Inteligencia de negocios

Ir a: navegación, búsqueda de

Inteligencia de negocios (BI) es el conjunto de técnicas y herramientas para la transformación de datos en información útil y significativa para Análisis de negocio propósitos. Tecnologías de BI son capaces de manejar grandes cantidades de datos no estructurados para ayudar a identificar, desarrollar y de lo contrario, crear nuevas oportunidades de negocio estratégico. El objetivo de BI es permitir la fácil interpretación de estos grandes volúmenes de datos. Identificar nuevas oportunidades e implementar una estrategia eficaz basada en ideas pueden proporcionar las empresas con una ventaja en el competitivo mercado y estabilidad a largo plazo.[1]

Tecnologías BI ofrecen vistas históricas, actuales y predictivos de las operaciones del negocio. Son funciones comunes de las tecnologías de inteligencia de negocios Presentación de informes, procesamiento analítico en línea, Analytics, minería de datos, proceso minero, procesamiento de eventos complejos, gestión del desempeño empresarial, Benchmarking, minería de texto, análisis predictivo y Análisis prescriptivo.

BI puede utilizarse para apoyar una amplia gama de decisiones de negocios oscilan entre operacional y estratégico. Decisiones operativas básicas incluyen producto colocación o fijación de precios. Las decisiones estratégicas de negocios incluyen las prioridades, objetivos y direcciones a nivel más amplio. En todos los casos, BI es más efectiva cuando combina datos derivados del mercado en el que una empresa opera (datos externos) con datos de la compañía fuentes internas a la empresa como financiera y operaciones datos (interna). Cuando se combinan, datos internos y externos pueden proporcionar una imagen más completa que, en efecto, crea una "inteligencia" que no se puede derivar de un singular conjunto de datos.[2]

Contenido

  • 1 Componentes
  • 2 Historia
  • 3 Almacenamiento de datos
  • 4 Comparación con inteligencia competitiva
  • 5 Comparación con analítica de negocios
  • 6 Aplicaciones en una empresa
  • 7 Priorización de proyectos
  • 8 Factores de éxito de implementación
    • 8.1 Patrocinio Empresarial
    • 8.2 Necesidades del negocio
    • 8.3 Cantidad y calidad de los datos disponibles
  • 9 Aspecto de usuario
  • 10 Portales BI
  • 11 Mercado
    • 11.1 Específicas de la industria
  • 12 Datos no estructurados o semiestructurados
    • 12.1 Datos no estructurados vs datos semiestructurados
    • 12.2 Problemas con datos no estructurados o semiestructurados
    • 12.3 El uso de metadatos
  • 13 Futuro
  • 14 Véase también
  • 15 Referencias
  • 16 Bibliografía
  • 17 Enlaces externos

Componentes

Inteligencia de negocios está compuesta por un creciente número de componentes que incluyen:

  • Asignación y agregación multidimensional
  • Denormalización, etiquetado y estandarización
  • En tiempo real informes con alerta analítica
  • Un método de interconexión con datos no estructurados fuentes
  • Consolidación del grupo, presupuestos y pronósticos del balanceo
  • Inferencia estadística y simulación probabilística
  • Optimización de los indicadores clave de rendimiento
  • Gestión de proceso y control de versiones
  • Administración de elementos abiertos

Historia

El término "Business Intelligence" fue acuñado originalmente por en 'Cyclopædia de comerciales y negocios anécdotas' 'Devens Millar Richard desde 1865. Devens utilizó el término para describir cómo el banquero, Sir Henry Furnese, obtuvo ganancias por recibir y actuar sobre información acerca de su entorno, antes de sus competidores. “A través de Holanda y Flandes, Francia, Alemania, mantuvo un tren completo y perfecto de business intelligence. La noticia de las muchas batallas libradas así fue recibida primero por él, y la caída de Namur agregó a sus beneficios, debido a su temprana recibo de las noticias.” (Devens, (1865), p. 210). La capacidad de recoger y reaccionar en consecuencia basándose en la información obtenida, una habilidad que Furnese destacado, es hoy aún en el corazón de BI.[3]

En un artículo de 1958, IBM Investigador Hans Peter Luhn utiliza la inteligencia de negocio del término. Él empleó la definición del diccionario de Webster de inteligencia: "la capacidad de aprehender las interrelaciones de presentado hechos de tal manera en cuanto a orientar la acción hacia una meta deseada".[4]

Inteligencia de negocios como se entiende hoy en día se dice que han evolucionado desde los sistemas de soporte de decisión (DSS) que comenzó en la década de 1960 y desarrollado a lo largo de mediados de la década de 1980. DSS se originó en los modelos informático creados para ayudar a toma de decisiones y la planificación. De DSS, almacenes de datos, Sistemas de información Ejecutiva, OLAP e inteligencia de negocio entró en principio de enfoque en los años 80.

