Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
TESIS DE GRADO EN INGENIERÍA DE SISTEMAS UTILIZACIÓN DE BUSINESS INTELLIGENCE EN LA TOMA DE DECISIONES DE ORGANIZACIONES AGROINDUSTRIALES por Larrea, Delfina Inés Ibarrola, Santiago Nicolás Director: Dottori, Javier Co-Directora: Marcos, Claudia A. FACULTAD DE CIENCIAS EXACTAS UNIVERSIDAD NACIONAL DEL CENTRO DE LA PROVINCIA DE BUENOS AIRES Tandil, Argentina 2022 2 Índice Capítulo 1: Introducción 6 1.1 Dificultades que presenta la toma de decisiones en las organizaciones 6 1.2 Solución POTDE - Proceso de Optimización para la toma de Decisiones Estratégicas 8 Capítulo 2: Motivación 10 2.1 Componentes Business Intelligence 11 2.2 Proceso ETL 11 2.3 Evolución de las herramientas ETL 12 2.4 Contextualización 13 2.4.1 Pymes en Argentina 13 2.4.2 Pymes Agroindustriales en Argentina 14 2.4.3 Las PYMES y su proceso de toma de decisiones 15 2.4.4 Acerca de la Empresa 15 Capítulo 3: Trabajos Relacionados 18 3.1 Herramientas disponibles en el mercado 18 3.1.2 Pentaho 18 3.1.3 Tableau 20 3.1.4 Qlik 20 3.1.5 Microstrategy 22 3.1.6 Microsoft Power BI 22 3.2 Comparativa de herramientas 23 3.3 Análisis de implementación 24 Capítulo 4: Toma de decisiones estratégicas en organizaciones 26 4.1 Proceso de Optimización para la Toma de Decisiones Estratégicas 27 4.1.1 Etapa de relevamiento 28 4.1.2 Etapa de Diseño 29 4.1.3 Etapa de Construcción 29 4.1.4 Etapa de Validación 29 4.2 Introducción al dominio y la problemática 30 4.2.1 Introducción a la problemática actual 30 4.3 Instanciación POTDE 31 4.3.1 Etapa de relevamiento 33 4.3.2 Etapa de Diseño 38 4.3.3 Etapa de Construcción 39 4.3.4 Etapa de Validación 46 Capítulo 5: Resultados Experimentales 48 3 5.1 Encuesta de Satisfacción 48 5.1.4 Interpretación de los Resultados 51 Resultados Cualitativos 51 Resultados Cuantitativos 52 5.2 Caso de estudio Histórico 54 5.2.1 Ejemplo: Ejercicio 2014/2015 55 5.2.6 Ejemplo: Ejercicio 2019/2020 57 5.3 Caso de estudio Actual del Tablero Evolución presupuestaria Agronómica 59 5.4 Métricas - Resultados cuantitativos 61 5.4.1 Indicador: Tiempo promedio de generación de reportes 62 5.4.2 Indicador: Nivel de Confiabilidad del dashboard 62 5.4.3 Indicador: Nivel de satisfacción gerencial por dashboard 63 Capítulo 6: Conclusiones 65 6.1 Contribuciones 65 6.2 Ventajas y Desventajas 66 6.2.1 Ventajas 66 6.2.2 Desventajas 66 6.3 Trabajos Futuros 66 Bibliografía 68 Anexos 71 Anexo 1 - Esquema de entrevista 71 Anexo 2 - Ejemplo de instanciación de entrevista 73 Anexo 3 - Aval 77 4 Índice de figuras Figura 1.1.2 - Flujo de trabajo analítico en el modelo moderno de la inteligencia de negocios ... 7 Figura 1.2.1 - Definición de flujo de actividades POTDE ............................................................ 8 Figura 2.4.1.1 - Clasificación de PYMES según límite de ventas .............................................. 13 Figura 2.4.1.2 - Clasificación de PYMES según cantidad de empleados ................................... 14 Figura 2.4.1.3 - Clasificación de PYMES según límite de activos ............................................. 14 Figura 2.4.4.1 - Ranking Agroexportadores Argentinos ............................................................. 17 Figura 3.1.1 - ETL Process .......................................................................................................... 18 Figura 3.1.2.1 - Matriz FODA de la herramienta Pentaho Suite ................................................. 19 Figura 3.1.4.1 - Matriz FODA de la herramienta QlikView ....................................................... 21 Figura 3.1.6.1 - Clasificación Herramientas BI según Gartner ................................................... 23 Tabla 3.2.1 - Tabla comparativa de herramientas ....................................................................... 24 Figura 4.1.1 - Esquema general POTDE ..................................................................................... 27 Figura 4.3.2 - Vista de datos tabla ESPECIEVENTA ................................................................ 32 Figura 4.3.4 - Pantalla asignación de especie al artículo del módulo de ventas. ........................ 33 Figura 4.3.2.1 - Modelo Entidad Relación BI ............................................................................. 39 Figura 4.3.3.1 - Tabla CABPIE en el esquema PRODUCCIÓN ................................................ 40 Figura 4.3.3.2 - Tabla CUERPO en el esquema PRODUCCIÓN ............................................... 40 Figura 4.3.3.3- Tabla en MCUENTA en esquema PRODUCCIÓN ........................................... 41 Figura 4.3.3.4 - Tabla PRESUPUESTOAGRONOMIA en el esquema PRODUCCIÓN .......... 41 Figura 4.3.3.6 - Modelo Entidad Relación del esquema PRODUCCIÓN .................................. 42 Figura 4.3.3.7 - Medidas Dashboard BI ...................................................................................... 44 Figura 4.3.3.8 - Dashboard Evolución Presupuestaria Agronomía ............................................. 45 Figura 4.3.4.1- Primer entrega del dashboard ............................................................................. 46 Figura 4.3.4.2 - Segunda entrega del dashboard ......................................................................... 47 Figura 4.3.4.3 - Tercer entrega del dashboard ............................................................................. 47 Figura 5.1.1 - Captura encabezado de la encuesta de satisfacción .............................................. 48 Figura 5.1.2 - Captura preguntas de encuesta de satisfacción ..................................................... 49 Figura 5.1.3 - Captura preguntas de encuesta de satisfacción ..................................................... 50 Figura 5.1.4.1 - Resultado de la encuensta, pregunta 1 ............................................................... 51 Figura 5.1.4.2 - Resultado de la encuensta, pregunta 2 ............................................................... 52 Figura 5.1.4.3 - Resultado de la encuensta, pregunta 6 ............................................................... 52 Tabla 5.1.4.4 Frecuencia de Análisis .......................................................................................... 53 Tabla 5.1.4.5 Horas promedio para consolidar información. Pre POTDE .................................. 54 Figura 5.2.2 - Tabla dinamica en excel -control de remitido ...................................................... 55 Figura 5.2.4 - Tabla Dinámica Girasol Ms Excel........................................................................ 56 5 Figura 5.2.5 - Dashboard Evolución Presupuestaria Agronómica Ejercicio 2015 ...................... 56 Figura 5.2.7 - Tabla dinámica MS Excel Ejercicio 2019/2020 ................................................... 57 Figura 5.2.8 - Datos de los remitos realizados desde el 01/09/2019 al 31/08/2020 .................... 57 Figura 5.2.9 - Clasificación manual de especies ......................................................................... 58 Figura 5.2.10 -Análisis de Coadyuvante en el dashboard Evolución Presupuestaria Agronómica ..................................................................................................................................................... 58 Figura 5.3.1 - Total acumulado remitido de Glifosato en la sucursal Belgrano.......................... 59 Figura 5.3.2 -Evolución mensual de unidades remitidas de Glifosato ........................................ 59 Figura 5.3.3 - Análisis de socio en Dashboard Evolución Presupuestaria Agronómica ............. 60 Figura 5.3.4 - Detalle de unidades remitidas en Dashboard Evolución Presupuestaria Agronómica .....................................................................................................................................................60 Figura 5.3.5 - Detalle de producto y unidades remitidas en Dashboard Evolución Presupuestaria Agronómica ................................................................................................................................. 61 Figura 5.3.6 - Modelo de Indicadores cuantitativos .................................................................... 61 Tabla 5.3.7 - Resultados indicador TPGR ................................................................................... 62 Tabla 5.3.9 - Resultados NSD ..................................................................................................... 64 6 Capítulo 1: Introducción El proceso de toma de decisiones en las organizaciones se caracteriza por contar con información incompleta y basada en el conocimiento previo e intuición de los equipos gerenciales. Sin embargo, la incorporación de datos de calidad podría mejorar significativamente sus niveles de innovación y competitividad. Particularmente en Argentina, las Pequeñas y Medianas Empresas (PyMEs) representan un 96% de las empresas del país y generan el 60% del empleo creado por el sector privado. A pesar de estos indicadores, han experimentado pérdida de productividad ante la gran empresa durante los años 2004 y 2014, la que podría mejorarse con innovación y tecnología. Desde hace décadas han existido en el mercado herramientas de Business Intelligence (BI), las cuales resultan de especial interés, pues facilitan la recopilación y el análisis de los datos, presentándolos de forma tal que agregan valor al proceso de toma de decisiones. [Toval C., 2017] Para optimizar y facilitar la toma de decisiones se desarrolló un proceso que en conjunto con las herramientas de inteligencia de negocios permiten disponer de la información estratégica para la organización. 