Business Intelligence

Business Intelligence es una técnica que apunta a generar soluciones de información para la toma de decisiones. En los años 90 el problema era sistematizar los procedimientos internos hasta llegar a un registro contable confiable, con información de los pedidos del cliente, si se facturaba en tiempo, si se cobraba en tiempo, y si el registro era fidedigno... es decir, cubrir las necesidades de las operaciones básicas de la empresa: comprar, vender, pagar, cobrar….(obviamente, también producir, distribuir y registrar). Así las cosas, comenzaron masivos procesos de implantación de ERP´s (Sistemas de Planificación de Recursos Empresariales), con la intención de dominar el mundo de las transacciones en un ambiente único y consistente.

Dominar el mundo de las transacciones, permite llevar adelante la gestión de información que integra y automatiza muchas de las prácticas de negocio asociadas con los aspectos operativos o productivos de unaempresa. Responde preguntas del tipo de: ¿qué puedo vender? ¿hay stock? ¿cuánto se necesita producir? ¿el cliente tiene límite de crédito? ¿cobramos?, etc.

Todas estas preguntas y respuestas tienen que ver con el desarrollo del trabajo cotidiano, del día a día. Es información con un nivel de detalle máximo, es decir totalmente desagregada, con “alta granularidad”.
Otra de sus características es que su validez es temporal. En el entorno del ERP el dato es perecedero: si controlo las cobranzas de clientes, en cuanto éste realizó el pago el dato pierde vigencia; pasamos a otro tema; cubrió la necesidad operativa de dicho departamento.

Esta información es de suma utilidad en el nivel operacional, digamos, vital para el desarrollo habitual de las acciones de la empresa. Pero cuando pasamos al nivel decisorio de la organización, el grado de detalle ya no es tan importante. Pasa a tener importancia el dato histórico (que no es perecedero). La información se encuentra y se necesita sumarizada. En este contexto deja de ser relevante si el cliente “A” pagó en término o si compró el producto Z en lugar del Y. En cambio, pasa a tomar importancia el nivel de ventas de un periodo, de una línea de productos, su comparación con igual periodo de año anterior y/o respecto del plan de negocio del ejercicio. Con los múltiples datos que se obtienen del mundo transaccional, se genera información con historia, consistente, oportuna y comparable. A partir de allí, se habilita la posibilidad de estudiar tendencias y generar proyecciones.

El primer ambiente es transaccional (ERP), de detalle, instantáneo, “on line”; el segundo es aquel donde se almacena información para análisis y toma de decisiones, pasa a ser relevante el dato histórico, se diluye el concepto de instantaneidad. Este almacenamiento de datos es lo que se denomina “DataWarehouse”(DW).


Qué es el DataWarehouse, y para que sirve:


Un buen DW debería contener toda la información que genera el mundo transaccional de la empresa, pero no en forma exclusiva. Este conocimiento se puede enriquecer con información proveniente del mundo exterior de la empresa, como por ejemplo, datos de mercado (ej.: Nielsen, CCR, etc) e informacióncapturada por Internet (ej.:
Cotización de commodities). También se pueden agregar datos provenientes de sistemas paralelos internos (legacy systems) o externos de la compañía. Esta información enriquecida permite realizar la comparación de situaciones que tienen origen en el mundo de la empresa, pero vinculadas con el contexto en el que la empresa se desenvuelve. De esta manera brindan a quien debe tomar las decisiones una poderosa herramienta que le facilite la toma de las mismas, o bien reduce el riesgo en función de la minimización del marco de incertidumbre.

Como principio, el DataWarehouse debe de ser único. Un único repositorio de datos obliga a que toda la empresa abreve en la misma fuente, fundamentalmente porque lo que ingresó en él, respeta las convenciones a las que la dirección definió como “política”. Para citar un ejemplo, supongamos que la mercadería fue solicitada, facturada y cargada sobre camión, pero éste aún no ha abandonado la playa de la planta. Se pueden encontrar intereses contrapuestos del área Comercial (la venta esta hecha) y la del Controller (hasta que no se acepta la entrega por el cliente la venta está abierta).
Idéntica situación se podría generar entre en un pedido confirmado y una operación efectivamente cobrada.
Teniendo un único repositorio de datos, cuando se referencia a la Venta de un periodo, el concepto”venta” es unívoco y es comprendido por el universo de la empresa y con el mismo alcance. Por eso, el DataWarehouse es un almacén de información más que de datos. Es un diccionario que contiene las “definiciones” de la compañía.

