26-D_La industrializacion(J.Lluis Cano).indd

26-D_La industrializacion(J.Lluis Cano).indd

MÁRKETING & VENTAS
DOSSIER
Conozca las ventajas que los proyectos de ‘business intelligence’ pueden
aportar a la toma de decisiones
INDUSTRIALIZACIÓN DE LA
INFORMACIÓN
DIRECTIVA:
‘BUSINESS
INTELLIGENCE’
LA
Josep Lluís Cano Giner
Profesor del Departamento de Sistemas de Información
de ESADE Business School y consultor de empresas.
El directivo de hoy debe conocer con detalle las
ventajas, las oportunidades y los aspectos clave de los
proyectos de business intelligence, ya
que se han convertido en una manera
eficiente y eficaz de elaborar sistemas
de información directiva, cada vez más
imprescindibles en los procesos de toma
de decisiones.
LA INDUSTRIALIZACIÓN DE LA INFORMACIÓN DIRECTIVA: ‘BUSINESS INTELLIGENCE’
27
DOSSIER
H
ace ya unos cuantos años que, al
comenzar las clases de business
intelligence (BI) con directivos,
que proceden de multitud de empresas y de sectores muy diversos, les formulo tres preguntas:
● ¿Cuántos de vosotros disponéis de más información y de menos tiempo para analizarla?
● ¿Los sistemas de información de los que
disponéis os ayudan a tomar decisiones con
rapidez?
● ¿Los responsables de generar información
directiva están desbordados por las peticiones de información: urgentes, continuas y
no coordinadas?
Normalmente, la respuesta a la primera de
las preguntas es prácticamente unánime: todos disponen de más información, tanto interna como externa, y también de menos tiempo
para analizarla, por lo que deberían contar
con soluciones que les permitieran acortar
tiempos en el proceso de análisis y toma de
decisiones.
Con respecto a la segunda pregunta, aunque la mayoría de ellos responden en un primer momento que no tienen sistemas de información que los ayuden a tomar decisiones
rápidamente, pronto se puede ver que algunos
ya trabajan con algunas de las soluciones de
BI disponibles en el mercado, que deberían facilitar su trabajo.
La respuesta a la tercera pregunta suele
ser unánime: siguen teniendo departamentos
técnicos desbordados por un número muy elevado de peticiones de información, que, además, tienen formatos muy personalizados, lo
que obliga a dedicarles mucho tiempo y muchos recursos.
Situación actual
E
n muchas empresas, los sistemas de
información directivos son artesanales, muy ligados a los usuarios que
los preparan y hechos a imagen y semejanza de quienes los solicitan. No
se trata de dudar de las capacidades individuales de cada uno de los directivos que lideran
nuestras organizaciones, pero sí hay que cuestionarse si estos sistemas de información no
deberían ser los de la organización –lo que implicaría el consenso de los componentes del
equipo directivo de cada uno de los niveles or-
ganizativos en los que
Deberíamos
está estructurada
dedicar sólo el 20%
nuestra organización–
y si, además, estos sis- del tiempo a preparar
temas no deberían el sistema de
apoyar su estrategia.
información
Asimismo, es importante preguntarse
cuál es la consistencia de esos sistemas
directivos construidos
sobre hojas de cálculo, que, en la mayoría
de los casos, han sido
alimentadas manualmente a partir de la información contenida
en distintos sistemas. El riesgo de que se hayan cometido errores es muy elevado; en algunos casos, incluso se establecen costosos
procedimientos de control para que no se produzcan fallos. El proceso de construcción es
tan manual que requiere invertir mucho
tiempo y dedicar muchos esfuerzos para conseguirlo.
Los directivos necesitan información para
la toma de decisiones. Si no disponen de sistemas que les faciliten ese acceso a la información, lo suelen resolver mediante distintas
alternativas: o bien acceden directamente a
la información de los sistemas transaccionales, con el grado de detalle que requieran; o
bien solicitan listados o estadísticas de la información que tienen en sus sistemas transaccionales; o bien, en el peor de los casos,
crean entornos paralelos, que suelen depender de algunas personas que destinan gran
parte de su tiempo a alimentar y construir de
forma artesanal esos sistemas de información
para los directivos. Las consecuencias de la
adopción de estas medidas son bien conocidas
por todos: su calidad y su disponibilidad suelen ser ampliamente discutibles.
