ORACLEBig Data Big data es de alto volumen, la velocidad, y una variedad de datos que est revolucionando la forma en que las organizaciones pueden correr y cambiar el negocio.

reflejosOracle Big Data de descubrimiento permite que cualquiera pueda encontrar, explorar, transformar y analizar datos en Hadoop. Descubra nuevas perspectivas, luego compartir los resultados con los equipos de proyectos de datos grandes y accionistas de la empresa.Cmo Big Data en Negocios evolucionar en 2015Los datos son el combustible que pone en marcha las empresas por delante del resto, a menudo muy por delante. Los que pueden reunir, analizar, y rpidamente hacer uso de los datos tendr una ventaja competitiva cada vez mayor. Esa es la promesa de grandes datos.Pero para que esa promesa una realidad para su negocio, dnde debe enfocar su atencin en el 2015? Segn los expertos de datos de Oracle, hay siete reas clave que ofrecen una gran cantidad de oportunidades de este ao. Estas son las estrategias, capacidades y enfoques que pondrn los beneficios de los grandes datos ms al alcance de las empresas que estn dispuestas a tomar ventaja.1. Salas de juntas de negocios podrn hablar sobre el capital de datos, los datos no grandes. Datos de propiedad sobre las transacciones del mercado juegos empresas aparte. Esta es la razn por Netflix tiene mayores ingresos por empleado que cualquier proveedor de cable, y por qu Amazon est muy por delante de otros minoristas, segn el Instituto Global McKinsey. Las empresas que explotan el capital de datos puede aumentar los beneficios, crecer ms rpido, y generar mayores ingresos que sus rivales y con una base de capital tradicional inferior. Incluso las empresas que apenas se conocen como datos de alto consumo se ven obligados a desarrollar nuevas plataformas para la captura de datos. El hecho de que la cantidad de espacio dedicado a la industria del automvil en los Electrnica de consumo internacional Mostrar ms que duplicado en los ltimos cinco aos, de 15.000 metros cuadrados para el evento de 2015, es una ilustracin de esta idea. Salas de juntas sern cada vez ms mirar a los directores de TI para proporcionar liquidez de datos para que el negocio pueda analizar y aprovechar cualquier combinacin de datos de manera casi instantnea. "Estos datos sern completamente diferentes repositorios-Hadoop, NoSQL, bases de datos relacionales, almacenes externos. Y nada de esto estaba destinado a ser combinada con la forma de la empresa ahora necesita", dice Paul Sonderegger, Oracle gran estratega de datos. "La gran arquitectura de datos empresariales derecho ser fundamental para que una empresa aumentar su rentabilidad sobre el capital de los datos."2. Gestin de datos grande crecer. Sistemas de ingeniera y la nube han hecho la gestin de datos mucho ms simple, y la empresa SQL estndar y simple de escritura lenguajes de programacin han hecho ms fcil para los ejecutivos no tcnicos para acceder e interactuar con los datos. "Se trata de tener que hacer mucho menos trabajo de integracin a medida, y puede centrarse cada vez ms en la bsqueda de maneras de obtener el valor de los datos de nuevo a la empresa", dice Dan McClary, director de producto senior principal de Oracle para grandes datos. "Ha habido una proliferacin de formas-simples de usar, de gran alcance para el acceso y uso de datos grande, y eso es realmente va a la rampa hasta el 2015."Oracle Big Data SQL, que proporciona acceso a una serie de almacenes de datos con una sola consulta SQL, es un ejemplo. Tambin permite a las empresas extender las polticas de seguridad de bases de datos existentes a los datos almacenados en Hadoop. McClary dice que la capacidad de forma rpida y fuertemente asegurar y gobernar de datos ser una gran rea de inters este ao.3. Las empresas demandarn un SQL para todas las estaciones. Departamentos T han estado empleando diferentes variaciones de SQL para resolver diferentes problemas, pero esto hace que sea ms difcil para los gerentes de empresas para obtener respuestas a las preguntas cuando los necesitan."Dialectos SQL se han vuelto cada vez ms fragmentado, y las empresas estn sufriendo como resultado", dice McClary. "Creemos que las organizaciones tendrn que especificar qu dialecto se utiliza en toda la empresa y tienen que tan cerca a ms estndar posible y no es suficiente para SQL para ejecutar en varios almacenes de datos;. Que necesita para ser capaz de hablar a travs de todas estas tiendas. "n 2015, dice, no habr aumento de la demanda para el uso de una nica sentencia SQL en todos los lugares a los datos de las tiendas comerciales. "Esto va a liberar empresas tremendamente porque las decisiones sobre dnde almacenar datos pueden basarse en decisiones de negocio similar a lo que cuesta para almacenar, la rapidez con la empresa necesita para acceder a los datos, lo que el sistema los datos proviene de, qu otras fuentes de datos viven al lado de l, que lo consume y no en lo que el lenguaje se utiliza para acceder a los datos ", dice McClary. "Las empresas tienen que encontrar la manera de traer a casa el verdadero valor que crea su gran datos", dice. "En otras palabras, cmo te das cuenta de los rendimientos de su capital de datos?"4. justo a tiempo de transformacin va a transformar de extraccin, transformacin y carga (ETL). Sistemas de TI de las empresas tradicionales obligan a las personas a tomar decisiones difciles sobre lo que los motores que utilizan para manipular sus datos de negocio: los motores de procesamiento por lotes familiares, que tienen un tiempo muy valioso para entregar, o sistemas en memoria que permiten un procesamiento ms rpido, pero requieren una infraestructura poco familiar. Sistemas de datos grandes modernos, sin embargo, cerrar esta brecha, al permitir a las empresas a manipular a la perfeccin los datos en la memoria viva de la computadora al mismo tiempo por lo que es fcil de almacenar datos a muy bajo costo. "En el ao que viene, vamos a ver ms empresas aprovechan en memoria de streaming tecnologas para acceder y manipular datos en tiempo real", dice Jeff Pollock, Oracle vicepresidente de gestin de productos. El primer paso es el acceso de datos, donde Pollock dice que vamos a ver un cambio desde antiguo por lotes y tecnologas de archivos cntrica y hacia las tecnologas modernas como Oracle GoldenGate, que realiza rplicas en tiempo real en el entorno de Hadoop."Ms all del acceso, transformacin de datos ser la clave", dice. "Estamos viendo un creciente inters en hacer la transformacin de datos en los patrones ms rpido y ms interactivos, con capas de tecnologa y de velocidad en memoria utilizadas tanto para el acceso de datos, as como manipulaciones de datos."Este es un gran cambio respecto a hace un ao, cuando la mayora de la gran carga de trabajo de datos todava se estaba haciendo en MapReduce, una arquitectura lote impulsados intrnsecamente. "Lo que esto significa para las empresas es el acceso ms rpido a los anlisis en tiempo real, lo que permite a los servicios de datos en tiempo real y ms oportunidades de obtener beneficios econmicos de los datos", dice Pollock. "Para TI, lo que esto significa es una base tcnica ms eficiente y flexible para trabajar con grandes volmenes de datos, lo que les permite utilizar la misma lgica de las transformaciones de datos, tanto en lotes y en tiempo real."5. Autoservicio de descubrimiento y herramientas de visualizacin vendrn a grandes datos. Datos tradicionalmente se ha almacenado y analizado el uso de herramientas, tales como Hadoop, que slo un cientfico de datos puede amar. Esto, sin embargo, est empezando a cambiar."En 2015, Hadoop ser ms til para los empresarios porque ms productos estarn disponibles que ocultan la complejidad de usar ese almacn de datos", dice Richard Tomlinson, director de gestin de producto de Oracle. "Esto suceder tanto porque las herramientas de inteligencia de negocios existentes sern capacitados para trabajar en la parte superior de Hadoop, y debido a la llegada de las nuevas herramientas que dan los analistas de negocio de extremo a extremo las capacidades para convertir los datos en bruto en conocimiento." Mientras que los ltimos cinco aos han sido sobre la recogida de datos, la siguiente fase de grandes datos ser de capacitar a la empresa a tomar ventaja. "Ms personas sern capaces de utilizar grandes volmenes de datos en sus puestos de trabajo, y ms empresas se volvern la promesa de grandes datos en realidad", dice Tomlinson. "Los que no habr detrs de su competencia".Junto con lo que el acceso y el anlisis ms fcil para los usuarios de negocio, herramientas de datos grandes harn anlisis predictivo ms fcil de usar y accesible tambin."Se siente como que hemos llegado a un punto de inflexin grande, como cuando las herramientas de BI comenzaron a conseguir aprobado para su uso en la parte superior de las bases de datos a mediados de los aos 90", dice. "Los que estn siendo escpticos y no est listo para cometer vern sus competidores se mueven por delante de ellos."6. Seguridad y gobernanza aumentarn gran innovacin de datos. Las empresas ya no estn jugando con Hadoop; que ahora estn utilizando para tomar decisiones de misin crtica. "Las empresas estn poniendo datos juntos en nuevas formas, comingling conjuntos de datos que nunca se han comingled antes", dice Pollock. "Eso es, precisamente, el valor de los entornos de datos grandes. Pero estos cambios tambin estn dando lugar a interesantes nuevos problemas de seguridad y de cumplimiento." Como los sistemas de datos grandes se mueven de proyectos de I + D a las operaciones y la toma de decisiones, el papel del auditor y el oficial de cumplimiento corporativo es cada vez ms importante. Como resultado, Pollock dice, "en el ao 2015, las empresas se centran cada vez ms en la aplicacin de los controles de acceso, que regula la seguridad y vigilancia de los sistemas de Hadoop, el seguimiento del linaje de datos a travs de metadatos, y vincular el glosario de negocios con los metadatos para obtener una ms clara, ms vista de negocios, de utilizacin de los datos ".Tener estas polticas y estndares definidos en toda la organizacin permitir a las empresas a hacer uso de datos a travs de las lneas departamentales, la apertura de nuevas oportunidades de negocio.7. Las cargas de trabajo de produccin se mezclarn capacidades de nube y on-premise. Las empresas quieren tomar decisiones no slo acerca de donde almacenan sus datos, sino tambin donde se ejecutan los anlisis y transformaciones en l. Algunos pueden requerir escalabilidad elstica, as que tiene sentido para ejecutar esos anlisis en la nube. Algunos necesitan permanecer en las instalaciones debido a la seguridad, el cumplimiento, o porque los datos que interacta con otros sistemas internos. "Lo que vamos a ver en el ao 2015 son las mejoras en las herramientas y continuidad por lo que un empresario puede tomar la decisin acerca de dnde se ejecuta una carga de trabajo da a da", dice McClary. Este cambio a la toma de decisiones sobre la gestin de datos en base a razones de negocios, ms que razones tcnicas dar a las empresas una mayor flexibilidad y le ayudar en el control de costes operativos.