En 1988, un Consorcio Italiano-Dutch-French-English organizó una reunión internacional sobre la Análisis de datos multiway en Roma.[5] El objetivo final es reducir las múltiples dimensiones hasta uno o dos (mediante la detección de los patrones en los datos) que luego se pueden presentar a los tomadores de decisiones humanas.

En 1989, Howard Dresner (más tarde un Gartner Group Analista) propuso "business intelligence" como un término general para describir "conceptos y métodos para mejorar la toma de decisiones de negocios mediante el uso de sistemas de apoyo basadas en hechos".[6] No fue hasta finales de los 90 que este uso fue generalizado.[7]

Almacenamiento de datos

Aplicaciones de BI a menudo utilizan los datos recopilados desde un almacén de datos (DW) o de un Data Mart.y los conceptos de BI y DW combinan a veces como "BI/DW"[8] o como"BIDW". Un almacén de datos contiene una copia de los datos analíticos que facilita la toma de decisiones. Sin embargo, no todos los almacenes de datos sirven para business intelligence, ni todas las aplicaciones de inteligencia de negocios requieren un almacén de datos.

Para distinguir entre los conceptos de inteligencia de negocios y los almacenes de datos, Forrester Research define la inteligencia de negocios en una de dos maneras:

  1. Usando una definición más amplia: "Inteligencia de negocios es un conjunto de metodologías, procesos, arquitecturas y tecnologías que transforman datos en información útil y significativa sirve para habilitar más eficaces conocimientos estratégicos, tácticos y operativos y toma de decisiones".[9] Bajo esta definición, inteligencia de negocios también incluye tecnologías tales como integración de datos, calidad de datos, data warehousing, gestión de datos maestros, texto y contenido analítica y muchos otros que a veces el mercado grumos en el "Gestión de la información"segmento. Por lo tanto, Forrester se refiere a preparación de datos y uso de datos como dos segmentos separados pero estrechamente relacionados de la pila arquitectónico de business intelligence.
  2. Forrester define el mercado business intelligence más estrecho como, ".. .referring a sólo las capas superiores de la pila de BI arquitectónica tales como informes, análisis y cuadros de mando."[10]

Comparación con inteligencia competitiva

Aunque el término business intelligence a veces es sinónimo de inteligencia competitiva (porque ambos apoyan toma de decisiones), BI utiliza las tecnologías, procesos y aplicaciones para analizar principalmente datos internos, estructurados y procesos de negocios mientras que inteligencia competitiva reúne, analiza y difunde información con un enfoque tópico sobre los competidores de la compañía. Si entiende en términos generales, inteligencia de negocios puede incluir el subconjunto de la inteligencia competitiva.[11]

Comparación con analítica de negocios

Inteligencia de negocios y analítica de negocios a veces se utilizan indistintamente, pero hay definiciones alternativas.[12] Una definición contrasta los dos, afirmando que la inteligencia de negocio del término se refiere a la recogida de datos del negocio para encontrar información principalmente a través de preguntas, reportes y procesos analíticos en línea. Analítica de negocios, por otro lado, utiliza herramientas estadísticas y cuantitativas para el modelo explicativo y predictivo.[13]

En una definición alternativa, Thomas Davenport, profesor de tecnología de la información y gestión en Babson College sostiene que la inteligencia de negocios debe ser dividida en consultar, Presentación de informes, Procesamiento analítico en línea (OLAP), una herramienta de "alertas" y análisis comercial. En esta definición, analítica de negocios es el subconjunto de BI centrándose en las estadísticas, predicción y optimización, más que la funcionalidad de presentación de informes.[14]

Aplicaciones en una empresa

Inteligencia de negocios puede aplicarse a los siguientes propósitos de negocios, con el fin de impulsar el valor de negocio.[citación necesitada]

  1. Medición – programa que crea una jerarquía de métricas de performance (véase también Modelo de referencia de métricas) y Benchmarking informa a líderes empresariales sobre progresos (objetivos de negociogestión de procesos empresariales).
  2. Analytics – programa que construye procesos cuantitativos para un negocio para llegar a decisiones óptimas y realizar descubrimiento de conocimiento empresarial. Frecuentemente implica: minería de datos, proceso minero, Análisis estadístico, análisis predictivo, Modelación predictiva, modelado de procesos de negocio, linaje de datos, procesamiento de eventos complejos y Análisis prescriptivo.
  3. Presentación de informes/informes de negocio – programa que construye infraestructura para informes estratégicos para servir a la gestión estratégica de una divulgación del mundo empresarial, no funciona. Implica con frecuencia visualización de datos, sistema de información Ejecutiva y OLAP.
  4. Colaboración/plataforma de colaboración – programa que obtiene diferentes áreas (tanto dentro como fuera de la empresa) a trabajar juntos a través de intercambio de datos y intercambio electrónico de datos.
  5. Gestión del conocimiento – programa para hacer los datos de la empresa a través de estrategias y prácticas para identificar, crear, representar, distribuir y permitir la adopción de conocimientos y experiencias que son de conocimiento del verdadero negocio. Gestión del conocimiento conduce a gestión del aprendizaje y cumplimiento de normas.