Una vez llegados a este punto, los participantes dan muestras de preocupación y comienzan a preguntarse en qué nos hemos
equivocado. Normalmente utilizo una cita de
Matthew B. Rice, publicada en su artículo
“Business Intelligence tools can help turn out
savings in core cost areas”, de la revista de
salud Managed Healthcare Alliance, que afirma: “En muchos hospitales, los analistas financieros destinan el 80% de su tiempo a
agregar y normalizar manualmente informa-
y el 80% a
analizar la
información
28
MÁRKETING & VENTAS
DOSSIER
ción en hojas de cálculo Excel y sólo un 20% a
analizar la información relevante”.
Normalmente, esta cita tranquiliza, porque muestra que se trata de un hecho absolutamente generalizado. La siguiente pregunta
es “¿Cuáles deberían ser los porcentajes?”. La
respuesta es unánime: justo al revés. Así,
afirman: “Deberíamos dedicar sólo el 20% del
tiempo a preparar el sistema de información
y el 80% a analizar la información”.
El lector se preguntará cuál puede ser la
solución de la problemática planteada. La
respuesta es simple: business intelligence.
‘Business intelligence’: conceptos básicos
E
l objetivo básico de la business intelligence es apoyar de forma sostenible y continuada a las organizaciones para mejorar su competitividad, facilitando la información necesaria para la toma de decisiones. La expresión business intelligence (BI) fue acuñada
por Howard Dresner, quien, cuando era consultor de Gartner, la popularizó a modo de expresión paraguas para describir un conjunto
de conceptos y métodos que debían ayudar a
mejorar la toma de decisiones, utilizando información sobre lo que había sucedido (hechos).
Al hacer uso de las tecnologías de BI, se
están utilizando modelos previamente definidos por los directivos, mediante los cuales se
pretende transformar datos en información,
para, a partir de ella, ser capaces de extraer
conocimiento. Todo proyecto de BI debe tener
El objetivo básico de la ‘business
intelligence’ es apoyar de forma
sostenible y continuada a las
organizaciones para mejorar su
competitividad, facilitando la
información necesaria para la
toma de decisiones
un objetivo concreto, que es proporcionar la
información y las herramientas de análisis de
ésta que faciliten a los directivos la toma de
decisiones.
La definición de BI más comúnmente utilizada es la de Gartner: “Es un proceso interactivo para explorar y analizar información
estructurada sobre un área (normalmente almacenada en un data warehouse) para descubrir tendencias o patrones y, a partir de
ellos, derivar ideas y extraer conclusiones. El
proceso de BI incluye la comunicación de los
descubrimientos y la realización de los cambios. Las áreas incluyen clientes, proveedores,
productos, servicios y competidores”.
Analicemos pormenorizadamente esta definición:
● Proceso interactivo: al hablar de BI, se está suponiendo que se trata de un análisis
de información continuado en el tiempo
–no sólo en un momento puntual– y basado en una estrategia competitiva determinada. Aunque el análisis de información
en un momento puntual del tiempo puede
aportar valor, es incomparable con todo lo
que puede proporcionar un proceso continuado de análisis de información con un
foco estratégico en el que, por ejemplo, se
observen tendencias, cambios, variaciones,
etc. Ésta es una de las capacidades clave a
las que se refiere el profesor Xavier Gimbert en su libro Pensar estratégicamente.
Modelos, conceptos y reflexiones. Según
Thomas H. Davenport, hay organizaciones
que basan su estrategia competitiva en el
uso intensivo de las soluciones de BI para
competir en áreas concretas, como, por
ejemplo, la mejora de la cadena de suministro, la selección de personal o la fijación
de precios dinámicos, entre otras.
● Explorar: en todo proyecto de BI hay un
momento inicial en el que por primera vez
se accede a información modelada, que se
debe interpretar. En esta primera fase hay
que “explorar” para comprender qué sucede en el negocio; es posible incluso que se
descubran nuevas relaciones, hasta el momento desconocidas porque las herramientas utilizadas no ayudaban a descubrirlas.