1.1 Dificultades que presenta la toma de decisiones en las organizaciones En las últimas décadas, la necesidad de tratamiento de la información por parte de las empresas ha crecido considerablemente a causa de la mayor complejidad de sus actividades y de las decisiones que deben tomar. La evolución de las tecnologías de la información ha permitido atender estas necesidades, mediante una sucesión de aplicaciones y herramientas que han poblado de siglas y acrónimos tanto la literatura como la práctica de los sistemas de información. La acumulación de estos sistemas ha provocado sobreabundancia de datos y carencia de información, y sobre todo conocimiento, necesarios para una toma de decisiones eficaz. El acceso rápido, fácil y eficiente a una información correcta y precisa permite adoptar una posición adecuada al momento de tomar una decisión para corregir un problema al menor costo y sabiendo que el empleo estratégico de la información, garantizan el éxito de los procesos de planificación y desarrollo de empresas y negocios. [Vega, C., Grajales, H., & Montoya, L., 2017] Para dar respuesta a los retos informativos de las organizaciones ha surgido un concepto integrador, Business Intelligence (BI, Inteligencia de Negocios), que no solo implica un marco conceptual en el que se insertan los diferentes sistemas que se han desarrollado sino también un ámbito o contexto para lograr que los datos se conviertan en información y que esta gran cantidad de información genere el conocimiento para decidir adecuadamente acerca de la estrategia y operaciones de las compañías [Salgueiro, Carrión y González ,2012], Business Intelligence es un término que “incluye las aplicaciones, la infraestructura y las herramientas, así como las prácticas recomendadas que permiten el acceso y el análisis de la información” [Gartner, 2020]. Además, se definen los procesos y métodos de recopilación, almacenamiento y análisis de datos de operaciones o actividades comerciales para optimizar el rendimiento. Estos conceptos se unen 7 para crear una visión integral de un negocio con la finalidad de ayudar a las personas a tomar mejores y más viables decisiones. [Tableau, 2020] Durante años, los directivos han considerado la toma de decisiones como un arte, un talento adquirido a través de la experiencia y el método prueba y error. Sin embargo, el contexto en el que se mueve la administración de las organizaciones está cambiando rápidamente, sus entornos son más complejos e inciertos de lo que han sido nunca. Como resultado, la toma de decisiones en la actualidad es más compleja que en el pasado [Huber, 1984]. Teniendo en cuenta esta evolución y su impacto en el proceso de toma de decisiones resulta difícil tanto basarse en un proceso de prueba y error, como continuar apoyándose en fuentes de información tradicionales en el ámbito de la gestión. En este sentido, el empleo de sistemas de Business Intelligence puede resultar extremadamente positivo para una eficaz toma de decisiones [Pourshahid, Richards y Amyot, 2011]. Hoy en día, cada vez más organizaciones se están moviendo hacia un modelo moderno de inteligencia de negocios, caracterizado por un enfoque de autoservicio a los datos. El equipo de Tecnología de la Información administra los datos (seguridad, precisión y acceso), lo que permite a los usuarios interactuar con sus datos directamente a través de plataformas de inteligencia de negocios. Las plataformas de análisis modernas ayudan a las organizaciones a abordar cada paso del ciclo del análisis (Figura 1.1.2): preparación de datos, análisis y descubrimiento, gobierno y uso de los datos. [Tableau, 2020] Figura 1.1.2 - Flujo de trabajo analítico en el modelo moderno de la inteligencia de negocios. De manera frecuente, los mandos medios y altos de las organizaciones diagnostican la necesidad de mejorar ciertos aspectos en el ámbito de la gestión, para lo cual establecen hipótesis que se deben poder validar en pos de ejecutar las estrategias adecuadas. Se establecen indicadores y objetivos que deben poder ser medibles y que permiten establecer una medida de logro de la mejora esperada, los resultados obtenidos a través de la medición permiten en tiempo real tomar decisiones estratégicas definiendo el curso de la planificación de la organización. Dada la complejidad que tienen los procesos de integración de las distintas fuentes de datos, surge la necesidad de aplicar una estrategia de inteligencia de negocios que permita implementar una secuencia ordenada de actividades sobre estos procesos. 8 En este contexto, se analiza la toma de decisiones en una empresa Argentina radicada en la ciudad de Tandil, provincia de Buenos Aires. La Cooperativa Agropecuaria de Tandil LTDA, es una empresa agroindustrial, que se dedica principalmente al acopio y acondicionamiento de granos y oleaginosas. Sus procesos productivos se registran en un sistema de tipo transaccional, llamado ADMIS. En el cual, se asientan todas las operaciones relacionadas con el negocio. Además, para llevar adelante la gestión, diferentes sectores de la Cooperativa, deben mantener actualizados repositorios de datos paralelos. El sistema principal, no provee la totalidad de la funcionalidad que necesita la organización para cubrir toda su operatoria. La gerencia carece de reportes ágiles que sean sencillos, de fácil acceso y que puedan generarse de forma automática con la información disponible. Los reportes actuales conllevan un tratamiento manual para la obtención de la información definitiva. Los mandos medios utilizan parte de su tiempo productivo en consolidar la información necesaria para actualizar la reportería actual. A su vez, el tiempo de demora en el armado de dichos reportes tiene como consecuencia la imposibilidad de realizar una toma de decisiones certera y a tiempo. 1.2 Solución POTDE - proceso de optimización para la toma de decisiones estratégicas En este trabajo se aplicó un proceso, denominado Proceso de Optimización para la toma de Decisiones Estratégicas (POTDE),que tiene como objetivo final dar soporte en la toma de decisiones al equipo gerencial de la Cooperativa Agropecuaria de Tandil LTDA (CAT LTDA). Dicho proceso está constituido por un conjunto de actividades, que se pueden observar en la Figura 1.2.1, cuyo resultado final es disponibilizar los datos necesarios para proveer la información que asistirá a una mejor toma de decisiones. Dicho de otra forma, partiendo de la información disponible en la CAT LTDA, sin importar el formato ni el origen en el que se encuentre la misma, se obtuvo un conjunto de datos unificado y ordenado sobre el cual se definieron distintas métricas clave del negocio. Figura 1.2.1 - Definición de flujo de actividades POTDE 9 Dichas métricas, responden a los principales indicadores claves (KPI) de la Cooperativa. Como última etapa del proceso, se construyó en la herramienta de inteligencia de negocios, Microsoft Power BI (MS PBI), un conjunto de tableros o dashboards que materializan los indicadores anteriormente mencionados. Para concluir, los resultados de la aplicación de POTDE en la CAT LTDA, se pueden agrupar principalmente en dos grupos. En primer lugar, el tiempo para disponibilizar la información se redujo considerablemente, pasando de 40 horas para el armado y publicación de los reportes de gestión, a 120 segundos. En segundo lugar, se obtuvo un mejor aprovechamiento de los recursos. Principalmente, los recursos humanos, que dejaron de realizar tareas rutinarias y sin valor agregado, para utilizarlo en realizar un mejor análisis de situación gracias a los dashboards entregados. En el caso de los mandos medios y equipo gerencial, la herramienta permitió bajar la frecuencia de mensual a diaria en la toma de decisiones, que permite cumplir con los objetivos de cada sector. 1.3 Esquema general El esquema general de la tesis está organizado de la siguiente manera. En el capítulo 2 se presentan los conceptos de Business Intelligence y la evolución de los procesos ETL. Además, este capítulo contextualiza la organización y el ambiente donde se implementa la solución Business Intelligence. En el capítulo 3 se describen varios enfoques y herramientas que están relacionados con soluciones Business Intelligence. Todos estos enfoques son reportados y comparados. En el capítulo 4 se presenta el enfoque POTDE. Primero se desarrolla cada una de las actividades del proceso y luego se describe detalladamente cada una. Luego se especifican los detalles de implementación de la herramienta y su diseño en un caso real. En el capítulo 5 se presentan los resultados y el análisis de un caso de estudio. Se presenta la operatoria que se utilizó para el caso de estudio y luego se desarrollan las conclusiones de los resultados. Finalmente, el capítulo 6 resume las conclusiones, contribuciones principales, limitaciones y propuestas para trabajos futuros. El apéndice incluye todos los datos que fueron obtenidos durante el desarrollo de la implementación del proceso. 