Plan operativo anual (POA)

El plan operativo anual es un documento formal en el que se enumeran, por parte de los
responsables de una entidad facturadora (compañía, departamento, sucursal u oficina)
los objetivos a conseguir durante el presente ejercicio.

El plan operativo anual debe estar perfectamente alineado con el plan estratégico de la
empresa, y su especificación sirve para concretar, además de los objetivos a conseguir
cada año, la manera de alcanzarlos que debe seguir cada entidad (departamento,
sucursal, oficina...).

Por ejemplo, ante un objetivo estratégico global del tipo: "Conseguir una facturación de
1.000.000 € antes de 2.010.", un plan operativo debe desglosar esa cifra para cada
año: "Conseguir una facturación de 600.000 € en el año 2.008", "Conseguir una
facturación de 800.000 € en el año 2.009", "Conseguir una facturación de 1.000.000 €
en el año 2.010".

Además, el plan operativo anual debe desglosar los objetivos para cada entidad
facturadora: "La oficina de Madrid debe alcanzar una cifra de ventas de 200.000 € en el
año 2.008", "La oficina de Valencia debe alcanzar una cifra de ventas de 150.000 € en
el año 2.008", etc...

Incluso, dentro de cada sucursal o departamento es posible hallar una predicción del
volumen esperado de ventas para cada mes del año (teniendo en cuenta la
estacionalidad del producto o las oscilaciones que ha experimentado el mercado en años
anteriores).

Por tanto, es común en un plan operativo anual disponer, para cada mes (desde enero
a diciembre), de un valor POA para cada objetivo. A medida que va avanzando el año es
posible fijar el valor real que se ha alcanzado y, por tanto, hallar posibles errores o
desviaciones en el plan.

Por ejemplo, para el caso del objetivo:

"La oficina de Madrid debe alcanzar una cifra de ventas de 200.000 € en el año 2.008"

Mes POA Acumulado Real Acumulado Desviación

Enero 15.000 € 16.292 € 1.292 €

Febrero 30.000 € 26.488 € -3.512 €

Marzo 50.000 € 41.351 € -8.649 €

Abril 70.000 € 60.134 € -9.866 €

Mayo 85.000 € 74.011 € -10.989 €

Junio 100.000 € 88.506 € -11.494 €

 Julio 120.000 € (-) (-)

Agosto 150.000 €

Septiembre 170.000 €

Octubre 180.000 €

Noviembre 190.000 €

Diciembre 200.000 €

Esto es preciso hacerlo, naturalmente, para cada objetivo anual de cada entidad.

Lo más importante de este modelo es que, mediante un correcto seguimiento del plan
operativo anual, se puede hallar no sólo las desviaciones en el plan, sino también el
motivo de su origen. La herramienta de Business Intelligence dedicada a este fin es una
de las más implantadas en las empresas modernas: el Cuadro de Mando
Integral o Balanced Scorecard.

Si no está familiarizado con el concepto de Plan Operativo Anual, puede resultarle útil,
además, examinar las siguientes definiciones:

Plan director

Plan estratégico

Cuadro de Mando Integral

Sistemas de Soporte a la Decisión (DSS)

Sistemas de Información Ejecutiva (EIS)

¿Qué es Business Intelligence?

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.

La inteligencia de negocio actúa como un factor estratégico para una empresa u organización,
generando una potencial ventaja competitiva, que no es otra que proporcionar información
privilegiada para responder a los problemas de negocio: entrada a nuevos mercados,
promociones u ofertas de productos, eliminación de islas de información, control financiero,
optimización de costes, planificación de la producción, análisis de perfiles de clientes, rentabilidad
de un producto concreto, etc...

Los principales productos de Business Intelligence que existen hoy en día son:

Cuadros de Mando Integrales (CMI)

Sistemas de Soporte a la Decisión (DSS)

Sistemas de Información Ejecutiva (EIS)

Por otro lado, los principales componentes de orígenes de datos en el Business Intelligence que
existen en la actualidad son:

Datamart

Datawarehouse

Los sistemas y componentes del BI se diferencian de los sistemas operacionales en que están
optimizados para preguntar y divulgar sobre datos. Esto significa típicamente que, en un
datawarehouse, los datos están desnormalizados para apoyar consultas de alto rendimiento,
mientras que en los sistemas operacionales suelen encontrarse normalizados para apoyar
operaciones continuas de inserción, modificación y borrado de datos. En este sentido, los procesos
ETL (extracción, transformación y carga), que nutren los sistemas BI, tienen que traducir de uno
o varios sistemas operacionales normalizados e independientes a un único sistema
desnormalizado, cuyos datos estén completamente integrados.

En definitiva, una solución BI completa

permite:

Observar ¿qué está ocurriendo?

Comprender ¿por qué ocurre?

Predecir ¿qué ocurriría?

Colaborar ¿qué debería hacer el

equipo?

Decidir ¿qué camino se debe seguir?

Plan estratégico
El plan estratégico es un documento formal en el que se intenta plasmar, por parte de
los responsables de una compañía (directivos, gerentes, empresarios...) cual será la
estrategia de la misma durante un período de tiempo, generalmente de 3 a 5 años.

El plan estratégico es cuantitativo: establece las cifras que debe alcanzar la

compañía, manifiesto: describe el modo de conseguirlas, perfilando la estrategia a
seguir, y temporal: indica los plazos de los que dispone la compañía para alcanzar
esas cifras.

El plan estratégico recoge tres puntos principales:

Objetivos: un objetivo es un hecho que no depende directamente de la

compañía, y que está formado por la ecuación: cantidad a alcanzar + plazo para
conseguirlo. El verbo asociado a un objetivo es siempre conseguir:

- Conseguir una facturación de 1.000.000 € antes de 2.010.

- Conseguir incrementar la rentabilidad económica un 10% durante 2.008.
- Conseguir una cuota de mercado del 40% antes de Noviembre de 2.007.

Los objetivos del tipo: "Optimizar los recursos empleados" o "Maximizar el beneficio
durante este año" no son válidos, ya que no indican una cantidad a alcanzar y un
plazo para conseguirlo. Tampoco sería correcto el objetivo: "Gastar 10.000 € en
renovar el equipamiento informático durante Febrero", ya que eso depende
directamente de la compañía.
 Políticas: una política es una conducta que marca la compañía, y que sirve
para describir su actitud, continuada en el tiempo, a la hora de enfrentarse a
situaciones de diversa índole. El verbo asociado a una política es
siempre establecer:

- Establecer una política de cobros a 30 días y de pagos a 90 días.

- Establecer una política de contratación para titulados con al menos 2 años de
experiencia.
- Establecer una política retributiva basada en un 80% de retribución fija y 20%
retribución variable.

