http://www.sinnexus.com/business_intelligence/sistemas_informacion_ejecutiva.aspx
Sistemas de Información Ejecutiva (EIS)
Un Sistema de Información para Ejecutivos o Sistema de Información Ejecutiva es una herramienta software, basada en un DSS, que provee a los gerentes de un acceso sencillo a información interna y externa de su compañía, y que es relevante para sus factores clave de éxito.
La finalidad principal es que el ejecutivo tenga a su disposición un panorama completo del estado de los indicadores de negocio que le afectan al instante, manteniendo también la posibilidad de analizar con detalle aquellos que no estén cumpliendo con las expectativas establecidas, para determinar el plan de acción más adecuado.
Sistemas de Información Ejecutiva (EIS)
De forma más pragmática, se puede definir un EIS como una aplicación informática que muestra informes y listados (query & reporting) de las diferentes áreas de negocio, de forma consolidada, para facilitar la monitorización de la empresa o de una unidad de la misma.
El EIS se caracteriza por ofrecer al ejecutivo un acceso rápido y efectivo a la información compartida, utilizando interfaces gráficas visuales e intutivas. Suele incluir alertas e informes basados en excepción, así como históricos y análisis de tendencias. También es frecuente que permita la domiciliación por correo de los informes más relevantes.
A través de esta solución se puede contar con un resumen del comportamiento de una organización o área específica, y poder compararla a través del tiempo. Es posible, además, ajustar la visión de la información a la teoría de Balanced Scorecard o Cuadro de Mando Integral impulsada por Norton y Kaplan, o bien a cualquier modelo estratégico de indicadores que maneje la compañía.
Si no está familiarizado con el concepto de Sistema de Información Ejecutiva, puede resultarle útil, además, examinar las siguientes definiciones:
* Cuadro de Mando Integral
* Sistemas de Soporte a la Decisión (DSS)
* Datamining
* Datamart
* Datawarehouse
Datamart
Un Datamart es una base de datos departamental, especializada en el almacenamiento de los datos de un área de negocio específica. Se caracteriza por disponer la estructura óptima de datos para analizar la información al detalle desde todas las perspectivas que afecten a los procesos de dicho departamento. Un datamart puede ser alimentado desde los datos de un datawarehouse, o integrar por si mismo un compendio de distintas fuentes de información.
Por tanto, para crear el datamart de un área funcional de la empresa es preciso encontrar la estructura óptima para el análisis de su información, estructura que puede estar montada sobre una base de datos OLTP, como el propio datawarehouse, o sobre una base de datos OLAP. La designación de una u otra dependerá de los datos, los requisitos y las características específicas de cada departamento. De esta forma se pueden plantear dos tipos de datamarts:
Datamart OLAP
Se basan en los populares cubos OLAP, que se construyen agregando, según los requisitos de cada área o departamento, las dimensiones y los indicadores necesarios de cada cubo relacional. El modo de creación, explotación y mantenimiento de los cubos OLAP es muy heterogéneo, en función de la herramienta final que se utilice.
Datamart OLTP
Pueden basarse en un simple extracto del datawarehouse, no obstante, lo común es introducir mejoras en su rendimiento (las agregaciones y los filtrados suelen ser las operaciones más usuales) aprovechando las características particulares de cada área de la empresa. Las estructuras más comunes en este sentido son las tablas report, que vienen a ser fact-tables reducidas (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 sólo es posibles en algunos SGBD avanzados, como Oracle).
Los datamarts que están dotados con estas estructuras óptimas de análisis presentan las siguientes ventajas:
* Poco volumen de datos
* Mayor rapidez de consulta
* Consultas SQL y/o MDX sencillas
* Validación directa de la información
* Facilidad para la historización de los datos
Si no está familiarizado con el concepto de datamart, puede resultarle útil, además, examinar las siguientes definiciones:
* Datawarehouse
* Sistemas de Soporte a la Decisión (DSS)
* Bases de datos OLTP y OLAP
* Datamining
Datawarehouse
Un Datawarehouse es una base de datos corporativa que se caracteriza por integrar y depurar información de una o más fuentes distintas, para luego procesarla permitiendo su análisis desde infinidad de pespectivas y con grandes velocidades de respuesta. La creación de un datawarehouse representa en la mayoría de las ocasiones el primer paso, desde el punto de vista técnico, para implantar una solución 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 información (modelos de tablas en estrella, en copo de nieve, cubos relacionales... etc). Este tipo de persistencia de la información es homogénea y fiable, y permite la consulta y el tratamiento jerarquizado de la misma (siempre en un entorno diferente a los sistemas operacionales).