Además de lo anterior, inteligencia de negocios puede proporcionar un enfoque proactivo, tales como funcionalidad alerta inmediatamente notifica al usuario final, si se cumplen ciertas condiciones. Por ejemplo, si algunas métricas de negocio excede un umbral predefinido, la métrica se resaltarán en informes estándar, y el analista de negocios puede ser avisado por correo electrónico o de otro servicio de monitoreo. Este proceso end-to-end requiere manejo de datos, que debe ser manejado por el experto.[citación necesitada]

Priorización de proyectos

Puede ser difícil proporcionar una rentabilidad positiva para iniciativas de inteligencia de negocios, y a menudo deben priorizarse los proyectos a través de iniciativas estratégicas. Proyectos BI pueden alcanzar mayor priorización dentro de la organización si los gerentes consideran lo siguiente:

  • Según lo descrito por Kimball[15] el Gerente de BI debe determinar el costo de beneficios tangibles tales como eliminados de producir informes de legado.
  • Acceso a datos para toda la organización debe ser cumplida.[16] De esta manera incluso un pequeño beneficio, como unos minutos salvó, hace la diferencia cuando multiplicado por el número de empleados en toda la organización.
  • Según lo descrito por Ross, Weil y Roberson para la arquitectura empresarial,[17] los gerentes también deben considerar dejando el proyecto BI conducido por otras iniciativas empresariales con casos de negocio excelente. Para apoyar este enfoque, la organización debe tener arquitectos empresariales que pueden identificar proyectos empresariales adecuados.
  • Usando una metodología estructurada y cuantitativa para crear priorización defendible en consonancia con las necesidades reales de la organización, como una matriz de decisión ponderada.[18]

Factores de éxito de implementación

Según Kimball et al., hay tres áreas críticas que las organizaciones deben evaluar antes de conseguir listo para hacer un proyecto de BI:[19]

  1. El nivel de compromiso y el patrocinio del proyecto por parte de directivos
  2. El nivel de negocios necesita para crear una implementación de BI
  3. La cantidad y calidad de los datos empresariales disponibles.

Patrocinio Empresarial

El compromiso y el patrocinio de la administración superior está según Kimball et al., los criterios más importantes para la evaluación.[20] Esto es porque tener administración fuerte respaldo ayuda a superar las deficiencias en el proyecto. Sin embargo, como Kimball et al. Estado: "incluso los más elegantemente diseñado sistema de DW/BI no puede superar la falta de patrocinio empresarial [administración]".[21]

Es importante que el personal que participa en el proyecto tiene una visión y una idea de los beneficios y las desventajas de la implementación de un sistema de BI. El mejor patrocinador de negocios debe tener capacidad organizativa y debe estar bien conectado dentro de la organización. Es ideal que el patrocinador del negocio es exigente pero también capaz de ser realista y apoyo si la aplicación se ejecuta en el retrasos o inconvenientes. La patrocinadora de la administración también debe ser capaz de asumir la responsabilidad y a asumir la responsabilidad de los fracasos y reveses en el proyecto. Apoyo de varios miembros de la gerencia asegura que el proyecto no falla si una persona deja el Grupo Directivo. Sin embargo, tener muchos administradores trabajan juntos en el proyecto también puede significar que hay varios intereses diferentes que intentan sacar el proyecto en diferentes direcciones, tal como si diferentes departamentos quieren poner más énfasis en su uso. Este problema puede ser contrarrestado por un análisis temprano y específico de las áreas de negocio que se benefician más de la aplicación. Todas las partes interesadas en el proyecto deben participar en este análisis a fin de sentirse propiedad del proyecto y encontrar un terreno común.

Otro problema de gestión que debe encontrarse antes del comienzo de la aplicación si es el patrocinador de negocios excesivamente agresivo. Si la gestión individual se deja llevar por las posibilidades del uso de BI y comienza a querer la aplicación DW o BI para incluir varias diferentes conjuntos de datos que no fueron incluidos en la fase del planeamiento original. Sin embargo, desde implementaciones extras de datos adicionales pueden añadir muchos meses con el plan original, es prudente para asegurarse de que la persona de la gerencia es consciente de sus acciones.

Necesidades del negocio

Debido a la estrecha relación con directivos, otra cosa importante que debe evaluarse antes de que comience el proyecto es o no hay una necesidad de negocio y si hay un beneficio para el negocio claro haciendo la aplicación.[22] Las necesidades y beneficios de la implementación a veces son conducidos por la competencia y la necesidad de obtener una ventaja en el mercado. Otra razón para un enfoque orientado a negocios para implementación de BI es la adquisición de otras organizaciones que agrandar la organización original a veces puede ser beneficioso implementar DW o BI para crear más supervisión.

