La inteligencia empresarial ( BI ) comprende las estrategias y tecnologías utilizadas por las empresas para el análisis de datos de la información empresarial . [1] Las tecnologías de BI proporcionan vistas históricas, actuales y predictivas de las operaciones comerciales . Las funciones comunes de las tecnologías de inteligencia empresarial incluyen informes , procesamiento analítico en línea , análisis , desarrollo de paneles , minería de datos , minería de procesos , procesamiento de eventos complejos , gestión del rendimiento empresarial , evaluación comparativa ,minería de texto , análisis predictivo y análisis prescriptivo . Las tecnologías de BI pueden manejar grandes cantidades de datos estructurados y, a veces, no estructurados para ayudar a identificar, desarrollar y crear nuevas oportunidades comerciales estratégicas . Su objetivo es permitir una fácil interpretación de estos macrodatos . Identificar nuevas oportunidades e implementar una estrategia eficaz basada en conocimientos puede proporcionar a las empresas una ventaja competitiva en el mercado y estabilidad a largo plazo. [2]
Las empresas pueden utilizar la inteligencia empresarial para respaldar una amplia gama de decisiones empresariales que van desde las operativas hasta las estratégicas. Las decisiones operativas básicas incluyen el posicionamiento o el precio del producto . Las decisiones comerciales estratégicas involucran prioridades, objetivos y direcciones en el nivel más amplio. En todos los casos, BI es más eficaz cuando combina datos derivados del mercado en el que opera una empresa (datos externos) con datos de fuentes internas de la empresa, como datos financieros y operativos (datos internos). Cuando se combinan, los datos externos e internos pueden proporcionar una imagen completa que, en efecto, crea una "inteligencia" que no puede derivarse de ningún conjunto de datos singular. [3] Entre una miríada de usos, las herramientas de inteligencia empresarial permiten a las organizaciones obtener información sobre nuevos mercados, evaluar la demanda y la idoneidad de productos y servicios para diferentes segmentos de mercado y medir el impacto de los esfuerzos de marketing. [4]
Las aplicaciones de BI utilizan datos recopilados de un almacén de datos (DW) o de un data mart , y los conceptos de BI y DW se combinan como "BI / DW" [5] o como "BIDW". Un almacén de datos contiene una copia de los datos analíticos que facilitan la toma de decisiones .
Historia
El primer uso conocido del término inteligencia empresarial se encuentra en la Cyclopaedia de anécdotas comerciales y empresariales de Richard Millar Devens (1865). Devens usó el término para describir cómo el banquero Sir Henry Furnese obtuvo ganancias al recibir y actuar sobre la información sobre su entorno, antes que sus competidores:
A lo largo de Holanda, Flandes, Francia y Alemania, mantuvo un tren completo y perfecto de inteligencia empresarial. La noticia de las muchas batallas libradas fue así recibida primero por él, y la caída de Namur se sumó a sus ganancias, debido a su temprana recepción de la noticia.
