Unidad 10: Taller de Inteligencia

de Negocios
Educación Profesional Escuela de Ingeniería UC

Marco Ramírez Melcherts

Head of Learning and Talent Development at MetricArts,
Consultora Especializada en las Áreas de Inteligencia
de Negocios y Análisis de Negocios.

1
La Gran Necesidad

Llevar a la organización a su meta…

La Gran Necesidad

…mediante acciones…
La Gran Necesidad

…gatilladas por decisiones…

Aplicar la Definir el
decisión problema

Elegir Analizar el
alternativas problema

Evaluar
alternativas
 La Gran Necesidad

…tomadas a la luz de nuestro conocimiento…

La Gran Necesidad

… en base a información …
La Gran Necesidad

… generada a partir de datos …

La información
 El mundo actual

• Alto volumen de datos y necesidad de respuestas rápidas

• Análisis complejo
– Preguntas difíciles de responder o predecir.

• Ambiente de negocios cambiante

 Motivación

Momento Lugar
correcto correcto

Contenido Forma
correcto Decisión Correcta
▼
Acción
 El Activo Información

• ¿Podemos tratar a la información como un activo de la empresa?

• ¿Qué particularidades tiene?

 El Activo Información

• Es intangible
– Al contrario de otros activos no se deprecia con el uso, sino por el
contrario, se hace más valioso

– Se deprecia con la desactualización

– Es un activo que fluye transversalmente por la organización

 El Activo Información

• Como activo valioso

– Debe protegerse

• Confidencialidad
• Integridad
• Disponibilidad
 El Activo Información

• Al analizar información podemos, entre otras cosas:

– Identificar a los clientes más rentables
– Intentar inducir mayores ventas a un mismo cliente
– Fidelizar a los clientes

– Ser competitivos en precio al reducirse costos de la cadena de valor

– Integrar al cliente en la configuración de nuevos productos y servicios
a la medida de sus necesidades
 El Activo Información

• ¿Qué pasa cuando tenemos miles de clientes?

• ¿Qué pasa cuando no contamos con información de los

clientes?

• ¿Qué pasa cuando el personal que mejor conoce a nuestros

clientes se va a la competencia?

• ¿Qué pasa cuando los datos de nuestros clientes se

encuentran dispersos en la organización?
¿Estamos manejando bien la información?
 El Activo Información

• La mayoría de las compañías tienen una gran cantidad de datos.

…Pero los datos no son información…

 Dato

• Conjunto discreto de factores objetivos sobre un hecho real

– Por si mismo no tiene relevancia ni significado
– No todo dato es relevante
– Define sólo una parte de lo que pasa de la realidad
– Son la base de la creación de información

• Ejemplos de dato
– Para una organización: una transacción
– Para un profesor: la nota de un control
 Información

• Los datos se pueden transformar en información

– Contextualizando
– Categorizando
– Calculando
– Agrupando
– Etc
• Tiene valor para quien la recibe
– Tiene un impacto de valor y comportamiento sobre su receptor: son
datos con forma, significado, contexto y relevancia
 Información

• Algunos requisitos para que sea información:

– Economía: los costos deben ser menor a los beneficios

– Oportunidad: disponible cuando se lo requiera
– Utilidad: debe satisfacer una necesidad concreta
– Confiabilidad: ¡se tomarán decisiones en base a ella!
 Conocimiento

• Mezcla de experiencia, valores, juicios, información y saber hacer

– Permite incorporar y generar nueva información

• Se deriva de la información y se produce gracias a:

– Comparación
– Consecuencias
– Conexiones
– Conversación
– Etc.
 Conocimiento

• Tiene lugar dentro y fuera de las personas

– Es un activo intangible difícil de manejar
• A veces, es difícil de captar en palabras o de entender plenamente
 El Activo Información

• 3 DATO
• 3 perros DATO
• 3 perros guardianes DATO

• 3 perros guardianes INFORMACION

cuidando una casa
 El Activo Información

• 3 perros guardianes cuidando una casa en verano, implica que no hay

moradores

CONOCIMIENTO

Ya que existe una regla de asociación no trivial

 El Activo Información

• Una vez que los datos son consolidados, deben ser transformados en
información

• La gente debe acceder fácilmente a aquello que necesita

• La información debe favorecer una fácil exploración, de manera que los

usuarios puedan contestar sus preguntas
 El Activo Información

• Un sistema BI debe apoyar diversas clases de necesidades del usuario.

