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