- Devens, pág. 210
La capacidad de recopilar y reaccionar en consecuencia en función de la información recuperada, dice Devens, es fundamental para la inteligencia empresarial. [6]
Cuando Hans Peter Luhn , un investigador de IBM , utilizó el término inteligencia empresarial en un artículo publicado en 1958, empleó la definición de inteligencia del Diccionario Webster : "la capacidad de aprehender las interrelaciones de los hechos presentados de tal manera que oriente la acción hacia una meta deseada ". [7]
Se dice que la inteligencia empresarial, tal como se la entiende hoy, ha evolucionado a partir de los sistemas de apoyo a la toma de decisiones (DSS) que se iniciaron en la década de 1960 y se desarrollaron a mediados de la de 1980. [ cita requerida ] DSS se originó en los modelos asistidos por computadora creados para ayudar con la toma de decisiones y la planificación. [ cita requerida ]
En 1989, Howard Dresner (más tarde analista de Gartner ) propuso la inteligencia empresarial como un término general para describir "conceptos y métodos para mejorar la toma de decisiones empresariales mediante el uso de sistemas de apoyo basados en hechos". [8] No fue hasta finales de la década de 1990 que este uso se generalizó. [9]
Críticos [ ¿quién? ] ven BI simplemente como una evolución de los informes comerciales junto con el advenimiento de herramientas de análisis de datos cada vez más potentes y fáciles de usar . En este sentido también ha sido criticado [¿ por quién? ] Como una palabra de moda de marketing en el contexto de la " big data aumento". [10]
Definición
Según Solomon Negash y Paul Gray, la inteligencia empresarial (BI) se puede definir como sistemas que combinan:
- Recopilación de datos
- Almacenamiento de datos
- Conocimiento administrativo
con análisis para evaluar información corporativa compleja y competitiva para su presentación a planificadores y tomadores de decisiones, con el objetivo de mejorar la oportunidad y la calidad de los insumos al proceso de decisión ". [11]
Según Forrester Research , la inteligencia empresarial es "un conjunto de metodologías, procesos, arquitecturas y tecnologías que transforman los datos sin procesar en información significativa y útil que se utiliza para permitir conocimientos y toma de decisiones estratégicos, tácticos y operativos más eficaces". [12] Según esta definición, la inteligencia empresarial abarca la gestión de la información ( integración de datos , calidad de los datos, almacenamiento de datos, gestión de datos maestros, análisis de texto y contenido, etc.). Por lo tanto, Forrester se refiere a la preparación y el uso de datos como dos segmentos separados pero estrechamente vinculados de la pila de arquitectura de inteligencia empresarial.
Algunos elementos de la inteligencia empresarial son: [ cita requerida ]
- Agregación y asignación multidimensional
- Desnormalización , etiquetado y estandarización
- Informes en tiempo real con alerta analítica
- Un método para interactuar con fuentes de datos no estructuradas .
- Consolidación de grupos, elaboración de presupuestos y previsiones continuas
- Inferencia estadística y simulación probabilística
- Optimización de indicadores clave de desempeño
- Control de versiones y gestión de procesos
- Gestión de elementos abiertos
Forrester distingue esto del mercado de inteligencia empresarial , que es "solo las capas superiores de la pila de arquitectura de BI, como informes , análisis y paneles de control ". [13]
Comparado con la inteligencia competitiva
Aunque el término inteligencia empresarial a veces es sinónimo de inteligencia competitiva (porque ambos respaldan la toma de decisiones ), BI utiliza tecnologías, procesos y aplicaciones para analizar principalmente datos estructurados internos y procesos empresariales, mientras que la inteligencia competitiva recopila, analiza y difunde información con un enfoque de actualidad en los competidores de la empresa. Si se entiende de manera amplia, la inteligencia empresarial se puede considerar como un subconjunto de la inteligencia competitiva. [14]
Comparado con la analítica empresarial
La inteligencia empresarial y la analítica empresarial a veces se utilizan indistintamente, pero existen definiciones alternativas. [15] Thomas Davenport , profesor de tecnología y gestión de la información en Babson College, sostiene que la inteligencia empresarial debe dividirse en consultas , informes , procesamiento analítico en línea (OLAP), una herramienta de "alertas" y análisis empresarial. En esta definición, la analítica empresarial es el subconjunto de BI que se centra en las estadísticas, la predicción y la optimización, en lugar de la funcionalidad de informes. [dieciséis]
Datos
Las operaciones comerciales pueden generar una gran cantidad de datos en forma de correos electrónicos, notas, notas de centros de llamadas, noticias, grupos de usuarios, chats, informes, páginas web, presentaciones, archivos de imágenes, archivos de video y material de marketing. Según Merrill Lynch , más del 85% de toda la información comercial existe en estos formularios; es posible que una empresa solo utilice un documento de este tipo una sola vez. [17] Debido a la forma en que se produce y almacena, esta información no está estructurada o es semiestructurada .