Existen muchos parámetros sobre los que se puede establecer la actitud de la

empresa, como la política de tesorería, la política de atención al cliente, la política
de recursos humanos, la política de imagen corporativa, la política de reparto de
dividendos...

Acciones: una acción es un hecho que depende directamente de la compañía, y

que generalmente se lleva a cabo para facilitar la consecución de los objetivos,
fomentar el respeto a las políticas impuestas, o vertebrar la estrategia global de la
empresa. El verbo asociado a una acción es siempre realizar:

- Asistir a los principales congresos del sector para mejorar la formación interna.
- Lanzar una campaña de publicidad en TV y periódicos para promocionar el nuevo
producto.
- Elaborar un manual de procedimientos interno que agilice la incorporación de
nuevos miembros.

Las acciones se suelen agrupar de tal manera que sea sencillo identificar su origen
y, a su vez, su finalidad. Así se pueden clasificar como dependientes de un objetivo
estratégico, de una política de empresa o simplemente como acciones puntuales.

En la práctica, el plan estratégico se suele sintetizar en un documento escrito

(generalmente de menos de 20 páginas), concretando así las líneas estratégicas
generales a seguir por la compañía.

El plan estratégico describe, por tanto, una manera de conseguir las cualidades
organizacionales enumeradas en el plan director. No obstante, el plan estratégico no
suele estar lo suficientemente detallado como para actuar a nivel departamental. Para
ello, se suele utilizar el plan operativo anual.

La herramienta de Business Intelligence dedicada a la inclusión y seguimiento del plan

estratégico en una empresa es el Cuadro de Mando Integral o Balanced Scorecard.

Si no está familiarizado con el concepto de Plan Estratégico, puede resultarle útil,

además, examinar las siguientes definiciones:

Sistemas de Soporte a la Decisión (DSS)

Un Sistema de Soporte a la Decisión (DSS) es una herramienta de Business
Intelligence enfocada al análisis de los datos de una organización.
En principio, puede parecer que el análisis de datos es un proceso sencillo, y fácil de
conseguir mediante una aplicación hecha a medida o un ERP sofisticado. Sin embargo,
no es así: estas aplicaciones suelen disponer de una serie de informes predefinidos en
los que presentan la información de manera estática, pero no permiten profundizar en
los datos, navegar entre ellos, manejarlos desde distintas perspectivas... etc.

El DSS es una de las herramientas más emblemáticas del Business Intelligence ya que,
entre otras propiedades, permiten resolver gran parte de las limitaciones de los
programas de gestión. Estas son algunas de sus características principales:

Informes dinámicos, flexibles e interactivos, de manera que el usuario no

tenga que ceñirse a los listados predefinidos que se configuraron en el momento
de la implantación, y que no siempre responden a sus dudas reales.

No requiere conocimientos técnicos. Un usuario no técnico puede crear

nuevos gráficos e informes y navegar entre ellos, haciendo drag&drop o drill
through. Por tanto, para examinar la información disponible o crear nuevas
métricas no es imprescindible buscar auxilio en el departamento de informática.

Rapidez en el tiempo de respuesta, ya que la base de datos subyacente suele

ser un datawarehouse corporativo o un datamart, con modelos de datos en
estrella o copo de nieve. Este tipo de bases de datos están optimizadas para el
análisis de grandes volúmenes de información (vease ánalisis OLTP-OLAP).

Integración entre todos los sistemas/departamentos de la compañía. El

proceso de ETL previo a la implantación de un Sistema de Soporte a la Decisión
garantiza la calidad y la integración de los datos entre las diferentes unidades de
la empresa. Existe lo que se llama: integridad referencial absoluta.

Cada usuario dispone de información adecuada a su perfil. No se trata de

que todo el mundo tenga acceso a toda la información, sino de que tenga acceso
a la información que necesita para que su trabajo sea lo más eficiente posible.

Disponibilidad de información histórica. En estos sistemas está a la orden

del día comparar los datos actuales con información de otros períodos históricos
 de la compañía, con el fin de analizar tendencias, fijar la evolución de parámetros
de negocio... etc.

Diferencia con otras herramientas de Business Intelligence

El principal objetivo de los Sistemas de Soporte a Decisiones es, a diferencia de otras

herramientas como los Cuadros de Mando (CMI) o los Sistemas de Información
Ejecutiva (EIS), explotar al máximo la información residente en una base de datos
corporativa (datawarehouse o datamart), mostrando informes muy dinámicos y con gran
potencial de navegación, pero siempre con una interfaz gráfica amigable, vistosa y
sencilla.

Otra diferencia fundamental radica en los usuarios a los que están destinadas las
plataformas DSS: cualquier nivel gerencial dentro de una organización, tanto para
situaciones estructuradas como no estructuradas. (En este sentido, por ejemplo, los CMI
están más orientados a la alta dirección).

Por último, destacar que los DSS suelen requerir (aunque no es imprescindible)
un motor OLAP subyacente, que facilite el análisis casi ilimitado de los datos para hallar
las causas raices de los problemas/pormenores de la compañía.

Tipos de Sistemas de Soporte a Decisiones

Sistemas de información gerencial (MIS)

Los sistemas de información gerencial (MIS, Management Information Systems),
tambien llamados Sistemas de Información Administrativa (AIS) dan soporte a
un espectro más amplio de tareas organizacionales, encontrándose a medio
 camino entre un DSS tradicional y una aplicación CRM/ERP implantada en la
misma compañía.

Sistemas de información ejecutiva (EIS)

Los sistemas de información ejecutiva (EIS, Executive Information System) son
el tipo de DSS que más se suele emplear en Business Intelligence, ya que proveen
a los gerentes de un acceso sencillo a información interna y externa de su
compañía, y que es relevante para sus factores clave de éxito.

Sistemas expertos basados en inteligencia artificial (SSEE)

Los sistemas expertos, también llamados sistemas basados en conocimiento,
utilizan redes neuronales para simular el conocimiento de un experto y utilizarlo
de forma efectiva para resolver un problema concreto. Este concepto está muy
relacionado con el datamining.

Sistemas de apoyo a decisiones de grupo (GDSS)

Un sistema de apoyo a decisiones en grupos (GDSS, Group Decision Support
Systems) es "un sistema basado en computadoras que apoya a grupos de
personas que tienen una tarea (u objetivo) común, y que sirve como interfaz con
un entorno compartido". El supuesto en que se basa el GDSS es que si se mejoran
las comunicaciones se pueden mejorar las decisiones.

