Iniciación a Business Intelligence: Big Data

Unidad 2. Modelos de Usuario en

Business Intelligence

Descuentos aplicables en la nómina de la Junta de Andalucía

1
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

INTRODUCCIÓN
En la unidad anterior hemos visto los fundamentos de BI y hemos aprendido que esta disciplina puede recopilar todos los datos
sobre nuestro negocio para procesarlos y obtener resultados útiles. La cuestión que tenemos que responder ahora es ¿cómo
hacerlo?

Tenemos que conseguir que las diferentes herramientas BI trabajen para nosotros, pero antes necesitamos saber cuáles son,
lo que pueden hacer y lo que no.

Entre estas herramientas tendremos:

• Informes.

• Dashboards.

• Scorecards.

CONOCIMIENTOS PREVIOS

Antes de comenzar a estudiar esta unidad es recomendable conocer:

• Fundamentos de Business Intelligence.

• Fundamentos de Data Warehouse.

• Haber leído y comprendido la unidad 1.

OBJETIVOS
• Describir las tecnologías de consulta y manipulación de datos en BI.

• Entender la motivación y uso de las técnicas de análisis multidimensional.

• Definir los elementos que deben aparecer en un dashboard para que cumpla su misión.

• Conocer las nuevas tendencias en técnicas de búsqueda y procesamiento de información que se están integrando en
Business Intelligence.

28
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

1. CONSULTAS E INFORMES
Hasta ahora hemos hablado de Business Intelligence de una forma muy abstracta. Hemos dicho que se trata de herramientas,
tecnologías y prácticas que nos dan resultados críticos para la empresa. Pero, ¿cómo se consiguen estos resultados? ¿De
dónde viene esta “inteligencia”?

En esta lección vamos a tratar con consultas e informes, que son los elementos con los que empezamos a introducirnos en
Business Intelligence. El trabajo de BI se produce en segundo plano (recopilación de datos, transformación, procesamiento,
...) y los resultados nos los devuelve en forma de consultas e informes.

1.1. HERRAMIENTAS DE CONSULTA E INFORMES

Data Warehousing recoge los datos, los transforma para darles un formato común y los almacena en un repositorio central.
Sin embargo, son las consultas y los informes las herramientas que permiten acceder a esos datos agregados, hacer
preguntas, obtener respuestas y convertirlas en resultados que sean precisos, oportunos, procesables y que aporten valor.

Las consultas e informes están diseñados para que las personas usuarias puedan acceder a ellas desde sus ordenadores
personales, portátiles y dispositivos móviles. Deben ser sencillos de utilizar y diseñados con la suficiente flexibilidad para
que puedan ser utilizados en cualquier departamento, puedan gestionar tareas muy diferentes y trabajar con cualquier tipo de
información (financiera, ventas, marketing, ...).

Tanto consultas como informes son los mecanismos a través de los que los usuarios acceden a la información almacenada
en el Data Warehouse. Por este motivo, deben conectarse con el Data Warehouse y cualquier otra fuente de datos necesaria,
debe hacerlo mediante protocolos de comunicación estándar y deben interpretar y mostrar los resultados. Además, todo
esto deben hacerlo rápido.

29
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

DEFINICIÓN

Como una consulta es una petición de información procedente de una base de datos, las herramientas de
consulta están diseñadas para ayudar al usuario a crear estas peticiones. Algunas de estas herramientas
proporcionan una interfaz gráfica para hacer más sencillo su uso, de forma que la persona usuaria pueda
ver los campos de datos que están disponibles, la estructura de las tablas, ...
Las herramientas más modernas incluyen capacidades de arrastrar-y-soltar para que los usuarios y usua-
rias puedan ajustar sus consultas en tiempo real mientras consultan los resultados que están obteniendo.

DEFINICIÓN

El objetivo de las Herramientas de Informe es presentar la información de forma que sea fácilmente
entendible.
Estas herramientas suelen venir en la misma aplicación que las de consulta y también suelen ofrecer una
interfaz gráfica e intuitiva que permite a persona usuaria no sólo ver la información, sino también realizar
cálculos como sumas o medias.

30
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

Es conveniente tener una visión general de cómo se relacionan las diferentes herramientas para obtener la “inteligencia” que
buscamos con una solución BI:

1. Los orígenes de datos se conectan con el Data Warehouse mediante una serie de procesos que se denominan ETL (Extract,
Transform and Load).

2. Las herramientas de consultas e informes interactúan con el Data Warehouse que extraen la información de la base de
datos y la presenta en un formato legible.

31
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

1.2. CARACTERÍSTICAS DE LAS HERRAMIENTAS DE CONSULTA E INFORMES

Si vamos a diseñar o comprar herramientas de consulta e informes, es importante conocer cuáles son las características que
deberían cumplir estas herramientas para que realmente nos resulten útiles.