Encuentra fcilmente los datos relevantes:Explorar un rico catlogo interactivo de todos los datos de HadoopUtilice la bsqueda de palabras clave familiar y navegacin guiadaProyectos de grandes datos personales y compartidas de accesoSuministro de datos personales a travs de Hadoop autoservicioExplorar datos para entender Potencial:Visualice la forma y calidad de los datos no familiarCombinar atributos y descubrir relaciones interesantesTrabajo a velocidades interactivasSaber si un conjunto de datos es digno de mayor inversinTransforma y Enriquece para mejorar los datos: Habilitar intuitiva, disputas impulsado por los datos de usuarioOptimice la preparacin de datos con una amplia biblioteca de transformaciones de datos de gran alcanceMejorar los datos con enriquecimientos innovadoras para la ubicacin, idioma y textoCambiar los datos a escala utilizando Apache SparkMezcla y Analizar para descubrir nuevas Perspectivas

nete a diversos conjuntos de datos para las perspectivas ms profundas:Componer rpidamente grandes pginas del proyecto de datos a travs de arrastrar y soltarUtilice la bsqueda de gran alcance con una navegacin intuitiva de hacer preguntasVer visualizaciones ricas e interactivas que revelan nuevos patronesCompartir los resultados de la empresa Leverage:Compartir proyectos, los marcadores y las instantneas con los demsConstruye galeras visuales y contar historias de grandes datosColaborar y iterar sobre ideas como un equipoPublique datos mezclados a HDFS para su uso en otras herramientasOpciones:Existen mltiples opciones de implementacin para Oracle Big Data Discovery. Aproveche el clster Hadoop existente en hardware, adquirir un sistema de ingeniera de Oracle, o implementar en Oracle Public Cloud.

microsoftGrandes volmenes de datos: el desafo administrativo01.03.2014Bain & CompanyHoy en da resulta difcil pasar por alto los grandes volmenes de datos. Los observadores de los medios de comunicacin y los analistas del sector los proclaman como el prximo gran avance para todas las compaas, y muchas empresas se han apurado por subirse al carro. Pero realmente vale la pena invertir en desarrollar un sistema avanzado de anlisis? Hasta ahora, prcticamente no existan datos para responder esta pregunta.Un estudio reciente de Bain & Company, sin embargo, debera zanjar la cuestin. Los usuarios pioneros del anlisis de grandes volmenes de datos ganaron una ventaja importante frente al resto del mundo corporativo. Al examinar ms de 400 grandes empresas, descubrimos que aquellas con las funciones de anlisis ms avanzadas aventajaban a la competencia por un amplio margen. Los lderes tienen: Dos veces ms probabilidades de ubicarse en el cuartil superior del rendimiento financiero dentro de su sector. Cinco veces ms probabilidades de tomar decisiones ms rpidas que sus homlogos en el mercado. Tres veces ms probabilidades de ejecutar las decisiones tal como pretendan. Dos veces ms probabilidades de usar los datos con mucha frecuencia al tomar decisiones.Vuelva a imaginar su negocio con grandes volmenes de datos y anlisis.Cualquier tipo de dato, de gran o pequeo volumen, puede ser una fuerza potente para acelerar la ventaja competitiva. A modo de evolucin de su estrategia de inteligencia empresarial y anlisis general, un enfoque tctico en grandes volmenes de datos puede colocarlo en la ruta para volver a imaginar su empresa.

Big Data: El desafo organizacional 11 de septiembre 2013Bain BrevePor Travis Pearson y Rasmus Wegener Descargar PDF Impresin E-mail Cuota

Samsung utiliza para alimentar el motor de recomendacin de contenido en sus nuevos televisores inteligentes.Progressive Insurance confa en l para capturar el comportamiento al volante, determinar los perfiles de riesgo de los clientes y decidir sobre los precios competitivos.Risk Solutions LexisNexis lo utiliza para identificar a las personas, incluyendo las relaciones familiares, ayudando as a las instituciones financieras y otros clientes a reducir el fraude.Es,por supuesto, es de datos del Big minera y el procesamiento de valor de la informacin para obtener informacin sobre el comportamiento del cliente, la eficiencia de la cadena de suministro, y muchos otros aspectos del rendimiento empresarial petabytes.Decimos, por supuesto, porque Big Data es difcil pasar por alto estos das.Analistas de la industria de medios de comunicacin y observadores bombo como la prxima gran cosa para cada empresa, y muchas empresas se han apresurado a subir a bordo.Pero es la construccin de una capacidad de anlisis avanzado realmente vale la pena la inversin?Hasta ahora, los datos para responder a esa pregunta ha sido escasa.VIDEOInsights de tres minutoscon Rasmus Wegener Socio Rasmus Wegener explica cmo hacer Big Data realmente funciona para su empresa.

Un reciente estudio de Bain & Company, sin embargo, debe poner la cuestin al resto.Los primeros usuarios de la analtica Big Data han ganado una ventaja significativa sobre el resto del mundo corporativo.Examinando ms de 400 grandes empresas, se encontr que las personas con las capacidades analticas ms avanzadas estn superando competidores por un amplio margen (ver Figura 1).Los lderes son: El doble de probabilidades de estar en el cuartil superior de los resultados financieros dentro de sus industrias Cinco veces ms propensos a tomar decisiones mucho ms rpido que sus compaeros de mercado Tres veces ms probabilidades de ejecutar las decisiones de la forma prevista Dos veces ms propensos a utilizar los datos con mucha frecuencia cuando se toman decisiones

Esto ayuda a explicar por qu tantas empresas se preguntan cul es su posicin sobre Big Data vis--vis su rivals- y si estn perdiendo en una herramienta competitiva nueva y esencial.Para entrar en el juego Big Data, una empresa necesita tres tipos de apuestas de la mesa.La primera es la propia de datos: grandes cantidades de informacin en un formato que permite un fcil acceso y anlisis.La mayora de las grandes empresas ya tienen esta, de hecho, por lo general tienen ms de lo que pueden utilizar.El segundo es avanzado herramientas analticas, tales como Hadoop y NoSQL.Ambas herramientas y plataformas propietarias y de cdigo abierto estn ampliamente disponibles estos das- todo lo que necesita son personas capaces de ponerlos a trabajar.Eso nos lleva a la tercera, y por lo general los ms difciles, juego de apuestas de la mesa: experiencia.Anlisis avanzados requiere personal con conocimientos del estado de la tcnica en todo, desde la ciencia a las leyes de privacidad de datos de todo el mundo, junto con una comprensin de la empresa y las fuentes pertinentes de valor.Pero apuestas de la mesa por s solo no le ayudar a ganar, porque Big Data no es slo una ms iniciativa tecnolgica.De hecho, no es una iniciativa de la tecnologa en absoluto;es un programa de negocios que requiere conocimiento tcnico.As que no se puede simplemente aadir ms capacidad y experiencia, y esperar que sus funciones de TI o marketing para empezar a generar ideas basadas en datos.Incluso si lo hicieran, el resto de la empresa sera poco probable para actuar en esos puntos de vista.A medida que los lderes de anlisis han descubierto, tener xito con los grandes datos requiere un enfoque diferente: Es necesario integrar Big Data profundamente en su organizacin.Es la nica manera de asegurar que la informacin y los conocimientos se comparten a travs de las unidades de negocio y funciones.Esto tambin garantiza a toda la empresa reconoce las sinergias y beneficios de escala que una capacidad de anlisis bien concebido puede proporcionar.Echemos un vistazo a lo que est involucrado.AmbicinLas empresas lderes comienzan el proceso de incrustacin, deletreando su ambicin.Nos abrazaremos Big Data como una nueva forma de hacer negocios.Incorporaremos analtica avanzada y conocimientos como elementos clave de todas las decisiones crticas.Una declaracin como sta desde el equipo directivo es una condicin previa esencial para el tipo de cambio de comportamiento de este artculo se discutirn.Pero la seleccin absoluta tambin debe responder a la pregunta: Con qu fin?Cmo va Big Data para mejorar nuestro rendimiento como un negocio?Qu har la empresa centrarse en?Hay cuatro reas en las analticas pueden ser relevantes: la mejora de los productos y servicios existentes, la mejora de los procesos internos, la construccin de nuevas ofertas de productos o servicios, y la transformacin de los modelos de negocio.Estos objetivos a menudo se superponen.Nuevo dispositivo de Progressive "Snapshot", que monitorea el comportamiento del conductor, ayuda a la empresa a determinar si un conductor dado es el cliente adecuado para la empresa.Adquisicin de Mint.com de Intuit ha ayudado a expandir su negocio ms all del software comprado a un software con publicidad.Humana, el proveedor de seguros, est utilizando Big Data para transformar sus negocios: El uso de datos de reclamaciones, la empresa puede determinar quin es probable que termine en un hospital por razones prevenibles y luego intervenir a tiempo.Humana y otras compaas de seguros de salud tambin son la minera de datos para ayudar a mejorar los resultados del paciente y para recompensar comportamientos saludables.La mayora de las empresas son la oportunidad ricos cuando se trata de anlisis, y las grandes empresas pueden perseguir mltiples vas, ya sea simultnea o secuencialmente.Sin embargo, casi todas las empresas pueden mejorar su trayectoria mediante la determinacin de las prioridades y elegir el ngulo derecho de entrada.Capacidad de anlisis horizontalesCon la ambicin definido, lderes Big Data trabajan en el desarrollo de una capacidad de anlisis horizontal.Aprenden cmo superar la resistencia interna, y crear la voluntad y la habilidad para utilizar los datos en toda la organizacin.Este es un gran trabajo.Organizaciones no cambian fcilmente y el valor del anlisis pueden no ser evidente para todo el mundo, por lo que los principales lderes pueden tener que hacer en el caso de grandes volmenes de datos en un lugar tras otro.Es posible que necesiten para ayudar a la gente a cambiar sus comportamientos cotidianos y luego continan a lo largo del nuevo camino sin retroceso.Al igual que con cualquier iniciativa importante, ejecutivos y gerentes tienen una variedad de herramientas a su disposicin.Las empresas lderes suelen definir propietarios claros y patrocinadores para las iniciativas de analtica.Ellos proporcionan incentivos para el comportamiento basada en anlisis, lo que garantiza que los datos se incorpora a los procesos de toma de decisiones clave.Crean metas para mejoras operativas o financieras.Ellos trabajan duro para rastrear el impacto causal de Big Data en el logro de estos objetivos.Por ejemplo, Nordstrom elevada responsabilidad de anlisis a un nivel ms alto en la gestin de su organizacin, empuj para hacer herramientas y conocimientos analticos ms ampliamente disponibles y incrustado basada en anlisis objetivos en sus ms importantes iniciativas estratgicas.Otra empresa global de electrnica de consumo seleccionados de alto impacto los proyectos de anlisis de apoyo adicional, creando resultados empresariales historias positivas y una demanda adicional de soluciones Big Data.La compaa agreg incentivos para los altos ejecutivos para aprovechar las capacidades de Big Data, y el liderazgo de la empresa ha reforzado este enfoque con un repiqueteo constante de referencias a la importancia de la analtica en la entrega de los resultados del negocio.Una casa de organizacinLos lderes de Big Data a continuacin, crear una casa de organizacin por su capacidad analtica avanzada, a menudo un Centro de Excelencia (CoE) supervisado por un director de anlisis.Creacin de un hogar organizacional implica varias decisiones clave de diseo.Una empresa tiene que establecer su estrategia para el despliegue de Big Data.Tiene que asignar recoleccin y propiedad de los datos a travs de las funciones de negocio, planificar cmo generar ideas, y dar prioridad a las oportunidades y la asignacin de tiempo de datos cientficos.Debe alojar y mantener la infraestructura tecnolgica, establecer la poltica de privacidad y derechos de acceso, y determinar la responsabilidad por el cumplimiento de las leyes locales y la seguridad de los datos.Todo eso es una tarea difcil.Para lograr que se haga, las empresas suelen perseguir uno de los cuatro modelos: Unidad de negocio llevado.Cuando las unidades de negocios tienen conjuntos de datos diferentes y la escala no es un problema, cada unidad de negocio puede tomar sus propias decisiones Big Data con una coordinacin limitada.AT & T y Zynga se encuentran entre las empresas que se basan en este modelo. Unidad de negocios llev con soporte central.Las unidades de negocio tomar sus propias decisiones, pero colaboran en las iniciativas seleccionadas.Google y Progressive son ejemplos de este enfoque. Centro de Excelencia.Un centro independiente supervisa los grandes datos de la compaa.Unidades persiguen iniciativas bajo la orientacin y coordinacin del Consejo de Europa.Amazon y LinkedIn se basan en CoEs. Totalmente centralizada.El centro corporativo asume la responsabilidad directa para la identificacin y priorizacin de iniciativas.Netflix es un ejemplo de una empresa que persigue esta ruta.Cabe destacar que en ninguno de estos modelos no TI propietario de Big Data.Aunque a menudo desempea un papel fundamental en el suministro y mantenimiento de la infraestructura y las herramientas necesarias para ejecutar anlisis de Big Data, la mayora de las empresas consideran que es un error tener TI propietario o director del la capacidad de adopcin de negocios.Eleccin del modelo de una empresa depende obviamente de su ambicin y su modelo operativo existente.Por ejemplo, las empresas con capacidades de anlisis profundos y un nfasis en la experimentacin y la innovacin, tales como Google y progresiva, pueden confiar en un enfoque general descentralizado.Pero los lderes de muchos anlisis han descubierto que un CoE tiene la mayora de las ventajas y las limitaciones de menor nmero (ver Figura 2).Un Consejo de Europa que funcione bien permite el acceso entre las unidades de negocio y el intercambio de datos.Toma la responsabilidad de apoyar y coordinar todas las iniciativas de una unidad de negocio, proporcionando as las sinergias y beneficios de escala.A nivel corporativo, el Consejo de Europa sirve como el visto a la organizacin para la estrategia de anlisis y apoyo perspicacia.Se establece la hoja de ruta, y establece y mantiene polticas de privacidad.Una empresa lder de telecomunicaciones de Europa, por ejemplo, est en el proceso de implementacin de grandes datos para una variedad de propsitos, incluyendo el anlisis de datos de los clientes para ofrecer mejores ofertas y servicios, y el uso de los datos trsffic red para optimizar la gestin de redes y las inversiones.Albergar estas capacidades en una variedad de entornos, pero todo ser coordinada por un Consejo de Europa.

