Ing. Jean Paul Bretón
Consultor Independiente
Experto en Inteligencia de Negocios
jp_breton@yahoo.com

Existen en la industria de las tecnologías de la información grandes olas de soluciones a problemas de negocios, por ejemplo, las herramientas CASE (Computer Aided Software Engineering) de los años noventa que se transformaron en las plataformas de desarrollo actuales, los ERP (Enterprise Resource Planning) de finales de esa década para automatizar los procesos de negocios más comunes de las empresas, como: registro contable, procesos de compras, ventas, fabricación, control de inventarios y más reciente —una vez afianzado el control de la operación en las empresas— aparece la ola de Inteligencia de Negocios (Business Intelligence)

Si bien ya queda claro para los niveles directivos en las empresas las bondades de la automatización de procesos como la calidad, eficiencia en costos, recursos y tiempos de ejecución, el tema de inteligencia de negocios abarca conceptos muy variados y se beneficia de una definición práctica: inteligencia de negocios es la capacidad de integrar datos y transformarlos en información clara y “accionable” para habilitar una toma de decisión oportuna en la empresa extendida que incluye todo el ecosistema empresarial desde proveedores a clientes.
Esta definición abarca los conceptos clásicos de información estratégica para la alta dirección empresarial a cargo de fijar el rumbo de las compañías (inteligencia de negocio estratégica) y reconoce adicionalmente que distintos niveles y roles en las compañías tienen oportunidad de tomar decisiones –más operacionales-, inclusive clientes o proveedores, daremos ejemplos más adelante (inteligencia de negocios operacional). También aclara el objetivo de las soluciones de inteligencia de negocios: “toma de decisión oportuna”, los medios “información clara y accionable” y el proceso global que se sigue “integrar datos y transformarlos”.
¿INTELIGENCIA DE NEGOCIOS PUEDE SER UN FACTOR COMPETITIVO DIFERENCIADOR?
Un ejercicio simple, pero revelador de inteligencia de negocio como factor competitivo puede realizarse con teclear la palabra “restaurantes” en tres buscadores Internet distintos y ver la relevancia de los resultados para el usuario final: tomador de decisión, en este caso.
Google utiliza la información de localización del usuario para desplegar un mapa y una serie de opciones cercanas y, sin duda alguna, al integrar este dato adicional, entre otros, para producir información clara y “accionable”, gana la preferencia de los usuarios y, por ende, de los anunciantes, fuente de sus ingresos.
Otro ejemplo de la información como factor competitivo son las sugerencias personalizadas de Amazon (ganó la batalla a Barnes and Noble). Amazon procesa la información de compras pasadas y de navegación en su sitio Internet, con lo que es capaz de producir ofertas de interés para sus clientes.
Si bien, entender mejor lo que desea el cliente es uno de los factores competitivos diferenciadores más útiles, también lo es el uso de información para mejorar la eficiencia operacional. Una de las compañías más exitosas en este rubro es Walmart que integra la información de tickets de compra cada 15 minutos y es capaz de detectar faltantes en tiendas y proceder a reabastecimientos en el momento. Los ejemplos más ilustrativos pueden ser la detección de tendencias de compra de banderas nacionales de EE.UU., para el evento del 11 de septiembre o la detección del avance de influenza estacional en una zona geográfica y la toma de las respectivas medidas operacionales: compra de stocks de banderas y el abastecimiento de medicinas de las tiendas.
Todos los ejemplos precedentes son del tipo inteligencia de negocio operacional: mejora de los procesos de venta o de entrega por medio de información. ¿Qué hay de la inteligencia de negocio estratégica como los reportes financieros, cuadros de mandos, indicadores de desempeño declinados a lo largo de la empresa? ¿Pueden constituir diferenciadores competitivos?
Estudios diversos al respecto muestran una correlación entre mejores prácticas de gestión y mejores resultados; sin embargo, y salvo el caso de incentivos salariales bien alineados a las estrategias empresariales, no se puede demostrar como tal un mecanismo de causa efecto y ventajas competitivas tajantes. Pero, desde nuestra perspectiva, el mecanismo en este caso opera en sentido contrario, los directivos que no dispongan de información oportuna, detallada y explicativa del funcionamiento de su empresa en el mercado, en caso de incidentes -por ejemplo, desempeño deficiente de un sector de ventas o de operación- o, en caso de adaptaciones necesarias -por ejemplo oferta de productos y servicios más competitivos-, rectificarán en forma tardía su rumbo, y perderán puntos de participación en el mercado frente a su competencia. El no disponer de inteligencia de negocio estratégica constituye una desventaja competitiva.
¿CÓMO HACER DE LA INTELIGENCIA DE NEGOCIOS UN FACTOR COMPETITIVO?
El punto de partida es definir una estrategia de inteligencia de negocios personalizada a la situación de su compañía y detallar los medios organizacionales y tecnológicos a poner en obra para ejecutar esta estrategia.
Si bien existen prácticas más avanzadas en el uso de la información específica a cada industria, por ejemplo, el cálculo de la probabilidad de defección de un cliente en el sector de banca o de telecomunicaciones, la situación propia de cada compañía y de su entorno es la que debe guiar los esfuerzos para definir las capacidades a desarrollar. Existen dos escollos frecuentes: inteligencia de negocio visto como proyecto de tecnología de la información o como un conjunto de indicadores y reportes prefabricados.
Primer escollo, inteligencia de negocio como proyecto de tecnología
Si bien es cierto que la inteligencia de negocios tiene aristas de TI, los niveles directivos tienen que tomar la responsabilidad de definir:

• Los objetivos de negocio, por ejemplo, retención de clientes.
• La información que requieren: propensión a defección, rentabilidad de clientes.
• Su frecuencia y oportunidad: mensual, la primera semana del mes.
• Las acciones que van a tomar: ofertas personalizadas, descuentos y el impacto que se espera: reducción de 20% de pérdidas anuales de clientes e ingresos adicionales de 1% del ingreso total anual.

Delegar esta responsabilidad a TI cuando los pasos a seguir:

• Definición de objetivos de negocio.
• Definición de análisis requeridos para apoyar la consecución de los objetivos trazados, su frecuencia y oportunidad.
• Definición de las acciones a tomar con base en los análisis requeridos e impactos de negocio esperados.
• No están bien definidos y con frecuencia resulta en proyectos de generación de información que caen en desuso.

El segundo escollo, estrategia de inteligencia de negocios visto como un conjunto de indicadores y reportes prefabricados
La actuación empresarial tiene que evolucionar al ritmo de los mercados y a las circunstancias siempre cambiantes. Si bien existe un conjunto permanente de indicadores clave, tales como: ventas, gastos, nivel de cartera, etc., el porqué se alcanza un nivel dado en relación con los objetivos fijados, es resultado de múltiples variables: economía global, competidores, desempeño propio, cambio en las preferencia de los clientes, proveedores, empleados, entre otras.
Pretender que se tiene un conjunto de indicadores y de reportes que cubran en forma definitiva todas las necesidades de análisis que se deban producir para ajustar la marcha del negocio, deja de tener validez en cuanto el nivel de complejidad de la empresa y de su ecosistema rebasa umbrales de miles de transacciones al año o cientos de clientes o empleados o productos. Como parte de la estrategia de inteligencia de negocios es mucho más recomendable definir las bases de información y las capacidades de análisis: reportes regulares, análisis ad hoc y predictivos, que explotarán estas bases.
¿EN QUÉ CONSISTEN LAS CAPACIDADES ORGANIZACIONALES Y TECNOLÓGICAS DE PRODUCCIÓN DE INFORMACIÓN?
Las capacidades que se definan deberán resolver los siguientes tres grandes retos resultantes de la definición de la estrategia de inteligencia de negocios:

• ¿Cómo tengo que organizarme para ejecutar la estrategia definida y evolucionarla conforme se necesita?
• ¿Cuáles son las bases de información necesarias?
• ¿Cuáles son las capacidades de análisis necesarias?

Las respuestas son muy variadas en función de las compañías, su cultura, sistemas de información, madurez de su organización en cuanto al uso de análisis, impacto de las oportunidades de negocio seleccionadas en la definición de estrategia de inteligencia de negocios.
Las capacidades organizacionales en grandes empresas requieren:

• La creación de un Comité de Inteligencia de Negocios que permita la alineación permanente de las bases de información y capacidades de análisis a las necesidades de negocio.
• La definición de puestos o incorporación de personal con perfiles especializados con la doble competencia de negocios y producción/análisis de información. Estos puestos especializados se pueden organizar por unidades de negocio, en una unidad central para apalancar algunos perfiles expertos o en modelos mixtos.
• La definición de procesos y niveles de servicio de producción de la información.

Las capacidades de desarrollo de las bases de información requieren:

• La creación de modelos de datos lógicos y/o físicos más conocidos como Data Warehouse o Data Marts
• La extracción de la información de los sistemas fuente internos y externos, la limpieza de datos, por ejemplo, nombres y apellidos de clientes, su transformación a conceptos homogéneos para toda la empresa, por ejemplo, sector de industria. Una ilustración del trabajo de definición de base de información puede ser el concepto de ingresos para un periodo dado, generalmente proviene de la facturación, pero descuenta notas de crédito del mismo periodo, ingresos por vendedor posiblemente no tome en cuenta las notas de crédito, en tanto que ingresos por clientes sí.
• Metadatos explicativos de los conceptos de negocios, de la ejecución de los procesos de extracción, limpieza y transformación, de los conceptos técnicos en donde están almacenados los datos (bases, tablas, campos) su procedencia, sus reglas de cálculo. Los metadatos permiten garantizar la confiabilidad e integridad de la información producida.