1. Fácil de Usar. Las aplicaciones BI ya no son dominio exclusivo de las personas expertas en TI, sino que cualquier usuario o
usuaria debe poder hacer uso de ellas. Estas herramientas deben ser user-friendly, lo que implica:

• Disponer de ayuda contextual en el propio software.

• Contar con una interfaz lógica e intuitiva.

• Tomar algunas decisiones comunes por el usuario.

2. Basada en Web. Las nuevas herramientas de consulta e informes ofrecen una interfaz web para permitir que los usuarios
y usuarias accedan a ellas usando un navegador común:

• El personal no tiene que usar clientes software ni preocuparse por las actualizaciones.

• Hace que sea más sencillo dar soporte TI en la organización.

3. Rápida. Uno de los principales desafíos de las herramientas que tienen que tratar con grandes cantidades de datos es
proporcionar la suficiente potencia para manipular millones de registros y hacer complejas consultas sin que el sistema
pierda rendimiento. Aunque la mayor parte de esta velocidad viene determinada por la solución de Data Warehouse, las
herramientas de consulta e informes podrían afectar mucho al rendimiento del sistema.

4. Interoperable. No sólo es importante que las herramientas de consulta e informes sean capaces de interpretar datos de
múltiples orígenes, sino que también es importante que la salida del sistema pueda utilizarse en diferentes plataformas
y que se pueda exportar en diferentes formatos: Excel, csv, txt, pdf, ...

5. Versátil en Comunicaciones. Compartir datos entre las personas usuarias, departamentos y a diferentes niveles dentro
de la compañía es un factor clave para cualquier solución BI. Las herramientas de consultas e informes pueden facilitar
esta tarea proporcionando la capacidad de generar informes estandarizados y alertas que generen de forma automática
informes cuando se cumplen determinadas condiciones.

32
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

1.3. USUARIOS DE BI
Podemos dividir los usuarios y usuarias que hacen uso de estas herramientas en 3 clases. Cada uno de ellos tiene necesidades
y habilidades diferentes y, probablemente, consumen diferentes tipos de datos.

• Sociedad consumidora de Información: Ven informes preexistentes y estándar, y usan los datos para llevar a cabo alguna
tarea. No crean sus propias consultas ni informes y sólo usan las funciones básicas de las herramientas de informes para
acceder a los informes estándar.

• Usuarios Intermedios: Pueden crear sus propias consultes e informes usando la interfaz gráfica, pero no modifican código
ni podrían resolver un problema, por ejemplo, en una cadena SQL.

• Usuarios Avanzados: Este grupo incluye al personal desarrollador y de administración. Son los que toman las decisiones
sobré que información necesitan ver los otros dos grupos anteriores, crean los informes y definen los permisos de acceso y
distribución.

1.4. BASES DE DATOS Y SQL

Uno de los factores que han permitido la aparición de soluciones BI es que SQL es un lenguaje muy estable y robusto. La
versión que se usa en la actualidad es muy parecida a la original. La entidad fabricante crea sus propios motores de bases
de datos con características específicas que se adaptan a sus aplicaciones, pero el núcleo de SQL es el mismo en todas las
plataformas. SQL proporciona una metodología estandarizada para hacer consultas en bases de datos. La más básica de las
consultas SQL son las sentencias SELECT:

SELECT * FROM empleados WHERE empleados.empresa = “Acme”;

El asterisco en esta consulta representa la palabra “todo”, de forma que esta consulta pide a la base de datos que devuelva
todo el personal empleado que trabaja en la empresa Acme y que están almacenados en la tabla “empleados”. La palabra
“WHERE” indica que sólo los resultados (empleados) que cumplan una determinada condición son los que debe devolver la
consulta.

Aquí tenemos, sólo a título informativo, otras sentencias SQL muy utilizadas:

• Insert

• Delete

• Update

• Grant

• Create Table

• Drop Table

33
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

1.5. CREACIÓN DE INFORMES A DEMANDA

Para los usuarios o usuarias BI no sólo es importante poder crear consultas e informes por sí mismos, sino que también es
necesario para ellos poder acceder a la información en tiempo real. En otras palabras, se debe poder interactuar con la base
de datos cuando lo necesiten y sin retrasos.

Las personas que crean consultas ad-hoc son especialistas en otras áreas que usan datos de los sistemas BI en sus tareas
diarias. Pueden ser contables, analistas de negocios o especialistas en Recursos Humanos.

Las herramientas BI que permiten que as personas usuarias creen consultas e informes con un conocimiento mínimo (e incluso
nulo) de SQL cumplen con las necesidades de la compañía. Funcionalidades que debemos solicitar a estas herramientas son:

• Construcción de consultas sin necesidad de escribir código SQL.

• Creación de informes y consultas mediante arrastrar y soltar.

• Características básicas de análisis de datos (como hacer cálculos en un informe).

• Características gráficas que permitan a las personas usuarias crear gráficos y diagramas.

• Publicación de información sencilla: e-mail, internet, intranet, ...

• Características de exportación.