La construccin de un Centro de Excelencia slido desde cero puede llevar tiempo.El centro necesita un liderazgo experimentado y un plan claro para estar conectado con el negocio.Debe tener una estrategia diseada para garantizar el aprendizaje continuo, por lo que mantiene la capacidad del estado de la tcnica.Dotacin de personal puede ser un desafo particular.Un CoE requiere no slo los cientficos de datos a nivel de doctorado cualificados, sino tambin Analytics ingenieros, gerentes de empresas para identificar y priorizar las oportunidades y talento jurdico de asesoramiento sobre las normas para la privacidad y seguridad de datos.Encontrar a los jefes de equipo y la identificacin de socios para completar la dotacin de personal del centro puede tomar entre seis y 12 meses, con la ampliacin que requiere otros 12 a 18 meses.EmpezandoMuchas empresas ya estn sumergiendo sus pies en aguas Big Data.Sin embargo, dada la complejidad que hemos discutido, en particular, la necesidad de anclar capacidades de anlisis en la organizacin de los pies desnudos no es probable que produzcan importantes conocimientos.Es por eso que slo unos pocos de seleccin, hasta ahora, se han hecho progresos sustanciales.En este momento, muchos de estos lderes estn tirando an ms lejos por delante de los competidores, para que otros usuarios estn jugando el juego necesario de ponerse al da.Pero no es demasiado tarde.Un buen primer paso es comparar su industria y determinar la posicin actual de su empresa en anlisis y capacidades Big Data, en comparacin con la de sus principales rivales.Este ejercicio le ayudar a determinar la inversin necesaria para mejorar su posicin relativa.Si est muy por detrs de la competencia, tendr el tipo de quema de la plataforma, que a menudo se requiere para crear y sostener el cambio.A continuacin, puede comenzar a experimentar, probar hiptesis para saber dnde y cmo la analtica avanzada es ms probable que ayudar a su negocio.Este tipo de revisin le ayudar a determinar su ambicin Big Data, incrustar una cultura de anlisis y decidir dnde sede organizativa de grandes volmenes de datos debe ser.Travis Pearson es socio de Bain & Company y ubicado en la oficina de San Francisco de la firma.Rasmus Wegener es un socio de Bain con sede en Atlanta.

Tres promesas y peligros de Big Data 08 de abril 2015Bain BrevePorEric Almquist,John SenioryTom Springer Descargar PDF Impresin E-mail Cuota

Proveedores de soluciones de datos grandes hacen grandes promesas.Slo tiene que conectar sus datos en nuestra solucin, dicen.Vamos a entregar una corriente de ideas que permitan mejoras en la productividad del marketing, la calidad experiencia del cliente y la eficiencia de las operaciones de servicio.Va a ser muy fcil para usted y su equipo;nuestra tecnologa y sus cientficos de datos harn todo el trabajo pesado.Sintete como ya has visto esta pelcula antes?Si usted fue atrapado en la euforia inicial de la revolucin de gestin de relaciones con clientes (CRM), a continuacin, usted lo hizo.A partir de la dcada de 1990, muchas empresas han comprado en el bombo y la tecnologa, slo para terminar con bases de datos inutilizables, los equipos de ventas rebeldes y los presupuestos de capital agotados.Desde entonces, la industria de CRM ha madurado, y no hay duda de que las soluciones de CRM pueden ahora ofrecer un valor real para muchas organizaciones.Como prueba, CRM fue la sexta herramienta de negocios ms popular en 2015 Herramientas de administracin de Bain & encuesta Tendencias.Y el gasto global de CRM totaliz $ 20.4 mil millones en 2014, frente a los $ 18 mil millones el ao anterior, segn la investigacin de Gartner.Sin embargo, las tasas de fracaso de CRM siguen siendo altos.Un informe de 2014 del C5 Insight encontr que ms del 30% de todas las implementaciones de CRM a prueba de implementaciones y segundo y tercero de CRM en las mismas empresas tuvieron tasas de fracaso slo ligeramente inferiores.Y esto es de 20 aos en la "revolucin"!Vemos Big Data bajando un camino similar, haciendo grandes promesas sobre el impacto al cliente y la creacin de valor predicada sobre grandes inversiones en tecnologa y experiencia.En un reciente informe, Gartner predijo que "hasta el 2017, el 60% de los proyectos de Big Data no podr ir ms all de pilotaje y la experimentacin y ser abandonado." Por qu se repite la historia?No es por falta de inters, el esfuerzo o la inversin.En cambio, refleja la dificultad de generar valor a partir de existente del cliente, vamos-datos operativos y el servicio solo las grandes cantidades de datos no estructurados, internos y externos generados a partir de los medios sociales, dispositivos mviles y actividad en lnea.Las empresas estn bajo una creciente presin para aprovechar Big Data y analtica avanzada.Los clientes exigen ms de las organizaciones con las que hacen negocios.La competencia se intensifica, especialmente en industrias maduras como Servicios financieros, retail, telecomunicaciones y medios de comunicacin.Empresas basadas en datos siguen perturbar el statu quo.Perturbadores viejo y nuevo incluyendo Progresista, Capital One, Amazon, Google, Uber y Zappos, por nombrar unos pocos, han creado modelos de negocio basados en datos que se aplican una visin profunda para ofrecer productos y servicios a medida que ganan en el mercado.La aseguradora de automviles Progresista, por ejemplo, utiliza el plug-in de dispositivos para rastrear el comportamiento del conductor.Minas progresivos los datos a los micro-objetivo de su base de clientes y determinar un precio especial.Capital One, una compaa de servicios financieros de Amrica, se basa principalmente en el anlisis de datos avanzados para dar forma a sus programas de fidelizacin de clientes de puntuacin y riesgo.Con este fin, Capital One explota mltiples tipos de datos de los clientes, incluyendo texto y de voz avanzadas de anlisis.Mientras tanto, el gigante minorista Amazon datos minas cliente intensamente para crear experiencias de compra en lnea personalizados.Amazon utiliza historiales de compra y haga clic en arroyos para crear un motor de recomendacin sofisticado que se presenta en las pginas Web personalizadas.En el frente de la logstica, Amazon tambin ha sido un lder en la aplicacin de anlisis de datos para optimizar la distribucin de inventario y reducir los tiempos de envo.Los principales usuarios de grandes volmenes de datos generan un gran obstculo para el xito.Han montado bancos profundas del talento analtico y procesos creados que permiten a sus organizaciones para recopilar informacin til de anlisis avanzados.Ellos han construido plataformas tecnolgicas que ofrecen los datos y puntos de vista, cuando y donde se necesitan en la organizacin oportunas.Muchos tambin han creado culturas de innovacin continua en base a rigurosos "prueba y aprender" metodologas.Entonces, cmo puede su empresa de lucro Big Data?El primer paso es aprender a distinguir el potencial real de las afirmaciones extravagantes.Gran parte de la publicidad en curso se apoya en tres promesas fallidas: La primera es que la tecnologa Big Data identificar oportunidades de negocio por s mismo.La segunda es que la cosecha de ms datos generar automticamente ms valor.La tercera es que los cientficos de datos de expertos pueden ayudar a cualquier beneficio de la empresa de Big Data, no importa lo que la empresa pasa a ser organizado.A continuacin se identifican peligros asociados a cada una de estas tres promesas, y presentan ejemplos de empresas que han superado cada uno en el camino hacia la creacin de valor real a partir de anlisis de clientes avanzados.Promesa:La tecnologa va a identificar oportunidades de negocio por s mismo.Peligro:el retorno de la inversin limitada a pesar de grandes gastos de dinero y tiempo.Despliegues de tecnologa fallidas suelen comenzar con la suposicin de que la nueva herramienta brillante generar valor por s mismo.Las empresas que aprovechan con xito el poder de las soluciones Big Data tienden a comenzar aplicando anlisis avanzados para resolver un pequeo nmero de problemas de negocio de alto valor con los datos en la casa antes de invertir en tecnologa.En el proceso aprenden cmo implementar soluciones organizativamente.Tambin obtienen una idea de los desafos operacionales y llegan a comprender las limitaciones de sus datos y la tecnologa.Entonces pueden definir los requisitos para su solucin de tecnologa Big Data basado en la comprensin de sus necesidades reales (ver Figura 1).