La gestión de datos semiestructurados es un problema no resuelto en la industria de las tecnologías de la información. [18] Según las proyecciones de Gartner (2003), los trabajadores de cuello blanco pasan del 30 al 40% de su tiempo buscando, encontrando y evaluando datos no estructurados. BI utiliza datos estructurados y no estructurados. El primero es fácil de buscar y el segundo contiene una gran cantidad de información necesaria para el análisis y la toma de decisiones. [18] [19] Debido a la dificultad de buscar, encontrar y evaluar correctamente datos no estructurados o semiestructurados, las organizaciones pueden no aprovechar estas vastas reservas de información, que podrían influir en una decisión, tarea o proyecto en particular. En última instancia, esto puede conducir a una toma de decisiones mal informada. [17]
Por lo tanto, al diseñar una solución de inteligencia empresarial / DW, se deben tener en cuenta los problemas específicos asociados con los datos semiestructurados y no estructurados, así como los de los datos estructurados. [19]
Datos no estructurados frente a datos semiestructurados
Los datos no estructurados y semiestructurados tienen diferentes significados según su contexto. En el contexto de los sistemas de bases de datos relacionales, los datos no estructurados no se pueden almacenar en columnas y filas ordenadas de manera predecible . Un tipo de datos no estructurados generalmente se almacena en un BLOB (objeto binario grande), un tipo de datos general disponible en la mayoría de los sistemas de administración de bases de datos relacionales . Los datos no estructurados también pueden referirse a patrones de columnas repetidos de forma irregular o aleatoria que varían de una fila a otra [20] o archivos de lenguaje natural que no tienen metadatos detallados. [21]
Sin embargo, muchos de estos tipos de datos, como correos electrónicos, archivos de texto de procesamiento de texto, PDF, PPT, archivos de imagen y archivos de video, cumplen con un estándar que ofrece la posibilidad de metadatos. Los metadatos pueden incluir información como el autor y la hora de creación, y esto se puede almacenar en una base de datos relacional. Por lo tanto, puede ser más exacto hablar de esto como documentos o datos semiestructurados, [18] pero no parece que se haya llegado a un consenso específico.
Los datos no estructurados también pueden ser simplemente el conocimiento que los usuarios comerciales tienen sobre las tendencias comerciales futuras. La previsión empresarial se alinea naturalmente con el sistema de BI porque los usuarios empresariales piensan en su negocio en términos agregados. La captura del conocimiento empresarial que solo puede existir en la mente de los usuarios empresariales proporciona algunos de los puntos de datos más importantes para una solución de BI completa.
Limitaciones de los datos semiestructurados y no estructurados
Existen varios desafíos para desarrollar BI con datos semiestructurados. Según Inmon & Nesavich, [22] algunos de ellos son:
- Acceso físico a datos textuales no estructurados: los datos no estructurados se almacenan en una gran variedad de formatos.
- Terminología : entre los investigadores y analistas, existe la necesidad de desarrollar una terminología estandarizada.
- Volumen de datos: como se indicó anteriormente, hasta el 85% de todos los datos existen como datos semiestructurados. Combine eso con la necesidad de análisis semántico y palabra por palabra.
- Capacidad de búsqueda de datos textuales no estructurados: una búsqueda simple en algunos datos, por ejemplo, apple, da como resultado enlaces donde hay una referencia a ese término de búsqueda preciso. (Inmon & Nesavich, 2008) [22] da un ejemplo: "se realiza una búsqueda sobre el término delito grave. En una búsqueda simple, se utiliza el término delito grave, y en todas partes hay una referencia a delito grave, un acierto a un documento no estructurado se hace. Pero una simple búsqueda es tosca. No encuentra referencias a delito, incendio premeditado, asesinato, malversación, homicidio vehicular, etc., aunque estos delitos son tipos de delitos graves ”.