• Calendario y programador de tareas.

• Seguridad para proteger los datos sensibles.

34
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

1.6. CONSULTAS E INFORMES GESTIONADOS

En el caso de que haya usuarios o usuarias que no puedan (o no quieran) utilizar el software para la creación de consultas
e informes, o si las empresas no quieren dar acceso a su personal a los orígenes de datos, pueden utilizar los Informes
Gestionados.

La mayoría de los usuarios y usuarias BI no tienen necesidad de crear informes complejos o de escribir enormes consultas
a la base de datos para obtener lo resultados buscados. Prácticamente no hacen uso de las características avanzadas de
creación de informes del software. Sólo necesitan que los datos relevantes para su trabajo estén disponibles en el momento
adecuado.

DEFINICIÓN

Los informes gestionados son una solución intermedia entre el consumo simple de informes y la creación
a demanda de los mismos l personal es el responsable de obtener la información que requieren. En esta
situación, a las personas usuarias se les facilitan informes estandarizados que han sido generados por otros
usuarios o usuarias, pero se les facilitan opciones para explorar, ordenar, filtrar y crear gráficos a partir de
los datos del informe, siempre bajo el control de un equipo de managers de datos que controlan los permisos,
restringen las consultas que hacen y especifican los datos que están disponibles.

35
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

2. OLAP: ONLINE ANALYTICAL PROCESSING

Las consultas e informes cumplen un servicio muy importante para las empresas, pero carecen de capacidades de interactividad
en tiempo real.

Supongamos que aplicamos BI a un coche de forma que entregue en tiempo real informes de rendimiento y funcionamiento.
El conductor o conductora podría detectar que el coche pierde potencia y pediría al ordenador de a bordo un informe sobre
las posibles causas. El ordenador responde que ha detectado una fuga de combustible. Se preguntaría a continuación las
consecuencias del fallo detectado y el ordenador respondería indicando la válvula que está sufriendo la fuga y que si no se
para el coche y se lleva a un taller, el fallo podría propagarse y hacerse aún mayor, implicando la ruptura del motor.

Esta capacidad de interactividad en tiempo real es lo que OLAP nos ofrece.

2.1. FUNDAMENTOS DE OLAP

Hasta ahora nos hemos enfocado en los fundamentos tecnológicos de una solución BI:

1. Identificar los datos importantes para la compañía, es decir, la información transaccional que reside en sistemas ERP, CRM
y otros.

2. Recopilar los datos en un único lugar y con un formato único. Este es el trabajo de los procesos ETL y el Data Warehouse.

3. Proporcionar acceso a grandes cantidades de datos en forma de consultas e informes.

El equipo de ingienería de bases de datos se dieron cuenta de que podían obtener más de los datos transaccionales de la
compañía si los conceptualizaban de forma diferente. Aquí apareció el concepto de datos multidimensionales, frente a los
datos relacionales tradicionales. Esto dio lugar a OLAP (Online Analytical Processing).

En lugar de simplemente agregar y resumir los datos, las herramientas OLAP dan a los sistemas BI la habilidad de profundizar
en ellos de una forma totalmente diferente.

La bases de datos multidimensionales se utilizan principalmente para crear aplicaciones OLAP y pueden verse como bases
de datos de una sola tabla, su peculiaridad es que por cada dimensión tienen un campo (o columna), y otro campo por cada
métrica o hecho.

Una variable unidimensional podría ser el cambio del euro con el dólar, que sólo varía en la dimensión <tiempo>.Un ejemplo
de variable de dos dimensiones es el número de habitantes, que se mueve por las dimensiones <Geografía> y <tiempo>.

Finalmente, los ingresos de una organización podrían almacenarse mediante una variable de tres dimensiones: <producto>,
<Geografía> y <tiempo>.

36
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

2.2. APLICACIONES OLAP

Una aplicación OLAP es un software diseñado para permitir a los usuarios y usuarias navegar, recuperar y presentar datos de
la empresa. En lugar de tomar los datos de un sistema relacional, escribir complejas consultas para recuperarlos y después
insertarlos manualmente en un informe para analizarlos, las herramientas OLAP eliminan los pasos intermedios almacenando
los datos directamente un un formato listo para obtener un informe.

Con OLAP no hay necesidad de utilizar una lógica de consultas confusa o escribir largas cadenas SQL. Simplemente mediante
arrastrar y soltar podemos ver los datos de una forma totalmente diferente.

SABER MÁS

Aquí tenemos algunos ejemplos de aplicaciones OLAP:

• Finanzas: Presupuestos, desgloses de costes por actividad, análisis de rendimiento financiero.

• Ventas: Análisis de ventas y previsiones de ventas.

• Marketing: Análisis de investigación de mercados, previsiones de ventas, de promociones y de clientes.