Por ejemplo, una gran compaa de seguros se centr recientemente su programa de anlisis de datos sobre el fraude.La compaa estaba viendo un aumento en las reclamaciones fraudulentas, y estaba incurriendo en costos significativos para investigar estas afirmaciones.El programa dirigido a reducir la conducta fraudulenta a un costo menor.Con este fin, la empresa construy un algoritmo de minera de texto que gener puntuaciones de propensin de fraude.Este algoritmo ayud a la compaa a alcanzar un aumento del 20% en el nmero de calificaciones fraudulentos que detecta.El resultado fue un menor nmero de casos que se investigan y cerca de $ 30 millones en ahorros.Habiendo demostrado el valor de la analtica avanzada, la compaa est aumentando sus inversiones en tecnologa y capacidad.Promesa:La recoleccin de ms datos generar automticamente ms valor.Peligro:sobreinversin en las fuentes de datos no comprobados y la falta de atencin a las fuentes de datos valiosos ms cerca de casa.La tentacin de adquirir y minas nuevos conjuntos de datos se ha intensificado con la explosin de los medios sociales y los dispositivos mviles.Y sin embargo, muchas organizaciones grandes que ya se estn ahogando en datos, gran parte de ella a cabo en silos donde no se puede acceder fcilmente, organizado, vinculado o interrogado.Hemos encontrado que exitosas jornadas Big Data tienden a empezar por explotar plenamente los datos existentes de la organizacin.Desde una perspectiva analtica, por lo general es ms fcil trabajar con los datos que tiene un poco de historia de lo que es para atacar a los conjuntos de datos nuevos.Una gran empresa de telecomunicaciones de Estados Unidos tom poco este enfoque.La empresa se enfrenta a la creciente competencia y quera crear un programa para aumentar sistemticamente el valor de su base de clientes existente.Para lograr este objetivo, se combina ms de 200 elementos de datos de 15 comercializacin, servicio y bases de datos de operaciones para crear retratos de "alta definicin" de todos sus clientes.La compaa utiliz estos retratos para desarrollar programas de abordaje especfico, venta cruzada y compromiso con el cliente.Uno de sus nuevos programas de abordaje centrado en los clientes que mostraban signos de compromiso bajo, con productos de la compaa.Los datos mostraron que la baja participacin fue vinculado a una mayor rotacin de clientes.En lugar de enviar mensajes de marketing de ventas centrada a estos clientes, la compaa comenz a enviarlos conocimiento del producto y los mensajes de compromiso que fueron diseados para estimular el uso del producto.El resultado: el uso del producto aumentado, churn etapa temprana disminuy y ms de estos clientes actualizar sus servicios.En paralelo, la compaa aument su comercializacin la venta cruzada a los clientes ms comprometidos ya que los datos mostraron que estos clientes tenan ms probabilidades de mejorar.Esto dio lugar a un aumento de 2,5 veces en las ventas cruzadas y un retorno mucho mayor la inversin en marketing.En total estos programas generan muchos millones en ingresos anuales incrementales.Esta compaa ahora est incorporando nuevos conjuntos de datos que mejorarn an ms sus ricos retratos de los clientes.Para complementar los conocimientos generados por los datos histricos, se est diseando campaas de marketing experimentales que inyectan varianza a futuro (por ejemplo, precios nuevos, promociones y ofertas) en su sistema.Promesa:Los buenos cientficos de datos encontrarn valor para usted.Peligro:Su organizacin existente no est listo para darse cuenta del valor de los datos.Con el fin de beneficiarse consistentemente de Big Data, es necesario crear un modelo operativo que aprovecha el poder de los datos y el anlisis avanzado de una manera repetible.Empresas basadas en datos exitosas alinear sus organizacin, procesos, sistemas y capacidades para tomar mejores decisiones de negocio basadas en las ideas de sus datos y de anlisis de los equipos (ver Figura 2).

Un proveedor de servicios de telecomunicaciones cre un modelo de asociacin que abarcaba sus datos y de anlisis de los equipos, su divisin de tecnologa y sus funciones de primera lnea (incluyendo ventas, marketing, relaciones con clientes y el desarrollo de productos).En este modelo, el equipo de inteligencia de negocios, que incluye cientficos de datos, estadsticos y la minera de datos, socios en estrecha colaboracin con las unidades de negocio para resolver problemas especficos mediante la aplicacin de analtica avanzada para sus grandes conjuntos de datos internos.Las unidades de negocio inyectan experiencia empresarial y conocimiento de primera lnea en los puntos de vista de los cientficos de datos, lo que aumenta las probabilidades de que sus soluciones sern pragmticos y escalable.La divisin de TI, propietaria de la arquitectura de datos, se da cuenta de cmo incorporar nuevas tecnologas, como los lagos de datos, gestiona los conjuntos de datos cada vez mayores y define las polticas y normas que los rigen.Uno de los primeros retos de la empresa de telecomunicaciones abordado con este nuevo modelo de sociedad centrado en la mejora de la economa de los clientes que destruyen valor.En este caso, el equipo de ventas y marketing define la cuestin especfica para el equipo de inteligencia de negocios, que luego trabaj con el equipo de TI para consolidar y fusionar dos aos de pena de datos de clientes de marketing y de bases de datos operacionales para identificar las causas profundas del valor comportamientos -destroying.Trabajando juntos, los tres equipos definen un conjunto de estrategias de clientes objetivo que podran convertir a estos clientes que destruyen valor en clientes rentables.El resultado: millones de dlares en ingresos adicionales.ConclusinLa revolucin Big Data ya ha perturbado muchas industrias.Ciertas empresas basadas en datos han capturado un valor significativo de esta revolucin, pero muchas empresas tradicionales estn jugando a ponerse en marcha.Tecnologa por s sola no puede cerrar esta brecha.Las empresas que se dan cuenta de la promesa de la analtica de datos de clientes tienden a seguir tres reglas:1. Demostrar su organizacin puede solicitar anlisis avanzados para resolver algunos problemas de negocio de alto valor antes de invertir en soluciones de tecnologa de Big Data.2. Crear valor a partir de sus datos en la casa antes de expandirse a nuevas fuentes de datos.Luego use prueba y aprender mtodos para inyectar conjuntos de datos a futuro en sus datos histricos.3. Alinear su modelo operativo para permitir a su organizacin, en particular la lnea del frente, actuar rpidamente y con confianza en las ideas de sus equipos de analtica avanzada.Las empresas que siguen estas reglas estarn mejor posicionados para el xito en la era del Big Data.Eric Almquist es socio en la oficina de Boston de Bain.l es un lder de la prctica avanzada Analytics y miembro de la Estrategia de Cliente y la prctica de Marketing.John Senior es un socio en la oficina de Sydney y un lder en la tecnologa, las telecomunicaciones y los medios de comunicacin, as como las prcticas de estrategia al Cliente y Marketing.Tom Springer es un socio en la oficina de Boston y co-lder de la prctica avanzada Analytics.

Herramientas de inteligencia de negociosHerramientas de inteligencia de negocioses un tipo desoftware de aplicacionesdiseado para colaborar con lainteligencia de negocios(BI) en los procesos de las organizaciones. Especficamente se trata de herramientas que asisten el anlisis y la presentacin de los datos. Pese a que algunas herramientas de Inteligencia de Negocios incluyen la funcionalidad ETL (Extraccin, Transformacin y Carga por sus siglas en ingls), las herramientas ETL no son consideradas generalmente como herramientas de Inteligencia de Negocios.ndice[ocultar] 1Tipos de herramientas de inteligencia de negocios 2Productos de fuente abierta de inteligencia de negocios 3Productos comerciales 4Vase tambin 5Referencias 6Enlaces externosTipos de herramientas de inteligencia de negocios[editar] Cuadro de mando integraltambin llamadosDashboard. Digital Dashboards o paneles de Control Digital - Tambin conocidos como Business Intelligence Dashboards, o Dashboards Ejecutivos, Son resmenes visuales de informacin del negocio, que muestran de una mirada la comprensin del global de las condiciones del negocio mediante mtricas eIndicadores Clave de Desempeo(KPIs). Esta es una Herramienta de Inteligencia de Negocios muy popular desde hace unos pocos aos. OLAP(Procesamiento Analtico en lnea por sus siglas en Ingls) (incluidoHOLAP,ROLAPandMOLAP)- Es la capacidad de algunos sistemas de soporte de decisiones gerenciales que permiten examinar de manera interactiva grandes volmenes de informacin desde varias perspectivas.1 Aplicaciones de Informes, genera vistas de datos agregadas para mantener a la gerencia informada sobre el estado de su negocio. Minera de datos- Extraccin de informacin de las bases de datos acerca del consumidor, mediante la utilizacin de aplicaciones que pueden aislar e identificar patrones o tendencias del consumidor en un alto volumen de datos. Hay una gran variedad de tcnicas de minera de datos que revelan distintos tipos de patrones.2Algunas de las tcnicas sonmtodos estadsticos(Particularmente Estadstica de Negocios) yRedes Neuralescomo formas altamente avanzadas de anlisis de datos.

