You are on page 1of 6

INTRODUCCIÓN A LA INTELIGENCIA DE NEGOCIOS.

Autor: Lucio Fabian Escobar Ovando.

Asignatura: Inteligencia de Negocios.

Asesor: Jorge Amadeo Ortiz Muñiz.

Instituto Tecnológico Superior de Cintalapa

13/02/2018
INTRODUCIÓN.

Business Intelligence es la habilidad para transformar los datos en información, y la

información en conocimiento, de forma que se pueda optimizar el proceso de toma de decisiones

en los negocios.

Desde un punto de vista más pragmático, y asociándolo directamente con las tecnologías de la

información, podemos definir Business Intelligence como el conjunto de metodologías,

aplicaciones y tecnologías que permiten reunir, depurar y transformar datos de los sistemas

transaccionales e información desestructurada (interna y externa a la compañía) en información

estructurada, para su explotación directa (reporting, análisis OLTP / OLAP, alertas...) o para su

análisis y conversión en conocimiento, dando así soporte a la toma de decisiones sobre el

negocio.

OBJETIVOS.

El objetivo primario de la a Inteligencia de Negocios es contribuir a tomar decisiones que

mejoren el desempeño de la empresa y promover su ventaja competitiva en el mercado. En

resumen, la Inteligencia de Negocios faculta a la organización a tomar mejores decisiones más

rápidas.

Este concepto se requiere analizar desde tres perspectivas: Hacer mejores decisiones más

rápido, convertir datos en información, y usar una aplicación relacional para la administración.

II
Con respecto a la primera perspectiva, el objetivo primario de la Inteligencia de Negocios es

contribuir a tomar decisiones que mejoren el desempeño de la empresa y promover su ventaja

competitiva en el mercado.

CONCEPTOS BÁSICOS.

DATA WAREHOUSE.

Un Data Warehouse o “Almacén de datos” son depósitos (o archivos) de información reunida

de varios orígenes, almacenada bajo un esquema unificado en un solo sitio.

Una vez reunida, los datos se almacenan por mucho tiempo, lo que permite el acceso a datos

históricos.

DATA MART.

Un Data Mart, es una base de datos departamental, especializada en el almacenamiento de los

datos de un área de negocio específica.

Se caracteriza por disponer la estructura óptima de datos para analizar la información al

detalle desde todas las perspectivas que afectan a los procesos de dicho departamento.

Un Data Mart puede ser alimentado desde un Data Warehouse o integrar por sí mismo un

compendio de distintas fuentes de información.

TIPOS DE SISTEMAS DE INFORMACIÓN.

Los Sistemas de Información que logran la automatización de procesos operativos dentro de

una organización, son llamados Sistemas Transaccionales, ya que su función primordial consiste

en procesar transacciones tales como pagos, cobros, pólizas, entradas, salidas.

III
Sistemas transaccionales. A través de éstos suelen lograrse ahorros significativos de mano de

obra, debido a que automatizan tareas operativas de la organización. Con frecuencia son el

primer tipo de Sistemas de Información que se implanta en las organizaciones. Se empieza

apoyando las tareas a nivel operativo de la organización. Son intensivos en entrada y salid de

información; sus cálculos y procesos suelen ser simples y poco sofisticados.

Tienen la propiedad de ser recolectores de información, es decir, a través de estos sistemas se

cargan las grandes bases de información para su explotación posterior.

Sistema de apoyo a las decisiones. Suelen introducirse después de haber implantado los

Sistemas Transaccionales más relevantes de la empresa, ya que estos últimos constituyen su

plataforma de información.

La información que generan sirve de apoyo a los mandos intermedios y a la alta

administración en el proceso de toma de decisiones.

Sistemas estratégicos. Su función primordial no es apoyar la automatización de procesos

operativos ni proporcionar información para apoyar la toma de decisiones.

Suelen desarrollarse “in house”, es decir, dentro de la organización, por lo tanto no pueden

adaptarse fácilmente a paquetes disponibles en el mercado.

VARIABLES DE MEDICIÓN.

Las variables de medición son aquellas que representan la medición matemática de un aspecto

del negocio. Se utilizan para medirla productividad, las perdidas, las ganancias, entre otros

aspectos que les pueden definir un sin número de indicadores que le permitirá a un ejecutivo

tomar decisiones operativas o estratégicas.

IV
Un ejemplo práctico es que si una empresa vende refrescos las variables de medición le

ayudan a saber y a poder graficar cuantos refrescos se venden al día, cual es el más consumido, a

qué tipo de personas les gusta el refresco, entre otras cosas se pueden aplicar las variables de

medición.

VARIABLES DE ANÁLISIS.

Las variables de análisis son aquellas que se incluyen en el proceso estadístico, son aquellas

variables que realizan estudios analíticos sobre las variables de medición. Las variables de

análisis se utilizan principalmente para realizar estudios estadísticos como factores de riesgo, pre

valencia del producto en el mercado, entre otras cosas.

Un ejemplo práctico es que se utilizan dentro de la empresa para poder determinar los

diversos riesgos, la pre valencia del producto o el servicio dentro del mercado, local, nacional e

internacional y también se obtienen fortalezas y debilidades de la empresa.

Finalmente puedo concluir diciendo que la inteligencia de negocios no son más que

estrategias innovadoras para tener un impacto positivo en una empresa en la que se ejecute. Si se

implementa de la mejor manera la inteligencia de negocios puede marcar la pauta entre una

empresa u otra, conforme al éxito se refiere, teniendo en cuenta factores fundamentales como la

calidad del servicio o producto, depende al rol de la empresa en cuestión.

También la inteligencia de negocios puede hacer única a una empresa, es decir, única

conforme el manejo de cada una de las partes que estas integran a su funcionamiento para llegar

V
a impactar al mercado, ya que como bien sabemos la calidad de un producto o servicio lo define

el cliente, y de esta calidad depende el éxito de la empresa.

BIBLIOGRAFIA.
Adamson, C. (2006). Mastering Data Warehouse Aggregates: Solutions for Star Schema
Performance (1 ed., Vol. 2). E.U California: ISBN-13: 978-0471777090.
Laberge, R. (2011). Practical Data Warehouse Business Intelligence Insights (Vol. 3).
Manchester: Mc Graw Hill.
MUNDY, J. (2006). “The Microsoft Data Warehouse Toolkit with SQL Server 2005 and the
Microsoft Business Intelligence Tool Set (1 ed., Vol. 1). Madrid España: ISBN.

VI