Las empresas que implementan BI son a menudo grandes organizaciones multinacionales con diversas filiales.[23] Una solución de BI bien diseñada proporciona una vista consolidada de datos no está disponibles en cualquier lugar de la organización, dando visibilidad de la administración y control las medidas que de lo contrario no existiría clave del negocio.

Cantidad y calidad de los datos disponibles

Sin datos adecuados, o con los datos de muy poca calidad, cualquier implementación de BI falla; No importa lo bueno del patrocinio de gestión o es motivación impulsados por el negocio. Antes de su aplicación es una buena idea hacer perfiles de datos. Este análisis identifican el "contenido, consistencia y estructura [.]"[22] de los datos. Esto debe hacerse lo más temprano posible en el proceso y si el análisis muestra que se carecen de datos, pone el proyecto en espera temporalmente mientras las figuras departamento IT cómo recoger correctamente los datos.

Al planear para datos de negocio y los requerimientos de inteligencia de negocio, siempre es recomendable considerar escenarios específicos que se aplican a una determinada organización y a continuación, seleccione las características de inteligencia de negocio más adecuadas para el escenario.

A menudo, giran en torno a los procesos de negocios distintos escenarios, cada uno construido sobre uno o varios orígenes de datos. Estas fuentes se utilizan por las características que presentan esos datos como información a los trabajadores del conocimiento, que posteriormente actúan sobre esa información. El negocio necesita de la organización para cada proceso del negocio adoptado corresponden a los pasos esenciales de business intelligence. Estos pasos esenciales de la inteligencia de negocios incluyen pero no se limitan:

  1. Ir a través de fuentes de datos empresariales con el fin de recopilar datos necesarios
  2. Convertir datos de negocio a la información y presentar adecuadamente
  3. Consultar y analizar los datos
  4. Actuar sobre los datos recopilados

El aspecto de la calidad en negocio de inteligencia debe cubrir todo el proceso de los datos de origen para el informe final. En cada paso, el puertas de calidad son diferentes:

  1. Fuente datos:
    • Estandarización de datos: hacer que los datos comparables (misma unidad, el mismo patrón...)
    • Gestión de datos maestros: único referencial
  2. Almacén de datos operacionales (Sao):
    • Limpieza de datos: detectar y corregir datos inexactos
    • Perfilado de datos: valor inadecuado check, null/vacío
  3. Almacén de datos:
    • Integridad: Compruebe que todos esperan se cargan datos
    • Integridad referencial: único y existen referencial sobre todas las fuentes
    • Consistencia entre fuentes: comprobar datos consolidados vs fuentes
  4. Informes:
    • Singularidad de indicadores: Diccionario sólo una parte de los indicadores
    • Exactitud de la fórmula: local informando fórmula debe evitarse o comprobado

Aspecto de usuario

Algunas consideraciones deben hacerse con el fin de integrar exitosamente el uso de sistemas de business intelligence en una empresa. En última instancia el sistema BI debe ser aceptado y utilizado por los usuarios a fin de agregar valor a la organización.[24][25] Si el usabilidad del sistema es pobre, los usuarios pueden ser frustrados y gastan una cantidad considerable de tiempo averiguar cómo utilizar el sistema o pueden no ser capaces de usar el sistema. Si el sistema no añade valor a la misión users´, simplemente no se usa.[25]

Para aumentar la aceptación del usuario de un sistema de BI, puede ser aconsejable consultar a los usuarios de negocios en una etapa temprana del ciclo de vida de DW/BI, por ejemplo en los recopilación fase de requisitos.[24] Esto puede proporcionar una penetración en el proceso de negocio y lo que necesitan los usuarios del sistema BI. Existen varios métodos para recopilar esta información, como cuestionarios y sesiones de entrevista.

Cuando reuniendo los requisitos de los usuarios de negocios, el Departamento de IT local también debe consultarse con el fin de determinar hasta qué punto es posible cumplir con las necesidades de la empresa basadas en los datos disponibles.[24]

Adoptar un enfoque centrado en el usuario durante la fase de diseño y desarrollo puede aumentar aún más la posibilidad de adopción de usuario rápida del sistema BI.[25]

Además de centrarse en la experiencia del usuario ofrecida por las aplicaciones de BI, posiblemente también pueden motivar a los usuarios a utilizar el sistema mediante la adición de un elemento de competencia. Kimball[24] sugiere implementar una función en el sitio portal Business Intelligence donde se pueden encontrar informes sobre el uso del sistema. De esta manera, los administradores pueden ver cómo sus departamentos están haciendo y se comparan con otros y esto puede impulsar a alentar a su personal para utilizar el sistema BI aún más.

En un artículo de 2007, H. J. Watson da un ejemplo de cómo el elemento competitivo puede actuar como un incentivo.[26] Watson describe cómo un centro grande implementado tableros de rendimiento para todos los agentes de llamada, con bonos de incentivo mensuales atados a métricas de performance. Además, los agentes podrían comparar su actuación a otros miembros del equipo. La implementación de este tipo de medición del desempeño y competencia mejoró significativamente el rendimiento del agente.