10 Capítulo 2: Motivación El uso de ordenadores por parte de las organizaciones comienza en la década de los sesenta, siendo inicialmente utilizados como soporte para el procesamiento de transacciones (transaction processing systems, TPS), los mismos se encuadran dentro de la categoría de sistemas de información denominada aplicaciones de negocio o sistema de soporte a las actividades organizativas, cuya finalidad es procesar las transacciones básicas del negocio. Hoy en día, los sistemas TPS han evolucionado hacia lo que las empresas denominan software de gestión empresarial [Gómez y Suárez, 2009], ámbito en el que se incluyen los sistemas para la gestión integrada de los recursos de la empresa (enterprise resource planning, ERP), los sistemas de gestión de la cadena de suministros (supply chain management, SCM) y los sistemas de gestión de las relaciones con los clientes (customer relationship management, CRM). La información es el principal activo en las organizaciones, gestionarla de manera correcta determina el éxito o fracaso de las mismas. Para ello, se hacen necesarias soluciones que provean un mejor acceso y análisis de la información estratégica. En 1989, Howard Dresner, un investigador de Gartner Group, popularizó el acrónimo de “BI” (“Business Intelligence” o Inteligencia de Negocios), para indicar el conjunto de conceptos y métodos para mejorar la toma de decisiones en los negocios, utilizando sistemas de apoyo basados en hechos. BI tiene el objetivo de apoyar en forma sostenible a las organizaciones facilitando la información necesaria para apoyar sus decisiones y que de esta manera puedan ser más competitivas. Business Intelligence refiere a un conjunto de herramientas de soporte de decisiones que permiten en tiempo real, el acceso interactivo, análisis y manipulación de información crítica para la empresa. Estas aplicaciones proporcionan a los usuarios un mayor entendimiento que les permite identificar las oportunidades y los problemas de los negocios. Los usuarios son capaces de acceder y manipular una vasta cantidad de información. Al mismo tiempo, permite analizar sus relaciones y entender las tendencias que últimamente están apoyando las decisiones de los negocios. Estas herramientas previenen una potencial pérdida de conocimiento dentro de la empresa que resulta de una acumulación masiva de información que no es fácil de leer o de usar [CherryTree & Co., 2000]. En consecuencia, BI comprende una gran variedad de herramientas analíticas pensadas para asistir en la toma de decisiones a través de la búsqueda de conocimiento en la información de la propia organización. El proceso de extracción, transformación y carga – ETL (Extraction, Transformation and Load) es una de las actividades técnicas más críticas en el desarrollo de soluciones de inteligencia de negocios. La integración de datos de distintas fuentes y la implementación adecuada depende de la integridad, uniformidad, consistencia y disponibilidad de los datos utilizados en el componente de análisis de una solución de BI. El objetivo de este proceso es extraer, limpiar, transformar, resumir, y formatear los datos que se almacenarán en el datawarehouse de la solución de BI. En la actualidad existen diferentes empresas que llevan adelante su gestión basándose en sistemas adquiridos o adoptados varios años atrás, sistemas de tipo enlatados que resolvían los requerimientos del momento o para el cual fueron adquiridos. Estos sistemas suelen ser de tipo transaccional y permiten la carga y consulta de datos en una estructura definida. La funcionalidad definida, en general, se centra en la gestión de operaciones. Por esto, la información disponible en estas consultas resulta insuficiente y carecen de procesamiento para responder 11 nuevos requerimientos de niveles gerenciales, como por ejemplo, la confección de tableros de gestión (Dashboards) para la toma de decisiones. Estos sistemas transaccionales no se adaptan a los nuevos requerimientos, ya sea por una imposibilidad en la arquitectura del propio sistema, o bien, por los altos costos que demandaría implementarlos. Dichos TPS, al ser adquiridos como productos cerrados, requieren del desarrollo por parte del propietario para realizar las modificaciones mencionadas, siendo muchas veces costoso o directamente imposible de realizar. Adicionalmente, frente a esta imposibilidad, la forma que han encontrado los equipos de IT para dar respuesta a esta demanda fue la creación de repositorios de datos. Los repositorios se crean a través de herramientas auxiliares para luego hacer un ensamble de esta información con los repositorios originales. A partir de allí, se pueden crear diferentes reportes y dashboards. 2.1 Componentes business intelligence Los componentes que conforman una solución Business Intelligence, son los siguientes:➢ Fuentes de información, de las cuales se obtienen datos para alimentar el Data Warehouse. ➢ Proceso ETL, extracción, transformación y carga de los datos en el Data Warehouse. Antes de almacenar los datos en un Data Warehouse, éstos deben ser transformados, filtrados y redefinidos. Normalmente, la información de los sistemas transaccionales no está lista para la toma de decisiones. ➢ Data Warehouse o almacén de datos, con el Meta data o Diccionario de datos. Se busca almacenar los datos de una forma que se maximice su flexibilidad, facilidad de acceso y administración. ➢ El motor OLAP, que nos debe proveer capacidad de cálculo, consultas, funciones de planeamiento, pronóstico y análisis de escenarios en grandes volúmenes de datos. ➢ Las herramientas de visualización, que nos permitirán el análisis y la navegación a través de los mismos. 2.2 Proceso ETL Los procesos de extracción, transformación y carga de datos, mejor conocidos como ETL por sus siglas en inglés (Extract, Transform, Load), se enmarcan dentro de las actividades clave en el contexto de las bases de datos, ya que por medio de su combinación permiten hacer el traslado de datos de una fuente a otra. Principalmente este término se ha asociado a procesos propios de la construcción de bodegas de datos, o datawarehouse [Kimball, Ross, Thornthwaite, Mundy y Becker, 2008]. Las bodegas de datos son repositorios de información recolectada de múltiples fuentes, unificada bajo un esquema y que usualmente se encuentran en un mismo lugar [Calabria,2011]. Dentro de las fases de la construcción de un datawarehouse, el ETL es una de las tareas con mayor costo, tanto por tiempo como por recursos, estando esta labor asociada a la unificación de datos provenientes de diferentes fuentes, con estructuras y formatos variantes. A pesar de que existen diversas herramientas, tanto libres como pagas, para el modelado y ejecución de estos procesos, 12 no siempre es posible alcanzar el nivel de personalización que requieren algunos problemas complejos, donde la variedad de fuentes y esquemas de datos dificultan la labor. 2.3 Evolución de las herramientas ETL Las consultas analíticas tienden a construirse de forma iterativa y a ejecutarse en múltiples tablas de una base de datos transaccional. Estas diferencias entre Sistemas Transaccionales y los análisis iterativos plantearon un desafío y llevaron a la necesidad de que los datos sean procesados o consultados fuera de los sistemas transaccionales. En consecuencia, nació una nueva categoría de software, denominadas herramientas ETL. Estas herramientas extraen los datos de las bases de datos transaccionales a otro servidor, donde los datos en destino podrían ser "Transformados" en conjuntos de datos de informes. Luego, se combinan y procesan diferentes conjuntos de datos en un servidor dedicado, y el conjunto de datos final se carga en una base de datos de destino. El software ETL se ejecuta en una infraestructura de hardware dedicada, que generalmente consta de varios servidores, para proporcionar escalabilidad. Los usuarios beneficiados por este tipo de herramientas pueden interactuar y consultar los datos sin perturbar las operaciones comerciales. Más importante aún, la mayoría de las herramientas ETL eliminaron la necesidad de codificar, proporcionando una interfaz sencilla que permite configurar y dividir los pasos de transformación en distintas "etapas". Los especialistas en ETL podrían crear rutinas escalonadas que fueran fáciles de rastrear y depurar sin la necesidad de comprender el código escrito por los ingenieros. Esta fue de hecho la propuesta de valor central: no era necesario ser ingeniero o desarrollador para construir algo de gran valor para la organización. Un impacto a largo plazo con la mayor sofisticación del software ETL fue que comenzó a surgir una clase de profesionales que se convirtieron en "Desarrolladores Certificados" en una herramienta ETL. Por lo tanto, contratar o capacitar a talentos que podrían trabajar con software que se estaba volviendo cada vez más complejo erosiona el valor original de no requerir ingenieros: el enfoque simplemente cambió a otra clase de especialistas. Esto provocó cambios claves en el paradigma dónde los sistemas operativos de alta disponibilidad comenzaron a funcionar con la tecnología RDBMS (Relational Database Management System); Surgieron bases de datos de código abierto, como PostgreSQL, teniendo un rendimiento similar a productos RDBMS patentados, como Oracle o Sybase. Además, el lenguaje SQL proliferó como una habilidad más comúnmente disponible en comparación con la codificación tradicional, y ahora es parte de programas de capacitación para ingenieros, analistas e incluso usuarios comerciales en algunos contextos. Incluso, el costo de propiedad de una infraestructura operativa o de almacenamiento de datos se redujo ampliamente y la simplicidad del lenguaje SQL redujo el valor del software, ya que eliminó la necesidad de codificar. Por lo tanto, en lugar de tener un clúster de Servidor ETL dedicado, las compañías ahora pueden usar una infraestructura de base de datos tanto para el procesamiento como para las consultas. Además, se puede utilizar scripts SQL junto con software de automatización para la preparación de datos. Si bien las herramientas ETL tradicionales pueden ser extremadamente poderosas; En una configuración ELT, usar SQL ofrece beneficios. La carga más baja en un sistema operativo de alta disponibilidad es leer datos o la función "Extraer". En lugar de crear un archivo plano intermedio como lo hacen las herramientas ETL más antiguas, los conectores modernos copian datos de una plataforma de base de datos a otra con una carga de trabajo similar en el lado OLTP estable. Por lo tanto, los archivos planos han 13 sido reemplazados por tablas en el esquema del almacén de datos, cargando datos sin procesar primero. Ahora, tenemos una copia de los datos operativos requeridos que se pueden transformar. La mayoría de los pasos, si no todos, se pueden realizar mediante consultas SQL dentro del entorno del almacén de datos. La infraestructura ETL dedicada ofrece ahorros en el costo total de propiedad y gastos reducidos en software ELT, ya que las implementaciones de SQL toman mucho menos tiempo que el código tradicional. Los analistas expertos en SQL pueden crear, mantener, documentar y solucionar problemas de aplicaciones de manera fácil y más integral. La evolución tecnológica en los últimos años ha desafiado las nociones tradicionales, no solo en Business Intelligence sino también en otros dominios. Pasar a un paradigma E-L-T tiene ventajas de costos que se pueden medir directamente. 