Si no está familiarizado con el concepto de Sistema de Soporte a Decisiones, puede

resultarle útil, además, examinar las siguientes definiciones:

Sistemas de Información Ejecutiva (EIS)

Un Sistema de Información para Ejecutivos o Sistema de Información
Ejecutivaes una herramienta software, basada en un DSS, que provee a los gerentes
de un acceso sencillo a información interna y externa de su compañía, y que es
relevante para sus factores clave de éxito.
La finalidad principal es que el ejecutivo tenga a su disposición un panorama completo
del estado de los indicadores de negocio que le afectan al instante, manteniendo
también la posibilidad de analizar con detalle aquellos que no estén cumpliendo con las
expectativas establecidas, para determinar el plan de acción más adecuado.

De forma más pragmática, se puede definir un EIS como una aplicación informática
que muestra informes y listados (query & reporting) de las diferentes áreas de
negocio, de forma consolidada, para facilitar la monitorización de la empresa o de una
unidad de la misma.

El EIS se caracteriza por ofrecer al ejecutivo un acceso rápido y efectivo a la

información compartida, utilizando interfaces gráficas visuales e intutivas. Suele incluir
alertas e informes basados en excepción, así como históricos y análisis de tendencias.
También es frecuente que permita la domiciliación por correo de los informes más
relevantes.

A través de esta solución se puede contar con un resumen del comportamiento de una
organización o área específica, y poder compararla a través del tiempo. Es posible,
además, ajustar la visión de la información a la teoría de Balanced Scorecard
o Cuadro de Mando Integral impulsada por Norton y Kaplan, o bien a cualquier
modelo estratégico de indicadores que maneje la compañía.
Datamart
Un Datamart 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 afecten a los procesos de dicho departamento. Un datamart puede ser alimentado
desde los datos de un datawarehouse, o integrar por si mismo un compendio de distintas
fuentes de información.

Por tanto, para crear el datamart de un área funcional de la empresa es preciso encontrar
la estructura óptima para el análisis de su información, estructura que puede estar
montada sobre una base de datos OLTP, como el propio datawarehouse, o sobre una
base de datos OLAP. La designación de una u otra dependerá de los datos, los requisitos
y las características específicas de cada departamento. De esta forma se pueden plantear
dos tipos de datamarts:

Datamart OLAP
Se basan en los populares cubos OLAP, que se construyen agregando, según los
requisitos de cada área o departamento, las dimensiones y los indicadores necesarios
de cada cubo relacional. El modo de creación, explotación y mantenimiento de los cubos
OLAP es muy heterogéneo, en función de la herramienta final que se utilice.

Datamart OLTP
Pueden basarse en un simple extracto del datawarehouse, no obstante, lo común es
introducir mejoras en su rendimiento (las agregaciones y los filtrados suelen ser las
operaciones más usuales) aprovechando las características particulares de cada área de
la empresa. Las estructuras más comunes en este sentido son las tablas report, que
vienen a ser fact-tables reducidas (que agregan las dimensiones oportunas), y las vistas
materializadas, que se construyen con la misma estructura que las anteriores, pero con
el objetivo de explotar la reescritura de queries (aunque sólo es posibles en algunos
SGBD avanzados, como Oracle).

Los datamarts que están dotados con estas estructuras óptimas de análisis presentan
las siguientes ventajas:

Poco volumen de datos

 Mayor rapidez de consulta

Consultas SQL y/o MDX sencillas

Validación directa de la información

Facilidad para la historización de los datos

Datamining (Minería de datos)

El datamining (minería de datos), es el conjunto de técnicas y tecnologías que permiten
explorar grandes bases de datos, de manera automática o semiautomática, con el
objetivo de encontrar patrones repetitivos, tendencias o reglas que expliquen el
comportamiento de los datos en un determinado contexto.

Básicamente, el datamining surge para intentar ayudar a comprender el contenido de

un repositorio de datos. Con este fin, hace uso de prácticas estadísticas y, en algunos
casos, de algoritmos de búsqueda próximos a la Inteligencia Artificial y a las redes
neuronales.

De forma general, los datos son la materia prima bruta. En el momento que el usuario
les atribuye algún significado especial pasan a convertirse en información. Cuando los
especialistas elaboran o encuentran un modelo, haciendo que la interpretación que surge
entre la información y ese modelo represente un valor agregado, entonces nos referimos
al conocimiento. Vea más diferencias entre datos, información y conocimiento.
Aunque en datamining cada caso concreto puede ser radicalmente distinto al anterior,
el proceso común a todos ellos se suele componer de cuatro etapas principales:

Determinación de los objetivos. Trata de la delimitación de los objetivos que

el cliente desea bajo la orientación del especialista en data mining.

Preprocesamiento de los datos. Se refiere a la selección, la limpieza, el

enriquecimiento, la reducción y la transformación de las bases de datos. Esta
etapa consume generalmente alrededor del setenta por ciento del tiempo total
de un proyecto de data mining.

Determinación del modelo. Se comienza realizando unos análisis estadísticos

de los datos, y después se lleva a cabo una visualización gráfica de los mismos
para tener una primera aproximación. Según los objetivos planteados y la tarea
que debe llevarse a cabo, pueden utilizarse algoritmos desarrollados en diferentes
áreas de la Inteligencia Artificial.

Análisis de los resultados. Verifica si los resultados obtenidos son coherentes

y los coteja con los obtenidos por los análisis estadísticos y de visualización
gráfica. El cliente determina si son novedosos y si le aportan un nuevo
conocimiento que le permita considerar sus decisiones.
 Carga de trabajo en las fases de un proyecto de datamining

En resumen, el datamining se presenta como una tecnología emergente, con varias

ventajas: por un lado, resulta un buen punto de encuentro entre los investigadores y las
personas de negocios; por otro, ahorra grandes cantidades de dinero a una empresa y
abre nuevas oportunidades de negocios. Además, no hay duda de que trabajar con esta
tecnología implica cuidar un sinnúmero de detalles debido a que el producto final
involucra "toma de decisiones".

En el artículo Data Mining: Torturando a los datos hasta que confiesen, Luis Carlos Molina
proporciona una visión muy clarificadora sobre la minería de datos, incluyendo
interesantes ejemplos de aplicaciones de la misma. Recomendamos su lectura.

Si no está familiarizado con el concepto de Datamining, puede resultarle útil, además,

examinar las siguientes definiciones:

Bases de datos OLTP y OLAP

OLTP - On-Line Transactional Processing

Los sistemas OLTP son bases de datos orientadas al procesamiento de transacciones.

Una transacción genera un proceso atómico (que debe ser validado con un commit, o
invalidado con un rollback), y que puede involucrar operaciones de inserción,
modificación y borrado de datos. El proceso transaccional es típico de las bases de
datos operacionales.