• Objetivo:

– Mejorar la puntualidad y la calidad de la entrada a un proceso de

decisión
 El Activo Información

• Ejemplos:

– Productos nuevos
– Nuevos clientes
– Fusiones y adquisiciones
– Pronósticos del negocio
– Supervisar el funcionamiento
– Productos analíticos
– Etc.
 El Activo Información

• Un objetivo de la Inteligencia de Negocios es convertir oportunamente

grandes cantidades de datos en información, la cual sea capaz de
conducir al conocimiento

• ¿Cómo? Es fundamental:
– Técnicas utilizadas para acelerar el procesamiento de datos
– Técnicas utilizadas en inferir conocimiento
– La forma en la que es presentada la información
Business Intelligence
 Qué es BI

• Algunas definiciones:

1958 – Peter Luhn – IBM

La habilidad de aprehender las inter relaciones de hechos presentados de tal
forma que guiar la acción hacia una meta deseada

1989 - Howard Dresner – Gartner:

Conceptos y métodos para mejorar la toma de decisiones usando sistemas de
soporte basados en hechos
 Componentes Sistema BI

• Sistemas Transaccionales

• Data Warehouse

• Análisis Multidimensional (OLAP)

• Visualización

• Business Analytics
 Sistemas Transaccionales

• Son sistemas que abarcan a toda la empresa o organización

• Son el corazón de la organización pues permiten que los procesos

operen

– Registrar las transacciones

– Pagar a los proveedores y funcionarios
– Avisar de faltas de stock
 Sistemas Transaccionales

• Son sistemas diseñados para

– Tener altísima disponibilidad

– Contar con redundancia para casos de fallas
– Para utilizar el mínimo espacio posible, utilizando mucha codificación
– Registrar todo el detalle posible
– Ser alterados por muchas aplicaciones, no todas igual de confiables
 Sistemas Transaccionales

• Evolución
 Sistemas Transaccionales

• Bases de Datos

– Colección única y estructurada de datos describiendo las actividades

de una organización o de un área de ella

– Los sistemas gestores de bases de datos actuales, además de

almacenar y permitir consultar datos, permiten la validación de la
consistencia de los datos de acuerdo a las reglas del negocio
 Sistemas Transaccionales

• Bases de Datos

– Modelo Entidad relación

• Es una técnica de diseño de BD gráfica. Muestra información

relativa a los datos y sus relaciones
 Sistemas Transaccionales

• Modelo Entidad Relación Jornad

Rut
• Entidades a
– Representa un objeto o concepto del mundo real, como
un “Empleado”, “Proyecto” que se describe en la BD Empleado
• Atributos
– Representa alguna propiedad de interés que da una
Trabaja
descripción más amplia a la entidad, como “Nombre” y Horas en:
“Salario” de un entidad “Empleado”
• Relaciones (o vínculos)
– Describe una interacción entre entidades, relación Proyecto
“Trabaja en” entre “Empleado” y “Proyecto”

Id Lugar
 Sistemas Transaccionales

Cardinalidad de Relaciones
• Razón de cardinalidad: número de instancias de vínculos en que puede participar
una entidad

• En el caso de vínculos Binarios podemos tener:

– 1:1 Marido - Esposa

– 1:N Profesor - Curso
– N:1 Trabajador Full Time – Empresa
– M:N Empleado - Proyecto
 Sistemas Transaccionales

• Bases de Datos

– Modelo
Relacional (MR)
 Sistemas Transaccionales

• Lenguaje de consultas

– SQL
• “Structured Query Language”
• SQL permite acceder a bases de datos
• SQL es un standard ANSI
• SQL puede ejecutar consultas a BD
 Sistemas Transaccionales

• Problemas de la evolución de los Sistemas Transaccionales

– Credibilidad en los datos

– Productividad
– Inútiles para transformar
datos en información
 Sistemas Transaccionales

• Credibilidad Múltiples

en los datos Reportes

Niveles de
extracción Emol.
Inconsistent com
es
Dpto A:
+15%

– Datos no están
sobre una base
de tiempo

– Diferentes cálculos

– Distintos orígenes Reportes

Inconsistent
No hay una es
fuente común Bolsa Dpto B: -10%
de datos Stgo.
Perdida de Control
Perdida de Sincronización
 Sistemas Transaccionales

Difícil el convertir Datos en Información

Distintos elementos con
distinto nombre

Elemento solo
existe acá
Mismo elemento con
distinto nombre
 Sistemas Transaccionales

Considerando todo lo anterior

¿Podemos utilizar los sistemas transaccionales para generar información y

tomar decisiones?