BI posibilidades de éxito pueden mejorarse implicando a altos directivos para ayudar a hacer BI una parte de la cultura organizacionaly proporcionando a los usuarios con las herramientas necesarias, formación y soporte.[26] Formación anima a más gente a usar la aplicación BI.[24]

Proporcionar soporte al usuario es necesario para mantener el sistema de BI y resolver problemas de los usuarios.[25] Soporte de usuarios puede ser incorporado en muchos sentidos, por ejemplo mediante la creación de un sitio Web. El sitio web debe contener gran contenido y herramientas para encontrar la información necesaria. Además, puede utilizarse soporte helpdesk. La mesa de ayuda puede ser atendida por los usuarios de energía o el equipo del proyecto DW/BI.[24]

Portales BI

A Portal de inteligencia de negocios (BI portal) es la interfaz de acceso primario para Almacén de datos (DW) y aplicaciones de Business Intelligence (BI). El portal de BI es la primera impresión del usuario del sistema DW/BI. Normalmente es una aplicación de explorador, de la cual el usuario tiene acceso a todos los servicios individuales del sistema DW/BI, informes y otras funciones analíticas. El portal BI debe aplicarse de tal manera que es fácil para los usuarios de la aplicación de DW/BI para llamar en la funcionalidad de la aplicación.[27]

Las funcionalidades principales del portal BI es proporcionar un sistema de navegación de la aplicación de DW/BI. Esto significa que el portal tiene que implementarse de manera que el usuario tiene acceso a todas las funciones de la aplicación de DW/BI.

La forma más común de diseño que es el portal a medida que el negocio de procesos de la organización para la cual está diseñada la aplicación de DW/BI, en que manera que el portal de mejor forma las necesidades y exigencias de sus usuarios.[28]

El portal de BI debe ser fácil de usar y entender y si es posible tener una apariencia similar a otras aplicaciones o contenido de la web de la organización de la aplicación de DW/BI está diseñado para)consistencia).

La siguiente es una lista de características deseables para portales web en general y portales BI en particular:

Usable
Usuario debe encontrar fácilmente lo que necesitan en la herramienta de BI.
Ricos en contenido
El portal no es sólo la herramienta de impresión de un informe, debería contener más funcionalidades tales como asesoramiento, ayuda, información de soporte y documentación.
Limpiar
El portal debe diseñarse así es fácilmente comprensible y no excesivamente complejo como para confundir a los usuarios
Corriente
El portal debe actualizarse regularmente.
Interactivo
El portal debe ser implementado de una manera que hace más fácil para el usuario utilizar su funcionalidad y animarles a utilizar el portal. Escalabilidad y personalización dan al usuario los medios para adaptarse a cada usuario del portal.
Valor orientado
Es importante que el usuario tiene la sensación de que la aplicación de DW/BI es un recurso valioso que vale la pena trabajar en.

Mercado

Hay un número de business intelligence vendedores, a menudo categorizados en los restantes proveedores independientes de "pure-play" y consolidado "megavendors" que han entrado en el mercado a través de una tendencia reciente[29] de adquisiciones en la industria de BI.[30] El mercado de inteligencia empresarial está creciendo gradualmente. En los servicios de inteligencia empresarial 2012 traídos en $ 13,1 billones en ingresos.[31]

Algunas empresas la adopción de software de BI deciden elegir desde Ofertas de diferentes productos (de mejores) en lugar de comprar una completa solución integrada (servicio completo).[32]

Específicas de la industria

Consideraciones específicas para sistemas de business intelligence tienen que ser tomado en algunos sectores tales como regulaciones bancarias gubernamentales. La información recopilada por las instituciones bancarias y analizada con el software de BI debe protegerse de algunos grupos o individuos, estando completamente disponibles para otros grupos o individuos. Por lo tanto las soluciones de BI deben ser sensible a esas necesidades y ser lo suficientemente flexible como para adaptarse a las nuevas regulaciones y cambios a la existente ley.

Datos no estructurados o semiestructurados

Las empresas crean una gran cantidad de información valiosa en forma de e-mails, notas, notas de call centers, noticias, grupos de usuarios, chats, informes, páginas web, presentaciones, archivos de imagen, archivos de video y material de marketing y noticias. Según Merrill Lynch, más del 85% de toda la información empresarial existe en estas formas. Estos tipos de información se llaman tampoco semiestructurados o no estructurado datos. Sin embargo, las organizaciones a menudo solamente utilizar estos documentos una vez.[33]