● Analizar: se pretende descubrir relaciones
entre variables y, también, tendencias, es
decir, ¿cuál puede ser la evolución de la
variable o cuáles son los patrones de esa
LA INDUSTRIALIZACIÓN DE LA INFORMACIÓN DIRECTIVA: ‘BUSINESS INTELLIGENCE’
29
DOSSIER
evolución? Si un cliente tiene una serie de
características, ¿cuál es la probabilidad de
que otro con similares características actúe igual que él? O bien, si un cliente pertenece a un grupo de clientes que han contratado diez productos o servicios y él sólo
ha solicitado nueve de los diez, ¿qué probabilidad hay de que contrate el décimo?
● Información estructurada y data warehouse: la información que se emplea en la BI
se almacena en una base de datos, que se
denomina data warehouse. La base de datos contiene distintas tablas y éstas, a su
vez, incluyen los valores de cada uno de los
atributos de los distintos registros. Todos
los registros guardados en el data warehouse provienen de distintas fuentes de información, tanto internas como externas, y
han sido previamente preparados para ser
utilizados en los modelos que deben facilitar al directivo la toma de decisiones.
● Área de análisis: todo proyecto de BI debe
tener un objeto concreto de análisis. Así, es
posible centrarse en los clientes, los productos, los resultados de una localización o de
un área de ventas, etc. Son elementos que
hay que analizar con detalle y con un objetivo concreto: por ejemplo, incrementar las
ventas, aumentar la participación de mercado, ajustar las previsiones de venta, etc.
● Comunicar los resultados y efectuar los
cambios: un objetivo fundamental de la BI
es que, una vez descubierto un hecho relevante para la organización, éste debe ser
comunicado a las personas que tienen que
introducir los cambios pertinentes en ella
para mejorar su posición competitiva.
El origen de la BI va ligado a la necesidad
de facilitar a los directivos acceso directo a la
información para ayudarlos en la toma de decisiones, sin necesidad de que intervengan los
departamentos de sistemas de información.
Componentes tecnológicos de los proyectos
de ‘business intelligence’
E
n el cuadro 1 se pueden observar
los distintos componentes tecnológicos de los proyectos de BI. En un
proyecto real, primero hay que definir los objetivos, las necesidades y
el alcance de la solución, es decir, qué modelos de negocio se desea analizar. Esta información es necesaria para tomar distintas de-
cisiones sobre cada uno de los componentes
tecnológicos.
Los componentes principales de un proyecto de BI son los siguientes:
● Fuentes de información, de las que se partirá para alimentar el data warehouse.
● Proceso de ETL (siglas en inglés de extracción, transformación y carga de los datos
en el data warehouse). Antes de almacenar
los datos en un data warehouse, deben ser
seleccionados, extraídos, limpiados, transformados, integrados y actualizados.
● El propio data warehouse o almacén de datos, con el metadata o diccionario de datos.
● Herramientas de acceso, que permitirán
analizar esos datos y navegar a través de
ellos.
Aspectos clave de cada componente
Las fuentes de información a las que se tiene
acceso son las siguientes:
● Los sistemas operacionales o transaccionales, que incluyen aplicaciones desarrolladas a medida: ERP, CRM, SCM, etc.
● Sistemas de información departamentales:
previsiones, presupuestos, hojas de cálculo, etc.
● Fuentes de información externas: en algunos casos, información comprada a terceros
(por ejemplo, los
estudios de mercado). Las fuentes de
información externas son fundamentales para enriquecer la información
que se tiene sobre
los clientes. En algunos casos, es interesante incorporar información
relativa, por ejemplo, a la población,
al número de habitantes, etc. Se puede acceder a infor- en este sentido, es
mación de este tipo
en la web del Insti- importante analizar
tuto Nacional de los formatos, la
Estadística (www. disponibilidad y la
ine.es). El Gobierno americano pone calidad de la
a disposición de los información
El punto
clave es determinar las fuentes más apropiadas de las
que extraer la
información;
30
MÁRKETING & VENTAS
DOSSIER
CUADRO 1
Componentes tecnológicos de los proyectos de ‘business intelligence’
Sistemas transaccionales
(ERP, CRM, SCM, etc.)
Sistemas departamentales
Información externa
Otras fuentes
Metadata
Selección
Extracción
Limpieza
Transformación
Integración
Actualización
Informes
Cuadros
de mando
Simulación
Base
de datos
Data mart
Data mining
Proceso de ETL
Herramientas
de acceso
Fuentes de información
Servidor
Data warehouse
ciudadanos información del Gobierno federal en el portal www.data.gov.