2.3. ANÁLISIS MULTIDIMENSIONAL

Un entorno OLAP es diferente de un entorno tradicional de base de datos, sobre todo en la forma en que se almacenan esos
datos. En OLAP se trabaja con los datos en forma dimensional en lugar de en forma relacional. Por ahora basta con que
entendamos que una dimensión no es más que una forma de organizar los datos.

Los análisis de OLAP son cuantitativos y por este motivo el software OLAP está diseñado para trabajar con datos numéricos.
Un ejemplo son los registros financieros y de ventas que incluyen precios, costes, márgenes, cantidades y periodos de tiempo.

Sin embargo, esta lista de números no significa nada a menos que sepamos algo sobre qué es lo que representan, sus
descripciones y cualificadores.

37
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

Datos Unidimensionales

Supongamos una tabla cuyo título sea “Datos de Ventas” con un eje vertical etiquetado como “Región”:

Región Cantidad
Norte 100.000€

Sur 150.000€
Este 125.000€
Oeste 175.000€
Total 550.000€

Aunque los datos se están mostrando en 2 dimensiones (horizontal y vertical), en términos de OLAP se considera datos en
una única dimensión. Dicho de otra manera, estamos viendo los datos de ventas desde una perspectiva particular (una
dimensión), por regiones.Otra forma de ver estos datos de ventas sería por producto:

Producto Cantidad
Coches 300.000€
Motos 250.000€
Total 550.000€

La cantidad total de ventas sigue siendo la misma, pero ahora agrupamos por producto en lugar de por regiones, es decir, otra
dimensión. Otro factor importante en OLAP es el tiempo. Veamos cómo quedan las ventas a través de la dimensión “tiempo”,
por ejemplo, por trimestres:

Trimestre Cantidad
T1 125.000€
T2 125.000€
T3 175.000€
T4 125.000€
Total 550.000€

38
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

Si creamos informes que muestren el desglose de las ventas anuales por región, por producto o por trimestre, podemos ver cuál
es el total de ventas y las fortalezas y debilidades de cada una de las dimensiones.

Otra forma de representar la información es combinar dos dimensiones en una tabla:

Trimestre Coches Motos Totales

T1 75.000€ 50.000€ 125.000€
T2 60.000€ 65.000€ 125.000€
T3 100.000€ 75.000€ 175.000€
T4 65.000€ 60.000€ 125.000€
Totales 300.000€ 250.000€ 550.000€

Podemos empezar a ver los datos en dos dimensiones como un tipo de sistema de coordenadas. Sin embargo, también
tenemos los datos por regiones. ¿Cómo incorporamos esos datos a la tabla que ya tenemos? Podríamos crear una serie de
tablas, por ejemplo, una para cada región, o bien plantear la representación de otra forma.

Norte Sur Este Oeste Totales

Coches
T1 17.000€ 17.000€ 24.000€ 17.000€ 75.000€
T2 13.000€ 13.000€ 21.000€ 13.000€ 60.000€
T3 22.000€ 22.000€ 34.000€ 22.000€ 100.000€
T4 14.000€ 14.000€ 23.000€ 14.000€ 65.000€
Motos
T1 11.000€ 11.000€ 17.000€ 11.000€ 50.000€
T2 14-000€ 14.000€ 23.000€ 14.000€ 65.000€
T3 17.000€ 17.000€ 24.000€ 17.000€ 75.000€
T4 17.000€ 17.000€ 9.000€ 17.000€ 60.000€
Totales 125.000€ 125.000€ 175.000€ 125.000€ 550.000€

Aquí ya empezamos a ver el valor del análisis multidimensional. Por ejemplo, es muy sencillo ver el desplome de ventas de
motos que se produjo en el Este en el cuarto trimestre.

39
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

2.4. ARQUITECTURA DE OLAP

Los sistemas OLAP son diferentes en la forma de conceptualizar los datos respecto a otros sistemas ya que gestionan los datos
de la misma manera en la que las personas los gestionan cuando crean informes.

Además, estas herramientas están diseñadas para trabajar con otras herramientas en la arquitectura de BI. Un sistema OLAP
suele componerse de 2 categorías de software:

• El “cubo OLAP” que almacena los datos multidimensionales.

• Las herramientas de acceso que permiten a las personas usuarias construir y transformar la información en formas
adecuadas para el análisis.

CUBO OLAP

Las tablas son la representación más común de datos numéricos, pero son planas y no se adaptan bien a datos en más de 2
dimensiones. Para representar datos multidimensionales es más útil utilizar una estructura como un cubo de forma que cada
uno de sus ejes es una dimensión de los datos.

40
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

2.5. USOS DE OLAP

Las herramientas de acceso OLAP son el entorno de cliente que permite a los usuarios moverse por el cubo y producir resultados
en Business Intelligence.

El objetivo de estas herramientas es presentar grandes cantidades de información ala persona usuaria en una forma que les
permita producir resultados sin perder de vista el contexto en el que están trabajando. Estas herramientas deberían cumplir
las siguientes características:

• Facilidad: Deben ser sencillas de utilizar, que faciliten la navegación y la administración de los datos.