El término Datawarehouse fue acuñado por primera vez por Bill Inmon, y se traduce literalmente como almacén de datos. No obstante, y como cabe suponer, es mucho más que eso. Según definió 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 información suele estructurarse también en distintos niveles de detalle para adecuarse a las distintas necesidades de los usuarios.
* Temático: sólo los datos necesarios para el proceso de generación 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 única tabla del datawarehouse. De esta forma, las peticiones de información sobre clientes serán más fáciles de responder dado que toda la información reside en el mismo lugar.
* Histórico: el tiempo es parte implícita de la información 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 información almacenada en el datawarehouse sirve, entre otras cosas, para realizar análisis de tendencias. Por lo tanto, el datawarehouse se carga con los distintos valores que toma una variable en el tiempo para permitir comparaciones.
* No volátil: el almacén de información de un datawarehouse existe para ser leído, pero no modificado. La información es por tanto permanente, significando la actualización del datawarehouse la incorporación de los últimos valores que tomaron las distintas variables contenidas en él sin ningún tipo de acción sobre lo que ya existía.
Otra característica del datawarehouse es que contiene metadatos, es decir, datos sobre los datos. Los metadatos permiten saber la procedencia de la información, su periodicidad de refresco, su fiabilidad, forma de cálculo... etc.
Los metadatos serán los que permiten simplificar y automatizar la obtención de la información desde los sistemas operacionales a los sistemas informacionales.
Los objetivos que deben cumplir los metadatos, según el colectivo al que va dirigido, son:
* Dar soporte al usuario final, ayudándole a acceder al datawarehouse con su propio lenguaje de negocio, indicando qué información hay y qué significado tiene. Ayudar a construir consultas, informes y análisis, mediante herramientas de Business Intelligence como DSS, EIS o CMI.
* Dar soporte a los responsables técnicos del datawarehouse en aspectos de auditoría, gestión de la información histórica, administración del datawarehouse, elaboración de programas de extracción de la información, especificación de las interfaces para la realimentación a los sistemas operacionales de los resultados obtenidos... etc.
Por último, destacar que para comprender íntegramente el concepto de datawarehouse, es importante entender cual es el proceso de construcción del mismo, denominado ETL (Extracción, Transformación y Carga), a partir de los sistemas operaciones de una compañía:
* Extracción: obtención de información de las distintas fuentes tanto internas como externas.
* Transformación: filtrado, limpieza, depuración, homogeneización y agrupación de la información.
* Carga: organización y actualización de los datos y los metadatos en la base de datos.
Una de las claves del éxito en la construcción de un datawarehouse es el desarrollo de forma gradual, seleccionando a un departamento usuario como piloto y expandiendo progresivamente el almacén de datos a los demás 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 área funcional, basándose en información integrada y global del negocio.
* Facilita la aplicación de técnicas estadísticas de análisis y modelización para encontrar relaciones ocultas entre los datos del almacén; obteniendo un valor añadido para el negocio de dicha información.
* Proporciona la capacidad de aprender de los datos del pasado y de predecir situaciones futuras en diversos escenarios.
* Simplifica dentro de la empresa la implantación de sistemas de gestión integral de la relación con el cliente.
* Supone una optimización tecnológica y económica en entornos de Centro de Información, estadística o de generación de informes con retornos de la inversión espectaculares.