El acceso a los datos está optimizado para tareas frecuentes de lectura y

escritura. (Por ejemplo, la enorme cantidad de transacciones que tienen que
soportar las BD de bancos o hipermercados diariamente).

Los datos se estructuran según el nivel aplicación (programa de gestión a

medida, ERP o CRM implantado, sistema de información departamental...).
 Los formatos de los datos no son necesariamente uniformes en los diferentes
departamentos (es común la falta de compatibilidad y la existencia de islas de
datos).

El historial de datos suele limitarse a los datos actuales o recientes.

OLAP - On-Line Analytical Processing

Los sistemas OLAP son bases de datos orientadas al procesamiento analítico. Este
análisis suele implicar, generalmente, la lectura de grandes cantidades de datos para
llegar a extraer algún tipo de información útil: tendencias de ventas, patrones de
comportamiento de los consumidores, elaboración de informes complejos… etc. Este
sistema es típico de los datamarts.

El acceso a los datos suele ser de sólo lectura. La acción más común es la
consulta, con muy pocas inserciones, actualizaciones o eliminaciones.

Los datos se estructuran según las áreas de negocio, y los formatos de los
datos están integrados de manera uniforme en toda la organización.

El historial de datos es a largo plazo, normalmente de dos a cinco años.

Las bases de datos OLAP se suelen alimentar de información procedente de los

sistemas operacionales existentes, mediante un proceso de extracción,
transformación y carga (ETL).

Datawarehouse
Un Datawarehouse es una base de datos corporativa que se caracteriza por integrar y
depurar información de una o más fuentes distintas, para luego procesarla permitiendo
su análisis desde infinidad de pespectivas y con grandes velocidades de respuesta. La
creación de un datawarehouse representa en la mayoría de las ocasiones el primer paso,
desde el punto de vista técnico, para implantar una solución completa y fiable de
Business Intelligence.

La ventaja principal de este tipo de bases de datos radica en las estructuras en las que
se almacena la información (modelos de tablas en estrella, en copo de nieve, cubos
relacionales... etc). Este tipo de persistencia de la información es homogénea y fiable, y
permite la consulta y el tratamiento jerarquizado de la misma (siempre en un entorno
diferente a los sistemas operacionales).
El término Datawarehouse fue acuñado por primera vez por Bill Inmon, y se traduce
literalmente como almacén de datos. No obstante, y como cabe suponer, es mucho más
que eso. Según definió el propio Bill Inmon, un datawarehouse se caracteriza por ser:

Integrado: los datos almacenados en el datawarehouse deben integrarse en

una estructura consistente, por lo que las inconsistencias existentes entre los
diversos sistemas operacionales deben ser eliminadas. La información suele
estructurarse también en distintos niveles de detalle para adecuarse a las
distintas necesidades de los usuarios.

Temático: sólo los datos necesarios para el proceso de generación del

conocimiento del negocio se integran desde el entorno operacional. Los datos se
organizan por temas para facilitar su acceso y entendimiento por parte de los
usuarios finales. Por ejemplo, todos los datos sobre clientes pueden ser
consolidados en una única tabla del datawarehouse. De esta forma, las peticiones
de información sobre clientes serán más fáciles de responder dado que toda la
información reside en el mismo lugar.

Histórico: el tiempo es parte implícita de la información contenida en un

datawarehouse. En los sistemas operacionales, los datos siempre reflejan el
estado de la actividad del negocio en el momento presente. Por el contrario, la
información almacenada en el datawarehouse sirve, entre otras cosas, para
realizar análisis de tendencias. Por lo tanto, el datawarehouse se carga con los
distintos valores que toma una variable en el tiempo para permitir
comparaciones.

No volátil: el almacén de información de un datawarehouse existe para ser

leído, pero no modificado. La información es por tanto permanente, significando
la actualización del datawarehouse la incorporación de los últimos valores que
tomaron las distintas variables contenidas en él sin ningún tipo de acción sobre
lo que ya existía.
Otra característica del datawarehouse es que contiene metadatos, es decir, datos sobre
los datos. Los metadatos permiten saber la procedencia de la información, su
periodicidad de refresco, su fiabilidad, forma de cálculo... etc.

Los metadatos serán los que permiten simplificar y automatizar la obtención de la

información desde los sistemas operacionales a los sistemas informacionales.

Los objetivos que deben cumplir los metadatos, según el colectivo al que va dirigido,
son:

Dar soporte al usuario final, ayudándole a acceder al datawarehouse con su

propio lenguaje de negocio, indicando qué información hay y qué significado
tiene. Ayudar a construir consultas, informes y análisis, mediante herramientas
de Business Intelligence como DSS, EIS o CMI.

Dar soporte a los responsables técnicos del datawarehouse en aspectos

de auditoría, gestión de la información histórica, administración del
datawarehouse, elaboración de programas de extracción de la información,
especificación de las interfaces para la realimentación a los sistemas
operacionales de los resultados obtenidos... etc.

Por último, destacar que para comprender íntegramente el concepto de datawarehouse,

es importante entender cual es el proceso de construcción del mismo, denominado ETL
(Extracción, Transformación y Carga), a partir de los sistemas operaciones de una
compañía:

Extracción: obtención de información de las distintas fuentes tanto internas

como externas.

Transformación: filtrado, limpieza, depuración, homogeneización y agrupación

de la información.

Carga: organización y actualización de los datos y los metadatos en la base de

datos.
Una de las claves del éxito en la construcción de un datawarehouse es el desarrollo de
forma gradual, seleccionando a un departamento usuario como piloto y expandiendo
progresivamente el almacén de datos a los demás usuarios. Por ello es importante elegir
este usuario inicial o piloto, siendo importante que sea un departamento con pocos
usuarios, en el que la necesidad de este tipo de sistemas es muy alta y se puedan
obtener y medir resultados a corto plazo.

Principales aportaciones de un datawarehouse

Proporciona una herramienta para la toma de decisiones en cualquier área

funcional, basándose en información integrada y global del negocio.

Facilita la aplicación de técnicas estadísticas de análisis y modelización para

encontrar relaciones ocultas entre los datos del almacén; obteniendo un valor
añadido para el negocio de dicha información.

Proporciona la capacidad de aprender de los datos del pasado y de predecir

situaciones futuras en diversos escenarios.

Simplifica dentro de la empresa la implantación de sistemas de gestión integral

de la relación con el cliente.