Productos de fuente abierta de inteligencia de negocios[editar] Eclipse BIRT Project: Generador de informes para aplicaciones Web de cdigo abierto basado enEclipse JasperReports LogiReport: Aplicacin de BI gratuita basada en Web de LogiXML OpenI: Aplicacin Web simple orientada al reportingOLAP. Palo: Pentaho RapidMiner(antes YALE): SpagoBI:Productos comerciales[editar] Informe SQL (QLR Manager en espaol) Microsoft SQL Server - Suite de Herramienta de BI (Analysis Services, Integration Services y reporting Services) ACE*COMM Actuate ApeSoft (http://www.apesoft.es) Applix Bitool Herramienta de ETL y Visualizacion BiPoint - Business Intelligence Bingo Intelligence (http://www.bingointelligence.com) BIRT Analytics BiyCloud Smart: QlikView + Cloud + Social Business Business Objects (SAP company)|Business Objects CA Oblicore Guarantee CODISA BI CP CORPORATE PLANNING (CP[1]) IBMCognos ComArch CyberQuery Crystal Reports DataCyCle Reporting Dimensional Insight dLife (Apara) dVelox (Apara) Dynamic Data Web Hyperion Solutions Corporation(ahoraOracle) IdeaSoft - Business Intelligence & Performance iAnalytics, Inteligencia de Negocio en Farmacia Hospitalaria Information Builders InetSoft Technology LiteBI LogiXML Mpex Dynamics Microsoft Excel MicroStrategy Nucleon BI Studio NiMbox Oracle Corporation(busque Oracle Business Intelligence Server ONE) OutlookSoft Panorama Software Pentaho BI_SW PerformancePoint Server 2007 Pilot software|Pilot Software, Inc. Prelytis Proclarity Prospero Business Suite QlikView Jedox SAP Business Information Warehouse SAS Institute Siebel Systems Smile-Sotware Spotfire StatSoft SPSS Synerplus Tableau Tacnetting, Inteligencia para la Organizacion Telerik Teradata Yellowfin Business Intelligence

Qu es Business Intelligence?Business Intelligence es la habilidad para transformar los datos en informacin, y la informacin en conocimiento, de forma que se pueda optimizar el proceso de toma de decisiones en los negocios.

Desde un punto de vista ms pragmtico, y asocindolo directamente con las tecnologas de la informacin, podemos definir Business Intelligence como el conjunto de metodologas, aplicaciones y tecnologas que permiten reunir, depurar y transformar datos de los sistemas transaccionales e informacin desestructurada (interna y externa a la compaa) en informacin estructurada, para su explotacin directa (reporting, anlisis OLTP / OLAP, alertas...) o para su anlisis y conversin en conocimiento, dando as soporte a la toma de decisiones sobre el negocio.La inteligencia de negocio acta como un factor estratgico para una empresa u organizacin, generando una potencialventaja competitiva, que no es otra que proporcionarinformacin privilegiada para responder a los problemas de negocio: entrada a nuevos mercados, promociones u ofertas de productos, eliminacin de islas de informacin, control financiero, optimizacin de costes, planificacin de la produccin, anlisis de perfiles de clientes, rentabilidad de un producto concreto, etc...Los principales productos de Business Intelligence que existen hoy en da son:Cuadros de Mando Integrales (CMI)Sistemas de Soporte a la Decisin (DSS)Sistemas de Informacin Ejecutiva (EIS)Por otro lado, los principales componentes de orgenes de datos en el Business Intelligence que existen en la actualidad son:DatamartDatawarehouseLos sistemas y componentes del BI se diferencian de los sistemas operacionales en que estn optimizados para preguntar y divulgar sobre datos. Esto significa tpicamente que, en un datawarehouse, los datos estn desnormalizados para apoyar consultas de alto rendimiento, mientras que en los sistemas operacionales suelen encontrarse normalizados para apoyar operaciones continuas de insercin, modificacin y borrado de datos. En este sentido, los procesos ETL (extraccin, transformacin y carga), que nutren los sistemas BI, tienen que traducir de uno o varios sistemas operacionales normalizados e independientes a un nico sistema desnormalizado, cuyos datos estn completamente integrados.En definitiva, una solucin BI completa permite:Observarqu est ocurriendo?Comprenderpor qu ocurre?Predecirqu ocurrira?Colaborarqu debera hacer el equipo?Decidirqu camino se debe seguir?

http:// http://www.sinnexus.com/business_intelligence/

Cuadro de Mando IntegralEl Cuadro de Mando Integral (CMI), tambin conocido comoBalanced Scorecard (BSC)odashboard, es una herramienta de control empresarial que permite establecer y monitorizar los objetivos de una empresa y de sus diferentes reas o unidades.Tambin se puede considerar como una aplicacin que ayuda a una compaa a expresar los objetivos e iniciativas necesarias para cumplir con su estrategia, mostrando de forma continuada cundo la empresa y los empleados alcanzan los resultados definidos en suplan estratgico.

Diferencia con otras herramientas de Business IntelligenceEl Cuadro de Mando Integral se diferencia de otras herramientas de Business Intelligence, como los Sistemas de Soporte a la Decisin (DSS) o los Sistemas de Informacin Ejecutiva (EIS), en que est ms orientados al seguimiento de indicadores que al anlisis minucioso de informacin. Por otro lado, es muy comn que un CMI sea controlado por la direccin general de una compaa, frente a otras herramientas de Business Intelligence ms enfocadas a a la direccin departamental. El CMI requiere, por tanto, que los directivos analicen el mercado y la estrategia para construir un modelo de negocio que refleje las interrelaciones entre los diferentes componentes de la empresa (plan estratgico). Una vez que lo han construido, los responsables de la organizacin utilizan este modelo como mapa para seleccionar los indicadores del CMI.

Tipos de Cuadros de MandoElCuadro de Mando Operativo (CMO), es una herramienta de control enfocada al seguimiento de variables operativas, es decir, variables pertenecientes a reas o departamentos especficos de la empresa. La periodicidad de los CMO puede ser diaria, semanal o mensual, y est centrada en indicadores que generalmente representan procesos, por lo que su implantacin y puesta en marcha es ms sencilla y rpida. Un CMO debera estar siempre ligado a un DSS (Sistema de Soporte a Decisiones) para indagar en profundidad sobre los datos.ElCuadro de Mando Integral (CMI), por el contrario, representa la ejecucin de la estrategia de una compaa desde el punto de vista de la Direccin General (lo que hace que sta deba estar plenamente involucrada en todas sus fases, desde la definicin a la implantacin). Existen diferentes tipos de cuadros de mando integral, si bien los ms utilizados son los que se basan en lametodologa de Kaplan & Norton. La principales caractersticas de esta metodologa son que utilizan tanto indicadores financieros como no financieros, y que los objetivos estratgicos se organizan en cuatro reas o perspectivas: financiera, cliente, interna y aprendizaje/crecimiento. Laperspectiva financieraincorpora la visin de los accionistas y mide la creacin de valor de la empresa. Responde a la pregunta: Qu indicadores tienen que ir bien para que los esfuerzos de la empresa realmente se transformen en valor? Esta perspectiva valora uno de los objetivos ms relevantes de organizaciones con nimo de lucro, que es, precisamente, crear valor para la sociedad. Laperspectiva del clienterefleja el posicionamiento de la empresa en el mercado o, ms concretamente, en los segmentos de mercado donde quiere competir. Por ejemplo, si una empresa sigue una estrategia de costes es muy posible que la clave de su xito dependa de una cuota de mercado alta y unos precios ms bajos que la competencia. Dos indicadores que reflejan este posicionamiento son la cuota de mercado y un ndice que compare los precios de la empresa con los de la competencia. Laperspectiva internarecoge indicadores de procesos internos que son crticos para el posicionamiento en el mercado y para llevar la estrategia a buen puerto. En el caso de la empresa que compite en coste, posiblemente los indicadores de productividad, calidad e innovacin de procesos sean importantes. El xito en estas dimensiones no slo afecta a la perspectiva interna, sino tambin a la financiera, por el impacto que tienen sobre las rbricas de gasto. La perspectiva deaprendizaje y crecimientoes la ltima que se plantea en este modelo de CMI. Para cualquier estrategia, los recursos materiales y las personas son la clave del xito. Pero sin un modelo de negocio apropiado, muchas veces es difcil apreciar la importancia de invertir, y en pocas de crisis lo primero que se recorta es precisamente la fuente primaria de creacin de valor: se recortan inversiones en la mejora y el desarrollo de los recursos.

Pese a que estas cuatro son las perspectivas ms genricas, no son "obligatorias". Por ejemplo, una empresa de fabricacin de ropa deportiva tiene, adems de la perspectiva de clientes, una perspectiva de consumidores. Para esta empresa son tan importantes sus distribuidores como sus clientes finales.Una vez que se tienen claros los objetivos de cada perspectiva, es necesario definir los indicadores que se utilizan para realizar su seguimiento. Para ello, debemos tener en cuenta varios criterios: el primero es que el nmero de indicadores no supere los siete por perspectiva, y si son menos, mejor. La razn es que demasiados indicadores difuminan el mensaje que comunica el CMI y, como resultado, los esfuerzos se dispersan intentando perseguir demasiados objetivos al mismo tiempo. Puede ser recomendable durante el diseo empezar con una lista ms extensa de indicadores. Pero es necesario un proceso de sntesis para disponer de toda la fuerza de esta herramienta.No obstante, la aportacin que ha convertido al CMI en una de las herramientas ms significativas de los ltimos aos es que se cimenta en un modelo de negocio. El xito de su implantacin radica en que el equipo de direccin se involucre y dedique tiempo al desarrollo de su propio modelo de negocio.

Beneficios de la implantacin de un Cuadro de Mando Integral La fuerza de explicitar un modelo de negocio y traducirlo en indicadores facilita el consenso en toda la empresa, no slo de la direccin, sino tambin de cmo alcanzarlo. Clarifica cmo las acciones del da a da afectan no slo al corto plazo, sino tambin al largo plazo. Una vez el CMI est en marcha, se puede utilizar para comunicar los planes de la empresa, aunar los esfuerzos en una sola direccin y evitar la dispersin. En este caso, el CMI acta como un sistema de control por excepcin. Permita detectar de forma automtica desviaciones en el plan estratgico u operativo, e incluso indagar en los datos operativos de la compaa hasta descubrir la causa original que di lugar a esas desviaciones.

Riesgos de la implantacin de un Cuadro de Mando Integral Un modelo poco elaborado y sin la colaboracin de la direccin es papel mojado, y el esfuerzo ser en vano. Si los indicadores no se escogen con cuidado, el CMI pierde una buena parte de sus virtudes, porque no comunica el mensaje que se quiere transmitir. Cuando la estrategia de la empresa est todava en evolucin, es contraproducente que el CMI se utilice como un sistema de control clsico y por excepcin, en lugar de usarlo como una herramienta de aprendizaje. Existe el riesgo de que lo mejor sea enemigo de lo bueno, de que el CMI sea perfecto, pero desfasado e intil.

Si no est familiarizado con la utilizacin de un cuadro de mando integral, puede resultarle til, adems, examinar las siguientes definiciones:Plan directorPlan estratgicoPlan operativo anual (POA)Sistemas de Soporte a la Decisin (DSS)Sistemas de Informacin Ejecutiva (EIS)http://www.sinnexus.com/business_intelligence/cuadro_mando_integral.aspx

Sistemas de Soporte a la Decisin (DSS)UnSistema de Soporte a la Decisin (DSS)es una herramienta de Business Intelligence enfocada al anlisis de los datos de una organizacin.En principio, puede parecer que el anlisis de datos es un proceso sencillo, y fcil de conseguir mediante una aplicacin hecha a medida o un ERP sofisticado. Sin embargo, no es as: estas aplicaciones suelen disponer de una serie de informes predefinidos en los que presentan la informacin de manera esttica, pero no permiten profundizar en los datos, navegar entre ellos, manejarlos desde distintas perspectivas... etc.