Metadatos
Para resolver problemas de búsqueda y evaluación de datos, es necesario saber algo sobre el contenido. Esto se puede hacer agregando contexto mediante el uso de metadatos . [17] Muchos sistemas ya capturan algunos metadatos (por ejemplo, nombre de archivo, autor, tamaño, etc.), pero serían más útiles los metadatos sobre el contenido real, por ejemplo, resúmenes, temas, personas o empresas mencionadas. Dos tecnologías diseñadas para generar metadatos sobre el contenido son la categorización automática y la extracción de información .
Aplicaciones
La inteligencia comercial se puede aplicar a los siguientes fines comerciales: [23]
- Las métricas de rendimiento y la evaluación comparativa informan a los líderes empresariales del progreso hacia los objetivos comerciales ( gestión de procesos comerciales ).
- La analítica cuantifica los procesos para que una empresa tome decisiones óptimas y realice el descubrimiento de conocimiento empresarial. Analytics pueden implicar diversas minería de datos , minería proceso , el análisis estadístico , el análisis predictivo , modelado predictivo , modelado de procesos de negocio , linaje de datos , procesamiento de eventos complejos , y analytics preceptivas .
- Los informes comerciales pueden utilizar datos de BI para informar la estrategia. Los informes comerciales pueden incluir paneles , visualización de datos , sistema de información ejecutivo y / o OLAP
- BI puede facilitar la colaboración tanto dentro como fuera de la empresa al permitir el intercambio de datos y el intercambio electrónico de datos.
- La gestión del conocimiento se ocupa de la creación, distribución, uso y gestión de la inteligencia empresarial y del conocimiento empresarial en general. La gestión del conocimiento conduce a la gestión del aprendizaje y al cumplimiento normativo .
Mercado
En un informe de 2013, Gartner clasificó a los proveedores de inteligencia empresarial como un proveedor independiente "puro" o un "megaproveedor" consolidado. [24] [25] En 2012, los servicios de inteligencia empresarial recibieron $ 13,1 mil millones en ingresos. [26] En 2019, el mercado de BI se sacudió en Europa por la nueva legislación de GDPR (Reglamento general de protección de datos) que pone la responsabilidad de la recopilación y el almacenamiento de datos en el usuario de datos con leyes estrictas para asegurarse de que los datos cumplan . El crecimiento dentro de Europa ha aumentado constantemente desde mayo de 2019 cuando se presentó el RGPD. La legislación reorientó a las empresas para que vean sus propios datos desde una perspectiva de cumplimiento, pero también reveló oportunidades futuras utilizando personalización y proveedores de BI externos para aumentar la participación de mercado. [27]
Ver también
- Aplicaciones analíticas
- Marketing de inteligencia artificial
- Seguimiento de la actividad empresarial
- Inteligencia empresarial 2.0
- Software de inteligencia empresarial
- Descubrimiento de procesos de negocio
- Gestión de Procesos de Negocio
- Dinámica del cliente
- Ingeniería de decisiones
- Sistemas de planificación empresarial
- Planificación empresarial integrada
- Sistema de Información de Gestión
- Inteligencia empresarial móvil
- Inteligencia operacional
- Minería de procesos
- Inteligencia empresarial en tiempo real
- Inteligencia de ventas
- Prueba y aprende
Referencias
- ^ Dedić N. y Stanier C. (2016). "Medir el éxito de los cambios en las soluciones de inteligencia empresarial existentes para mejorar la generación de informes de inteligencia empresarial" (PDF) . Medir el éxito de los cambios en las soluciones de inteligencia empresarial existentes para mejorar los informes de inteligencia empresarial. Apuntes de conferencias sobre procesamiento de información empresarial . Apuntes de conferencias sobre procesamiento de información empresarial. 268 . Springer International Publishing. págs. 225–236. doi : 10.1007 / 978-3-319-49944-4_17 . ISBN 978-3-319-49943-7.