La gestión de los datos semiestructurados es reconocida como un gran problema no resuelto en la industria de tecnología de información.[34] Según las proyecciones de Gartner (2003), los trabajadores de cuello blanco pasan en cualquier parte de 30 a 40 por ciento de su tiempo de buscar, encontrar y evaluar los datos no estructurados. BI utiliza datos tanto estructurados como no estructurados, pero el primero es fácil de buscar, y el último contiene una gran cantidad de la información necesaria para el análisis y toma de decisiones.[34][35] Debido a la dificultad de correctamente buscar, encontrar y evaluar los datos no estructurados o semiestructurados, las organizaciones no pueden recurrir a estos grandes reservorios de información, lo cual podría influir en una decisión particular, tarea o proyecto. En última instancia, esto puede conducir a decisiones mal informada.[33]

Por lo tanto, al diseñar una negocio/DW-solución de inteligencia, los problemas específicos relacionados con datos semiestructurados y no estructurados deben ser acomodados para así como ésos para los datos estructurados.[35]

Datos no estructurados vs datos semiestructurados

Datos no estructurados y semiestructurados tienen diferentes significados dependiendo de su contexto. En el contexto de los sistemas de base de datos relacional, los datos no estructurados no pueden almacenarse en previsiblemente ordenó columnas y filas. Un tipo de datos no estructurados que normalmente se almacena en un BLOB (objeto binario grande), un tipo de captura-todos los datos disponible en la mayoría base de datos relacional sistemas de gestión. Los datos no estructurados también pueden referirse a patrones de columna repetidos irregular o al azar que varían de fila en fila dentro de cada archivo o documento.

Muchos de estos tipos de datos, sin embargo, como e-mails, palabra archivos, PPTs, imagen-archivos de procesamiento de texto, y los archivos de video conforman a un estándar que ofrece la posibilidad de metadatos. Metadatos pueden incluir información como el autor y el momento de la creación, y esto puede ser almacenado en una base de datos relacional. Por lo tanto puede ser más exacto hablar de esto como documentos semiestructurados o datos,[34] Sin embargo ningún consenso específico parece haber sido alcanzado.

Los datos no estructurados también simplemente pueden ser el conocimiento que tienen los usuarios de negocios sobre las tendencias de negocios futuros. Previsión de negocio alinea naturalmente con el sistema BI porque creo que los usuarios empresariales de su negocio en términos globales. Capturar el conocimiento del negocio que sólo puede existir en las mentes de los usuarios de negocios proporciona algunos de los más importantes puntos de datos para una completa solución de BI.

Problemas con datos no estructurados o semiestructurados

Hay varios desafíos para el desarrollo de BI con datos semiestructurados. Según Inmon & Nesavich,[36] algunos de esos son:

  1. Físicamente, tener acceso a los datos no estructurados textuales – los datos no estructurados se almacenadasen en una gran variedad de formatos.
  2. Terminología – Entre los investigadores y analistas, hay una necesidad de desarrollar una terminología estandarizada.
  3. Volumen de datos – según lo indicado anteriormente, existe hasta un 85% de todos los datos como datos semiestructurados. Un par con la necesidad de análisis semántico y palabra a palabra.
  4. Trazabilidad de los datos no estructurados textuales – una búsqueda simple en algunos datos, por ejemplo apple, resultados en enlaces donde hay una referencia a ese preciso término de búsqueda. (Inmon & Nesavich, 2008)[36] da un ejemplo: "se hace una búsqueda en el delito de término. En una búsqueda simple, el delito del término se utiliza y en todas partes hay una referencia al delito, se hace un golpe a un documento desestructurado. Pero una simple búsqueda es cruda. No encuentra referencias al crimen, incendio premeditado, asesinato, malversación de fondos, homicidio vehicular y tales, aun cuando estos crímenes son los tipos de delitos."

El uso de metadatos

Para resolver problemas con funciones de búsqueda y evaluación de datos, es necesario saber algo sobre el contenido. Esto puede hacerse mediante la adición de contexto mediante el uso de metadatos.[33] Muchos sistemas de capturan ya algunos metadatos (por ejemplo nombre de archivo, autor, tamaño, etc.), pero más útil sería metadatos acerca del contenido real – por ejemplo resúmenes, temas, personas o empresas mencionan. Son dos tecnologías diseñadas para generar metadatos de contenido categorización automática y extracción de información.

Futuro

UN 2009 Gartner papel predicha[37] estos desarrollos en el mercado de inteligencia empresarial:

  • Debido a la falta de información, procesos y herramientas, hasta 2012, más del 35 por ciento de las 5.000 empresas globales regularmente no toman decisiones perspicaces sobre cambios significativos en sus negocios y mercados.
  • Para el 2012, las unidades de negocio controlará al menos el 40 por ciento del presupuesto total de business intelligence.
  • Para el 2012, un tercio de aplicaciones analíticas aplicadas a los procesos del negocio se entregarán a través grano grueso aplicación Mashups.