• Gráficos: Las mejores herramientas serán capaces de producir gráficos, diagramas e informes.

• Inteligente: Los usuarios y usuarias deben tener la posibilidad de personalizar las herramientas de acceso OLAP para las
tareas que van a realizar. Esto implica que deben contar con funciones inteligentes de búsqueda o capacidades robustas
de análisis que les ayude a identificar tendencias y hacer predicciones.

Utilizando OLAP podemos llevar a cabo tareas que no podríamos desempeñar usando otras herramientas:

• Consolidación: Por ejemplo, las oficinas de ventas pueden agruparse por distritos, los distritos por regiones o se pueden
usar expresiones complejas para estas agrupaciones.

• Navegar por los datos: Con OLAP no estamos mirando un informe estático ni tampoco tenemos que buscar en 1000
informes que cubren diferentes áreas del negocio. OLAP nos permite trabajar con los datos de una forma natural e intuitiva.
Si en un momento determinado necesitamos más información, con un simple click el software reorientará la vista para
obtener la información necesaria. Por ejemplo, pulsando en uno de los valores de venta de nuestro cubo, podríamos hacer
que se presentara en la pantalla las transacciones individuales en un periodo determinado.

• Computación: Como OLAP se centra en la gestión de grandes cantidades de datos numéricos, las aplicaciones suelen
incluir funciones matemáticas para ayudar a los usuarios y usuarias a procesar esos datos.

• Pivotar: Del mismo modo que en las tablas de Excel, las herramientas OLAP también incluyen la función de pivote para ver
los datos desde diferentes perspectivas.

41
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

2.6. TIPOS DE OLAP

Una aproximación multidimensional a los datos puede ser útil en diferentes tipos de arquitectura. Esto nos da varios tipos
de OLAP que pasamos ahora a describir:

DEFINICIÓN

MOLAP es la arquitectura basada en cubos. Es una versión de OLAP diseñada para conseguir velocidad ante
todo. MOLAP almacena los datos en estructuras lógicas construidas para acelerar la recuperación de los
datos y está separadas de las bases de datos relacionales

Hay un tipo de OLAP que trabaja sin cubos y es el que conocemos como ROLAP.

ROLAP emula los cubos insertando una capa de semántica entre la base de datos (RDBMs) y las herramientas de usuario
imitando las acciones de los cubos. Las herramientas de acceso se conectan a la capa semántica como si estuvieran hablando
con el cubo OLAP.

El problema es que las RDBMs no están diseñadas para tratar con datos en un modo dimensional. Cuando estos datos
implican múltiples dimensiones y su cantidad crece, pueden producirse problemas de rendimiento.

Una aproximación intermedia entre las dos anteriores es HOLAP.

En la actualidad, la entidad fabricante de RDBMs incluye herramientas que integran funciones de OLAP. Un ejemplo es
Microsoft SQL Server con su paquete Analysis Service.

Cuando un sistema HOLAP tiene que gestionar grandes números en múltiples dimensiones, hace uso de los cubos para ofrecer
un buen rendimiento. Cuando las personas usuarias tienen que profundizar en las transacciones almacenadas, se usan las
capacidades de las RDBMs para hacer el trabajo.

42
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

3. DASHBOARDS Y BRIEFING BOOKS

La gestión de una empresa requiere conocer en todo momento su situación, incluso en los más mínimos detalles, y tomar
decisiones que cambien su rumbo cuando sea necesario.

Business Intelligence puede proporcionar herramientas TI que funcionan como un panel de control del negocio. Algunas de
estas herramientas son los dashboards, que monitorizan las funciones vitales de la empresa y ofrecen información inmediata
sobre dónde y cómo se está degradando el rendimiento de alguna de estas funciones.

DEFINICIÓN

Los Factores Críticos de Éxito (Critical Success Factors) son el número limitado de áreas en las cuales los
resultados, si son satisfactorios, asegurarán un funcionamiento competitivo y exitoso para la organización.

3.1. INTRODUCCIÓN A LOS DASHBOARDS: EIS

Tradicionalmente, el proceso de toma de decisiones por parte de la dirección de una empresa implicaba analizar flujos de datos
y, en combinación con l equipo subordinado, interpretar esos datos.

Los EIS (Executive Information Systems) cambiaron todo esto. A principio de los 80, las compañías empezaron a trabajar
con los departamentos TI para recoger la información que estaba dispersa por toda la empresa, recopilarla, procesarla y
presentarla en informes y resúmenes sencillos de leer. En lugar de números en bruto, el equipo ejecutivo recibían información
en un contexto, análisis en inteligencia con la que trabajar.

La base para los EIS fueron los DSS (Decision Support System), el primer tipo de software que usaba la capacidad de
computación para ayudar en la toma de decisiones.