Si no está familiarizado con el concepto de datawarehouse, puede resultarle útil, además, examinar las siguientes definiciones:
* Datamart
* Datamining
* Cuadro de Mando Integral
* Sistemas de Soporte a la Decisión (DSS)
* Sistemas de Información Ejecutiva (EIS)
Bases de datos OLTP y OLAP
OLTP - On-Line Transactional Processing
Los sistemas OLTP son bases de datos orientadas al procesamiento de transacciones. Una transacción genera un proceso atómico (que debe ser validado con un commit, o invalidado con un rollback), y que puede involucrar operaciones de inserción, modificación y borrado de datos. El proceso transaccional es típico de las bases de datos operacionales.
* El acceso a los datos está 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 según el nivel aplicación (programa de gestión a medida, ERP o CRM implantado, sistema de información departamental...).
* Los formatos de los datos no son necesariamente uniformes en los diferentes departamentos (es común 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 Processing
Los sistemas OLAP son bases de datos orientadas al procesamiento analítico. Este análisis suele implicar, generalmente, la lectura de grandes cantidades de datos para llegar a extraer algún tipo de información útil: tendencias de ventas, patrones de comportamiento de los consumidores, elaboración de informes complejos… etc. Este sistema es típico de los datamarts.
* El acceso a los datos suele ser de sólo lectura. La acción más común es la consulta, con muy pocas inserciones, actualizaciones o eliminaciones.
* Los datos se estructuran según las áreas de negocio, y los formatos de los datos están integrados de manera uniforme en toda la organización.
* El historial de datos es a largo plazo, normalmente de dos a cinco años.
* Las bases de datos OLAP se suelen alimentar de información procedente de los sistemas operacionales existentes, mediante un proceso de extracción, transformación y carga (ETL).
Persistencia ROLAP, MOLAP, HOLAP
Datamining (Minería de datos)
El datamining (minería de datos), es el conjunto de técnicas y tecnologías que permiten explorar grandes bases de datos, de manera automática o semiautomática, con el objetivo de encontrar patrones repetitivos, tendencias o reglas que expliquen el comportamiento de los datos en un determinado contexto.
Básicamente, el datamining surge para intentar ayudar a comprender el contenido de un repositorio de datos. Con este fin, hace uso de prácticas estadísticas y, en algunos casos, de algoritmos de búsqueda próximos 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 algún significado especial pasan a convertirse en información. Cuando los especialistas elaboran o encuentran un modelo, haciendo que la interpretación que surge entre la información y ese modelo represente un valor agregado, entonces nos referimos al conocimiento. Vea más diferencias entre datos, información y conocimiento.
Aunque en datamining cada caso concreto puede ser radicalmente distinto al anterior, el proceso común a todos ellos se suele componer de cuatro etapas principales:
* Determinación de los objetivos. Trata de la delimitación de los objetivos que el cliente desea bajo la orientación del especialista en data mining.
* Preprocesamiento de los datos. Se refiere a la selección, la limpieza, el enriquecimiento, la reducción y la transformación de las bases de datos. Esta etapa consume generalmente alrededor del setenta por ciento del tiempo total de un proyecto de data mining.
* Determinación del modelo. Se comienza realizando unos análisis estadísticos de los datos, y después se lleva a cabo una visualización gráfica de los mismos para tener una primera aproximación. Según los objetivos planteados y la tarea que debe llevarse a cabo, pueden utilizarse algoritmos desarrollados en diferentes áreas de la Inteligencia Artificial.
* Análisis de los resultados. Verifica si los resultados obtenidos son coherentes y los coteja con los obtenidos por los análisis estadísticos y de visualización gráfica. 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 tecnología 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. Además, no hay duda de que trabajar con esta tecnología implica cuidar un sinnúmero de detalles debido a que el producto final involucra "toma de decisiones".
En el artículo Data Mining: Torturando a los datos hasta que confiesen, Luis Carlos Molina proporciona una visión muy clarificadora sobre la minería de datos, incluyendo interesantes ejemplos de aplicaciones de la misma. Recomendamos su lectura.
