Descarga la aplicación para disfrutar aún más
Esta es una vista previa del archivo. Inicie sesión para ver el archivo original
La información como un activo vital de la Entidad Ninguno de nosotros podría concebir hoy en día que una organización pueda existir sin información y sin el conocimiento a profundidad de ella. Nos cuesta a veces diferenciar entre datos e información y lo mismo entre información y conocimiento, consideramos un buen dato como información y a la información de calidad la catalogamos como conocimiento. Pero es natural, la diferenciación de estos elementos se puede lograr si tenemos claro el contexto, el entendimiento y la línea de tiempo como lo muestra la imagen. Roger Quirama CIO DEPARTAMENTO ADMINISTRATIVO DE LA FUNCIÓN PÚBLICA Los datos, si no son de calidad, no generarán información útil y mucho menos conocimiento que permita generar descubrimientos “insights”; es un un proceso en cadena, y como CIO, debemos convertirnos en sus guardianes, velando por su integridad, para que se produzca conocimiento y valor agregado a la organización, que es una de las principales bases de las economías desarrolladas. ¿Cómo tomar buenas decisiones sino es basados en estos elementos fundamentales? “Pero es natural, la diferenciación de estos elementos se puede lograr si tenemos claro el contexto, el entendimiento y la línea de tiempo...” PARA DESTACAR Datos Información Co nt ex to Entendimiento http://www.nwlink.com/~donclark/performance/understanding.html Conocimiento Sabiduría Pa sad o Fu tur o Ahora bien, imaginémonos por un momento, estos círculos entrelazados una detrás del otro, dada su estrecha relación y de ahí la importancia de la cadena anteriormente referida que debemos proteger y promover, para avanzar en el desarrollo de nuestra economía, basada en información y conocimiento como principales activos de nuestras entidades. Pero la otra pregunta que surge es, ¿cómo producir ese conocimiento?, y aquí nos referirimos a el cómo, utilizando tecnologías que no son tan nuevas pero que recientemente están cobrando su mayor importancia, permitiendo explotar los datos para generar información, conocimiento y sabiduría (entiéndase como predicción). No es otra cosa que la aplicación de Inteligencia de Negocios – BI y Analítica Avanzada: INTELIGENCIA DE NEGOCIOS - BI ANALÍTICA AVANZADA “Utilizar datos de manera correcta para obtener información de valor que permita tomar mejores decisiones de negocio.” Fuente: Microso�-Infografía parcial. (Microso�, 2016) BI y Analítica: Business Intelligence (BI) (Terán, 2017) comprende el conjunto de estrategias, procesos, aplicaciones, datos, tecnologías y arquitecturas técnicas que se utilizan para apoyar la recopilación, el análisis de datos, la presentación y la difusión de Información. Las tecnologías de BI proporcionan vistas históricas, actuales y predictivas de operaciones de negocios. Funciones comunes de las tecnologías de inteligencia de negocios incluyen: informes, procesamiento analítico en línea, análisis, minería de datos, procesos de minería, procesamiento de eventos complejos, gestión del desempeño empresarial, benchmarking, minería de textos, análisis predictivo y análisis prescriptivo. Las tecnologías de BI pueden manejar grandes cantidades de datos estructurados y a veces no estructurados para ayudar a identificar, desarrollar y de otra manera crear nuevas oportunidades. Su objetivo es permitir la fácil interpretación de estos grandes datos. Identificar nuevas oportunidades y aplicar una estrategia eficaz que basada en “insights” puede ofrecer a las organizaciones una ventaja competitiva en el mercado y a largo plazo estabilidad. La BI, basándose en medidas e informes específicos, puede aportar información valiosa con respecto al estado actual del negocio. La analítica puede profundizar en dichos resultados para responder a preguntas específicas. Las plataformas de BI/analítica (TEC, 2017) forman esencialmente un marco de referencia para las funciones de EPM (Enterprise Performance Management – Gestión de Desempeño Empresarial). Las aplicaciones de BI/analítica contienen todo el contexto y/o la infraestructura para recompilar grandes volúmenes de datos y analizarlos utilizando herramientas específicas como cubos de procesamiento analítico en línea (OLAP), minería de datos y texto, procesos analíticos específicos, etc. Estas herramientas también intervienen en la entrega de dicha información a los usuarios finales utilizando capacidades avanzadas de generación de informes, tableros de mando, o cualquier otra forma avanzada de visualización (gráficos, mapas, indicadores, etc). ¿What happened? Descriptive Analytics Diagnostic Analytics Predictive Analytics Prescriptive Analytics ¿Why did it happened? Traditional Business Intelligence ¿Why will happen? ¿How can we make it happen? Va lu e Di�iculty Gartner Info rma tion Hind sigh t Insig ht Fore sigh tOpt imiz atio n En todo caso, la analítica avanzada requiere de la existencia de la inteligencia de negocios, (Estera, 2016) con lo cual se hacen complementarias y estrechamente relacionadas. De otra forma, para poder llevar acabo Analítica Avanzada es necesario haber aplicado el conjunto de estrategias de Inteligencia de Negocios independientemente de la plataforma. La relación intrínseca entre Inteligencia de Negocios y la Analítica con base en las capacidades de análisis que se pueden llevar a cabo en cada etapa se pueden apreciar en la