43
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

EVOLUCIÓN DE LOS EIS

Al principio, la mayoría de estas aplicaciones se desarrollaban a medida por los departamentos de tecnología de las propias
empresas. A principios de los 80 algunos fabricantes empezaron a vender estas soluciones, como Command Center de Pilot
Executive Software, Comshare, Metapraxis y Execucom. La mayoría de estos paquetes tenían un coste que rondaba el cuarto
de millón de dólares.

Inicialmente los EIS estaban orientados para los niveles más altos de la jerarquía de le empresa, pero pronto el resto de la
organización empezó a interesarse por ellos. Al fin y al cabo se trata de un software que recibe datos, los procesa y los presenta
a la persona usuaria, así que los niveles intermedios también podrían aprovecharse de sus ventajas.

La única diferencia entre un EIS a nivel ejecutivo y otro a nivel intermedio es el ámbito de los datos con los que trabaja. El
director o directora de ventas puede interesarse en ver las métricas de ventas de las 250 tiendas que hay en el país, mientras
que un director o directora regional podría mostrar interés en la misma información, pero en las 32 tiendas de su región.

3.2. SISTEMA DE MÉTRICAS (KPIS)

Los negocios pueden ser muy complejos y ser medidos en miles de formas diferentes. Sin embargo, la mayoría de las empresas
tiene un puñado de métricas que revelan si el rendimiento está siendo el esperado o no. Son los denominados Key Performance
Indicators (KPI).

Los KPI son algo más que simples medidas financieras y llegan al corazón de las operaciones de la compañía. Deben ser
seleccionados cuidadosamente y deben medir lo que es más importante para el éxito de la empresa. Por otra parte, los KPI
deben ser:

Lo suficientemente específicos para indicar dónde encontrar el origen de un problema si existe.

Lo suficientemente generales para evitar que el usuario o usuaria se pierda en las complejidades de una gran organización.

Un ejemplo de KPI en un Call Center puede ser el porcentaje de incidencias que resuelven en la primera llamada sin necesidad
de escalar a otro nivel. Es posible que no tenga interés el porcentaje de incidencias que resuelve el equipo de operadores y
operadoras, pero sí el cómputo global.

Será necesario seleccionar los KPI para obtener una imagen global del estado de la organización. Por ejemplo, las métricas
financieras pueden indicar la salud de la empresa, pero no dar detalles sobre lo que está pasando en segundo plano. De hecho,
BI está creciendo en popularidad día a día porque pone en manos del equipo ejecutivo las mejores métricas, desarrolladas a
través de procesos de inteligencia de negocios y diseñadas para ser precisas, apropiadas y significativas.

44
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

SABER MÁS

Algunos ejemplos de métricas son:

• Tiempo medio de espera de un cliente que llama al Call Center.

• Porcentaje de unidades defectuosas fabricadas.

• Tiempo medio de un ciclo de ventas.

• Ventas por metro cuadrado en un centro comercial.

3.3. BUENAS PRÁCTICAS EN DASHBOARDS

Los dashboards actuales son descendientes directos de los antiguos sistemas EIS y DSS, pero mejorando enormemente la
funcionalidad y la apariencia.

Del mismo modo que las herramientas de consulta e informes y las de OLAP, la última generación de dashboards puede
ponerse a disposición de una gran cantidad de usuarios y usuarias en toda la empresa, a todos los niveles y en casi todos
los trabajos. En cualquier caso, no todo el personal trabajador tiene las habilidades ni la formación para escribir consultas
complejas o dirigir una aplicación para que produzca los resultados deseados. Un buen dashboard puede marcar la diferencia
en la productividad del personal porque les permite tomar decisiones inmediatas basadas en información en tiempo real.

Cada pantalla y control de un dashboard debería representar información que sea relevante para el usuario o usuaria . Por
ejemplo, el dashboard para la persona responsable de un call center debería mostrar un gráfico en tiempo real del volumen
de llamadas, tiempos medio de espera, tiempos de llamada, llamadas atendidas por cada persona empleada y otras métricas
significativas para el departamento.

45
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

Entre todas las entidades fabricantes de dashboards que hay en la actualidad, ¿cómo seleccionamos el mejor para nuestro
caso? Primero vamos a clasificar los tipos de dashboards:

• Dashboards tácticos: Miden la productividad y efectividad a corto plazo. Su salida suele ser utilizada por una única
persona usuaria, como un ingeniero o ingeniera de red que monitoriza las estadísticas y tendencias de la infraestructura
TI en tiempo real.

• Dashboards operativos: Cuantifican la efectividad de una función de negocio a corto y medio plazo. Por ejemplo, el
manager o la manager de un call center podría estar interesado en conocer métricas de satisfacción de las personas
consumidoras, buscando tendencias negativas para llevar a cabo alguna acción.

• Dashboards estratégicos: Se construye para la toma de decisiones en los niveles más altos de la organización, como
ejecutivos o directores de unidades de negocio. Muestran métricas que representan estrategias corporativas.

