¿Qué es Inteligencia de Negocios?
julio 18, 2017
La terminología en torno a Big Data, Business Intelligence (BI) y almacenes de datos puede resultar fácilmente confusa. Para facilitar la comprensión, los siguientes ejemplos se presentarán en términos lo menos técnicos posible:
El Business Intelligence surgió en los años 90 con el objetivo de mejorar la toma de decisiones mediante el uso de información estructurada. Por información estructurada se entiende toda la información de una empresa que se almacena en un repositorio de bases de datos, archivos XML u otros formatos que utilizan una estructura de “filas y columnas”.
En 2010, el concepto de Big Data empezó a cobrar fuerza, sobre todo en relación con el BI. En ese momento, todavía se refería principalmente a datos estructurados, lo que significa que los datos estaban organizados y eran fácilmente accesibles. A medida que aumentaba el volumen de datos, las empresas necesitaban mejores formas de almacenar y analizar esta información. Esto llevó al desarrollo de tipos especializados de bases de datos, denominadas bases de datos columnares, como Sybase y Vertica, que son especialmente adecuadas para el almacenamiento de datos.
Como puede deducirse de su nombre, en estas bases de datos los datos se organizan por columnas en lugar de por filas. Esta estructura permite un procesamiento más rápido de los datos y es especialmente útil para almacenar grandes conjuntos de datos de forma que el análisis resulte más fácil y eficaz. Además, permite la compresión de datos y una recuperación más rápida. Sin embargo, el término «Big Data» aún no estaba muy extendido.
¿Entonces dónde surge el Big Data?
Los macrodatos surgieron cuando empresas como Amazon, Google, Facebook, Yahoo y otras crecieron no sólo en cantidad de datos estructurados, sino también en información no estructurada, como información en formato de vídeo y publicaciones en redes sociales. Esto obligó a desarrollar otras herramientas o frameworks, que más tarde se liberaron como dominio público (Hadoop). En este punto, BIG DATA surgió con toda su fuerza impulsando a las empresas a adoptar estas nuevas herramientas diseñadas para manejar grandes volúmenes de datos no necesariamente estructurados. Los requisitos empresariales empezaron a evolucionar, necesitando respuestas a preguntas derivadas de fuentes de datos no convencionales.
Como se ilustra en el gráfico, junto a las fuentes convencionales surgen otras nuevas que requieren distintos tipos de herramientas.
Ejemplo de las preguntas de clientes
- ¿Tengo montado mi plataforma Inteligencia de Negocios, Data Warehouse, herramientas ETL (Extracción, transformación y carga), herramientas de explotación y analítica puedo reemplazar mi antigua plataforma con las nuevas herramientas de BIG DATA?
- ¿Mi empresa necesita integrar diferentes sistemas ERP y CRM, BPM y otros sistemas internos? El hecho de disponer de mucha información dificulta la generación de informes. ¿Me conviene adquirir una solución Big Data sin necesidad de implantar un Data Warehouse y BI?
Las respuestas a estas preguntas no son definitivas; requieren plantear al cliente muchas preguntas empresariales adicionales para: comprender sus necesidades específicas y ofrecer la mejor alternativa a sus problemas. El enfoque adoptado marca la diferencia.
Ejemplo (genérico)
Problema: El cliente tiene la necesidad de analizar, controlar y seguir, casi en tiempo real, la respuesta de sus clientes a una promoción lanzada recientemente.
- Enfoque de Business Intelligence: Se cruza información de diferentes fuentes CRM y ERP en un Data Warehouse, se ve la evolución de las ventas respecto a meses anteriores, por ciudades, departamentos, márgenes, o costes comparativos, se analiza y cruza información de registros realizados en los sistemas de call center. Utilizando la minería de datos con información histórica, es posible predecir un posible comportamiento de compra en el producto, anticipándose a posibles problemas.
- Enfoque BIG DATA: Generalmente utiliza información no estructurada o semi estructurada, es decir información como redes sociales, para poder analizarla y saber que piensa el cliente “Análisis sentimental”, o se puede ir a la información que está en sus call center, grabaciones(audio) de las llamadas hechas, reclamos u otros, para poder encontrar patrones respecto a la promoción, etc.
Conclusión
Big Data tiene un potencial significativo para analizar información no estructurada y gestionar grandes cantidades de datos, medidos en Peta Bytes y Zeta Bytes. Sin embargo, es esencial que estos datos se integren en una herramienta de Business Intelligence o Data Warehouse, que permita a los clientes finales obtener información de estos datos complejos. Es importante destacar que el Big Data no puede sustituir a los elementos fundamentales creados en un Data Warehouse, sino que el Big Data y el Business Intelligence son complementarios.
Para más información, puede explorar este interesante enlace adicional: (https://www.b-eye-network.com/view/17017)