siguiente gráfica: Capacidades Analíticas: En este caso se puede ver que la Analítica no corresponde únicamente a un estado de Analítica Avanzada exclusivamente, sino que desde el momento que se busca entender lo que pasó en un momento anterior (Análisis sobre datos históricos para producir información), ya se lleva a cabo un ejercicio de analítica para diagnosticar por qué ocurrió (Análisis de información para producir conocimiento) (Becerra-Fernández, 2015). Así mismo, según el comportamiento descriptivo de lo que ya ocurrió pueden identificarse patrones que indiquen lo que podría pasar y de esta manera anticiparse a lo que se debería hacer (Análisis predictivo y prospectivo). De esta forma, la analítica requiere que se cubran algunos pasos previos ordenadamente (Estera, 2016), desde acceder a datos de calidad, hacer el modelamiento y almacenamiento de datos, llevar a cabo análisis descriptivos, hacer previsiones, generar predicciones y optimización de modelos. Da ta Analytics Descriptive ¿What happened? Predictive Decision Support Decision Automation ¿What will happen? Diagnostic ¿Why did it happen? Prescriptive ¿What should I do? De ci si on Ac tio n Human-Centered Machine-Centered Fuente: Gartner (Octubre 2016) A continuación, se muestran dos gráficas referidas a i. Arquitectura de Inteligencia de Negocios como se ha venido procesando desde hace aproximadamente veinte años, donde a partir de Bases de datos estructuradas de sistemas transaccionales, se generan bodegas de datos con históricos en dimensiones diferentes para luego ser visualizadas mediante reportes y tableros para facilitar la toma de decisiones. De otra forma: Bases de Datos-Modelamiento-Analítica-Visualización. Arquitectura de inteligencia de negocios: La siguiente gráfica ii. Nueva arquitectura de negocios y analítica, describe como también a partir de información de bases de datos de distintas fuentes, se generan las nuevas bodegas de datos con datos estructurados y no estructurados, sobre plataformas actuales que permiten hacer analítica sobre mayores volúmenes de datos y finalmente mostrar los resultados vía tableros, reportes, exploración de datos, etc. De nuevo tenemos los principios básicos: Bases de Datos-Modelamiento-Analítica Avanzada-Visualización. Arquitectura de inteligencia de negocios: La siguiente gráfica ii. Nueva arquitectura de negocios y analítica, describe como también a partir de información de bases de datos de distintas fuentes, se generan las nuevas bodegas de datos con HW y SW Sistemas Transaccionales Herramientas de ETL Modelos Dimensionales Visualización Personas Base de datos relacionales Data Warehouse Data Mart Data Mart Data Mart Data Mart Fuentes Externas Hojas de texto y Excel Extract Reportes Dashboards App Analíticas Transform Load Fuente: Manuel Terán datos estructurados y no estructurados, sobre plataformas actuales que permiten hacer analítica sobre mayores volúmenes de datos y finalmente mostrar los resultados vía tableros, reportes, exploración de datos, etc. De nuevo tenemos los principios básicos: Bases de Datos-Modelamiento-Analítica Avanzada-Visualización. Lo anterior expuesto muestra la relación entre Inteligencia de Negocios y Analítica Avanzada desde los componentes de su arquitectura. Operational Database CRM Database Specialised NoSQLS Flat Files Da ta A cq us iti on Data Warehouse Structured Data In-memory Analytics Unstructured data ERP Database Da ta D sit rib ut io n Staging EDW Specialised Hadoop HDFS Hadoop HDFS Sandbox HCatalogSemantic Layer HCatalogStructured Access Reports Ad-Hoc queries Analytical models Data Exploration Downstream applications Dashboards Fuente: Manuel Terán Bibliografía Becerra-Fernández, I. a. (2015). NOWLEDGE MANAGEMENT SYSTEMS AND PROCESSES. New York: Routledge. Estera, Á. (Julio de 2016). SAIMA SOLUTIONS, ADVANCED ANA- LYTICS, Process, Predictions and Performance. Obtenido de 6 pasos para incorporar la analítica de negocios: http://saimaso- lutions.com/6-pasos-para-incorporar-la-analitica-de-negocios/ Microso�. (17 de Febrero de 2016). Diferencias entre Inteligen- cia de Negocios y Análisis Avanzados. Obtenido de News Micro- so�: https://news.microso�.com/es-xl/diferencias-entre-inteli- gencia-de-negocios-y-analisis-avanzados-infografia/ TEC, T. E. (11 de Abril de 2017). TEC, Technology Evaluation Centers. Obtenido de BI vs. Analítica vs. EPM: ¿Cuál es la difer- encia?: https://www3.technologyevaluation.com/es/re- search/article/- bi-vs-analytics-vs-epm-whats-the-di�erence.html Terán, M. (Abril de 2017). Analítica de Datos e Inteligenica de Negocios. Obtenido de http://reedlatam.com/sadmoweb/files/- modulos/ConferenciasTall- eres/expo-tecnologia/2017/programa-conferencias/presentaci on/presentacion_manuel_teran.pdf Otros aportes: BI focuses on providing decisionmakers with valuable information and knowledge by utilizing a variety of sources of data and struc- tured and unstructured information (Sabherwal 2007, 2008), via the discovery of the relationships that may exist between these sources of data and information. (Becerra-Fernández, 2015). BI se centra en proporcionar a los encargados de la toma de decisiones con valiosa información y conocimiento utilizando una variedad de fuentes de datos estructurados y no estructurados (Sabherwal 2007, 2008), a través del descubrimiento de las rela- ciones que pueden existir entre estas fuentes de datos e infor- mación. (Becerra-Fernández, 2015).
Compartir