2.4 Contextualización A continuación, se explica qué es una pequeña y mediana empresa (PYME) en la Argentina y sus clasificaciones. Posteriormente, según esta clasificación, se encuadra dentro estas definiciones la Cooperativa Agropecuaria de Tandil LTDA, junto a una descripción de la misma. 2.4.1 Pymes en Argentina Según la RAE, PYME es el acrónimo de pequeña y mediana empresa y está definido como empresa mercantil, industrial, agropecuaria, etc., compuesta por un número reducido de trabajadores con un moderado volumen de facturación. En la Argentina, se ha utilizado el término PYME para definir a las micro, pequeñas y medianas empresa, así en la ley 24467 sancionada el 15 de marzo de 1995, en el segundo párrafo del artículo 2 menciona: “…cuando en esta ley se hace mención a las siglas “PYME”, están referidas a la micro, pequeña y mediana empresa, las cuales tienen igual tratamiento en la presente ley”; de ahí que hasta el día de hoy se sigue usando dicho término. A continuación, se presentan los criterios de clasificación para las PYMES en Argentina A. Límite de ventas anuales expresada en pesos ($) Figura 2.4.1.1 - Clasificación de PYMES segúnlímite de ventas. (https://pymes.afip.gob.ar/) https://pymes.afip.gob.ar/ 14 B. Límite de personal ocupado Figura 2.4.1.2 - Clasificación de PYMES según cantidad de empleados. (https://pymes.afip.gob.ar/) C. Límite de Activos expresados en pesos Total de Activos en Pesos Argentinos 193.000 $ Figura 2.4.1.3 - Clasificación de PYMES según límite de activos. (https://pymes.afip.gob.ar/) 2.4.2 Pymes agroindustriales en Argentina El sector agropecuario, agroalimentario y agroindustrial argentino (SAAA) tiene relevancia estratégica para el país. Durante la campaña 2018/19 el sector agropecuario superó ampliamente 140 millones de toneladas de grano (correspondiendo el 53 % a oleaginosas, el resto a cereales y otros granos). Además, produjo 2,6 millones de toneladas de cítricos, 13,4 millones de hectolitros de vino, cerca de 3 millones de toneladas de carne vacuna, 2 millones de toneladas de carne aviar, 441 mil toneladas de carne porcina y 11 mil millones de litros de leche bovina, entre muchos otros rubros (Datos del Ministerio de Agricultura, Ganadería y Pesca, http://monitorsiogranos.magyp.gob.ar/monitorsiogranos.html). Por sus favorables condiciones naturales, su historia en la producción agropecuaria y su capital humano en el sector agropecuario y agroindustrial, la Argentina está posicionada como uno de los líderes en los mercados internacionales de productos agro - alimenticios. La importancia estratégica de la agricultura en la economía argentina se pone de manifiesto considerando que el sector aporta más del 50 % del valor total de las exportaciones y tiene una participación aproximada del 7 % sobre el Producto Interno Bruto (PIB) total, que llegaría a 18-22 % si se agrega la contribución neta indirecta sumando la cadena de agro procesamiento. Al mismo https://pymes.afip.gob.ar/ https://pymes.afip.gob.ar/ 15 tiempo, emplea de manera directa aproximadamente al 7 % de la fuerza laboral registrada, a lo que habría que agregar el empleo asociado con actividades agroindustriales, lo que elevaría este porcentaje al 17 % [Nogués, 2015]. El aumento de la productividad y el cambio tecnológico han jugado un rol muy importante en el crecimiento de la agricultura argentina. El aumento en la producción agrícola ha sido sostenido y promedió una tasa de crecimiento anual acumulativo del 3 % entre 1962 y 2013. Este crecimiento de largo plazo de la producción está explicado, por un lado, por incrementos en el uso de factores e insumos (tierra, trabajo, capital, fertilizantes, etc.), cuya tasa de crecimiento ha sido del 0,62 % anual y por otro, mucho más importante, por el aumento de la Productividad o Productividad Total de Factores (PTF) que creció al 2,45 % anual. Es decir, una buena parte del incremento de la producción agrícola puede explicarse por mejoras de productividad, lo que implica una mayor capacidad de producción del conjunto de recursos disponibles [Lema, 2015]. Las políticas nacionales de impuestos a la exportación, regulaciones y restricciones cuantitativas a la exportación de productos agropecuarios han generado distorsiones de precios relativos que impactaron sobre las tasas de crecimiento sectorial con distinta intensidad. En cuanto a la relación del agro argentino con el mundo, la historia reciente muestra las claras ventajas comparativas en la producción agropecuaria y de alimentos de nuestro país. Mientras que la participación argentina en el Producto Bruto Mundial es menor al 1 %, las exportaciones agropecuarias argentinas alcanzan aproximadamente el 2,5 % del total de las exportaciones mundiales [FAO, 2016]. Las exportaciones alimentarias presentan una participación similar. Es decir, la participación relativa en el comercio mundial agrícola y de alimentos más que duplica la importancia relativa en el producto bruto mundial, revelando una importante ventaja comparativa que debería ser potenciada. 2.4.3 Las PYMES y su proceso de toma de decisiones A nivel mundial no existe un consenso de la clasificación de las PYMES, sin embargo, en Argentina se clasifican por tramos de acuerdo con las ventas anuales registradas. Las mismas se caracterizan por ser empresas familiares, poseer mayor adaptabilidad tecnológica y bajos costos de infraestructura. Las mismas representan un sector fundamental de la economía del país, pues constituyen un 96% del total de empresas y generan un 60% del empleo creado por el sector privado [Tovar C., 2017]. En cuanto a la gestión de las PyMEs, Valda [Valda J., 2010] afirma que los empresarios que las lideran son rígidos, autocráticos e incuestionables en el poder, a la vez que sobrevaloran la experiencia, repitiendo modelos exitosos previos sin dar relevancia a los cambios de contexto que ocurren en las empresas. Así mismo, su conocimiento y comprensión del entorno constituye un recurso clave para mantener la ventaja competitiva, por lo que experimentan procesos de toma de decisiones incrementales, iterativos y no lineales, basados en información incompleta y guiados por corazonadas. De esta manera, la PyME se enfrenta a tomar decisiones tanto operativas como estratégicas con información escasa e incompleta, dando mayor relevancia a experiencias previas de sus líderes, en un entorno tan cambiante como el de Argentina. 2.4.4 Acerca de la empresa La Cooperativa Agropecuaria de Tandil Ltda. es una PYME agroindustrial Argentina, la misma se encuentra radicada en la ciudad de Tandil, Provincia de Buenos Aires. A una distancia de 390 km de la ciudad capital de la República Argentina. 16 Es una empresa fundada en 1942. Dedicada desde sus inicios a la comercialización, acopio, acondicionamiento de granos y oleaginosas, y posteriormente a la fabricación y venta de productos derivados. Cuenta con una fuerte presencia en la región, conformada por una casa central y doce sucursales. Las unidades de negocios que conforman la organización son las siguientes: Cereales, Agronomía, Balanceados, Negocios Especiales (Lechería y Miel), Administración y Finanzas. La Cooperativa Agropecuaria es una empresa cuyo crecimiento económico es constante y sostenido en las últimas décadas. Así lo demuestra el resultado del balance del año 2020, cerrado al 31 de agosto de 2020, superando los 480.000.000 millones de pesos argentinos. Al cierre del ejercicio, se contabilizaron 432.000 toneladas de cereal acopiado. Los cereales que predominan son: trigo, soja, cebada, maíz, girasol, alpiste y avena. Gran parte se destina a negocios de exportación y el resto a consumo interno. En el último balance cerrado el 31 de agosto de 2021, el resultado fue de 656.228.270 millones de pesos argentinos, y se contabilizaron 450.334 toneladas de cereal acopiado. Lo que demuestra una evolución económica ascendente en los últimos ejercicios. En noviembre del 2018, se asoció a productores lácteos de la zona con el objetivo de obtener un mejor precio de la materia prima. Mejorando los canales de comunicación y la capacidad de negociación con las usinas lácteas. En consecuencia, se obtuvo una mejora en el precio del alimento balanceado. En el 2019, se renovaron las instalaciones de la fábrica de alimentos balanceados de su Casa Central (Tandil) para optimizar el uso de energía eléctrica y aumentar el rendimiento productivo. Actualmente se están realizando las gestiones para la construcción e instalación de una nueva fábrica de queso mozzarella en el parque industrial de Tandil, dándole valor agregado a la materia prima que producen los socios y creando nuevas fuentes de trabajo genuinas en la ciudad de Tandil. La responsabilidad social es uno de los principales valores de la organización, fomentando el desarrollo académico, económico y profesional de socios y empleados. Impulsando negocios en conjunto con socios y empresas de la región de