Los dashboards tienen más de 2 décadas de vida y en este tiempo se han desarrollado buenas prácticas que podemos aplicar
a la selección del que mejora se adapta a nuestras necesidades:

• ¿Cuál es el ámbito de lo que vamos a medir? ¿Qué tipo de datos vamos a mostrar?

• Seleccionar los KPIs cuidadosamente. Empezando con los objetivos de negocio para luego pasar luego pasar a los datos
operativos disponibles para encontrar las métricas adecuadas.

• No sobrecargar el dashboard. Los dashboards sólo deberían presentar la información esencial.

• Vigilar el dashboard, pero tener en cuenta las funciones en segundo plano. Los dashboards pueden ser muy útiles por sí
mismos, pero también es importante usar las otras herramientas BI, como las consultas e informes OLAP, que nos dan un
mayor nivel de detalle.

• Diseñar el dashboard con mucho cuidado. Esto implica la colocación de los gráficos y estadísticas, la selección de los
estilos, colores, ... Una buena práctica en este sentido es mantener la simplicidad. Debe ser utilizable y si los usuarios y
usuarias tienen problemas navegando o interpretando los datos, no lo usarán.

UNA VENTANA AL MUNDO

En el siguiente enlace tenemos una demostración en la que podemos trabajar con información OLAP y
dashboards: http://ison.stratebi.es/insurances/

46
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

3.4. BRIEFING BOOKS: SCORECARDS

Los dashboards son muy buenos entregando información en tiempo real, pero hay más componentes a tener en cuenta en
una solución BI. Por ejemplo, es posible que necesitemos acceso de forma periódica a informes o a los resultados de otra
aplicación más allá de las pantallas personalizadas de nuestro dashboard. También podríamos querer compartir resultados
específicos de BI con el personal de la compañía.

Para colaborar en las métricas de los dashboards o para otras funciones complejas de informes, muchas suites BI incluyen
una herramienta de briefing book. Un briefing book da la oportunidad a la persona usuaria de guardar y recopilar pantallas
de dashboards, scorecards e informes para crear un libro de información relacionada.

PRESTA ATENCIÓN

Los briefing books no son sólo capturas de pantalla o transparencias en un Power Point, sino que las perso-
nas usuarias pueden crear y organizar una colección de datos dinámicos que proceden de múltiples fuentes.
Se pueden incluir controles en los briefing books de forma que determinada información sólo aparezca
cuando se cumplen algunas condiciones, por ejemplo, que sólo muestre las fases de un proyecto que no se
han finalizado a tiempo.

47
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

4. TECNOLOGÍAS EMERGENTES EN BUSINESS INTELLIGENCE

Business Intelligence es un campo que está en evolución constante. Las entidades fabricantes ofrecen cada día soluciones
más potentes e innovadoras. El propósito sigue siendo el mismo, que los sistemas BI entreguen resultados sean precisos,
apropiados, procesables y que aporten valor, y las nuevas capacidades persiguen las mismas metas pero de una forma
optimizada.

Entre los avances en BI encontramos mayores capacidades de representación gráfica o conseguir que sean unas tecnologías
accesibles para más personas, y se está consiguiendo a un ritmo de cambio constante.

Algunas de las áreas en las que se producen mayores avances en BI son:

Visualización: Gráficos avanzados para que los resultados sean más claros.

Análisis Guiado: Respuestas a un conjunto específico de cuestiones y de una forma estructurada para conseguir los objetivos,
prescribiendo ciertas acciones basadas en la información recibida y el análisis.

Minería de Datos: Ser capaz de encontrar la información que se busca en una montaña de información.

Herramientas de datos no estructurados: Convertir datos irregulares en resultados de negocio con capacidades de búsqueda
e indexado.

4.1. VISUALIZACIÓN DE LA INFORMACIÓN

La principal misión de cualquier programa de BI es entregar información a los usuarios y usuarias cuando y donde la
necesiten. Sin embargo, como misión secundaria, el sistema BI debe hacer que esa información sea utilizable. Uno de los
métodos que puede usar el sistema BI para conseguirlo es aplicar diferentes técnicas de visualización.

El objetivo de la visualización es presentar números, estadísticas, métricas y otros elementos en un formato gráfico que los
haga más fácil de entender e interpretar.

Algunas características que se piden a estas capacidades de visualización son:

• Atractivas estéticamente: La información no sólo tiene que ser precisa, sino que debe hacer que el usuario o usuaria quiera
leerla y le resulte cómodo y agradable.

• Interactividad: Las nuevas herramientas incluyen controles con los que interactuar con los gráficos que se transforman
según el contexto.

• Personalizables: De forma que puedan adaptarse a las necesidades particulares de cada situación o cada persona usuaria.

48
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

Una de las tendencias más importantes en en este campo es la visualización espacial, que permiten representar la información
sobre mapas u otras representaciones geoespaciales:

49
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

4.2. ANÁLISIS GUIADO

Parte del desafío en Business Intelligence es que las cada vez más potentes herramientas crean tantas posibilidades que
pueden abrumar al equipo de analistas. Podrían llegar a dar demasiadas opciones para resolver un problema que necesita
ser resuelto inmediatamente.