- ^ ( Rud, Olivia (2009). Factores de éxito de Business Intelligence: herramientas para alinear su negocio en la economía global . Hoboken, Nueva Jersey: Wiley & Sons. ISBN 978-0-470-39240-9.)
- ^ Coker, Frank (2014). Pulse: Comprensión de los signos vitales de su negocio . Publicación de luz ambiental. págs. 41–42. ISBN 978-0-9893086-0-1.
- ^ Chugh, R & Grandhi, S 2013, '¿Por qué Business Intelligence? Importancia de las herramientas de inteligencia empresarial y la integración del gobierno de BI con el gobierno corporativo ', Revista Internacional de E-Entrepreneurship and Innovation, vol. 4, n. ° 2, págs. 1-14. https://www.researchgate.net/publication/273861123_Why_Business_Intelligence_Significance_of_Business_Intelligence_Tools_and_Integrating_BI_Governance_with_Corporate_Governance
- ^ Golden, Bernard (2013). Servicios web de Amazon para principiantes . Para Dummies. John Wiley e hijos. pag. 234. ISBN 9781118652268. Consultado el 6 de julio de 2014 .
[...] las herramientas tradicionales de inteligencia empresarial o de almacenamiento de datos (los términos se utilizan de manera tan intercambiable que a menudo se denominan BI / DW) son extremadamente caras [...]
- ^ Miller Devens, Richard (1865). Cyclopaedia de anécdotas comerciales y empresariales; Comprende hechos y recuerdos interesantes, rasgos notables y rumores de comerciantes, comerciantes, banqueros, etc. de todas las edades y países . D. Appleton y compañía. pag. 210 . Consultado el 15 de febrero de 2014 .
Inteligencia de Negocio.
- ^ HP Luhn (1958). "Un sistema de inteligencia empresarial" (PDF) . IBM Journal of Research and Development . 2 (4): 314–319. doi : 10.1147 / rd.24.0314 . Archivado desde el original (PDF) el 13 de septiembre de 2008.
- ^ DJ Power (10 de marzo de 2007). "Una breve historia de los sistemas de soporte de decisiones, versión 4.0" . DSSResources.COM . Consultado el 10 de julio de 2008 .
- ^ Power, DJ "Una breve historia de los sistemas de apoyo a la toma de decisiones" . Consultado el 1 de noviembre de 2010 .
- ^ "Decodificación de palabras de moda de big data" . cio.com. 2015.
BI se refiere a los enfoques, herramientas y mecanismos que las organizaciones pueden utilizar para estar al tanto de sus negocios. También se hace referencia a versiones poco atractivas: "panel de control", "MIS" o "informes".
- ^ Springer-Verlag Berlin Heidelberg, Springer-Verlag Berlin Heidelberg (21 de noviembre de 2008). Resumen del tema: Business Intelligence . doi : 10.1007 / 978-3-540-48716-6 . ISBN 978-3-540-48715-9.
- ^ Evelson, Boris (21 de noviembre de 2008). "Resumen del tema: inteligencia empresarial" .
- ^ Evelson, Boris (29 de abril de 2010). "¿Quiere saber qué piensan los principales analistas de datos de Forrester sobre BI y el dominio de datos?" . Archivado desde el original el 6 de agosto de 2016 . Consultado el 4 de noviembre de 2010 .
- ^ Kobielus, James (30 de abril de 2010). "¿Qué no es BI? Oh, no me hagas empezar ... Vaya, demasiado tarde ... Aquí va ...". Archivado desde el original el 7 de mayo de 2010 . Consultado el 4 de noviembre de 2010 .
La inteligencia "empresarial" es un conjunto no específico de dominio para todos los tipos de datos analíticos que se pueden entregar a los usuarios en informes, cuadros de mando y similares. Cuando especifica el dominio temático de esta inteligencia, puede referirse a "inteligencia competitiva", "inteligencia de mercado", "inteligencia social", "inteligencia financiera", "inteligencia de recursos humanos", "inteligencia de la cadena de suministro" y similares.