Son muchos los factores que hacen que el
proceso de cargar la información en un data
warehouse sea más o menos complejo. Uno de
los principales es el número de fuentes de información distintas a las que hay que acceder
para extraer la información. El número de
fuentes varía de una organización a otra: en
grandes corporaciones, se habla de una media
Según Thomas H. Davenport,
hay organizaciones que basan
su estrategia competitiva en el
uso intensivo de las soluciones
de BI para competir en áreas
concretas, como, por ejemplo,
la mejora de la cadena de
suministro, la selección de
personal o la fijación de precios
dinámicos
de ocho bases de datos, pero en algunos casos
puede llegar a cincuenta. Si el número de bases de datos es elevado, es muy probable que
tanto las definiciones como las codificaciones
en los distintos entornos sean diferentes, lo
que puede añadir dificultad al proyecto. Por
esta razón, un aspecto clave será conocer el
modelo de información transaccional y el significado de cada uno de sus elementos.
La información que se carga en un data
warehouse es estructurada, es decir, se puede
almacenar en tablas; se trata, por tanto, de
información numérica. No obstante, ahora la
tecnología permite trabajar con información
no estructurada, que se espera que sea cada
vez más importante. Dentro de este tipo de
información se incluyen correos electrónicos,
cartas, informes, vídeos, etc.
El punto clave es determinar las fuentes
más apropiadas de las que extraer la información; en este sentido, es importante analizar los formatos, la disponibilidad y la calidad
de la información. Hay que analizar si la información de la que se dispone es la que se
necesita para alimentar los modelos de negocio definidos anteriormente. En este punto,
muchas veces se descubre que no se posee la
información necesaria para completar el modelo de negocio planteado, circunstancia que
LA INDUSTRIALIZACIÓN DE LA INFORMACIÓN DIRECTIVA: ‘BUSINESS INTELLIGENCE’
DOSSIER
puede llevar a modificar las aplicaciones
transaccionales para conseguirla.
En un concesionario de automóviles, por
ejemplo, es muy importante saber el número
de visitas que se han recibido en la exposición
y su relación con las ventas. Si se ha diseñado
un modelo de negocio que relaciona el número
de visitas, el de ofertas y el de ventas y no se
dispone del número de visitas, habrá que modificar los procesos y las aplicaciones para recoger esa información. Si las ventas disminuyen, se debe atribuir a que ha disminuido el
número de clientes interesados en los vehículos o bien a que la efectividad de la venta ha
caído.
En algunas empresas, esta tarea es, si cabe, más compleja, debido a que se maneja información que es parecida, pero que expresa
significados distintos: retomando el ejemplo
de los concesionarios de coches, cuando se habla de ventas de vehículos, puede referirse a
los que se han pedido, a los que se han facturado, a los que se han matriculado o, incluso,
a aquéllos sobre los que se ha informado a la
marca para las estadísticas de venta. En algunos casos, como el anterior, bastaría con
identificar cada una de las “ventas”, pero, en
otros casos, la complejidad es mayor; así, por
ejemplo, cuando se trata de calcular la rentabilidad de las ventas o de los clientes, los diferentes intereses que hay en la organización
pueden dificultar la definición del indicador.
Es necesario asegurarse de que la calidad
de los datos sea óptima. Si el data warehouse
contiene errores, éstos se propagarán a lo largo de la organización y serán difíciles de localizar. Además, pueden llevar a adoptar decisiones erróneas que afecten a los resultados
de la organización. Los costes derivados de
los datos incorrectos pueden llegar a ser muy
elevados. Si los usuarios perciben que la calidad de los datos no es suficiente, rápidamente desprestigiarán el proyecto de BI.
El proceso de ETL es el que permite acceder a los datos de las distintas fuentes de información, recuperarlos cuando es necesario
y, finalmente, alimentar el data warehouse.
La construcción del data warehouse es costosa y consume una parte significativa del conjunto del proceso. Por ello, requiere gestionar
los recursos y disponer de una estrategia bien
definida, así como de habilidades especializadas y de las tecnologías necesarias.