influencia. Adicionalmente, coopera en formaconstante con las instituciones zonales. Se trata de una empresa de “puertas abiertas” haciendo alusión a la disponibilidad para la atención y solución de problemas a sus socios. Misión Contribuir a que nuestros socios sean exitosos como productores agropecuarios, comprando sus insumos y comercializando su producción a través de la Cooperativa, la que debe desempeñarse como una empresa competitiva. Visión Ser un referente cooperativo en el sudeste de la provincia de Buenos Aires, creciendo de manera sustentable junto a los socios en un mercado cada vez más competitivo, profesional y 17 concentrado, promoviendo el desarrollo agroindustrial que agregue valor a la producción primaria de los asociados. Espíritu de la Organización Transformar a la Cooperativa en el ámbito natural donde el socio concurra en busca de soluciones. A veces le daremos una respuesta satisfactoria, otras no, pero el socio siempre va encontrar en nuestra organización la predisposición a solucionar. Se encuentra dentro de las primeras posiciones dentro del ranking de rentabilidad realizado por la Cámara Empresaria de la Ciudad de Tandil. A su vez, pertenece al grupo ACA (Asociación de Cooperativas Argentinas), uno de los principales agroexportadores del país, como se puede observar en la Ilustración 2.3.4.1. Durante el ejercicio 2019/2020 se posicionó en el primer lugar en distribución de insumos y proveedora de Miel en el grupo ACA. Figura 2.4.4.1 - Ranking Agroexportadores Argentinos El mercado del que es parte la Cooperativa es muy dinámico, las decisiones que se toman están sujetas a factores externos que cambian constantemente. Por ese motivo, la toma de decisiones debe ser acertada y oportuna para obtener mejores resultados. La información debe ser una aliada estratégica que permita tener una mejor visión del rumbo de la organización y que además pueda ser capaz de generar una ventaja competitiva. 18 Capítulo 3: Trabajos relacionados En el presente capítulo se presenta la información recabada durante la investigación previa a implementar la solución propuesta. La investigación consistió en buscar herramientas de software que permitan extraer información desde diferentes fuentes u orígenes de datos y normalizarlos. El capítulo se encuentra organizado de la siguiente manera. En la sección 3.1, se presentan algunas de las herramientas Business Intelligence disponibles en el mercado actualmente En la sección 3.2, se realiza un cuadro comparativo de las herramientas mencionadas en la sección anterior. Por último, en la sección 3.3, se presentan los motivos por los cuales se optó por una herramienta en particular para implementar el presente trabajo final. 3.1 Herramientas disponibles en el mercado Como explica en su Tesis de Grado, [I.Figini, 2018] "Integrador de fuentes de datos para la gestión por indicadores¨, existen en el mercado diversas herramientas destinadas a satisfacer el proceso de Extracción (E), Transformación (T) y Carga (L, de Load en Inglés) -ETL- de datos desde múltiples fuentes, reformatearlos, limpiarlos, y cargarlos en otra base de datos, data mart, o data warehouse para analizar y apoyar un proceso de toma de decisiones [ETL, 2015]. La idea es que una aplicación ETL lea los datos primarios de distintas bases de datos de sistemas principales, realice transformación, validación, filtrado y por último escriba los datos en otro almacenamiento para que en este momento estén disponibles para ser analizados por los usuarios (Figura 3.1.1). Figura 3.1.1 - ETL Process A continuación, se describen algunas de las herramientas ETL disponibles en el mercado. 3.1.2 Pentaho 19 Pentaho Data Integration (Kettle ETL) Kettle es una herramienta de la suite de pentaho, también conocida como PDI o Pentaho’s Data Integration [Pentaho]. Es una herramienta ETL (Extract – Transform – Load), es decir, de Extracción de datos de una fuente, Transformación de esos datos, y Carga de esos datos en otro sitio. Estas tareas son típicas en procesos de migración, integración con terceros, explotación de Big Data. Kettle es un intérprete de procedimientos escritos en formato XML. Proporciona un motor de JavaScript (así como uno de Java) para refinar el proceso de manipulación de datos. Es una buena herramienta, con todo lo necesario para crear incluso procedimientos complejos de ETL. Kettle es un intérprete de los procedimientos de ETL escritos en formato XML, proporciona un motor Java o JavaScript para tomar el control del procesamiento de datos. Además, es la herramienta predeterminada en Pentaho Business Intelligence Suite. Los procedimientos también se pueden ejecutar fuera de la plataforma Pentaho, siempre que estén instaladas todas las bibliotecas de Kettle y el intérprete de Java. [Pentaho, 2019] Presenta las siguientes características: • No es necesario tener licencia para usarlo • Multiplataforma • Cuenta con un poderoso motor de Data mining y servidor OLAP Una desventaja de la herramienta es que, si bien existen múltiples foros de información, no se dispone de documentación fiable, solo existe el manual de usuario básico en el que no se explican todas las funciones que se pueden llegar a realizar. En la Figura 3.1.2.1 se especifica el análisis FODA (Fortalezas, Oportunidades, Debilidades y Amenazas) de la herramienta Pentaho Suite. Figura 3.1.2.1 - Matriz FODA de la herramienta Pentaho Suite 20 3.1.3 Tableau La herramienta Tableau, del francés mesa, es un programa desarrollado por la empresa estadounidense Tableau Software, la cual desarrolla distintas aplicaciones para la visualización interactiva de datos basados en el análisis y la inteligencia del negocio [Tableau, 2019]. Tableau Software, no solo desarrolla una aplicación escritorio para el análisis y visualización de datos (Tableau Desktop), sino que también desarrolla varios softwares que permiten la visualización de datos en móviles, tablets y páginas web. Estos softwares son conocidos como Tableau Móvil y Tableau Online. Además de los softwares mencionados anteriormente, provee un software llamado Tableau Server, el cual es un servicio adicional para las distintas herramientas. Su funcionalidad básica es brindarles a los clientes de las herramientas Tableau, la posibilidad de crear una base de datos propia y ser almacenada en la nube. Esto logra una disponibilidad y extensibilidad notable del producto, ya que la base de datos puede ser accedida sin importar el lugar físico donde se encuentre la persona que lo vaya a utilizar, ni la cantidad de personas que quieran acceder En Tableau Desktop, es muy fácil poder conectarse a diferentes bases de datos propias. Además, provee una conectividad con los servidores más utilizados para alojar las bases de datos, como son Oracle, Sql Server, MySql, Google Cloud Sql, PostgreSQL, entre otras. Por otra parte, permite extraer datos desde Microsoft Excel, Microsoft Access y de distintos archivos estadísticos que un usuario pudiese tener. Cuenta con la tecnología “Drag and Drop”, lo que permite realizar gráficos con los datos, hoy en día, muy demandados por el uso de teléfonos celulares y tablets. La versión gratuita para Tableau Desktop tiene un período de catorce días para utilizarla sin restricción. Pasado ese tiempo se tiene que comprar, de lo contrario no se podrá utilizar. A la hora de la documentación, en su sitio oficial, se puede acceder a tutoriales y entrenamientos y ejemplos concretos de cómo utilizar la aplicación. También cuenta con un servicio de soporte para todos aquellos que hayan comprado el software, logrando así solucionar cualquier tipo de error que pudieran surgirles a sus clientes. Una desventaja de Tableau, es que al estar concentrada en el análisis y visualización de los datos, no se pueden realizar métodos matemáticos como en los softwaresdescritos anteriormente a lo largo de este capítulo, sino que están embebidos, por ende, no se sabe que métodos utiliza para realizar su análisis, haciendo que los resultados no sean del todo confiables. Si se pretende utilizar un método matemático propio, se debe utilizar otra herramienta para programar las funciones matemáticas y dejar la parte gráfica a Tableau, con lo que hace más tedioso el trabajo del analista porque debe ir cambiando de herramienta a herramienta. 3.1.4 Qlik Qlik (anteriormente conocido como Qliktech ) proporciona una plataforma de end to end que incluye integración de datos, inteligencia empresarial impulsada por el usuario y análisis de 21 conversación. Los principales productos de la compañía son QlikView y Qlik Sense, ambos software para inteligencia empresarial y visualización de datos. El motor asociativo de Qlik permite a los usuarios realizar análisis de big data, combinando varias fuentes de datos para que se puedan formar asociaciones y conexiones a través de los datos. Los dos productos principales QlikView y Qlik Sense tienen diferentes propósitos que se ejecutan en el mismo motor. En QlikView, el usuario realiza sus tareas diarias, analizando los datos con un tablero de mandos ligeramente configurable, la mayoría de los datos son estáticos. Qlik Sense permite la concatenación de diferentes fuentes de datos y la configuración completa de las visualizaciones, lo que permite profundizar en un registro de datos individual. Qlik Analytics Platform ofrece acceso directo al motor de datos asociativos de Qlik a través de API abiertas y estándar. Qlik Data Catalysis es un producto de gestión de datos empresariales y Qlik Core es una plataforma de desarrollo de análisis construida alrededor del motor asociativo de Qlik y las bibliotecas de código abierto creadas por la compañía. QlikTech se fundó en el año 1993. Fue ubicada en Lund (Suecia), y es el desarrollador de la tecnología AQL (Associative Query