Supone una optimización tecnológica y económica en entornos de Centro de

Información, estadística o de generación de informes con retornos de la inversión
espectaculares.

l retorno sobre la inversión (ROI, por sus siglas en inglés) es esencial para la
rentabilidad a largo plazo de cualquier compañía, ya sea grande o pequeña. Es
una medición que debería emplearse para cada proyecto o línea de productos. El
desafío es el cálculo y su financiación. Por ser una métrica excelente para los
profesionales de las finanzas, los cálculos de ROI brindan objetividad al momento
de tomar la decisión de aceptar o rechazar proyectos. Sin embargo, cuando un
ROI lleva a rechazar uno, habrá presión para cambiar las variables o incluso el
cálculo.

Calculando el ROI
Comprende la fórmula. La fórmula de ROI es el "valor final de un proyecto" (Vf)
menos el "costo total de propiedad" (TCO) dividido entre el "costo total de
propiedad" (TCO) y multiplicado por 100. Es decir que ROI es igual a [(Vf - TCO) /
TCO]*100.

Calcula la inversión inicial. Estima el valor del flujo de salida de efectivo para cada
mes del año del proyecto. ¿Existe más de una corriente de salida? Por ejemplo,
¿cuál es el costo de mano de obra, operación, inventario y mercadotecnia?
Calcula el valor final del proyecto. ¿Qué rentabilidad tendrá durante cierto período
de tiempo? Es importante justificar todos los medios por los cuales un proyecto en
particular podría generar rentabilidad o ahorro a partir de ventas directas o ahorro
de gastos. ¿Incrementará la renta en un 5% o reducirá los gastos en un 5%? ¿En
qué se basan tus proyecciones o suposiciones?

Trabaja con un ejemplo. Si esperas obtener US$50.000 con un proyecto (Vf) con
una inversión inicial de US$10.000 (TCO), el cálculo sería [(50.000-
10.000)/10.000]*100 o 400%. En general, si el ROI está por encima de 0%,
deberías aceptar el proyecto.

Compara y contrasta. ¿Tiene sentido un 400% de ROI? Compara el cálculo de la

fórmula con otros proyectos. Reconsidera tus suposiciones en cuanto a la
exactitud del proyecto a medio término. Si fuera necesario, ajusta tu proyección
del ROI. Al final del proyecto, realiza otra revisión.

Consejos
Al evaluar cualquier cálculo del ROI, el paso más importante es comprender las
entradas y los supuestos. Los ROI son extremadamente flexibles. El cálculo del
TCO puede adaptarse a las necesidades del cálculo del proyecto cambiando las
presunciones. Dicho en otras palabras, es posible crear un ROI positivo. Es por
esta razón que es importante mantener las finanzas y las operaciones como
funciones separadas.

El siguiente artículo trata sobre el manejo y funcionamiento de BI,

los beneficios de emplear este tipo de tecnologías en la empresa.

Los riesgos que las empresas corren al no tener un uso adecuado

de la tecnología de BI.

Conoceremos los producto y servicios que maneja BI, y como se

desenvuelven la tecnología de inteligencia de negocios en los
diferentes niveles de la pirámide organizacional.

Ads by scrollerads.com

Inteligencia de negocios
Historia del Business Intelligence

Anteriormente las organizaciones se apoyaban del departamento

de sistemas de información para que generaran los reportes
estándar y personalizados, esto sucedía cuando se trabajaba con
mainframes (computadoras centrales eran grandes, potentes y
costosas, estas computadoras eran usadas por grandes
corporativos con una base de datos bastante grande y compleja
tal es el caso de los bancos, que utilizaban éste tipo de máquinas
para procesar las transacciones bancarias). Y minicomputadoras
(denominados así a los pequeños sistemas monousuarios. Éste
termino se popularizó a mediados de los 60´s y tenían 2 funciones
básicas: uso de circuitos integrados y mayor disponibilidad de
recursos en la memoria RAM).

En su mayoría los usuarios no tenían acceso directo con las

computadoras, esto comenzó a cambiar y dio un giro inesperado
en los años 70´s, cuando se dio el bum de las computadoras y se
convirtieron en la moda.

Este tipo de computadoras eran utilizadas por los negocios para

realizar las transacciones y el número de reportes era limitado y
predeterminado por éste tipo de dispositivos. Los sistemas de
información eran saturados por lo que tenían que esperar para la
recepción de reportes que tardaban días, incluso semas esto
sucedía si requerían de reportes personalizados que no estaban
dentro de los estándares disponibles.

Con el paso del tiempo se desarrollaron sistemas de información

ejecutiva, para crear éste tipo de sistemas se modificaron los
sistemas tradicionales para cubrir las necesidades y apoyar las
actividades y funciones de los ejecutivos y administradores.

Con la entrada de las computadoras y conexiones en red, las

herramientas de BI fueron retroalimentadas de tecnología con la
finalidad de crear sus rutinas básicas y reportes personalizados.

La siguiente figura muestra la breve historia de cómo fue

evolucionando lo que ahora conocemos como Businnes
Intelligence u organizaciones inteligentes. De igual manera se
presenta el desarrollo de las aplicables en la toma de decisiones.
 Inteligencia de
negocios

En 1965 se apoyó la decisión tradicional que consistía en reportes

generados de un estándar.

En 1975 se tomó en consideración la integración del cliente para

la toma de decisiones, es decir se comenzó a incursionar en
datos cuantitativos y cualitativos.

Para 1985 la base de datos se amplió de manera considera

ble y podía ser utilizada la información de uso doméstico.

En el año de 1995 los data Werehousing (almacén de datos) era

utilizado por las corporaciones, ya que manejaba grandes
cantidades de datos y podían ingresar datos nuevos con un
tiempo de espera de cero. Y el acceso a la información podía
ser analizada en tiempo real y al mismo tiempo recibir modif
icaciones sin necesidad de esperar tiempo para que los cambios
se realicen. Los reportes ya eran totalmente personalizados y
agilizó la toma de decisiones, pues eran generados con los datos
vigentes hasta el momento.
Características principales de éste tipo de sistemas y como ayuda a la toma de
decisiones:

 Colección de datos
 Integrado
 Variable en el tiempo
 Mantiene un expediente completo de la organización: tr
ansaccional y operacional.
 Favorece el análisis y divulgación eficiente de datos.

En el año 2000 la aplicación del software era CRM (customer

relationship management) posee diferentes significados

En La administración basada en la relación con los clientes

Modelo de gestión de toda la organización se basaba en la

orientación al cliente/mercados, se relaciona con el marketing
directo de base de datos.

Software para la administración de la relación con los clientes.

Es la combinación de datawarehouse, la información de la gestión

de ventas y la relación de los clientes con la empresa.