A medida que se sube en la pirámide organizacional, cada vez es menor la cantidad de usuarios y se incrementa el nivel de sumarización de la información. Comienza a perder relevancia el detalle. Todo decisor, al momento de elaborar una acción, tiene presentes - consciente o inconscientemente- indicadores que le ayudan a optar.
Estos indicadores pueden tener origen en múltiples y diversos
universos: desde un simple listado de la venta diaria hasta una noticia del periódico web de los Estados Unidos. Pero cuando se intenta trabajar con metodología, también los indicadores deben pasar por dicho proceso. La Inteligencia de Negocios (BI) se orienta metodológicamente a hallar, dentro del negocio y conjuntamente con el empresario, cuales son los indicadores del mismo. Y fundamentalmente analiza cuales son los indicadores considerados claves, los “drivers”
del negocio.

Definidos los indicadores clave (Key Performance Indicators, KPI’s), se los resuelve aplicando las “definiciones” que se encuentran el DW.
De esta manera se vuelven comparables, permiten detectar desvíos y aunque parezca una obviedad, si están disponibles en forma oportuna, pueden disparar acciones correctivas. Y ahí comienza nuevamente el ciclo donde la captura de los ambientes transaccionales y su control posterior en el DW, permitirá medir cuan efectiva fue la medida adoptada y si se debe corregir nuevamente o no. Este ciclo se repite en forma permanente durante la vida de la empresa.

¿Qué es el DataMining?

Avanzando un poco más en el conocimiento de la información de que disponemos en la compañía, alrededor de los años 90 y ya teniendo disponible el DataWarehouse aparece otra rama del BI: la “minería de datos” o DataMining (DM).
El DataMining va a entregar respuestas a preguntas que no se hicieron. En otras palabras, con los datos correctamente almacenados, depurados, consistentes y con historia, aplicando metodologías basadas principalmente en la estadística, se pueden encontrar patrones de comportamiento “escarbando” en esos datos.


El área de marketing, la banca y los servicios públicos aplican y fueron pioneros en el DM.
El DW registra transacciones con el cliente: que compró, qué reclamó, qué pidió, cuando lo recibió, esta es una visión histórica, que registra lo que pasó. Pero el DM se focaliza hacia el futuro.
Conocidos los patrones de comportamiento, con niveles de error que se definan aceptables, se puede pronosticar la demanda de un producto, el segmento de consumo de otro, la clientela de riesgo, etc...
Situaciones que se producirán en un contexto dado y con cierto grado de certeza.
Las tarjetas de fidelización, las tarjetas de debito y crédito y hasta los teléfonos móviles, ofrecen información rica que les permite a las empresas pasar a tener un rol proactivo en el desenvolvimiento de su rol: ir en busca del cliente.

Pero este conocimiento de la información no tiene solamente aplicación comercial.
Para citar un ejemplo bien distante de lo económico, la reciente detención en el aeropuerto de Buenos Aires de un ciudadano holandés que transportaba una gran cantidad de droga, es el resultado del análisis inteligente de información: los investigadores interpretan información estadística por la cual determinan que cuando un turista proviene de un determinado país, reúne características determinadas de edad, sexo, estado civil, etc., y estas coinciden con el “patrón”
de riesgo, se deben activar todos los semáforos del área de control disparando una acción preventiva, por lo cual se toma la decisión de revisar el equipaje.


El DM es un también, un proceso metodológico que se aleja absolutamente de la mera intuición. La simulación dinámica:


Por ultimo, también dentro de lo que se considera BI, encontramos la Simulación Dinámica: en función de datos históricos (DW) y conocimiento de patrones de conducta (DM), finalmente se pueden definir escenarios, basados en supuestos que permiten hacer una proyección considerando fundamentalmente el transcurso del tiempo.
A través de métodos de Simulación Dinámica, se puede proyectar algo que sucederá en plazos de - por ejemplo - 10 años, incluso en escenarios de alta complejidad. Estos escenarios permiten distintas“corridas” atendiendo a la evolución o comportamiento de los factores que condicionan el contexto y por ende los resultados obtenidos por la empresa.


No podemos pensar que la suma de psicología y estadística nos va a garantizar los resultados; esto sería más pensamiento mágico que científico.
Lo que nos permite el BI con todas sus ramas es básicamente ofrecer un entorno para la toma de decisiones, donde el decisor se encuentre en óptimas condiciones para hacerlo.
En este caso el término óptimo, se utiliza como un sinónimo de la reducción al máximo posible del margen de incertidumbre: es decir, minimizar el riesgo.