Logic), un método que permite cargar y combinar datos desde diferentes bases de datos. La tecnología AQL fue patentada por la empresa en el año 1994 y es pionera en el uso de Business Intelligence directamente en memoria. Mediante esta tecnología, su exclusivo motor de ETL y el uso de todos sus procesos logran un producto que permite manejar grandes volúmenes heterogéneos de datos en forma rápida y eficiente [Qlink, 2019]. En la Figura 3.1.4.1 se especifica el análisis FODA (Fortalezas, Oportunidades, Debilidades y Amenazas) de la herramienta QlikView. Figura 3.1.4.1 - Matriz FODA de la herramienta QlikView https://translate.googleusercontent.com/translate_c?depth=1&hl=es&prev=search&pto=aue&rurl=translate.google.com&sl=en&sp=nmt4&u=https://en.m.wikipedia.org/wiki/Business_intelligence&usg=ALkJrhh1gekI7UjWwWTJGY-BfByIFNMfdA https://translate.googleusercontent.com/translate_c?depth=1&hl=es&prev=search&pto=aue&rurl=translate.google.com&sl=en&sp=nmt4&u=https://en.m.wikipedia.org/wiki/Data_visualization&usg=ALkJrhhMM4lJBNma62OBxxZem1ZovxrwLQ https://translate.googleusercontent.com/translate_c?depth=1&hl=es&prev=search&pto=aue&rurl=translate.google.com&sl=en&sp=nmt4&u=https://en.m.wikipedia.org/wiki/Big_data&usg=ALkJrhgBCcLYNDm3FtH61tX2MOA_s1vB6g https://translate.googleusercontent.com/translate_c?depth=1&hl=es&prev=search&pto=aue&rurl=translate.google.com&sl=en&sp=nmt4&u=https://en.m.wikipedia.org/wiki/Concatenation&usg=ALkJrhg5hi8-4S5VJiqL3ELM7YViU_elKA 22 3.1.5 Microstrategy La empresa Microstrategy, fundada en 1989 por Michael J. Saylor, ofrece un producto EBIS (Enterprise Business Intelligence Suites) denominado Microstrategy Business Intelligence. Es una herramienta que transforma grandes volúmenes de datos en paneles e informes intuitivos a sectores empresariales. Entre las principales ventajas de este programa se encuentran las siguientes: ● Instalación y configuración sencilla de la plataforma. ● Acceso Web para el diseño y ejecución de informes/documentos con funcionalidades completas. ● Manejan cubos virtuales que se conectan directamente a la base de datos Por otro lado, encontramos los siguientes inconvenientes: ● Los informes son muy generales, es decir, no se pueden personalizar. ● Tiene elementos de una complejidad bastante alta, es decir, habrá funciones que no se realizarán en algunos entornos de la empresa. ● La licencia del producto tiene costos elevados. 3.1.6 Microsoft Power BI Power BI es el nombre colectivo para una variedad de aplicaciones y servicios basados en la nube que ayudan a las organizaciones a recopilar, administrar y analizar datos de una variedad de fuentes, a través de una interfaz fácil de usar. Reúne los datos y los procesa, convirtiéndolos en información inteligible, a menudo utilizando gráficos y tablas visualmente convincentes y fáciles de procesar. Esto permite a los usuarios generar y compartir información útil de lo que está sucediendo en su negocio. [POWER BI, 2019] Se conecta a una variedad de fuentes de datos, desde hojas de cálculo básicas de Excel hasta bases de datos, y aplicaciones tanto en la nube como en los servidores de nuestra empresa. Power BI es una herramienta de Microsoft, y como tal, la curva de aprendizaje de Power BI no es tan pronunciada; cualquiera que pueda usar Excel puede usar Power BI, pero este último es mucho más poderoso que la hoja de cálculo. Se puede descomponer en las áreas funcionales estándar de Business Intelligence, tiene: ● Una herramienta ETL (Extraer, Transformar, Cargar) en la sección Consulta de datos externos, ● Modelado en el área de Relaciones, lenguaje de acceso a datos con DAX y su creación de medidas ● Visualizaciones Actualmente cuenta con más de 5 millones de usuarios y es utilizado por más de 200.000 empresas. Es ampliamente utilizado en agencias de Analítica Web y empresas especializadas en Business Intelligence. [Power BI, 2020] 23 Por otro lado, durante más de 12 años consecutivos Gartner ha reconocido a Microsoft como líder en análisis e inteligencia empresarial como podemos observar en la Figura 3.1.6.1. Figura 3.1.6.1 - Clasificación Herramientas BI según Gartner. 3.2 Comparativa de herramientas La siguiente tabla, (Tabla 3.2.1), muestra la comparación entre todas las herramientas mencionadas en las secciones anteriores. En dicha tabla, puede observarse las similitudes y diferencias de cada una de las herramientas BI mencionadas anteriormente, comparando aspectos como: tipo de licencia, plataformas compatibles, características de los servicios ofrecidos, usabilidad, integración y tipo de herramienta. 24 Tabla 3.2.1 - Tabla comparativa de herramientas. 3.3 Análisis de implementación Las herramientas descriptas anteriormente son muy interesantes tanto para la extracción, transformación y carga de datos, como para el armado de distintos tableros de control a través de una gran variedad de elementos visuales. Sin embargo, para los requerimientos de la Cooperativa Agropecuaria Tandil LTDA, no es suficiente sólo contar con cualquiera de las soluciones mencionadas. Como se fue desarrollando a lo largo de este capítulo, todas las herramientas de tipo ETL tienen la posibilidad de conectarse a varios orígenes de datos, si los mismos son de mala calidad, la implementación de dichas herramientas no alcanzarán los resultados esperados. De igual forma, es necesario poder realizar la configuración de cualquiera de las herramientas mencionadas, definiendo en los modelos, indicadores clave (KPI), reglas de negocio, métricas y objetivos de la organización entre otros. Al igual que en la observación anterior, cuanto más precisas sean estas definiciones mejor resultado o desempeño tendrá la implementación de una herramienta de este tipo. Por este motivo, se hace necesario configurar e implementar una herramienta que dé respuesta a los requerimientos de la CooperativaAgropecuaria Tandil LTDA. Resulta interesante aplicar la herramienta Microsoft Power BI (MS PBI) para dar solución a la problemática teniendo en cuenta los siguientes aspectos: ● Bajo Costo: Al disponer de una versión gratuita se puede hacer una implementación inicial para conocer y evaluar el producto. ● Bajo Riesgo: Al no estar sujeto a costos elevados costos de licencias y soporte. El departamento de IT puede implementar este tipo de soluciones, si fuese necesario, con soporte de algún consultor. Sin comprometer la operación ni los presupuestos. 25 ● Facilidad de uso: MS PBI dispone de una interfaz amigable, similar a las herramientas que dispone el resto de la suite de office. Dicha suite se utiliza como herramienta en la Cooperativa, lo cual ayuda a reducir los tiempos de aprendizaje. ● Soporte: se dispone de mucha documentación oficial, foros y tutoriales de buena calidad ● Requerimientos de despliegue: compatibles con las distintas plataformas y sistemas operativos en la Cooperativa, así como también los requisitos en cuanto a hardware. ● Integración: MS PBI permite la conectividad con todo tipo de sistema, lo que permite extraer datos de todo tipo de aplicaciones heredadas, sean base de datos en excel, mainframes, archivos planos, XML, etc. 26 Capítulo 4: Toma de decisiones estratégicas en organizaciones La sociedad que adviene se denomina “sociedad del conocimiento” y se caracteriza porque tanto el cambio en el entorno, como la generación de nuevos conocimientos constituyen un proceso permanente y sistemático. La ventaja competitiva en la sociedad actual está en el conocimiento. Por esta razón, las naciones, las organizaciones y las personas pueden lograr ventajas competitivas sustentables a través del conocimiento. El origen de la ventaja competitiva en la sociedad del conocimiento está en el acto de crear y compartir conocimiento, y esto se logra mediante la toma de decisiones estratégicas [Kim & Maugborne, 1998; Cool, 1998]. La toma de decisiones estratégicas es fundamental en cualquier actividad humana. En este sentido, todos somos tomadores de decisiones. Sin embargo, tomar una decisión acertada empieza con un proceso de razonamiento constante y focalizado, que puede incluir varias disciplinas como la filosofía del conocimiento, la ciencia y la lógica, y por sobre todo, la creatividad. Un gerente debe tomar muchas decisiones todos los días, algunas de ellas son decisiones de rutina mientras que otras tienen una repercusión importante en las operaciones de la organización donde trabaja. Las organizaciones producen grandes cantidades de datos que provienen de diversas aplicaciones, sistemas transaccionales, archivos tipo planilla de cálculo, entre otros orígenes de información. La mayor dificultad que enfrentan los equipos gerenciales es que todo ese volumen de información no logra ser explotado, de forma rápida y oportuna, al momento de tomar decisiones. Al encontrarse la información distribuida en diferentes orígenes de datos, las personas clave para la organización pasan la mayor parte de su tiempo elaborando reportes manuales. En consecuencia, los principales indicadores del negocio como la posición de cereales e insumos y la evolución presupuestaria de las secciones quedan postergados. Adicionalmente, por falta de informes de calidad, las decisiones son tomadas en base a experiencias previas e intuición, sin tener en cuenta datos correctos y estadísticas reales. Una de las actividades de la dirección estratégica es la toma de decisiones, allí está el origen de la ventaja competitiva. Las decisiones estratégicas son elecciones importantes, no rutinarias, que consumen una cantidad significativa de recursos y cuyos efectos son de largo alcance. La Cooperativa Agropecuaria de Tandil Ltda. es una empresa con intenciones de tecnificar sus procesos, con el objetivo de tomar decisiones basadas en información certera y a tiempo. Actualmente, la Gerencia de la empresa utiliza para la toma de decisiones, diversos reportes. Los cuales deben someterse a un extenso proceso de consolidación de los datos para su confección. Por consiguiente, se consume demasiado tiempo y recursos, afectando negativamente en los costos. Para dar respuesta a esta problemática, se propone un Proceso de Optimización de Toma de Decisiones Estratégicas (POTDE). Para empezar, reúne la información de los diversos orígenes 27 de datos. Con los datos obtenidos, se procede a su estandarización para el posterior procesamiento. Por último, se obtiene información estratégica que colabora con la toma de decisiones de la organización. De esta manera, se garantiza la reducción de tiempo en la obtención de la información y la confiabilidad en los datos resultantes. 