UN 2009 Gestión de la información Informe especial predijo las mejores tendencias BI: "Computación verde, servicios de redes sociales, visualización de datos, BI móvil, análisis predictivo, aplicaciones compuestas, Computación en la nube y multitouch.".[38] Investigaciones llevadas a cabo en el año 2014 indican que los empleados son más propensos a tener acceso a y más propensas a participar, con herramientas de BI en la nube que las herramientas tradicionales.[39]

Otras tendencias de inteligencia de negocios incluyen los siguientes:

  • Productos de terceros SOA-BI dirección cada vez más ETL problemas de rendimiento y volumen.
  • Empresas adoptan el procesamiento en memoria, procesamiento de 64 bits y aplicaciones BI analíticas preempaquetadas.
  • Aplicaciones operacionales tienen componentes BI exigibles, con mejoras en el tiempo de respuesta, escalamiento y concurrencia.
  • Cerca o tiempo real BI analytics es una expectativa inicial.
  • Software de BI de código abierto reemplaza las ofertas proveedores.

Otras líneas de investigación incluyen el estudio combinado de datos inciertos y business intelligence.[40][41] En este contexto, los datos utilizados no se asumieron que es precisa, exacta y completa. En cambio, los datos se consideran inciertos y por lo tanto esta incertidumbre se propaga a los resultados producidos por el BI.

Según un estudio realizado por el Grupo Aberdeen, ha habido un interés creciente en business intelligence Software-como-un-servicio (SaaS) durante los últimos años, con dos veces tantas organizaciones utilizando este enfoque de implementación como un año atras – 15% en 2009 en comparación con el 7% en 2008.[42]

Un artículo de Chris Kanaracus señala InfoWorld datos similares de crecimiento de la firma de investigación IDC, que predice que el mercado de BI SaaS crecerá 22 por ciento cada año hasta 2013 gracias a la sofisticación creciente de producto, tensa presupuestos y otros factores.[43]

Un análisis de las puntuaciones de Business Intelligence y Analytics top 100 y ocupa las empresas basan en varias variables abiertas [44]

Véase también

  • Inteligencia de contabilidad
  • Aplicaciones analíticas
  • Comercialización de inteligencia artificial
  • Business Intelligence 2.0
  • Descubrimiento del proceso de negocios
  • Gestión de procesos empresariales
  • Monitoreo de actividad del negocio
  • BSM
  • Dinámica del cliente
  • Arquitectura de presentación de datos
  • Visualización de datos
  • Ingeniería de la decisión
  • Sistemas de planificación empresarial
  • Documento de inteligencia
  • Planificación de negocios integrada
  • Inteligencia de localización
  • Inteligencia meteorológica
  • Inteligencia de negocios móviles
  • Análisis de datos multiway
  • Inteligencia operacional
  • Sistemas de información empresarial
  • Herramientas de Business intelligence
  • Proceso minero
  • Inteligencia de negocios en tiempo real
  • Inteligencia de tiempo de ejecución
  • Inteligencia comercial
  • Pasar de gestión
  • Prueba y aprende

