ODS, todo el almacenamiento de datos se
actualiza en tiempo real y/o con baja latencia
de actualización.
▪ Se utiliza habitualmente para actividades
rutinarias, como es el almacenamiento de
registros de la operación de la empresa y
transacciones de venta.
▪ Se utiliza habitualmente como un área
lógica provisional para un almacén de
datos.
▪ Es un subconjunto del Data Mart
almacenamiento de datos orientado
a un área específica, también
conocido como base de información
departamental.
▪ Está especialmente diseñado para
una línea de negocio particular,
como ventas o finanzas.
▪ En un Data Mart independiente,
los datos pueden recopilarse
directamente de las fuentes.
▪ El objetivo es realizar un
análisis detallado sobre lo que
ocurre en un negocio.
 Por niveles *

OLTP
Corporativo
Corporativo Financiero
Comercio
Financiero
Manufactura
Comercio Distribución
Manufactura
Distribución
Arquitectura de un Data Warehouse
Arquitectura de un Data Warehouse

▪ Nivel de Base de datos operacional / base de datos externa

▪ Nivel de acceso a la información
▪ Nivel de acceso a los datos
▪ METADATA
▪ Nivel de gestión de proceso
▪ Nivel de mensaje de la aplicación
▪ Nivel de data warehouse
▪ Nivel de organización de datos
Evolución de Data Warehouse
Limitaciones de los modelos convencionales

▪ Fuentes de datos cada vez mas variadas.

▪ La necesidad de contar con datos actualizados al mismo tiempo que
se requieren los análisis.
▪ Las tareas de ETL pueden ser costosas y tediosas.
▪ Las nuevas plataformas de datos requieren habilidades
especializadas, muchos ajustes y configuraciones.
 ▪Soluciones On Premise (Arquitectura)
▪ Depende del tamaño del Data Warehouse a implementarse.

Un solo SMP (Symmetric MPP (Parallel

Procesador
• Fácil mantenimiento.
• Potencia limitada
• Disponibilidad limitada
Multi-Processing)
• Compuesto por múltiples
servidores
• Comparten Software,
memoria y recursos de
entrada y salida.
• Un sólo CPU para consultas
• Menor tolerancia a fallas.
Multi-Processing)
• Las consultas se realizan
con cada procesador del
servidor donde esta el
segmento de BD.
• Se pueden expandir
agregando más CPU
• Conocidas como bases de
datos paralelas
SMP vs MPP
¿Por qué usar BI?
Inteligencia de Negocios BI
Es necesario en grandes organizaciones y en entornos VUCA
Volatilidad (VS), Incertidumbre (U), ¡Quiero información al día!
Complejidad (C) y Ambigüedad (A)
Y que sea confiable, relevante
en mi escritorio pero ahora