4.1 Proceso de optimización para la toma de decisiones estratégicas En este trabajo se propone un proceso, denominado POTDE, que tiene como objetivo dar soporte a los equipos gerenciales en la toma de decisiones de una organización. Dicho proceso está constituido por un conjunto de actividades cuyo resultado final es disponibilizar los datos necesarios para proveer la información que asistirá a una mejor toma de decisiones. En otras palabras, partiendo de la información disponible en una empresa, sin importar el formato ni el origen en el que se encuentre la misma, se obtiene un conjunto de datos unificado y ordenado sobre el cual se van a definir las métricas a analizar. Dichas métricas, darán respuesta a los principales indicadores clave (KPI) de la organización y del negocio. Para concluir, los resultados obtenidos después de aplicar POTDE, se pueden clasificar en dos grupos. En primer lugar, los resultados cualitativos y, en segundo lugar, los resultados cuantitativos. Los resultados cualitativos hacen referencia a la satisfacción general o experiencia del usuario, dicha experiencia del usuario se medirá a través de una encuesta de calidad. Por otra parte, los resultados cuantitativos hacen referencia al resultado del proceso que muestra el grado de cumplimiento de objetivos concretos y medibles. El grado de cumplimiento, se define a través de métricas que demuestran este resultado. Es importante aclarar que para realizar dichas métricas es necesario tener un muestreo significativo. Figura 4.1.1 - Esquema general POTDE 28 Es necesario aclarar que POTDE es un proceso secuencial, el mismo está constituido por cuatro etapas: Relevamiento, Diseño, Construcción, Validación y Encuesta de satisfacción, utilizando una metodología con ciclo de vida completo donde cada una de estas etapas tiene propósito y entregas específicas. En la Figura 4.1.1, se puede observar las etapas del esquema POTDE y los actores que intervienen en ellas. Es requisito obligatorio, antes de comenzar el proceso, que la información disponible en los orígenes de datos sea consistente, no existan datos duplicados ni erróneos. Las organizaciones deben organizar sus datos de manera que no existan inconsistencias entre ellos o su almacenamiento. El éxito o fracaso del proceso depende de contar con datos de buena calidad. Por consiguiente, puede surgir la necesidad de adicionar un paso previo que consiste en filtrar, completar y/o formatear datos en los orígenes de los mismos. Llamaremos a esta etapa adicional, etapa de Normalización. Cabe destacar que disponer de información de mala calidad es un problema de la organización y no del proceso que se propone en este trabajo. 4.1.1 Etapa de relevamiento Esta etapa tiene como objetivo recabar, comprender y documentar los requerimientos que posteriormente serán implementados. Adicionalmente, en esta etapa se deben identificar las fuentes de información sobre el sistema y ayudar a los stakeholders a descubrir los requisitos a partir de ellas. Es importante mencionar, cuál es el resultado de cada actividad de esta etapa, las actividadesen esta etapa son: A. Relevar necesidades, a través de los miembros de la gerencia, con el objetivo de conocer en detalle la problemática actual, los factores que no permiten una mejor toma de decisiones y los indicadores clave de rendimiento (KPI) para la gestión. B. Relevar procesos y reglas de negocio, por medio de entrevistas personales, encuestas o reuniones de trabajo con los referentes de cada Unidad de Negocios (UdeN). El objetivo de esta actividad es identificar los procesos comerciales clave dentro del sector. Así mismo, conocer las reglas del negocio. C. Analizar la infraestructura técnica y los sistemas disponibles, incluyendo a las personas involucradas del área técnica de la organización. Debido a que pueden brindar información de los sistemas informáticos que se utilizan y la infraestructura técnica disponible. El objetivo de esta actividad es la búsqueda de posibles aspectos a optimizar en la gestión de los datos por parte de cada UdeN. D. Identificar y analizar los orígenes de datos, donde podría residir la información requerida. Dichos orígenes pueden ser tanto internos como externos. Frecuentemente, los conocimientos empresariales se encuentran en las relaciones entre los múltiples orígenes de datos. Se pueden clasificar en operaciones, internas y externas. Los orígenes de datos operacionales se pueden corresponder con bases de datos transaccionales (SGDBR), Sistemas de Procesamiento de Transacciones En Línea (OLTP) o sistemas Batch. Los orígenes de datos externos se corresponden a conexiones a datos por medio de API’s. Asimismo, los orígenes 29 de datos privados son todos los archivos locales de la organización, en sus diferentes formatos. Identificar dónde se encuentran los datos para satisfacer un requerimiento es un trabajo colaborativo. Por un lado, los usuarios finales que están familiarizados con la semántica de los datos. Y por otro, el departamento IT que conoce los orígenes de datos y sus relaciones. Se recomienda analizar la calidad del contenido de los datos para evitar extraer datos sucios. 4.1.2 Etapa de Diseño En esta etapa se define un modelo de datos, el mismo debe contener la información que dé respuesta a los requerimientos relevados en la etapa anterior. Las actividades de esta etapa son: A. Definir el esquema de modelado dimensional, que tenga la estructura adecuada para resolver las consultas relevadas. El mismo, se genera a partir de los datos existentes tanto en bases de datos relacionales, como en bases de datos multidimensional. Para el primer caso, sobre una base de datos relacional, se construirá el modelo dimensional utilizando una estructura en estrella, copo de nieve o constelación. Para el segundo caso, sobre una base de datos multidimensional, se construirán cubos debiendo utilizar tecnología específica. B. Validar el modelo. El resultado final de esta etapa tiene como objetivo verificar que el modelo diseñado en la actividad anterior responde a todos los requerimientos obtenidos en la etapa de relevamiento. 4.1.3 Etapa de Construcción Dado el modelo de datos definido anteriormente, el objetivo de esta etapa es confeccionar la documentación con el detalle necesario para que este modelo pueda implementarse. Es deseable utilizar una herramienta que facilite el acceso a los datos y pueda utilizarlos para la definición de nuevas métricas, generación de informes o dashboards. 4.1.4 Etapa de Validación En esta etapa, se busca determinar el nivel de éxito de POTDE, en base a la opinión de los expertos en el dominio. Se expone a los expertos en el dominio los resultados obtenidos mediante informes de análisis, tableros de resultados o dashboards. Adicionalmente, mediante una encuesta de satisfacción a los usuarios finales, se evalúan los siguientes atributos de calidad: Performance, disponibilidad, confiabilidad, amigabilidad, intuitividad. Analizando los resultados de la encuesta, se puede medir la satisfacción del uso de POTDE. En el caso de la utilización de una herramienta de inteligencia de negocios, su intuitividad o amigabilidad. Respecto a los datos resultantes, su disponibilidad, y si son los esperados por la gerencia. 30 4.2 Introducción al dominio y la problemática POTDE se aplicó en una PYME agroindustrial Argentina. La Cooperativa Agropecuaria de Tandil Ltda. fue fundada en 1942. Dedicada desde sus inicios a la comercialización, acopio, acondicionamiento de granos y oleaginosas, y posteriormente a la fabricación y venta de productos derivados. Cuenta con una fuerte presencia en la región pampeana, conformada por una casa central y doce sucursales. La Cooperativa Agropecuaria es una empresa cuyo crecimiento económico es constante y sostenido, El último balance, supera los 480.000.000 millones de pesos argentinos. En esta sección se detalla la problemática y el dominio donde se aplicó el proceso POTDE. En primer lugar, se describe la problemática actual de la organización. Y para finalizar, se realiza una instanciación de POTDE aplicado en un ejemplo real de la Cooperativa Agropecuaria de Tandil Ltda. 4.2.1 Introducción a la problemática actual Partiendo de las definiciones de Hellriegel, Slocum (2004) y Stoner, (2003), la toma de decisiones es una parte importante de la labor del gerente en una organización. En la actualidad, el proceso de toma de decisiones en la Cooperativa Agropecuaria de Tandil Ltda se basa en informes de gestión, mayormente confeccionados de forma manual. A partir de los mismos, y en base a la experiencia previa e intuición del gerente o equipo gerencial, se lleva adelante el proceso de toma de decisiones. La Cooperativa cuenta con un sistema de base de datos (SGBD) de tipo transaccional que almacena, entre otros, los datos de sus socios, sucursales, depósitos, granos, insumos, stock y las transacciones de los movimientos logísticos. El armado de los reportes solicitados por la gerencia requiere poder consolidar datos. Los mismos, se encuentran almacenados en primer lugar, en el SGBD. En segundo lugar, en diferentes formatos distribuidos en cada UdeN. En consecuencia, la tarea de consolidar toda la información para el armado de los informes, se torna una tarea repetitiva que se ejecuta de forma manual. Por otra parte, el tiempo para disponibilizar un informe, puede variar y tomar días, semanas, o incluso meses. Los informes que requieren mayor esfuerzo para su confección se realizan una o dos veces al año. Asimismo, parte de la información disponible presenta inconsistencias o es de mala calidad. En otras palabras, producto de errores tanto en los datos externos, como de carga del sistema transaccional, provocan datos de baja o insuficiente calidad. Por lo tanto, limpiar y normalizar la información de los diferentes orígenes de datos, es una tarea que se suma al inicio de este proceso. Por consiguiente, el tiempo necesario para entregar los reportes de gestión aumenta, y por lo mencionado anteriormente, el resultado de estos puede no ser el esperado en el marco de la toma de decisiones estratégicas. Así, por ejemplo, es el caso de los reportes se realizan una vez por año, analizando los resultados del ejercicio que finalizó, para tomar las decisiones necesarias e implementarlas en el ejercicio siguiente. 