Si no está familiarizado con el concepto de Datamining, puede resultarle útil, además, examinar las siguientes definiciones:
* Datamart
* Datawarehouse
* Cuadro de Mando Integral
* Sistemas de Soporte a la Decisión (DSS)
* Sistemas de Información Ejecutiva (EIS)
Plan director
El plan director es un documento formal en el que se intenta plasmar, por parte de los responsables de una compañía (directivos, gerentes, empresarios...) cual será la situación de la misma dentro un período de tiempo, generalmente de 5 a 10 años.
El plan director es cualitativo: define las futuras cualidades (no las cantidades) de la compañía, finalista: indica lo que se quiere conseguir, pero no cómo conseguirlo, y atemporal: no establece plazos para alcanzar lo propuesto, a excepción de la propia vigencia del plan.
El plan director recoge tres puntos principales:
* Productos y servicios: describe el catálogo de productos y/o servicios que ofrecerá la compañía a sus clientes, y en los que deben basarse sus ingresos en el medio y en el largo plazo. Esta enumeración debería ser visionaria, completa y realista.
* Mercado potencial: describe el perfil de los clientes que tendrán acceso a los productos que ofrece la compañía (público final, empresas...), indicando el segmento más aproximado y sus características principales.
* Ventajas competitivas: describe las características que deben situar a la compañía en una situación ventajosa con respecto a su competencia. Estas ventajas deben ser, ante todo, difíciles de imitar y sostenibles en el tiempo. Aprenda más sobre ventajas competitivas aquí.
En la práctica, el plan director se suele condensar en un documento escrito (generalmente de menos de 10 páginas) que no es más una instantánea del futuro que los directivos quieren para su compañía.
El plan director es, por tanto, el eje central sobre el que se articularán otros documentos de vital importancia para la empresa, como el plan estratégico o el plan operativo anual.
Si no está familiarizado con el concepto de Plan Director, puede resultarle útil, además, examinar las siguientes definiciones:
* Plan estratégico
* Plan operativo anual (POA)
* Cuadro de Mando Integral
* Sistemas de Soporte a la Decisión (DSS)
* Sistemas de Información Ejecutiva (EIS)
Plan estratégico
El plan estratégico es un documento formal en el que se intenta plasmar, por parte de los responsables de una compañía (directivos, gerentes, empresarios...) cual será la estrategia de la misma durante un período de tiempo, generalmente de 3 a 5 años.
El plan estratégico es cuantitativo: establece las cifras que debe alcanzar la compañía, manifiesto: describe el modo de conseguirlas, perfilando la estrategia a seguir, y temporal: indica los plazos de los que dispone la compañía para alcanzar esas cifras.
El plan estratégico recoge tres puntos principales:
* Objetivos: un objetivo es un hecho que no depende directamente de la compañía, y que está formado por la ecuación: cantidad a alcanzar + plazo para conseguirlo. El verbo asociado a un objetivo es siempre conseguir:
- Conseguir una facturación de 1.000.000 € antes de 2.010.
- Conseguir incrementar la rentabilidad económica 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 año" no son válidos, ya que no indican una cantidad a alcanzar y un plazo para conseguirlo. Tampoco sería correcto el objetivo: "Gastar 10.000 € en renovar el equipamiento informático durante Febrero", ya que eso depende directamente de la compañía.
* Políticas: una política es una conducta que marca la compañía, y que sirve para describir su actitud, continuada en el tiempo, a la hora de enfrentarse a situaciones de diversa índole. El verbo asociado a una política es siempre establecer:
- Establecer una política de cobros a 30 días y de pagos a 90 días.
- Establecer una política de contratación para titulados con al menos 2 años de experiencia.
- Establecer una política retributiva basada en un 80% de retribución fija y 20% retribución variable.
Existen muchos parámetros sobre los que se puede establecer la actitud de la empresa, como la política de tesorería, la política de atención al cliente, la política de recursos humanos, la política de imagen corporativa, la política de reparto de dividendos...
* Acciones: una acción es un hecho que depende directamente de la compañía, y que generalmente se lleva a cabo para facilitar la consecución de los objetivos, fomentar el respeto a las políticas impuestas, o vertebrar la estrategia global de la empresa. El verbo asociado a una acción es siempre realizar:
- Asistir a los principales congresos del sector para mejorar la formación interna.