Sí, pero…
Derivada 1: Integridad y Confiabilidad
Perspectiva Externa

¿Qué nivel de satisfacción tendrá el cliente cuando solicitamos sus

datos por distintos canales, y sobre todo cuando le entregamos
información distinta por distintos canales?
Derivada 1: Integridad y Confiabilidad
Perspectiva Interna

¿Cómo nos ponemos de acuerdo cuando cada

área de negocio tiene sus propias reglas y criterios?
Derivada 2: Productividad Analítica
 Derivada 2: Productividad Analítica
El proceso típico de generación de información

Reportes
Impresos,
Información procesada por analistas
PPT (generalmente senior)

Planillas de
Cálculo Volcados de datos apoyados
por personal informático
Datos procesados por analistas
Sistemas
Transaccionales
El proceso típico de generación de
información (otra versión)
Reportes
Impresos,
PPT
Información procesada por analistas
Tablón n-
ésimo
(generalmente senior)

Analistas con conocimiento de SQL

Tablón (n-1) ésimo
generan información en tablones.
Cada tablón agrega o reinterpreta
… información

Tablón 1 “Volcados de datos” o “sábanas”

Apoyados por personal informático
Datos procesados por analistas
Sistemas Transaccionales
 Productividad Analítica

Cocinas de Datos
Necesidad 1
4 meses
Fuente
1

Fuente Necesidad 2
2
¡Hola, Soy tu 3 meses
amigo de los
datos! Fuente
3

Necesidad 3
Otras 2 meses
Fuentes
 Productividad Analítica

– Para cada fuente de información debe programarse una aplicación de

extracción
– Por cada reporte que hay que generar hay que volver a buscar los
datos y volver a construir un extractor
 Derivada 2: Productividad Analítica
El proceso típico de generación de información

• Algunos problemas
– Extracción de datos
desde sistemas
transaccionales
• No es trivial, puede
demorar
 Derivada 2: Productividad Analítica
El proceso típico de generación de información

• Algunos problemas
– Necesidades cambiantes
 Re trabajo
• Conseguir nuevos datos
es un esfuerzo ad-hoc
 Derivada 2: Productividad Analítica
El proceso típico de generación de información

• Algunos problemas
– Múltiples fuentes para el
mismo dato
• ¿Cuál elijo?
• ¿Y si los sistemas
cambian, mi elección
sigue siendo válida?
 Derivada 2: Productividad Analítica
El proceso típico de generación de información

• Algunos problemas
– Datos sucios
• Hay que limpiarlos, a veces a mano
 Derivada 2: Productividad Analítica
El proceso típico de generación de información

• Algunos problemas
– Datos en distintas unidades o codificaciones
 Derivada 2: Productividad Analítica
El proceso típico de generación de información

• Algunos problemas
– Errores en la
manipulación
• Excel, por ejemplo
 Derivada 2: Productividad Analítica
El proceso típico de generación de información

• Consecuencias
– Datos no están a tiempo
– Datos son incompletos
– Datos no son precisos
– Múltiples versiones de los datos
– ¿Tenemos documentación de los datos?
El proceso típico de generación de
información
 Componentes Sistema BI

• Sistemas Transaccionales

• Data Warehouse

• Análisis Multidimensional (OLAP)

• Visualización

• Business Analytics
 Data Warehouse

• Bill Inmon (1992)

– El Data Warehouse es una colección de datos orientados al tema,
integrados, no volátiles e historiados, organizados para el apoyo a la
toma de decisiones.
 Orientado al Tema

• Datos se organizan en torno a temas. Datos relacionados

están cerca en la base de datos
– Cliente
– Producto
– Transacción
– Requerimiento
 Integrado

Integración de Datos Integración de Conceptos

Es la única fuente de datos para el
análisis.
No Volátil
Historiado
 Data Warehouse

• Y por qué es necesario:

– Representa una visión del negocio integrada

• Resultante de un acuerdo interno
• Entendida de una manera común
– Los datos están modelados para:
• Responder consultas de tipo analítico en forma eficiente
• Ser más fáciles de entender que un modelo de sistema Transaccional
 Data Warehouse