31 4.3 Instanciación POTDE En esta sección se detallan cada una de las etapas de POTDE mencionadas anteriormente, instanciadas en el caso de uso Evolución Presupuestaria agronómica, correspondiente a la UdeN Agronomía, de la Cooperativa Agropecuaria de Tandil Ltda. Mediante reuniones presenciales con los responsables de la UdeN, se definió la necesidad en concreto de poder contar con un dashboard de control presupuestario que permita analizar y visualizar las ventas de los productos del sector. Dicho tablero de control deberá presentar la información de los siguientes KPI’s: ● Evolución de las ventas segúnlo presupuestado ● Ventas por ejercicio, mensuales y diarias ● Total acumulado de ventas mensual por ejercicio ● Detalle de productos por grupo de familia En concreto, la UdeN Agronomía, necesita disponibilizar toda la información necesaria para poder armar un dashboard que permita realizar el control de ventas diario, de todos los artículos existentes por ejercicio y, además, que dicho en informe se observe el contraste de las ventas vs. el presupuesto estimado para el mismo ejercicio. Al mismo tiempo, se debe presentar la información con una apertura por depósito y especie. Una especie se denomina a un subconjunto de artículos de iguales características. Previo a la aplicación de POTDE, para este caso de uso, no existía ningún informe que pueda dar respuesta a la totalidad del requerimiento solicitado, de manera que, solo se contaba con un informe que permitía ver un resumen ejecutivo por centro de costo, y solo se controlaba las especies más importantes, en cuanto a volumen y costo, como por ejemplo Glifosato. Para comenzar el proceso, se desarrolló una actividad adicional con el objetivo de normalizar los datos. Como se ha dicho en la sección 4.1, es requisito obligatorio, antes de comenzar el proceso, que la información disponible en los orígenes de datos sea consistente. En consecuencia, el departamento de IT realizó tres acciones concretas para garantizar dicha consistencia. En primer lugar, se normaliza la Base de Datos, eliminando y/o editando registros inconsistentes y agregando registros faltantes. En segundo lugar, se realizaron modificaciones en tablas existentes para poder agregar los atributos que permite agrupar los artículos por especie. Es importante mencionar en este punto, que los cambios fueron realizados por el departamento IT de manera provisoria para poder dar respuesta a los requerimientos de POTDE. Por último, el departamento de IT gestionó con el proveedor propietario del sistema de gestión, los cambios necesarios para dar solución definitiva a los cambios mencionados en el punto anterior. En otras palabras, previo a la implementación de POTDE, no era posible clasificar los productos según su especie, es decir, no era posible armar un informe de seguimiento como el solicitado. Dicha clasificación de artículos no se encontraba plasmada en la base de datos, por lo que se generó una nueva entidad en el sistema de gestión para disponer de esta formación. Luego, se generó un listado de especies, y se clasificaron los productos que se encontraban ya cargados en la Base de Datos del esquema PRODUCCION, según el grupo al que pertenecen. 32 En un principio, no se contaba con la posibilidad de clasificar dentro del sistema de gestión por familia de productos, por lo que se diseñó una solución creando una tabla ESPECIEVENTA dentro de la Base de Datos donde se cargó la relación entre la familia de productos y el producto. Dicha tabla contaba con dos campos, ARTICULO Y ESPECIE, como se puede observar en la Figura 4.3.1. Logrando como resultado Figura 4.3.2. Figura 4.3.1 - Vista de diseño tabla ESPECIEVENTA Figura 4.3.2 - Vista de datos tabla ESPECIEVENTA Paralelamente, se solicitó a los proveedores del sistema esta modificación para que los usuarios finales tengan independencia al momento de clasificar los artículos, la cual fue realizada con éxito en un tiempo aproximado de 6 meses (Figura 4.3.3 y Figura 4.3.4). 33 Figura 4.3.3 - Vista de entidades SGBD Figura 4.3.4 - Pantalla asignación de especie al artículo del módulo de ventas. 4.3.1 Etapa de relevamiento La captura de requerimientos en esta etapa fue mediante entrevistas presenciales. Las mismas, se dividieron en tres grupos y fueron realizadas en el orden que se mencionan: 1. Junto al equipo directivo a cargo de la toma de decisiones estratégicas. 34 2. Junto a los administradores de negocio responsables de aplicar decisiones. 3. Junto al personal que se entrevista por razones políticas. Durante la entrevista con el equipo directivo, se definieron los indicadores de gestión que se necesitan actualmente en la organización. El esquema de documentación de las entrevistas se detalla en el Anexo 1 y 2. Luego, se realizaron las entrevistas con los administradores de cada sector (UdeN), donde se relevó en detalle los procesos de cada área. A. Relevar necesidades, para esta actividad se realizó un cuestionario dependiendo del grupo a entrevistar. Para el caso del equipo directivo, se realizaron las siguientes preguntas: ● ¿Qué indicador/es de gestión necesitan? ● ¿Existe este indicador en los reportes de la organización? ● ¿Existe un indicador similar o complementario? ● En la actualidad. ¿Cómo se toman las decisiones que dependen de este indicador? ● En la actualidad. ¿Qué sector/es interviene en la generación de este indicador? ● En la actualidad. ¿Qué tiempo demora en generar este reporte? ● En la actualidad, clasificando del 1 al 5. ¿Qué tanto sirven los reportes actuales para la toma de decisiones? Justificando su respuesta. Como resultado, Anexo 3, de estas entrevistas surge la necesidad de la organización de contar con dashboard globales por sección donde se contemplen los siguientes indicadores: posición financiera, potencialidad comercial, posición de cereales, posición de agronomía, evolución presupuestaria agronómica, unidad productiva agronomía/cereales y ranking de socios perdidos por sucursal. A su vez, cada gerente de unidad de negocios detalló las necesidades de su sección. Anexo 4. En general, para todos los indicadores mencionados, el tiempo de armado de los reportes es mayor a siete días hábiles y en muchos casos no llegan a obtener la información deseada. En función del resultado de estos, se toman las decisiones. El proceso de toma de decisiones mejoraría si se puede reducir el tiempo de confección y obtención de la información. Garantizando que la información obtenida es fiable. En particular, se utiliza a modo de ejemplo, el dashboard de evolución presupuestaria de la unidad de negocios de Agronomía para instanciar POTDE. Por cada uno de los requerimientos definidos en la etapa anterior, donde se relevaron las necesidades de cada sección, se define un nuevo listado de preguntas para los responsables de las unidades de negocio. El cuestionario se conforma de la siguiente manera: 35 ● ¿El sector contribuye de alguna manera a la conformación del requerimiento mencionado? ● ¿De qué manera? ● ¿Depende de la información de otro/s sector/es? ● ¿En qué sistema/s se encuentra la información necesaria para dar respuesta al requerimiento? ● ¿Se requiere de datos externos a la organización para dar respuesta al requerimiento? ● ¿Qué reportes existen actualmente en el sector que den respuesta al requerimiento? ● En la actualidad. ¿Qué tiempo demora en generar este reporte? Cabe destacar que el cuestionario utilizado con el equipo gerencial, puede aplicarse en cada UdeN buscando identificar las necesidades de un sector en particular. Como resultado de las entrevistas a los mandos medios y operativos, se puede observar que de los requerimientos solicitados por la gerencia, existen reportes que se confeccionan con información de uno o más sectores. En general, además de utilizar la información de los sistemas transaccionales de la Cooperativa, utilizan herramientas adicionales como planillas de cálculo para almacenar y procesar datos. En la actualidad todos los informes se entregan en formato planilla de cálculo. En particular para el dashboard de Evolución Presupuestaria agronómica, las respuestas al cuestionario fueron las siguientes: ● ¿El sector contribuye de alguna manera a la conformación del requerimiento mencionado? La Unidad de Negocios Agronomía es la única responsable en generar y conformar la información para la creación del dashboard Evolución Presupuestaria Agronómica.
Compartir