El DSS es una de las herramientas ms emblemticas del Business Intelligence ya que, entre otras propiedades, permiten resolver gran parte de las limitaciones de los programas de gestin. Estas son algunas de sus caractersticas principales:Informes dinmicos, flexibles e interactivos, de manera que el usuario no tenga que ceirse a los listados predefinidos que se configuraron en el momento de la implantacin, y que no siempre responden a sus dudas reales.No requiere conocimientos tcnicos. Un usuario no tcnico puede crear nuevos grficos e informes y navegar entre ellos, haciendodrag&dropodrill through. Por tanto, para examinar la informacin disponible o crear nuevas mtricas no es imprescindible buscar auxilio en el departamento de informtica.Rapidez en el tiempo de respuesta, ya que la base de datos subyacente suele ser un datawarehouse corporativo o un datamart, con modelos de datos en estrella o copo de nieve. Este tipo de bases de datos estn optimizadas para el anlisis de grandes volmenes de informacin (veasenalisis OLTP-OLAP).Integracin entre todos los sistemas/departamentos de la compaa. El proceso de ETL previo a la implantacin de un Sistema de Soporte a la Decisin garantiza la calidad y la integracin de los datos entre las diferentes unidades de la empresa. Existe lo que se llama:integridad referencial absoluta.Cada usuario dispone de informacin adecuada a su perfil. No se trata de que todo el mundo tenga acceso a toda la informacin, sino de que tenga acceso a la informacin que necesita para que su trabajo sea lo ms eficiente posible.Disponibilidad de informacin histrica. En estos sistemas est a la orden del da comparar los datos actuales con informacin de otros perodos histricos de la compaa, con el fin de analizar tendencias, fijar la evolucin de parmetros de negocio... etc.

Diferencia con otras herramientas de Business IntelligenceEl principal objetivo de los Sistemas de Soporte a Decisiones es, a diferencia de otras herramientas como losCuadros de Mando (CMI)o losSistemas de Informacin Ejecutiva (EIS), explotar al mximo la informacin residente en una base de datos corporativa (datawarehouse o datamart), mostrando informes muy dinmicos y con gran potencial de navegacin, pero siempre con una interfaz grfica amigable, vistosa y sencilla.

Otra diferencia fundamental radica en los usuarios a los que estn destinadas las plataformas DSS: cualquier nivel gerencial dentro de una organizacin, tanto para situaciones estructuradas como no estructuradas. (En este sentido, por ejemplo, los CMI estn ms orientados a la alta direccin).Por ltimo, destacar que los DSS suelen requerir (aunque no es imprescindible) unmotor OLAPsubyacente, que facilite el anlisis casi ilimitado de los datos para hallar las causas raices de los problemas/pormenores de la compaa.

Tipos de Sistemas de Soporte a DecisionesSistemas de informacin gerencial (MIS)Los sistemas de informacin gerencial (MIS,Management Information Systems), tambien llamados Sistemas de Informacin Administrativa (AIS) dan soporte a un espectro ms amplio de tareas organizacionales, encontrndose a medio camino entre un DSS tradicional y una aplicacin CRM/ERP implantada en la misma compaa.Sistemas de informacin ejecutiva (EIS)Los sistemas de informacin ejecutiva (EIS,Executive Information System) son el tipo de DSS que ms se suele emplear en Business Intelligence, ya que proveen a los gerentes de un acceso sencillo a informacin interna y externa de su compaa, y que es relevante para sus factores clave de xito.Sistemas expertos basados en inteligencia artificial (SSEE)Los sistemas expertos, tambin llamados sistemas basados en conocimiento, utilizan redes neuronales para simular el conocimiento de un experto y utilizarlo de forma efectiva para resolver un problema concreto. Este concepto est muy relacionado con eldatamining.Sistemas de apoyo a decisiones de grupo (GDSS)Un sistema de apoyo a decisiones en grupos (GDSS,Group Decision Support Systems) es "un sistema basado en computadoras que apoya a grupos de personas que tienen una tarea (u objetivo) comn, y que sirve como interfaz con un entorno compartido". El supuesto en que se basa el GDSS es que si se mejoran las comunicaciones se pueden mejorar las decisiones.

Si no est familiarizado con el concepto de Sistema de Soporte a Decisiones, puede resultarle til, adems, examinar las siguientes definiciones:Cuadro de Mando IntegralSistemas de Informacin Ejecutiva (EIS)DatawarehouseDatamartDatamininghttp://www.sinnexus.com/business_intelligence/sistemas_soporte_decisiones.aspx

Sistemas de Informacin Ejecutiva (EIS)UnSistema de Informacin para EjecutivosoSistema de Informacin Ejecutivaes una herramienta software, basada en un DSS, que provee a los gerentes de un acceso sencillo a informacin interna y externa de su compaa, y que es relevante para sus factores clave de xito.La finalidad principal es que el ejecutivo tenga a su disposicin un panorama completo del estado de los indicadores de negocio que le afectan al instante, manteniendo tambin la posibilidad de analizar con detalle aquellos que no estn cumpliendo con las expectativas establecidas, para determinar el plan de accin ms adecuado.

De forma ms pragmtica, se puede definir un EIS como una aplicacin informtica que muestra informes y listados (query&reporting) de las diferentes reas de negocio, de forma consolidada, para facilitar la monitorizacin de la empresa o de una unidad de la misma.El EIS se caracteriza por ofrecer al ejecutivo un acceso rpido y efectivo a la informacin compartida, utilizando interfaces grficas visuales e intutivas. Suele incluir alertas e informes basados en excepcin, as como histricos y anlisis de tendencias. Tambin es frecuente que permita la domiciliacin por correo de los informes ms relevantes.A travs de esta solucin se puede contar con un resumen del comportamiento de una organizacin o rea especfica, y poder compararla a travs del tiempo. Es posible, adems, ajustar la visin de la informacin a la teora de Balanced Scorecard oCuadro de Mando Integralimpulsada por Norton y Kaplan, o bien a cualquier modelo estratgico de indicadores que maneje la compaa.

Si no est familiarizado con el concepto de Sistema de Informacin Ejecutiva, puede resultarle til, adems, examinar las siguientes definiciones:Cuadro de Mando IntegralSistemas de Soporte a la Decisin (DSS)DataminingDatamartDatawarehousehttp://www.sinnexus.com/business_intelligence/sistemas_informacion_ejecutiva.aspx 04/05/2015DatamartUnDatamartes una base de datos departamental, especializada en el almacenamiento de los datos de un rea de negocio especfica. Se caracteriza por disponer laestructura ptima de datospara analizar la informacin al detalle desde todas las perspectivas que afecten a los procesos de dicho departamento. Un datamart puede ser alimentado desde los datos de undatawarehouse, o integrar por si mismo un compendio de distintas fuentes de informacin.

Por tanto, para crear el datamart de un rea funcional de la empresa es preciso encontrar la estructura ptima para el anlisis de su informacin, estructura que puede estar montada sobre una base de datos OLTP, como el propio datawarehouse, o sobre una base de datos OLAP. La designacin de una u otra depender de los datos, los requisitos y las caractersticas especficas de cada departamento. De esta forma se pueden plantear dos tipos de datamarts:Datamart OLAPSe basan en los popularescubos OLAP, que se construyen agregando, segn los requisitos de cada rea o departamento, las dimensiones y los indicadores necesarios de cada cubo relacional. El modo de creacin, explotacin y mantenimiento de los cubos OLAP es muy heterogneo, en funcin de la herramienta final que se utilice.Datamart OLTPPueden basarse en un simple extracto del datawarehouse, no obstante, lo comn es introducir mejoras en su rendimiento (las agregaciones y los filtrados suelen ser las operaciones ms usuales) aprovechando las caractersticas particulares de cada rea de la empresa. Las estructuras ms comunes en este sentido son las tablas report, que vienen a serfact-tablesreducidas (que agregan las dimensiones oportunas), y las vistas materializadas, que se construyen con la misma estructura que las anteriores, pero con el objetivo de explotar la reescritura de queries (aunque slo es posibles en algunos SGBD avanzados, como Oracle).Los datamarts que estn dotados con estas estructuras ptimas de anlisis presentan las siguientes ventajas: Poco volumen de datos Mayor rapidez de consulta Consultas SQL y/o MDX sencillas Validacin directa de la informacin Facilidad para la historizacin de los datos

Si no est familiarizado con el concepto de datamart, puede resultarle til, adems, examinar las siguientes definiciones:DatawarehouseSistemas de Soporte a la Decisin (DSS)Bases de datos OLTP y OLAPDatamininghttp://www.sinnexus.com/business_intelligence/datamart.aspx

DatawarehouseUnDatawarehousees una base de datos corporativa que se caracteriza por integrar y depurar informacin de una o ms fuentes distintas, para luego procesarla permitiendo su anlisis desde infinidad de pespectivas y con grandes velocidades de respuesta. La creacin de un datawarehouse representa en la mayora de las ocasiones el primer paso, desde el punto de vista tcnico, para implantar una solucin completa y fiable de Business Intelligence.La ventaja principal de este tipo de bases de datos radica en las estructuras en las que se almacena la informacin (modelos de tablas en estrella, en copo de nieve, cubos relacionales... etc). Este tipo de persistencia de la informacin es homognea y fiable, y permite la consulta y el tratamiento jerarquizado de la misma (siempre en un entorno diferente a los sistemas operacionales).