Y finalmente en el 2005 nace el término de business Intelligence,

tema que será visto de talladamente en éste artículo.
Antecedentes de la Inteligencia de negocios

Se le conoce como inteligencia de negocios o business

Intelligence, es el conjunto de productos y servicios que permite
que los usuarios puedan acceder y analizar de forma rápida y
sencilla, a la información para su adecuada toma de decisiones a
nivel operativo, táctico y estratégico como a continuación se
presenta

El término Business Intelligence (Inteligencia de Negocios) hizo su

aparición en 1996 cuando un reporte de Gartner Group (empresa
pública estadounidense, se dedica a la investigación tecnológica,
consultoría y análisis de negocios) dijo textualmente lo siguiente:

“Para el año 2000, la Democracia de la Información emergerá en

las empresas de vanguardia, con las aplicaciones de Inteligencia
de Negocios ampliamente disponibles a nivel de empleados,
consultores, clientes, proveedores y el público en general. La
clave para surgir en un mercado competitivo es mantenerse
delante de sus competidores. Se requiere mas que intuición para
tomar decisiones correctas basadas en información exacta y
actualizada. Las herramientas de reporte, consulta y análisis de
datos pueden ayudar a los usuarios de negocios a navegar a
través de un mar de información para sintetizar la información
valiosa que en él se encuentra – hoy en día esta categoría de
herramientas se les llama “Inteligencia de Negocios” (13Oc46)
Definición de Business intelligence

La aplicación de Bi, son herramientas que da soporte a las

decisiones en tiempo real, tienen accesos interactivos, análisis y
permite manipular la información crítica para la empresa.

Éstas aplicaciones, permite a los usuarios, identificar

oportunidades y detectar los problemas de la empresa, antes de
que crezcan y se vuelvan poco manejables.

Los usuarios acceden y apalancar gran cantidad de datos de

almacenamiento, analiza sus relaciones y entiende e interpreta
las tendencias que apoya la toma de decisiones.

Éstas herramientas ahorran tiempo y evitan la mala interpretación

de los datos y refuerza los puntos clave con información concisa y
específica

Evita la acumulación de información que en ocasiones es

impreciso leer o usar. Los principios de la inteligencia de negocios
son:

 Toma de decisiones
  Explotación de la información
 Enfoque al usuario
Inteligencia de negocios a nivel operativo, táctico y estratégico

Se le conoce como inteligencia de negocios o business

Intelligence, al conjunto de productos y servicios que permite que
los usuarios puedan acceder y analizar de forma rápida y
sencilla, a la información para su adecuada toma de decisiones a
nivel operativo, táctico y estratégico como a continuación se
presenta

Inteligencia
de negocios
Nivel operativo

La inteligencia de los negocios permite a los colaboradores de

éste nivel que en su rutina diaria manejan información, la reciban
de una manera oportuna, exacta y adecuada.

El nivel de operativo manejan principalmente herramientas de

reportes u hojas de cálculo con formatos fijos que está en
constante actualización.

Pongamos el ejemplo de un supervisor de ventas cuya princi

pal apoyo para realizar satisfactoriamente su trabajo es una hoja
de cálculo, para que monitoree que se cumplan las cuotas de
ventas de los vendedores que están a su cargo, una delas
columnas tendría información fija (cuota de ventas) y la siguiente
columna donde se anoten los datos diarios de ventas ( en
términos monetario) de cada uno de sus vendedores y con éstos
datos puede realizar un análisis y tomar decisiones respecto a las
metas que cumple cada trabajador o en su caso sus deficiencias.
Herramientas a nivel operativo de BI
Matrix

Es una plataforma de infraestructura convergente del sector, lo

que significa que es una nube virtual, que se relaciona con el
almacenamiento de datos para entregar la mejor solución integral.

Se adapta a las demandas de las empresas dinámicas y

modifica infraestructuras complejas en minutos y no en meses,
como ocurre en la vida real. Y entrega soluciones de los análisis
que se solicita al programa.
Características del programa

Inteligencia de negocios

Matrix es una herramienta que satisface las necesidades de

Inteligencia de Negocios a nivel operativo.

Inteligencia de Negocios a Nivel Táctico

Éste nivel permite analizar los datos a nivel medio , permite
analizar y consultar
información mediante la utilización de software, sin intervenci
ón de terceros.

Ejemplo.

Su pongamos que aun gerente le llega un reporte impreso, o pre

impreso, donde indica que las ventas en algún producto o servicio
se han elevado considerablemente. Una herramienta de nombre
Funcion@, crea una análisis que marca las tendencias y variables
del posible incremento.

Se da cuenta el gerente que el incremento de la demanda se

debe a: nuevos productos, clientes o estrategias promocionales.

Con ésta herramienta de igual manera se puede determinar si es

cíclico (y que ocurre en un periodo definido y su tendencia
incrementa en una época o tiempo determinado), determina si
éstos incrementos son normales o anormales.

El gerente puede dictar estrategias para aumentar el impacto

positivo o minimizarlo en caso que sea negativo.

En el siguiente apartado se muestra como la herramienta de

Deinsa Funcion sirve de apoyo para el nivel táctico en las
empresas BI.

Herramienta a nivel táctica de BI.

Deinsa Funcion

Ésta herramienta es muy importante desde el punto de gerencial,

es de gran ayuda para las siguientes áreas: finanzas, auditoría,
tesorería, planificación, entre otras.

Esta herramienta nos ahorra tiempo en cuanto la elaboración y

generación de un reporte como un estado financiero, y permite
dedicar más tiempo a su análisis.
A continuación se detalla la ficha técnica de para esta
herramienta de BI.

Sus características principales son:

Ficha técnica del programa:

Inteligencia de negocios
Inteligencia de Negocios a Nivel Estratégico

Permite monitorear y analizar las tendencias, patrones, metas y

objetivos estratégicos de la alta dirección.

Un ejemplo de IN en éste nivel está constituido por: Balanced

Scorecard (término introducido por Robert Kaplan y David Norton.
¿Qué es Balanced Scorecard?

O también conocido como cuadro de mando integral, es un

esquema con múltiples dimensiones para describir, implementar y
administrar una estrategia en cualquier nivel, mediante la relación
de objetivos, iniciativas y mediciones a las estrategias
organizacionales. Conducen a la empresa a estrategias defini
das que se convierten en planes de acción.

Tiene concordancia con normas internacionales.

Herramienta de BI aplicado al nivel estratégico.

Delphos, permite implementar demanera clara y concisa el
Balanced Scorecard, Administra las organizaciones en sus puntos
clave, indicadores, metas y objetivos,

de una forma integral, que trabaja coherentemente con la

estrategia de la organización.

Este sistema manda alertas y envía correos electrónicos de forma

automática para
que todos los destinatarios designados para recibir la inform
ación y estén esterados sobre la problemática y el mensaje
llegará de forma automatizada aquella persona
con las habilidades y conocimientos listos para darle una
solución.