El proceso de ETL incluye la selección, la
extracción, la limpieza, la transformación, la
integración y la actualización de los datos:
● Selección. De toda la información disponible en la organización, de origen tanto
interno como externo, se elige aquélla que
alimentará el data warehouse.
● Extracción. Recupera los datos físicamente de las distintas fuentes de información seleccionadas. En este momento se
cuenta con los datos en bruto.
● Limpieza. Restablece los datos en bruto y
comprueba su calidad, elimina los duplicados y, cuando es posible, corrige los valores
erróneos y completa los valores vacíos; en
otras palabras, los datos se transforman
–siempre que sea posible– para reducir los
errores de carga. En este momento se dispone de datos limpios y de alta calidad.
● Transformación. Recupera los datos limpios y de alta calidad y los estructura y suma en los distintos modelos de análisis. El
resultado de este proceso es la obtención
de datos limpios, consistentes, sumados y
útiles.
● Integración. Comprueba que los datos
que se cargan en el data warehouse sean
coherentes con las definiciones y los formatos de éste y los integra en los distintos
modelos de las diferentes áreas de negocio
definidos en él. Estos procesos pueden llegar a ser complejos.
● Actualización. Permite añadir los nuevos
datos al data warehouse.
Se debe determinar
cada cuánto tiempo se
ejecutará el proceso de
ETL en función de los
objetivos del proyecto.
Es necesario
Asimismo, se puede
desarrollar utilizando asegurarse de que la
programación o las so- calidad de los datos
luciones especializa- sea óptima, ya que
das que existen en el
mercado. Además, hoy
día, la mayoría de las
soluciones de gestores
de bases de datos incorporan funcionalidades que facilitan este proceso.
El data warehouse pueden llegar a ser
o almacén de datos es muy elevados
los costes
derivados de
los datos
incorrectos
31
32
MÁRKETING & VENTAS
DOSSIER
el componente central del proyecto de BI. En
él residen todos los datos, a los que se puede
acceder mediante las diferentes herramientas de acceso.
A la hora de analizar un problema empresarial, la información proviene por lo general
de distintos sistemas, pero habitualmente se
requiere un mismo entorno para facilitar su
análisis. En los sistemas transaccionales, generalmente la información no está preparada
para ser analizada: sólo se dispone del contenido que ofrecen las transacciones actuales,
pero, por ejemplo, no se cuenta con la de los
períodos anteriores o la de las previsiones. De
este modo, para estudiar la evolución de las
ventas, es necesario conocer las ventas actuales, las ventas del período o los períodos anteriores y el presupuesto de ventas del ejercicio.
En el data warehouse hay que cargar toda la
información imprescindible para poder tomar
las decisiones pertinentes.
‘Data warehouse’ a análisis
B
ill Inmon ha analizado las características que debe reunir un data
warehouse y concluye lo siguiente:
“Orientado a un área, integrado, indexado en el tiempo, es un conjunto
no volátil de información que da soporte a la
toma de decisiones”. Es importante analizar
cada una de estas características con detalle:
● Orientado a un área significa que cada
parte del data warehouse está construida
para resolver un problema de negocio que
ha sido definido por quienes toman las decisiones; por ejemplo, entender los hábitos
La construcción del ‘data
warehouse’ es costosa y
consume una parte significativa
del conjunto del proceso;
por ello, requiere disponer
de una estrategia bien definida,
de habilidades especializadas
y de las tecnologías necesarias
de compra de los clientes, determinar la
calidad de los productos, analizar la productividad de una línea de fabricación, etc.
Para poder analizar un problema de negocio, se precisa información que proviene de
distintos sistemas y se organiza en torno a
distintas áreas: ventas, clientes, elementos
de transporte... El data warehouse proporciona a los tomadores de decisiones una visión completa y concisa de una problemática de negocio, obviando toda aquella información que no necesitan para adoptarlas.
● Integrado hace referencia a que la información debe ser transformada en medidas,
códigos y formatos comunes para que pueda ser útil. La integración permite a las
empresas implementar la estandarización
de sus definiciones; por ejemplo, la moneda en la que están expresados los importes
es común.
● Indexado en el tiempo indica que la información se mantiene en unidades de tiempo, como horas, días, semanas, meses, trimestres o años. Esto ofrece la posibilidad
de analizar, por ejemplo, la evolución de
las ventas en los períodos que se desee.