- Lanzar una campaña de publicidad en TV y periódicos para promocionar el nuevo producto.
- Elaborar un manual de procedimientos interno que agilice la incorporación de nuevos miembros.
Las acciones se suelen agrupar de tal manera que sea sencillo identificar su origen y, a su vez, su finalidad. Así se pueden clasificar como dependientes de un objetivo estratégico, de una política de empresa o simplemente como acciones puntuales.
En la práctica, el plan estratégico se suele sintetizar en un documento escrito (generalmente de menos de 20 páginas), concretando así las líneas estratégicas generales a seguir por la compañía.
El plan estratégico describe, por tanto, una manera de conseguir las cualidades organizacionales enumeradas en el plan director. No obstante, el plan estratégico no suele estar lo suficientemente detallado como para actuar a nivel departamental. Para ello, se suele utilizar el plan operativo anual.
La herramienta de Business Intelligence dedicada a la inclusión y seguimiento del plan estratégico en una empresa es el Cuadro de Mando Integral o Balanced Scorecard.
Si no está familiarizado con el concepto de Plan Estratégico, puede resultarle útil, además, examinar las siguientes definiciones:
* Plan director
* Plan operativo anual (POA)
* Cuadro de Mando Integral
* Sistemas de Soporte a la Decisión (DSS)
* Sistemas de Información Ejecutiva (EIS)
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 (compañía, departamento, sucursal u oficina) los objetivos a conseguir durante el presente ejercicio.
El plan operativo anual debe estar perfectamente alineado con el plan estratégico de la empresa, y su especificación sirve para concretar, además de los objetivos a conseguir cada año, la manera de alcanzarlos que debe seguir cada entidad (departamento, sucursal, oficina...).
Por ejemplo, ante un objetivo estratégico global del tipo: "Conseguir una facturación de 1.000.000 € antes de 2.010.", un plan operativo debe desglosar esa cifra para cada año: "Conseguir una facturación de 600.000 € en el año 2.008", "Conseguir una facturación de 800.000 € en el año 2.009", "Conseguir una facturación de 1.000.000 € en el año 2.010".
Además, 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 año 2.008", "La oficina de Valencia debe alcanzar una cifra de ventas de 150.000 € en el año 2.008", etc...
Incluso, dentro de cada sucursal o departamento es posible hallar una predicción del volumen esperado de ventas para cada mes del año (teniendo en cuenta la estacionalidad del producto o las oscilaciones que ha experimentado el mercado en años anteriores).
Por tanto, es común 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 año 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 año 2.008"
Mes POA Acumulado Real Acumulado Desviación
Enero 15.000 € 16.292 € 1.292 €
Febrero 30.000 € 26.488 € -3.512 €
Marzo 50.000 € 41.351 € -8.649 €
Abril 70.000 € 60.134 € -9.866 €
Mayo 85.000 € 74.011 € -10.989 €
Junio 100.000 € 88.506 € -11.494 €
Julio 120.000 € (-) (-)
Agosto 150.000 €
Septiembre 170.000 €
Octubre 180.000 €
Noviembre 190.000 €
Diciembre 200.000 €
Esto es preciso hacerlo, naturalmente, para cada objetivo anual de cada entidad.
Lo más importante de este modelo es que, mediante un correcto seguimiento del plan operativo anual, se puede hallar no sólo las desviaciones en el plan, sino también el motivo de su origen. La herramienta de Business Intelligence dedicada a este fin es una de las más implantadas en las empresas modernas: el Cuadro de Mando Integral o Balanced Scorecard.
Si no está familiarizado con el concepto de Plan Operativo Anual, puede resultarle útil, además, examinar las siguientes definiciones:
* Plan director
* Plan estratégico
* Cuadro de Mando Integral
* Sistemas de Soporte a la Decisión (DSS)
* Sistemas de Información Ejecutiva (EIS)
Plataformas de Business Intelligence
A continuación mostramos las principales plataformas de Business Intelligence con las que trabaja nuestra empresa. Si desea un listado más exhaustivo de productos puede consultar aquí.