- ^ "¿Business Analytics vs Business Intelligence?" . timoelliott.com. 9 de marzo de 2011 . Consultado el 15 de junio de 2014 .
- ^ Henschen, Doug (4 de enero de 2010). "Analytics en el trabajo: Preguntas y respuestas con Tom Davenport" (Entrevista).
- ^ a b c Rao, R. (2003). "De datos no estructurados a inteligencia procesable" (PDF) . Profesional de TI . 5 (6): 29–35. doi : 10.1109 / MITP.2003.1254966 .
- ^ a b c Blumberg, R. y S. Atre (2003). "El problema de los datos no estructurados" (PDF) . Revisión de DM : 42–46. Archivado desde el original (PDF) el 25 de enero de 2011.
- ^ a b Negash, S (2004). "Business Intelligence" (PDF) . Comunicaciones de la Asociación de Sistemas de Información . 13 : 177-195. doi : 10.17705 / 1CAIS.01315 . Archivado desde el original (PDF) el 15 de diciembre de 2011.
- ^ Inmon, WH (25 de julio de 2014). "Desenredar la definición de datos no estructurados" . Centro de Big Data y Analytics . IBM . Consultado el 8 de mayo de 2018 .
- ^ Xing, FZ; Cambria, E .; Welsch, RE (2018). "Previsión financiera basada en lenguaje natural: una encuesta" (PDF) . Revisión de inteligencia artificial . 50 (1): 49–73. doi : 10.1007 / s10462-017-9588-9 . hdl : 1721,1 / 116314 . S2CID 207079655 .
- ^ a b Inmon, B. & A. Nesavich, "Datos textuales no estructurados en la organización" de "Gestión de datos no estructurados en la organización", Prentice Hall 2008, págs. 1-13
- ^ Feldman, D .; Himmelstein, J. (2013). Desarrollo de aplicaciones de Business Intelligence para SharePoint . O'Reilly Media, Inc. págs. 140-1. ISBN 9781449324681. Consultado el 8 de mayo de 2018 .
- ^ Andrew Brust (14 de febrero de 2013). "Gartner publica el Cuadrante Mágico de BI 2013" . ZDNet . Consultado el 21 de agosto de 2013 .
- ^ Pendse, Nigel (7 de marzo de 2008). "Consolidaciones en la industria de BI" . El Informe OLAP .
- ^ "Gartner dice que el mercado mundial de inteligencia empresarial, CPM y aplicaciones analíticas / software de gestión del rendimiento creció un siete por ciento en 2012" . Gartner.com . Consultado el 11 de mayo de 2017 .
- ^ El crecimiento de SaaS BI se disparará en 2010 | Computación en la nube . InfoWorld (1 de febrero de 2010). Consultado el 17 de enero de 2012.
Bibliografía
- Ralph Kimball y col. "The Data warehouse Lifecycle Toolkit" (2.ª ed.) Wiley ISBN 0-470-47957-4
- Peter Rausch, Alaa Sheta, Aladdin Ayesh: Inteligencia empresarial y gestión del rendimiento: teoría, sistemas y aplicaciones industriales , Springer Verlag Reino Unido, 2013, ISBN 978-1-4471-4865-4 .
- Muñoz, JM (2017). Inteligencia empresarial global. Routledge: Reino Unido. ISBN 978-1-1382-03686
enlaces externos
- Chaudhuri, Surajit; Dayal, Umeshwar; Narasayya, Vivek (agosto de 2011). "Una descripción general de la tecnología de inteligencia empresarial" . Comunicaciones de la ACM . 54 (8): 88–98. doi : 10.1145 / 1978542.1978562 . Consultado el 26 de octubre de 2011 .