A continuación se muestra la ficha técnica de Delphos.

Inteligencia
de negocios
Importancia de BI en las organizaciones

La toma de decisiones es ineficiente si la entrada de datos es

capturada de forma ineficiente, por lo que con frecuencia el
análisis de la información es tan basta que la solución puede
llegar muy lenta o incluso fuera de tiempo. Es por eso que la
importancia de manejar BI es crucial, para el éxito o fracaso de
una empresa con datos considerablemente altos y variables.

Las tecnologías de BI buscas incrementar la eficiencia

organizacional y su efectividad, agilizando el flujo de datos dentro
de la organización.

Existen otros datos dentro de los Bi, que incluso redefinen los
procesos ya existentes po unos nuevos, que eliminan pasos o en
su caso crean nuevas capacidades.

Éste nuevo enfoque aceleró el crecimiento de las tecnologías y

las herramientas de software se incrementaron un 7.7 % en el
2004.

Los proveedores con mayor aceptación en el mercado global

de acuerdo a estudios realizados por el grupo Gartner son:

Inteligencia de negocios
Tecnologías de BI

Las compañías han descubierto nuevas maneras de usar los

datos para poyar la
toma de decisiones, principalmente durante
el periodo formativos de las organizaciones. Están
interesados en conseguir la optimización de procesos y para
realizar reportes en el nivel operativo.
Los 5 estilos de BI

Los vendedores de Bi. Han construido nichos de software que se

concentran en 5 estilos de BI:

Reporte empresarial.

Los reportes escritos son usados para generar reportes estáticos

altamente formateados destinados a su distribución con mucha
gente.

Cubos de análisis. De negocios.

Provee de capacidades analíticas a los administradores

Vistas Ad Hoc Query y análisis.

Herramientas OLAP permite a los expertos en el área visualizar

la base de datos y analizar la respuesta para ser presentada en
información transaccional de bajo nivel.

Data mining y análisis estadísticos.

Éstas herramientas son utilizadas para prevenir o descubrir las

relaciones causa – efecto entre dos parámetros. Entrega de
reportes y alertas.

Las áreas de distribución son empleados para enviar reportes

completo o avisis a un número grande de usuarios, se basan en
suscripciones o fechas de calendario ( ejemplo Liverpool, Telmex,
aparecen notas de atraso de pago, fecha límite para realizar el
pago entre otros.

Hasta este punto, las grandes empresas han tenido que comprar
diferentes conjuntos de herramientas de BI a distintos
vendedores, con cada herramienta
dirigida a una nueva aplicación de BI y cada una de ellas
dando al usuario funcionalidad en solo uno de los estilos de BI.
Se da lugar a dos dimensiones, el eje vertical muestra la
sofisticación e interacción con el proceso analíticos y mientras
que la horizontal, solo se representa la escala.

Localizar los 5 estilos de BI dentro del cuadrante.

Inteligencia de
negocios

La siguiente nos muestra las tecnologías más usadas para

business Intelligence.

Inteligencia de negocios
Desafíos críticos para el éxito de BI

Como toda tecnología tiene sus fallas si no se usa de forma

adecuada, a continuación mencionaremos las posibles casusas
por las cuales un Bi, puede fallar, y los 10 grandes desafíos que
tienen las empresas que enfrentar para poder tener éxito en la
inteligencia de negocios.

Las empresas fallan principalmente porque ven la solución de

problemas como soluciones aisladas por departamento y no como
u mismo sistema.
Falta de compromiso de los niveles organizacionales

Poca disponibilidad por parte de los elementos que representan

los negocios. No hay suficiente personal disponible o con las
habilidades requeridas. Desconocimiento o mala interpretación
del software de BI.

Su estructura de trabajo no está debidamente detallada.

No existen antecedentes de análisis o sus procesos no está

n debidamente estandarizados.

Desconocen el impacto que la mala interpretación de los dat

os, escasa información o la sobreinformación pueden ocasionar a
la empresa y poner en riesgo la rentabilidad del negocio.

Desconocen la importancia y necesidad de una base de datos.

Confían de más en métodos o herramientas no alineados a los

objetivos y metas institucionales.
Riesgos de BI

Si se tienen las herramientas adecuadas con el personal

inadecuado y/o poco capacitado, la empresa corre el riesgo de
quebrar por el mal uso que se le da a la tecnología.
Se vean opacados los resultados obtenidos por el desempeño
financiero.

Se trabaja con una relación escasa con los proveedores y s

e pierden los beneficios de trabajar con ellos y con otros socios
de negocios.

La tecnología evoluciona rápidamente, todas ellas al introducirse

en la empresa corren un riesgo de no ser manejadas
adecuadamente y en su totalidad, hata que son comprendidas y
dominadas.

Un riesgo importante es la habilidad de los vendedores para

cumplir y plasmar su viabilidad.

Acceso erróneo de los datos.

Que la empresa tenga múltiples herramientas de BI, con datos

poco claro y metas incompatibles con la organización. Induce a
tener diferentes conclusiones de los mimos datos.

Cuadrantes mágicos de Business intelligence Empresarial

Es una herramienta analítica que fue creada y promovida por la

empresa Gartner

La cual es una representación gráfica

del mercado compartido de un tiempo determinado.

Estos cuadrantes mágicos ayudan a las empresas a identificar y

poder diferencias a los proveedores de servicios en el campo de
las tecnologías de información.

De acuerdo a lo definido por Gartner, los líderes son aquellos

fabricantes que tienen una visión clara de la dirección del
mercado y que desarrollan competencias para mantener su
posición actual.
Éstos cuadrantes fueron actualizados en noviembre del 2004, con
referencias de las plataformas de BI.

Inteligencia de negocios

Cuadrante mágico de las plataformas de BI Fuente: Gartner

Research (Noviembre 2004)

Estos cuadrantes mágicos deben ser considerados como una

herramienta y no como una guía.

Que se puede hacer con el BI

Generar reportes globales o por secciones

Crear base de datos de clientes

Se pueden crear escenario en torno a una decisión y hacer
pronósticos de ventas y/o devoluciones

Compartir información entre departamentos

Crear escenarios con respecto a una decisión – hacer pronósticos

de ventas y devoluciones – compartir información entre
departamentos

Análisis multidimensionales

Generar y procesar datos

Cambiar, modificar o alterar la estructura de toma de decisiones

Mejorar el servicio al cliente

(Ricardo Sánchez Montoya , 2003)

Uso de Bi en los diferentes departamentos

Son muchas las ventajas que representa el BI y que conjunt

a personas y tecnología para la solución de problemas

Las áreas o campos de acción son:

Ventas

Detección de clientes, análisis de Productos, ventas, líneas,

mercados, pronósticos e incluso se pueden realizar proyecciones.