El trmino Datawarehouse fue acuado por primera vez por Bill Inmon, y se traduce literalmente comoalmacn de datos. No obstante, y como cabe suponer, es mucho ms que eso. Segn defini el propio Bill Inmon, un datawarehouse se caracteriza por ser:Integrado:los datos almacenados en el datawarehouse deben integrarse en una estructura consistente, por lo que las inconsistencias existentes entre los diversos sistemas operacionales deben ser eliminadas. La informacin suele estructurarse tambin en distintos niveles de detalle para adecuarse a las distintas necesidades de los usuarios.Temtico:slo los datos necesarios para el proceso de generacin del conocimiento del negocio se integran desde el entorno operacional. Los datos se organizan por temas para facilitar su acceso y entendimiento por parte de los usuarios finales. Por ejemplo, todos los datos sobre clientes pueden ser consolidados en una nica tabla del datawarehouse. De esta forma, las peticiones de informacin sobre clientes sern ms fciles de responder dado que toda la informacin reside en el mismo lugar.Histrico:el tiempo es parte implcita de la informacin contenida en un datawarehouse. En los sistemas operacionales, los datos siempre reflejan el estado de la actividad del negocio en el momento presente. Por el contrario, la informacin almacenada en el datawarehouse sirve, entre otras cosas, para realizar anlisis de tendencias. Por lo tanto, el datawarehouse se carga con los distintos valores que toma una variable en el tiempo para permitir comparaciones.No voltil:el almacn de informacin de un datawarehouse existe para ser ledo, pero no modificado. La informacin es por tanto permanente, significando la actualizacin del datawarehouse la incorporacin de los ltimos valores que tomaron las distintas variables contenidas en l sin ningn tipo de accin sobre lo que ya exista.Otra caracterstica del datawarehouse es que contiene metadatos, es decir, datos sobre los datos. Los metadatos permiten saber la procedencia de la informacin, su periodicidad de refresco, su fiabilidad, forma de clculo... etc.Los metadatos sern los que permiten simplificar y automatizar la obtencin de la informacin desde los sistemas operacionales a los sistemas informacionales.Los objetivos que deben cumplir los metadatos, segn el colectivo al que va dirigido, son:Dar soporte al usuario final, ayudndole a acceder al datawarehouse con su propio lenguaje de negocio, indicando qu informacin hay y qu significado tiene. Ayudar a construir consultas, informes y anlisis, mediante herramientas de Business Intelligence comoDSS,EISoCMI.Dar soporte a los responsables tcnicos del datawarehouse en aspectos de auditora, gestin de la informacin histrica, administracin del datawarehouse, elaboracin de programas de extraccin de la informacin, especificacin de las interfaces para la realimentacin a los sistemas operacionales de los resultados obtenidos... etc.Por ltimo, destacar que para comprender ntegramente el concepto de datawarehouse, es importante entender cual es el proceso de construccin del mismo, denominado ETL (Extraccin, Transformacin y Carga), a partir de los sistemas operaciones de una compaa:Extraccin:obtencin de informacin de las distintas fuentes tanto internas como externas.Transformacin:filtrado, limpieza, depuracin, homogeneizacin y agrupacin de la informacin.Carga:organizacin y actualizacin de los datos y los metadatos en la base de datos.

Una de las claves del xito en la construccin de un datawarehouse es el desarrollo de forma gradual, seleccionando a un departamento usuario como piloto y expandiendo progresivamente el almacn de datos a los dems usuarios. Por ello es importante elegir este usuario inicial o piloto, siendo importante que sea un departamento con pocos usuarios, en el que la necesidad de este tipo de sistemas es muy alta y se puedan obtener y medir resultados a corto plazo.Principales aportaciones de un datawarehouse Proporciona una herramienta para la toma de decisiones en cualquier rea funcional, basndose en informacin integrada y global del negocio. Facilita la aplicacin de tcnicas estadsticas de anlisis y modelizacin para encontrar relaciones ocultas entre los datos del almacn; obteniendo un valor aadido para el negocio de dicha informacin. Proporciona la capacidad de aprender de los datos del pasado y de predecir situaciones futuras en diversos escenarios. Simplifica dentro de la empresa la implantacin de sistemas de gestin integral de la relacin con el cliente. Supone una optimizacin tecnolgica y econmica en entornos de Centro de Informacin, estadstica o de generacin de informes con retornos de la inversin espectaculares.Si no est familiarizado con el concepto de datawarehouse, puede resultarle til, adems, examinar las siguientes definiciones:DatamartDataminingCuadro de Mando IntegralSistemas de Soporte a la Decisin (DSS)Sistemas de Informacin Ejecutiva (EIS)http://www.sinnexus.com/business_intelligence/datawarehouse.aspx

Bases de datos OLTP y OLAPOLTP - On-Line Transactional ProcessingLos sistemas OLTP son bases de datos orientadas al procesamiento de transacciones. Una transaccin genera un proceso atmico (que debe ser validado con uncommit, o invalidado con unrollback), y que puede involucrar operaciones de insercin, modificacin y borrado de datos. El proceso transaccional es tpico de las bases de datos operacionales. El acceso a los datos est optimizado para tareas frecuentes de lectura y escritura. (Por ejemplo, la enorme cantidad de transacciones que tienen que soportar las BD de bancos o hipermercados diariamente). Los datos se estructuran segn el nivel aplicacin (programa de gestin a medida, ERP o CRM implantado, sistema de informacin departamental...). Los formatos de los datos no son necesariamente uniformes en los diferentes departamentos (es comn la falta de compatibilidad y la existencia de islas de datos). El historial de datos suele limitarse a los datos actuales o recientes.

OLAP - On-Line Analytical ProcessingLos sistemas OLAP son bases de datos orientadas al procesamiento analtico. Este anlisis suele implicar, generalmente, la lectura de grandes cantidades de datos para llegar a extraer algn tipo de informacin til: tendencias de ventas, patrones de comportamiento de los consumidores, elaboracin de informes complejos etc. Este sistema es tpico de los datamarts. El acceso a los datos suele ser de slo lectura. La accin ms comn es la consulta, con muy pocas inserciones, actualizaciones o eliminaciones. Los datos se estructuran segn las reas de negocio, y los formatos de los datos estn integrados de manera uniforme en toda la organizacin. El historial de datos es a largo plazo, normalmente de dos a cinco aos. Las bases de datos OLAP se suelen alimentar de informacin procedente de los sistemas operacionales existentes, mediante un proceso de extraccin, transformacin y carga (ETL).Persistencia ROLAP, MOLAP, HOLAPhttp://www.sinnexus.com/business_intelligence/olap_vs_oltp.aspx

Datamining (Minera de datos)Eldatamining(minera de datos), es el conjunto de tcnicas y tecnologas que permiten explorar grandes bases de datos, de manera automtica o semiautomtica, con el objetivo de encontrar patrones repetitivos, tendencias o reglas que expliquen el comportamiento de los datos en un determinado contexto.Bsicamente, el datamining surge para intentar ayudar a comprender el contenido de un repositorio de datos. Con este fin, hace uso de prcticas estadsticas y, en algunos casos, de algoritmos de bsqueda prximos a la Inteligencia Artificial y a las redes neuronales.De forma general, los datos son la materia prima bruta. En el momento que el usuario les atribuye algn significado especial pasan a convertirse en informacin. Cuando los especialistas elaboran o encuentran un modelo, haciendo que la interpretacin que surge entre la informacin y ese modelo represente un valor agregado, entonces nos referimos al conocimiento. Vea msdiferencias entre datos, informacin y conocimiento.

Aunque en datamining cada caso concreto puede ser radicalmente distinto al anterior, el proceso comn a todos ellos se suele componer de cuatro etapas principales:Determinacin de los objetivos.Trata de la delimitacin de los objetivos que el cliente desea bajo la orientacin del especialista en data mining.Preprocesamiento de los datos.Se refiere a la seleccin, la limpieza, el enriquecimiento, la reduccin y la transformacin de las bases de datos. Esta etapa consume generalmente alrededor del setenta por ciento del tiempo total de un proyecto de data mining.Determinacin del modelo.Se comienza realizando unos anlisis estadsticos de los datos, y despus se lleva a cabo una visualizacin grfica de los mismos para tener una primera aproximacin. Segn los objetivos planteados y la tarea que debe llevarse a cabo, pueden utilizarse algoritmos desarrollados en diferentes reas de la Inteligencia Artificial.Anlisis de los resultados.Verifica si los resultados obtenidos son coherentes y los coteja con los obtenidos por los anlisis estadsticos y de visualizacin grfica. El cliente determina si son novedosos y si le aportan un nuevo conocimiento que le permita considerar sus decisiones.

Carga de trabajo en las fases de un proyecto de datamining

En resumen, el datamining se presenta como una tecnologa emergente, con varias ventajas: por un lado, resulta un buen punto de encuentro entre los investigadores y las personas de negocios; por otro, ahorra grandes cantidades de dinero a una empresa y abre nuevas oportunidades de negocios. Adems, no hay duda de que trabajar con esta tecnologa implica cuidar un sinnmero de detalles debido a que el producto final involucra "toma de decisiones".En el artculoData Mining: Torturando a los datos hasta que confiesen, Luis Carlos Molina proporciona una visin muy clarificadora sobre la minera de datos, incluyendo interesantes ejemplos de aplicaciones de la misma. Recomendamos su lectura.Si no est familiarizado con el concepto de Datamining, puede resultarle til, adems, examinar las siguientes definiciones:DatamartDatawarehouseCuadro de Mando IntegralSistemas de Soporte a la Decisin (DSS)Sistemas de Informacin Ejecutiva (EIS)http://www.sinnexus.com/business_intelligence/datamining.aspx

Plan directorEl plan director es un documento formal en el que se intenta plasmar, por parte de los responsables de una compaa (directivos, gerentes, empresarios...) cual ser la situacin de la misma dentro un perodo de tiempo, generalmente de 5 a 10 aos.El plan director escualitativo: define las futuras cualidades (no las cantidades) de la compaa,finalista: indica lo que se quiere conseguir, pero no cmo conseguirlo, yatemporal: no establece plazos para alcanzar lo propuesto, a excepcin de la propia vigencia del plan.El plan director recoge tres puntos principales:Productos y servicios: describe el catlogo de productos y/o servicios que ofrecer la compaa a sus clientes, y en los que deben basarse sus ingresos en el medio y en el largo plazo. Esta enumeracin debera ser visionaria, completa y realista.Mercado potencial: describe el perfil de los clientes que tendrn acceso a los productos que ofrece la compaa (pblico final, empresas...), indicando el segmento ms aproximado y sus caractersticas principales.Ventajas competitivas: describe las caractersticas que deben situar a la compaa en una situacin ventajosa con respecto a su competencia. Estas ventajas deben ser, ante todo, difciles de imitar y sostenibles en el tiempo. Aprenda ms sobre ventajas competitivasaqu.En la prctica, el plan director se suele condensar en un documento escrito (generalmente de menos de 10 pginas) que no es ms una instantnea del futuro que los directivos quieren para su compaa.El plan director es, por tanto, el eje central sobre el que se articularn otros documentos de vital importancia para la empresa, como elplan estratgicoo elplan operativo anual.http://www.sinnexus.com/business_intelligence/plan_director.aspxPlan estratgicoEl plan estratgico es un documento formal en el que se intenta plasmar, por parte de los responsables de una compaa (directivos, gerentes, empresarios...) cual ser la estrategia de la misma durante un perodo de tiempo, generalmente de 3 a 5 aos.El plan estratgico escuantitativo: establece las cifras que debe alcanzar la compaa,manifiesto: describe el modo de conseguirlas, perfilando la estrategia a seguir, ytemporal: indica los plazos de los que dispone la compaa para alcanzar esas cifras.El plan estratgico recoge tres puntos principales:Objetivos: un objetivo es un hecho que no depende directamente de la compaa, y que est formado por la ecuacin: cantidad a alcanzar + plazo para conseguirlo. El verbo asociado a un objetivo es siempreconseguir:

-Conseguir una facturacin de 1.000.000 antes de 2.010.-Conseguir incrementar la rentabilidad econmica un 10% durante 2.008.-Conseguir una cuota de mercado del 40% antes de Noviembre de 2.007.