Aquí es donde el análisis guiado puede ser de utilidad. Es una aplicación que se sitúa sobre otras herramientas BI y dirige a
la persona usuaria para que siga ciertos pasos basándose en los resultados iniciales.

Por ejemplo, una persona empleada de banca que está utilizando una aplicación hipotecaria podría tener que introducir cientos
de datos sobre el cliente y el préstamo. Probablemente, el proceso tenga decenas de opciones y alternativas dependiendo de los
datos introducidos. Además, la persona empleada podría tener que consultar al mismo tiempo informes de mercado, perfiles
de crédito y otra información. El análisis guiado recopila este complejo proceso y dirige a esta persona por las pantallas que
necesita hasta llegar a completar el proceso. También, la aplicación podría entregarle información contextual según la va
necesitando.

Estas herramientas de análisis guiado podrían incluir asistentes que guían al usuario o usuaria y alertas que monitorizan el
sistema o la actividad del empleado o empleada, y sólo ofrecen ayuda cuando es necesario:

• El usuario es alertado de un problema y se le da consejo sobre cómo resolverlo.

• El sistema ejecuta automáticamente procesos o consultas que podría necesitar el usuario para llevar a cabo la tarea
pendiente.

• El sistema dirige al usuario por un camino de buenas prácticas, presentando pantallas y tareas preestablecidas.

4.3. MINERÍA DE DATOS

La cantidad de información que guardan las compañías es enorme. Las nuevas tecnologías permiten almacenar esta
información en muy poco espacio, pero es necesario procesarla para encontrar lo que se necesita en cada momento. Es
posible que esa gran cantidad de información esconda alguna tendencia o algún secreto que podría cambiar el rumbo de la
compañía.

De esto es de lo que se encarga la minería de datos. Trata de buscar en los datos pasados algún resultado que pueda ser
útil para el futuro.

50
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

UNA VENTANA AL MUNDO

Podemos acceder a una demostración de varias herramientas de las que hemos hablado en esta unidad,
incluyendo minería de datos en el siguiente enlace:http://www.quevalemicasa.es/.
En esta página podrás usar minería de datos, ver información en formato OLAP o acceder a un dashboard.

4.4. TENDENCIAS EN BI
Como ya hemos dicho antes, BI está en constante evolución y cada poco tiempo surgen nuevas tendencias y conceptos que
ayudan a hacer más potente o utilizable estas tecnologías:

• Arquitecturas.

• Aplicaciones.

• Estructuras organizativas.

Una de estas tendencias es ofrecer BI a todos los niveles en la empresa, no sólo al equipo directivo.

Otra tendencia al alza son los datos no estructurados. Hay una gran cantidad de información en documentos, páginas web,
vídeos, ..., que es complicado ordenar, indexar o buscar. Se están desarrollando nuevas tecnologías de búsqueda que permiten
a la persona usuaria encontrar y usar información que no se ajusta a un patrón conocido.

SABER MÁS

En el siguiente vídeo podemos ver una demostración de una de estas tecnologías que reconoce patrones en
vídeos para recomendar vídeos similares o buscar información relacionada:Enlace: https://www.youtube.
com/embed/qu4qcOSEvjs?wmode=transparent

51
Analítica de Datos
Unidad 2. Modelos de Usuario en Business Intelligence

RESUMEN
Una vez que hemos recopilado los datos y los hemos transformado para que tengan un formato común, tenemos que procesarlos
para que nos devuelvan resultados útiles. Este procesamiento se inicia con las tareas de consulta y generación de informes.

Las consultas suelen estar basadas en un lenguaje estructurado como SQL, y en base a estas consultas generamos los
informes que nos interesan modificando las cadenas SQL. Sin embargo, para acercar BI a todo tipo de usuarios, es necesario
que las herramientas usadas permitan generar estos informes sin necesidad de tener conocimientos de programación ni de
lenguaje SQL.

Por otra parte, SQL no se adapta a patrones de datos que necesitamos analizar desde diferentes puntos de vista. De hecho, las
bases de datos relacionales no son la mejor forma de almacenar este tipo de datos. Por este motivo surgen OLAP y las técnicas
de análisis multidimensional, que nos permiten obtener informes de una forma mucho más rápida y precisa.

Sea cual sea la técnica utilizada para consultar y obtener informes, es muy importante representar estos resultados de
una forma que sea sencilla de entender y visualmente atractiva. Así surgen los dashboards, que permiten personalizar la
información presentada a los usuarios y usuarias según el contexto en el que trabajan. Estos dashboards deben presentar
sólo la información esencial para las tareas que tiene que realizar la persona usuaria. Esta información se recoge en los
denominados KPI ó factores clave de rendimiento.

52