Pentaho
Microsoft
Oracle
QlikView
Microstrategy
Ejemplos prácticos de Business Intelligence
A continuación mostramos una serie de ejemplos reales (resumidos) de Business Intelligence:
Empresa conservera
Este caso práctico se refiere a uno de las mayores empresas conserveras de Galicia, con presencia internacional, más de 500 empleados y cerca de 100.000.000 € de facturación.
A pesar de que en el sector conservero es bien conocida la estacionalidad de las ventas (el consumo de atún en conserva se dispara en verano, debido a su participación en las ensaladas) y en diciembre (con motivo de la navidad), esta empresa no había sido capaz de optimizar la cantidad de producto finalizado que debía almacenar en stock para maximizar sus beneficios.
Mediante la implantación de un sistema de soporte a la decisión (DSS), y tras el análisis minucioso de los datos históricos que guardaba la compañía, resultó posible rediseñar todo el proceso logístico y de almacenamiento productivo hasta el punto de incrementar la rentabilidad económica de la misma (independientemente de la producción y la demanda) en un 10%.
Cadena de supermercados
Una conocida cadena de supermercados gallegos ha recurrido a un sistema de Business Intelligence para averiguar cual era el perfil de sus clientes más rentables e intentar hacer lo posible para fidelizarlos.
Para ello, una de las primeras acciones que llevó a cabo fue la creacción de una "tarjeta descuento", que vinculara a los clientes con el club del supermercado. Para poder optar a esta tarjeta, cada cliente debía facilitar sus datos personales básicos (edad, sexo, origen...) y unos datos complementarios de sus preferencias. A cambio recibía descuentos eventuales en sus compras.
Tras haber acumulado una relevante cantidad de datos, llegó el momento de extraer la información requerida mediante un sistema de soporte a la decisión. Entre las rarezas obtenidas en los resultados, cabe destacar que el perfil ideal de cada cliente tenía sustanciales diferencias en función de la ubicación geográfica, a pesar de que el límite del análisis era dentro de la propia Galicia.
Cooperativa lechera
En una cooperativa láctea de origen gallego, cuyos productos se publicitan en TV a nivel nacional, se habían desatado las alarmas debido a las grandes desviaciones económicas existentes, cada año, entre los parámetros estimados en enero y los resultados analizados doce meses más tarde.
Finalmente, para resolver el problema y potenciar al máximo sus sistemas informáticos tradicionales, la cooperativa decidió implantar un cuadro de mando integral (Balanced Scorecard) y realizar un seguimiento minucioso de sus objetivos estratégicos. Tras ocho meses desde la puesta en producción del sistema, consiguieron encontrar el origen de las desviaciones y tomar las acciones oportunas para enderezar la trayectoria operativa de la empresa.
Por otro lado, y como efecto colateral estrechamente relacionado, el sistema ha permitido analizar el impacto en las ventas de cada una de sus campañas publicitarias. Basándose la información contenida en sus propias bases de datos, la cooperativa ha conseguido desde entonces adaptar su publicidad para incrementar en un 8% su cuota de mercado.
Operador de telecomunicaciones
Este ejemplo hace referencia a uno de los mayores operadores de telecomunicación del mundo, con más de 91 millones de clientes en 220 países de los cinco continentes. Esta organización cuenta con 190.000 empleados y ofrece una gama completa de servicios de telecomunicaciones: telefonía local, internacional y móvil; internet y multimedia; transporte de datos; y difusión de TV por cable.
En los últimos años, la empresa ha venido utilizando los sistemas informáticos como un arma estratégica fundamental en la batalla entre operadores de telecomunicaciones. El objetivo de una de sus principales iniciativas ha sido reducir las inconsistencias en los datos y compartir la información de manera más eficaz entre las diferentes áreas de negocio, implementando en toda la organización estándares en el campo del software de gestión.
Peluquería local
Una peluquería de Santiago de Compostela llevaba dos años abierta al público. Durante todo ese tiempo, las dueñas, dos chicas jóvenes y emprendedoras, habían trabajado todos los días de la semana (a excepción, naturalmente, de los domingos) para sacar adelante su negocio.