• Dos enfoques:
DataMart

MKT

Data Warehouse
DataMart

Crédito

DataMart

MKT

Data Warehouse
DataMart

Crédito
 Componentes Sistema BI

• Sistemas Transaccionales

• Data Warehouse

• Análisis Multidimensional (OLAP)

• Visualización

• Data Mining
 Análisis Multidimensional (OLAP)

• OLAP (Online Analytical Process)

– Sistemas que proporcionan una alternativa a los sistemas

transaccionales relacionales, ofreciendo una visión multidimensional
de los datos orientada hacia el análisis para una rápida y flexible
navegación por estos
– También son sistemas de bases de datos, pero no los estructuran
como tablas
 Análisis Multidimensional (OLAP)

• OLAP (Online Analytical Process)

– Los sistemas OLAP tienen una estructura optimizada para que las
preguntas de los usuarios sean respondidas rápidamente

– Las preguntas se desarrollan en tiempo real (Online) por el usuario

 Análisis Multidimensional (OLAP)

• OLAP (Online Analytical Process)

– Son multidimensionales
• La estructuración de los datos
corresponde a una malla n-
dimensional que resulta del
producto cartesiano de n conjuntos
discretos (las dimensiones)

– Generalización de las tablas

dinámicas
• Tablas dinámicas en esteroides
 Análisis Multidimensional (OLAP)

• OLAP (Perspectiva Sistemas)

– Analistas no necesariamente
conoce de BD

– Necesidad de consultas más

eficientes

– Análisis no debe
interferir la
operación
 Análisis Multidimensional (OLAP)

• OLAP (Perspectiva Negocio)

– Contar con información en

tiempo real (Directorios)

– Hacer más eficiente la

transformación
de datos en información
(para el analista)
 Análisis Multidimensional (OLAP)

• OLAP (Configuraciones)

– MOLAP / HOLAP / ROLAP

MOLAP ROLAP
– Particiones
 Componentes Sistema BI

• Sistemas Transaccionales

• Data Warehouse

• Análisis Multidimensional (OLAP)

• Visualización

• Business Analytics
 La importancia de la visualización

• Utilizar el sistema visual humano para extraer la información a partir

de los datos.
– Esto según lo presentado.

• Facilitar interpretación y de datos complejos.

• Identificar las estructuras y los patrones.

• Ejemplo: Mapa de Minard 1861 de la campaña rusa de Napoleón

Mapa de Minard 1861
Visión Moderna
Visión Moderna
 Beneficios Generales

• Habilidad para tomar las decisiones correctas en el momento

correcto

• Contar con las herramientas necesarias para poder comparar

y analizar tendencias

• El tiempo invertido en la realización de presentaciones

ejecutivas se ve reducido en forma significativa
 Tipos de Reportes

• Una clasificación
• Business Scorecard
• Dashboard
• Reportes Estáticos
• Reportes Dinámicos
 Componentes Sistema BI

• Sistemas Transaccionales

• Data Warehouse

• Análisis Multidimensional (OLAP)

• Visualización

• Business Analytics
 Business Analytics

• Davenport & Harris – 2007

El uso extensivo de datos, análisis estadístico y cuantitativo,

modelos explicativos y predictivos, y gestión basada en hechos
para impulsar decisiones y acciones. Los análisis pueden ser
entrada para decisiones humanas o pueden impulsar decisiones
totalmente automatizadas.
 Ver más allá de lo evidente

• Entre otros beneficios, una buena visualización nos ayuda a

captar mejor los patrones en los datos

– ¿podemos ir más allá del trabajo manual para la captación de estos

patrones?
– ¿Podemos ir más allá y aprender cosas nuevas, sin visualización?
Ver más allá de lo evidente
Ver más allá de lo evidente
Ver más allá de lo evidente
Ver más allá de lo evidente
Ver más allá de lo evidente
 Minería de Datos

• Es el descubrimiento de conocimiento en un gran conjunto de

datos.

• El conocimiento que se obtiene viene dado en forma de

correlaciones, patrones y tendencias.

• Utiliza técnicas de reconocimiento de patrones, matemáticas

y estadística
 Proceso General

Datos de Modelo de Datos a

Entrenamiento Minería Predecir

Motor Motor
DM DM

Modelo de Modelo de
Minería Minería Predicción
Data Mining