Marketing

Segmentación y análisis de clientes, tendencias

Finanzas

Análisis de gastos, razones financiera y cartera vencida

Producción
Parámetros y análisis de productividad, desperdicios, calidad,
rotación de inventarios.

Distribución de productos

Motivos por los que se pierden pedidos. (Ricardo Sánchez

Montoya , 2003)
Componentes de Business Intelligence

Los componentes de BI son:

1. Multidimensionalidad

La información proviene de diversas fuentes tales como: hojas de

cálculo, bases de datos, ya que la herramienta debe poder reunir
información completa aunque se encuentre separadas para
resumirla y tenga un alcance de análisis profundo, con bases
sólidas y datos actualizados

2. Data Mining

Hace una adecuada clasificación de acuerdo a las actividades

competentes y observar tendencias nuevas, comportamientos o
cambios

3. Agentes:

Los software analizan los datos sin necesidad del raciocinio de las
personas, pues están programadas para interpretar datos.

4. Data Warehouse:

Como respuesta de las TIC´S para descentralizar la toma de

decisiones, colocando esta en las áreas necesarias de la
información y para quienes toman decisiones, buscan y analizan

Etapas para implementación de Aplicaciones BI

Para que BI apoye la toma de decisiones los datos deben ser los
correctos y deben ser interpretados adecuadamente.

El proceso de BI:

Inteligencia de
negocios

Fase 1 – Dirigir y Planear

Es definir lo requerimientos para el manejo de la empresa,

mediante un grupo de analistas, se formulan preguntas e
hipótesis para alcanzar el objetivo y cubrir las necesidades.

Fase 2 – Recolección de Información:

Se debe identificar la información en base de datos, sin importar

que provienen de un sistema independiente, con la finalidad de
obtener los resultados esperados.

Fase 3 – Procesamientos de Datos:

Se deben integrar los datos en un mismo formato para que

puedan ser analizados. Los datos de la etapa 3 son interpretados
y procesados.

Fase 4- Análisis y Producción:

Se crean reportes personalizados, que trazarán los cursos de
acción a seguir, y proporciona datos o indicadores relevantes
para la toma de decisiones.

Fase 5- Difusión:

Se generan los reportes personalizados y esperados, para su

interpretación y se tracen los cursos de acción y se gestionen.
Tipos de productos y software de BI

A continuación se presentarán los productos y software de

operación de mayor concurrencia en el mercado mundial. Dan
soluciones rápidas y se ajustan a las necesidades de los
negocios,

SAGENT SOLUTION PLATTFORM:

La función de este sistema integrado es extraer, transformar,

mueve, distribuye y presenta la información clave para la toma de
decisiones organizacionales en el entorno en el que se
desenvuelven. MICROSTRATEGY: otorga soluciones a clientes
de cualquier giro empresarial y/o área funcional con la finalidad de
ayudarlos a la obtención de un mayor conocimiento sobre la
información que la empresa maneja.

SINESS OBJECTS crea informes. COGNOS

proporciona a los usuarios el poder acceder de forma
sencilla a los datos, analizar la información almacenada y

Su función es analizar datos y tomar de decisiones. Cuenta

con una herramienta especial para modelación, proporciona
pronósticos y se pueden manejar simulaciones de negocios.
BITAM/ARTUS BUSINESS INTELLIGENCE SUITE:

Herramienta capaz de agrupar la información y utilizarla como un

activo que ayudará a la empresa a identificar las oportunidades
de negocio, optimizar las áreas de finanzas, clientes, procesos
internos, aprendizaje e innovación. ORACLEI APPLICATION
SERVER:

Permite acceder, analizar y compartir la información y

tomar decisiones precisas, basadas en datos en forma rápida
y concisa.

(Ricardo Sánchez Montoya , 2003)

Conclusiones

La inteligencia de los negocios es utilizada por un gran número de

empresas a nivel mundial.

Son tecnologías vitales para muchas empresas que manejan

datos tan complejos y dinámicos que sería inexacto e incluso
riesgoso trabajar manualmente. A de más que una de sus
ventajas es que disminuye el tiempo de elaboración, para que la
alta gerencia, tenga el tiempo necesario para analizarlas.

Los productos de BI, son muy similares, sin embargo se

seleccionan en base a las necesidades de cada empresa.
Propuesta de tesis

Implementación de cursos de acción y desarrollo de las etapas de

BI, en el ingenio el potrerillo.
Referencias Bibliográficas

 (s.f.). Recuperado el 9 de Octubre de 2013,

de http://www.idensa.com/
 (s.f.). Recuperado el 21 de Octubre de 2013, de
https://es.wikipedia.org/wiki/Gartner_(empresa)
 (s.f.). Recuperado el 21 de Octubre de 2013, de
 (s.f.). Recuperado el 221 de Octubre de 2013,
de http://es.wikipedia.org/wiki/Customer_relationship_m
anagement
 (s.f.). Recuperado el 21 de Octubre de 2013,
de http://www.deinsa.com/cmi/documentos/Deinsa_BIN
OW.pdf
 (s.f.). Recuperado el 21 de Octubre de 2013,
de http://www.slideshare.net/esnasyner/qu-es-business-
intelligence
 (s.f.). Recuperado el 21 de Octubre de 2013,
de http://www.slideshare.net/soreygarcia/inteligencia-de-
negocios-1092940
 (s.f.). Recuperado el 21 de Octubre de 2013, de http://
www.idensa.com/13-uncategorised/25-nivel-
operativo.html
 (s.f.). Recuperado el 22 de Octubre de 2013,
de http://businessintelligence.ittoolbox.com/
 (s.f.). Recuperado el 22 de Octubre de 2013,
de http://www.gestiopolis.com/recursos/documentos/full
docs/ger/busint.htm
 (s.f.). Recuperado el 22 de Octubre de 2013,
de http://www.gestiopolis.com/recursos5/docs/ger/buco
nce.htm
 (s.f.). Recuperado el 22 de Octubre de 2013,
de http://www.gestiopolis.com/administracion-
estrategia/inteligencia-de-negocios.htm
 (s.f.). Recuperado el 22 de Octubre de 2013,
de http://www.gestiopolis.com/recursos/documentos/full
docs/ger/bintna.htm
 Abukari, Kobana; Job, Vigía. (2007). Business Intelligence in
action. Proquest.
 CMA Management, .
 Ricardo Sánchez Montoya . (2003). Obtenido de Business
intelligence… to bi or not to bi:
rel=”nofollow” http://www.gestiopolis.com/recursos/docu
mentos/fulldocs/ger1/tobi.htm