Al haber estabilizado su cartera de clientes decidieron descansar un día más a la semana. Su primera opción fue cerrar los lunes, como las demás peluquerías de la zona. No obstante, decidieron basar su decisión en la información histórica que habían recogido en su pequeña aplicación de citas.
Los resultados obtenidos fueron contudentes, ya que el lunes resultó ser el cuarto día más rentable de la semana (probablemente como consecuencia del cierre de la competencia). Finalmente el día elegido para descansar fue el martes.
¿Cómo saber si su empresa necesita una solución 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 estándar, y posteriormente almacenarlos en un repositorio optimizado para una entrega de la información rápida y resumida que haga posible un análisis muy detallado.
Para realizar un diagnóstico instantáneo de su empresa, sólo tiene que responder al siguiente cuestionario:
* ¿Está seguro de qué productos y clientes son los más importantes para su empresa?
Sí No N/a
* ¿Tiene problemas para crear una visión clara de toda su organización?
Sí No N/a
* ¿Sabe si está perdiendo cuota de mercado con respecto a su competencia?
Sí No N/a
* ¿Ha perdido oportunidades de negocio por recibir información atrasada?
Sí No N/a
* ¿Dedica horas extras a analizar documentos e informes?
Sí No N/a
* ¿Tiene informes de varios sistemas operacionales que no concuerdan?
Sí No N/a
* ¿Dispone de alguna ventaja competitiva clara con respecto a las demás empresas de su sector?
Sí No N/a
* ¿Sabe con certeza si su gente está alcanzando los objetivos planificados?
Sí No N/a
Si 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 consultar aquí los motivos por los que quizá llegue a interesarle en un futuro.
Razones por las que invertir en Business Intelligence
Según un artículo de Gartner Research, la falta de conocimiento es la mayor amenaza para las empresas modernas. Para ello, apuntan, “el objetivo del Business Intelligence es eliminar las conjeturas y la ignorancia en los ambientes empresariales, aprovechando los vastos volúmenes de datos cuantitativos que las empresas recolectan todos los días en sus diversas aplicaciones corporativas”.
* BI como solución tecnológica
* Centralizar, depurar y afianzar los datos. Las tecnologías de BI permiten reunir, normalizar y centralizar toda la información de la empresa, mediante un almacén de datos, permitiendo así su explotación sin esfuerzo. De esta forma, los departamentos comercial, operativo y financiero basan las decisiones estratégicas en la misma información.
* Descubrir información no evidente para las aplicaciones actuales. En el día a día de las aplicaciones de gestión se pueden esconder pautas de comportamiento, tendencias, evoluciones del mercado, cambios en el consumo o en la producción, que resulta prácticamente imposible reconocer sin el software adecuado. Es lo que se puede calificar como extraer información de los datos, y conocimiento de la información.
* Optimizar el rendimiento de los sistemas. Las plataformas de BI se diseñan para perfeccionar al máximo las consultas de alto nivel, realizando las transformaciones oportunas a cada sistema (OLTP - OLAP), y liberando los servidores operacionales.
* BI como ventaja competitiva
* Seguimiento real del plan estratégico. Si su empresa dispone de plan estratégico, el business intelligence le permite, mediante un cuadro de mando, crear, manejar y monitorizar las métricas y los objetivos estratégicos 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 aplicación de BI permite que una empresa aprenda de su historia y de sus mejores prácticas, y que pueda evitar tropezarse de nuevo con los mismos errores del pasado.
* Mejorar la competitividad. Según la consultora internacional Gartner, 7 de cada 10 compañías realizan análisis sobre sus datos de forma diaria, o incluso instantánea, en el 2.006. Este mecanismo les permite maximizar su rentabilidad. La acuciante tendencia a explotar la información marca cada vez más la diferencia en los sectores.
* Obtener el verdadero valor de las aplicaciones de gestión. Durante los últimos años, las empresas se han embarcado en la construcción 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 último analista, tienen acceso a información adecuada, integrada y actualizada
No hay comentarios:
Publicar un comentario