Los objetivos del tipo:"Optimizar los recursos empleados"o"Maximizar el beneficio durante este ao"no son vlidos, ya que no indican una cantidad a alcanzar y un plazo para conseguirlo. Tampoco sera correcto el objetivo:"Gastar 10.000 en renovar el equipamiento informtico durante Febrero", ya que eso depende directamente de la compaa.Polticas: una poltica es una conducta que marca la compaa, y que sirve para describir su actitud, continuada en el tiempo, a la hora de enfrentarse a situaciones de diversa ndole. El verbo asociado a una poltica es siempreestablecer:

-Establecer una poltica de cobros a 30 das y de pagos a 90 das.-Establecer una poltica de contratacin para titulados con al menos 2 aos de experiencia.-Establecer una poltica retributiva basada en un 80% de retribucin fija y 20% retribucin variable.

Existen muchos parmetros sobre los que se puede establecer la actitud de la empresa, como la poltica de tesorera, la poltica de atencin al cliente, la poltica de recursos humanos, la poltica de imagen corporativa, la poltica de reparto de dividendos...Acciones: una accin es un hecho que depende directamente de la compaa, y que generalmente se lleva a cabo para facilitar la consecucin de los objetivos, fomentar el respeto a las polticas impuestas, o vertebrar la estrategia global de la empresa. El verbo asociado a una accin es siemprerealizar:

-Asistir a los principales congresos del sector para mejorar la formacin interna.-Lanzar una campaa de publicidad en TV y peridicos para promocionar el nuevo producto.-Elaborar un manual de procedimientos interno que agilice la incorporacin de nuevos miembros.

Las acciones se suelen agrupar de tal manera que sea sencillo identificar su origen y, a su vez, su finalidad. As se pueden clasificar como dependientes de un objetivo estratgico, de una poltica de empresa o simplemente como acciones puntuales.En la prctica, el plan estratgico se suele sintetizar en un documento escrito (generalmente de menos de 20 pginas), concretando as las lneas estratgicas generales a seguir por la compaa.El plan estratgico describe, por tanto, una manera de conseguir las cualidades organizacionales enumeradas en elplan director. No obstante, el plan estratgico no suele estar lo suficientemente detallado como para actuar a nivel departamental. Para ello, se suele utilizar elplan operativo anual.La herramienta de Business Intelligence dedicada a la inclusin y seguimiento del plan estratgico en una empresa es elCuadro de Mando IntegraloBalanced Scorecard.

Plan operativo anual (POA)El plan operativo anual es un documento formal en el que se enumeran, por parte de los responsables de una entidad facturadora (compaa, departamento, sucursal u oficina) los objetivos a conseguir durante el presente ejercicio.El plan operativo anual debe estar perfectamente alineado con elplan estratgicode la empresa, y su especificacin sirve para concretar, adems de los objetivos a conseguir cada ao, la manera de alcanzarlos que debe seguir cada entidad (departamento, sucursal, oficina...).Por ejemplo, ante un objetivo estratgico global del tipo:"Conseguir una facturacin de 1.000.000 antes de 2.010.", un plan operativo debe desglosar esa cifra para cada ao:"Conseguir una facturacin de 600.000 en el ao 2.008","Conseguir una facturacin de 800.000 en el ao 2.009","Conseguir una facturacin de 1.000.000 en el ao 2.010".Adems, el plan operativo anual debe desglosar los objetivos para cada entidad facturadora:"La oficina de Madrid debe alcanzar una cifra de ventas de 200.000 en el ao 2.008","La oficina de Valencia debe alcanzar una cifra de ventas de 150.000 en el ao 2.008", etc...Incluso, dentro de cada sucursal o departamento es posible hallar una prediccin del volumen esperado de ventas para cada mes del ao (teniendo en cuenta la estacionalidad del producto o las oscilaciones que ha experimentado el mercado en aos anteriores).Por tanto, es comn en un plan operativo anual disponer, para cada mes (desde enero a diciembre), de un valor POA para cada objetivo. A medida que va avanzando el ao es posible fijar el valor real que se ha alcanzado y, por tanto, hallar posibles errores o desviaciones en el plan.Por ejemplo, para el caso del objetivo:"La oficina de Madrid debe alcanzar una cifra de ventas de 200.000 en el ao 2.008"MesPOA AcumuladoReal AcumuladoDesviacin

Enero15.000 16.292 1.292

Febrero30.000 26.488 -3.512

Marzo50.000 41.351 -8.649

Abril70.000 60.134 -9.866

Mayo85.000 74.011 -10.989

Junio100.000 88.506 -11.494

Julio120.000 (-)(-)

Agosto150.000

Septiembre170.000

Octubre180.000

Noviembre190.000

Diciembre200.000

Esto es preciso hacerlo, naturalmente, para cada objetivo anual de cada entidad.Lo ms importante de este modelo es que, mediante un correcto seguimiento del plan operativo anual, se puede hallar no slo las desviaciones en el plan, sino tambin el motivo de su origen. La herramienta de Business Intelligence dedicada a este fin es una de las ms implantadas en las empresas modernas: elCuadro de Mando IntegraloBalanced Scorecard.http://www.sinnexus.com/business_intelligence/plan_operativo_anual.aspx

Plataformas de Business IntelligenceA continuacin mostramos las principales plataformas de Business Intelligence con las que trabaja nuestra empresa. Si desea un listado ms exhaustivo de productos puede consultaraqu.

Razones por las que invertir en Business IntelligenceSegn un artculo deGartner Research, la falta de conocimiento es la mayor amenaza para las empresas modernas. Para ello, apuntan, el objetivo del Business Intelligencees eliminar las conjeturas y la ignorancia en los ambientes empresariales, aprovechando los vastos volmenes de datos cuantitativos que las empresas recolectan todos los das en sus diversas aplicaciones corporativas.BI como solucin tecnolgicaCentralizar, depurar y afianzar los datos.Las tecnologas de BI permiten reunir, normalizar y centralizar toda la informacin de la empresa, mediante unalmacn de datos, permitiendo as su explotacin sin esfuerzo. De esta forma, los departamentos comercial, operativo y financiero basan las decisiones estratgicas en la misma informacin.Descubrir informacin no evidente para las aplicaciones actuales.En el da a da de las aplicaciones de gestin se pueden esconder pautas de comportamiento, tendencias, evoluciones del mercado, cambios en el consumo o en la produccin, que resulta prcticamente imposible reconocer sin el software adecuado. Es lo que se puede calificar comoextraer informacin de los datos, y conocimiento de la informacin.Optimizar el rendimiento de los sistemas.Las plataformas de BI se disean para perfeccionar al mximo las consultas de alto nivel, realizando las transformaciones oportunas a cada sistema (OLTP - OLAP), y liberando los servidores operacionales.

BI como ventaja competitivaSeguimiento real del plan estratgico.Si su empresa dispone de plan estratgico, el business intelligence le permite, mediante uncuadro de mando, crear, manejar y monitorizar las mtricas y los objetivos estratgicos propuestos en ese plan, para poder detectar a tiempo las desviaciones, adoptando las acciones oportunas para corregirlas.Aprender de errores pasados.Al historizar los datos relevantes, una aplicacin de BI permite que una empresa aprenda de su historia y de sus mejores prcticas, y que pueda evitar tropezarse de nuevo con los mismos errores del pasado.Mejorar la competitividad.Segn la consultora internacionalGartner, 7 de cada 10 compaas realizan anlisis sobre sus datos de forma diaria, o incluso instantnea, en el 2.006. Este mecanismo les permite maximizar su rentabilidad. La acuciante tendencia a explotar la informacin marca cada vez ms la diferencia en los sectores.Obtener el verdadero valor de las aplicaciones de gestin.Durante los ltimos aos, las empresas se han embarcado en la construccin de estas aplicaciones clave para sus negocios. Sin embargo, no siempre han sabido aprovechar todo el potencial que les pueden proporcionar: cuentas de resultados, cash-flow, etc Con el business intelligence, todos los empleados, desde el director general hasta el ltimo analista, tienen acceso a informacin adecuada, integrada y actualizadahttp://www.sinnexus.com/business_intelligence/inversion.aspx

Cmo saber si su empresa necesita una solucin BI?Recuerde que el objetivo del Business Intelligence es colocar todos los datos al alcance de toda la empresa, proporcionando las herramientas para extraerlos de las aplicaciones, conferirles un formato estndar, y posteriormente almacenarlos en un repositorio optimizado para una entrega de la informacin rpida y resumida que haga posible un anlisis muy detallado.Para realizar un diagnstico instantneo de su empresa, slo tiene que responder al siguiente cuestionario: Est seguro de qu productos y clientes son los ms importantes para su empresa?SNoN/a Tiene problemas para crear una visin clara de toda su organizacin?SNoN/a Sabe si est perdiendo cuota de mercado con respecto a su competencia?SNoN/a Ha perdido oportunidades de negocio por recibirinformacinatrasada?SNoN/a Dedica horas extras a analizar documentos e informes?SNoN/a Tiene informes de variossistemas operacionalesque no concuerdan?SNoN/a Dispone de algunaventaja competitivaclara con respecto a las dems empresas de su sector?SNoN/a Sabe con certeza si su gente est alcanzando losobjetivos planificados?SNoN/aSi al menos la mitad de las respuestas han sido afirmativas, su empresa puede encontrar importantes beneficios al implantar un sistema de Business Intelligence. En caso contrario, puede consultaraqulos motivos por los que quiz llegue a interesarle en un futuro.http://www.sinnexus.com/business_intelligence/test_empresa.aspxInteligencia de NegociosLa Inteligencia de Negocios es el conjunto de productos y servicios que permiten a los usuarios finales acceder y analizar de manera rpida y sencilla, la informacin para la toma de decisiones de negocio a nivel operativo, tctico y estratgico.

El trmino Business Intelligence (Inteligencia de Negocios) hizo su aparicin en 1996 cuando un reporte de Gartner Group dijo textualmente lo siguiente:By 2000, Information Democracy will emerge in forward-thinking enterprises, with Business Intelligence information and applications available broadly to employees, consultants, customers, suppliers, and the public. The key to thriving in a competitive marketplace is staying ahead of the competition. Making sound business decisions based on accurate and current information takes more than intuition. Data analysis, reporting, and query tools can help business users wade through a sea of data to synthesize valuable information from it - today these tools collectively fall into a category called "Business Intelligence."Para el ao 2000, la Democracia de la Informacin emerger en las empresas de vanguardia, con las aplicaciones de Inteligencia de Negocios ampliamente disponibles a nivel de empleados, consultores, clie