El desarrollo de las capacidades de análisis abarca un espectro todavía más amplio que el tema de bases de información:

• Probablemente los más conocidos son análisis multidimensional y creación de escenarios a futuro que son las primeras etapas en la sofisticación del uso de la información para el entendimiento de la situación de negocio. Los primeros temas analizados suelen ser financieros (ingresos y egresos) para evolucionar hacia modelos más completos de la visión del negocio abarcando los temas de mejora de procesos, de clientes y de empleados.
• Sigue la capacidad de análisis ad hoc: “explicar lo que pasó”. Se requiere soluciones con funcionalidad de navegación en las bases de información, de filtrado y algunas veces de cruce de datos. Existen hoy pocas soluciones enfocadas en usuarios finales para esta capacidad de análisis, en cuanto las preguntas de negocio se complican. Por ejemplo, resulta complejo cruzar la información de pérdida de ventas contra incumplimiento de un proveedor de insumo de un proceso de fabricación.
• Más adelante en sofisticación siguen modelos predictivos como riesgo de crédito, propensión a defección de clientes o propensión a compra de un producto y también se crean modelos de generación de información especializados como cálculo de rentabilidad, modelos de costeo y una serie de modelos derivados de optimización de resultados de la empresa o de valor del cliente. La industria del sector financiero altamente regulada necesita producir modelos todavía más avanzados como consumo de capital por los distintos tipos de riesgo (crédito, mercado, liquidez, operacional) y su consolidación.
• Una última capacidad, de desarrollo reciente, es el análisis interactivo mediante la visualización de grandes cantidades de datos. Con estas soluciones el usuario identifica rápidamente situaciones anómalas o tendencias y seleccionando una zona de las gráficas presentadas es capaz de ir a un nivel de detalle fino de la información (por ejemplo, una transacción de compra o venta).

¿CUÁLES SON LAS TENDENCIAS DE LA INDUSTRIA DE TI PARA la CREACIÓN DE BASES DE INFORMACIÓN Y DE CAPACIDADES DE ANÁLISIS?
La extracción, limpieza y transformación de datos para poblar las bases de información físicas o lógicas, suele ser el proceso que requiere el mayor esfuerzo en el desarrollo y mantenimiento de las soluciones de inteligencia de negocio. Es un paso necesario para asegurar la integridad de la información producida, sin embargo, con frecuencia es cuestionado por los usuarios finales, interesados principalmente en la explotación de las bases de información.
Para reducir el costo de este esfuerzo, las tendencias van hacia la creación de ambientes ETL (Extraction, Transformation and Load) gráficos con múltiple ayudas para aumentar la productividad en la codificación de los procesos de mapeo entre sistemas fuente y base destino, la codificación de transformaciones y limpieza de datos.
Otra tendencia en las herramientas de ETL (y de análisis) es la creación de modelos de información lógicos como bases de datos finales a explotar. Estos modelos lógicos aíslan a los usuarios de los cambios frecuentes en los sistemas fuente y permiten añadir rápidamente una nueva fuente de información sin tener que poblar físicamente las bases de datos de información –mientras los sistemas fuente soporten la carga de proceso ligada a los análisis que se requieren sin pérdida de nivel de servicio operacional.
En cuanto a las bases de información, el volumen de datos a procesar está en constante aumento así como el número de análisis a realizar. El tipo de información a almacenar para análisis incluye también nuevos tipos de datos (por ejemplo mensajes de texto o datos de geo-localización).
Vemos seis principales tendencias de la industria para superar el reto de desempeño y funcionalidad que acarrea el crecimiento en volumen y tipos de datos:

• Usar el paralelismo de los CPU actuales con múltiples núcleos.
• Usar modelos de almacenamiento de datos en columnas o mixtos (registros y columnas) y con motores de compresión implementados vía software o procesadores especializados.
• Cargar la base de datos totalmente en memoria y calcular agregaciones al vuelo.
• Expandir el procesamiento en paralelo entre varios equipos tipo lego.
• Expandir las funcionalidades del SQL o MDX mediante de funciones especializadas y abiertas.
• Realizar procesamientos analíticos sofisticados, de tipo modelos predictivos, directamente en la base de datos.

Las capacidades de análisis también se ven beneficiadas de igual forma que las bases de información por el aumento en capacidad de procesamiento de los CPU y las capacidades en memoria RAM de los equipos de cómputo. Esta capacidad de procesamiento permite la creación interfaces gráficas muy flexibles que aíslan a los usuarios finales de los lenguajes de acceso a las bases de información (SQL, MDX, R, etcétera). Inclusive la creación de modelos predictivos, reservada todavía hace unos pocos años a especialistas estadísticos, sigue esta tendencia de interfaces gráficas intuitivas y con múltiple ayudas. Otras tres grandes tendencias de la industria se centran en:
Análisis mediante visualización e interacción dinámica de conjunto de datos.
Creación de entornos cooperativos y de flujos de trabajo alrededor del análisis de información.
Uso de dispositivos móviles para consulta y realización de análisis.
En conclusión, para crear un factor competitivo diferenciador gracias a la inteligencia de negocios -estratégica u operacional- es necesario contar con la participación de los niveles directivos y definir los procesos de toma de decisión estratégicos u operacionales que se van a beneficiar de la información creada, así como las capacidades organizacionales y tecnológicas de producción de esta información.