● No volátil significa que los usuarios no
mantienen la información, como harían en
los entornos transaccionales. La información se almacena para la toma de decisiones. No se va actualizando continuamente,
sino de forma periódica y preestablecida.
Un componente crítico del data warehouse
es el metadata, repositorio central de información de la propia información. Ofrece el
significado de cada uno de los componentes
del data warehouse y de sus atributos. La información que incluye el metadata es útil para los departamentos de tecnología y para los
propios usuarios. Puede contener definiciones
de negocio, descripciones detalladas de los tipos de datos, formatos y otras características.
Los data warehouses se representan habitualmente como una gran base de datos, pero
pueden estar distribuidos en distintas bases
de datos.
El trabajo de construir un único data
warehouse corporativo puede generar inflexibilidades o ser costoso y requerir plazos de
tiempo que las organizaciones no están dispuestas a aceptar. En parte, estas razones
originaron la aparición de los data marts. Los
data marts están dirigidos a una comunidad
LA INDUSTRIALIZACIÓN DE LA INFORMACIÓN DIRECTIVA: ‘BUSINESS INTELLIGENCE’
33
DOSSIER
de usuarios dentro de la propia organización,
que puede estar formada por los miembros de
un departamento, por los usuarios de un determinado ámbito organizativo o por un grupo de trabajo multidisciplinar con objetivos
comunes.
Los data marts almacenan información de
un número limitado de áreas; por ejemplo,
márketing, ventas o producción. Normalmente se definen para responder a usos muy concretos y su tamaño es menor que el de los data warehouses, aunque en algunos casos pueden ser mayores, cuando el grado de detalle
de la información es más elevado. Tienen menos cantidad de información y menos modelos
de negocio y son utilizados por un número inferior de usuarios.
Los usuarios de estas soluciones presentan distintas necesidades en cuanto al acceso
a la información. Las principales herramientas de acceso son las siguientes:
● Generadores de informes: son utilizados
por los desarrolladores profesionales para
generar informes estándar para grupos,
departamentos o el conjunto de la organización.
● Herramientas de usuario final de consultas e informes: son empleadas por los
usuarios finales para crear informes tanto
para ellos mismos como para otros; no requieren programación.
● Herramientas OLAP: permiten a los usuarios finales tratar la información de forma
multidimensional, para explorarla desde
distintas perspectivas y en distintos períodos de tiempo.
● Herramientas de dashboard y scorecard:
permiten a los usuarios finales consultar
información crítica para el rendimiento de
la organización con un simple vistazo, mediante iconos gráficos, con la posibilidad
de acceder a información más detallada y
a más informes si así lo desean.
● Herramientas de planificación, modelización y consolidación: ofrecen a los analistas y a los usuarios finales la posibilidad
de crear planes de negocio y simulaciones
con la información de BI. Pueden servir
para elaborar la planificación, los presupuestos, las previsiones, etc. Estas herramientas proveen a los dashboards y los
scorecards de los objetivos y los umbrales
de las mediciones.
Herramientas de
Los usos más
data mining: perhabituales del ‘data
miten a los estadísticos o analistas mining’ son la
de negocio crear segmentación, la
modelos estadístiventa cruzada,
cos de las actividades de las empresas. El data mining es el proceso
de descubrir e interpretar patrones
desconocidos en la
información con
los que resolver
problemas de neg o c i o. L o s u s o s
más habituales del
data mining son la
segmentación, la
venta cruzada, las sendas de consumo, la
clasificación, las previsiones, las optimizaciones, etc. En el mercado existen diversos
productos que cubren en mayor o menor
medida las distintas necesidades de los
usuarios.
En resumen, el rol de los directivos es formular preguntas y definir la información o
los modelos de negocio que pueden ayudarles
a adoptar medidas concretas, y, por supuesto,
dirigir proyectos de BI que “industrialicen” la
información necesaria para la toma de decisiones en la organización. El reto, por tanto,
está más en el lado de los directivos que en el
de las soluciones tecnológicas. ❑
●
las sendas de
consumo, la
clasificación,
las previsiones
y las optimizaciones
«La industrialización de la información directiva: ‘business intelligence’». © Ediciones Deusto. Referencia n.º 3601.
Si desea más información relacionada
con este tema, introduzca el código 21371
en www.e-deusto.com/buscadorempresarial