Referencias

  1. ^ (Rud, Olivia (2009). Factores de éxito de inteligencia empresarial: Herramientas para alinear su negocio en la economía Global. Hoboken, NJ: Wiley & Sons. ISBN978-0-470-39240-9.)
  2. ^ Coker, Frank (2014). Pulso: Entender los signos vitales de su negocio. Publicar de luz ambiente. págs. 41-42. ISBN978-0-9893086-0-1.
  3. ^ Miller Devens, Richard. Cyclopaedia de comercial y de negocios anécdotas; Compuesto por interesantes recuerdos y hechos, rasgos notables y humores de comerciantes, comerciantes, banqueros Etc. en todas las edades y países. D. Appleton y compañía. p. 210. 15 de febrero 2014.
  4. ^ H P Luhn (1958). "Un sistema de inteligencia de negocios". IBM Journal 2 (4): 314. Doi:10.1147/Rd.24.0314.
  5. ^ Pieter M. Kroonenberg, aplicar análisis de datos multimodo, Wiley 2008, pp. xv.
  6. ^ D. J. Power (10 de marzo de 2007). "Una breve historia de Decision Support Systems, versión 4,0". DSSResources.COM. 10 de julio 2008.
  7. ^ Poder, J. D. "Una breve historia de Decision Support Systems". 1 de noviembre 2010.
  8. ^ Golden, Bernard (2013). Amazon Web Services For Dummies. Para dummies. John Wiley & Sons. p. 234. ISBN9781118652268. 2014-07-06. [...] inteligencia de negocios tradicionales o herramientas (los términos se utilizan así indistintamente que a menudo están contempladas como BI/DW) de almacenamiento de datos son extremadamente costosos [...]
  9. ^ Evelson, Boris (21 de noviembre de 2008). "Resumen del tema: Business Intelligence".
  10. ^ Evelson, Boris (29 de abril de 2010). ¿"Quiero saber lo que analistas de Forrester plomo datos están pensando en BI y el dominio de datos"?.
  11. ^ Kobielus, James (30 de abril de 2010). ¿"Lo que no es BI? ¡ No Me hagas hablar...Uy demasiado tarde...Aquí va...". "Negocio" la inteligencia es un cajón de sastre de no-domain-specific para todos los tipos de datos analíticos que pueden ser entregadas a los usuarios de informes, cuadros de mando y similares. Cuando se especifica el dominio de tema para esta inteligencia, entonces usted puede referir a "inteligencia competitiva", "mercado inteligencia", "inteligencia social", "inteligencia financiera", "HR inteligencia", "fuente de inteligencia de cadena," y cosas por el estilo.
  12. ^ "Business Analytics vs Business Intelligence?". 2011-03-09 timoelliott.com.. 2014-06-15.
  13. ^ "La diferencia entre Business Analytics y Business Intelligence". businessanalytics.com. 2013-03-15. 2014-06-15.
  14. ^ Henschen, Doug (04 de enero de 2010). Análisis en el trabajo: Q & A con Tom Davenport. (Entrevista).
  15. ^ Kimball et al., 2008:29
  16. ^ "¿Estás listo para la nueva inteligencia de negocios?". Dell.com. 19 de junio 2012.
  17. ^ Jeanne W. Ross, Peter Weill, David C. Robertson (2006) Arquitectura empresarial como estrategia, p. 117 ISBN 1-59139-839-8.
  18. ^ Krapohl, Donald. "Una metodología estructurada para tomar decisiones de grupo". AugmentedIntel. 22 de abril 2013.
  19. ^ Kimball et al. 2008: 298 p.
  20. ^ Kimball et al., 2008:16
  21. ^ Kimball et al., 2008:18
  22. ^ a b Kimball et al., 2008:17
  23. ^ "Cómo las empresas están implementando centros de competencias de inteligencia de negocios". Mundo de la informática. 1 de abril 2014.
  24. ^ a b c d e f Kimball
  25. ^ a b c d Swain Scheps Business Intelligence para Dummies, 2008, ISBN 978-0-470-12723-0
  26. ^ a b Watson, Hugh J.; Wixom, Barbara H. (2007). "El estado actual de Business Intelligence". Computadora 40 (9): 96. Doi:10.1109/MC.2007.331.
  27. ^ El Data Warehouse Lifecycle Toolkit (2ª ed.). Ralph Kimball (2008).
  28. ^ Microsoft Data Warehouse Toolkit. Editorial Wiley. (2006)
  29. ^ Andrew Brust (14 / 02 / 2013). "Gartner lanza 2013 BI Magic Quadrant". ZDNet. 21 de agosto 2013.
  30. ^ Pendse, Nigel (07 de marzo de 2008). "Consolidaciones en la industria de BI". El informe OLAP.
  31. ^ "Por qué inteligencia de negocios es clave para la ventaja competitiva". La Universidad de Boston. 23 de octubre 2014.
  32. ^ Imhoff, Claudia (04 de abril de 2006). "Tres tendencias en tecnología de Business Intelligence".
  33. ^ a b c Rao, R. (2003). "A partir de los datos no estructurados a la inteligencia". Profesional de IT 5 (6): 29. Doi:10.1109/MITP.2003.1254966.
  34. ^ a b c Blumberg, R. & S. Atre (2003). "El problema con los datos no estructurados". DM Review:: 42-46.
  35. ^ a b Negash, S (2004). "Business Intelligence". Comunicaciones de la Asociación de sistemas de información 13:: 177-195.
  36. ^ a b Inmon, B. & A. Nesavich, "No estructurados textuales datos en la organización" de "Datos de gestión no estructurados en la organización", Prentice Hall 2008, págs. 1-13
  37. ^ Gartner revela cinco predicciones de inteligencia de negocio para 2009 y más allá. Gartner.com. 15 de enero de 2009
  38. ^ Campbell, Don (23 de junio de 2009). "Las 10 tendencias BI caliente rojo". Gestión de la información.
  39. ^ Cerradura, Michael (27 de marzo de 2014). "Nube Analytics en 2014: la infusión de la mano de obra con discernimiento".
  40. ^ Rodríguez, Carlos; Daniel, Florian; Casati, Fabio; Cappiello, Cinzia (2010). "Hacia la inteligencia de negocios incierto: el caso de los indicadores clave". IEEE Internet Computing 14 (4): 32. Doi:10.1109/MIC.2010.59.
  41. ^ Daniel Rodríguez, C., f el., Casati, f el. & Cappiello, C. (2009), Computación inciertos indicadores clave de datos inciertos, ICIQ'09, pp. 106-120
  42. ^ Cerradura, Michael. "https://baroi.aberdeen.com/pdfs/5874-RA-BIDashboards-MDL-06-NSP.pdf". Aberdeen. Aberdeen Group. 23 de octubre 2014.
  43. ^ Crecimiento BI SaaS se elevará en 2010 | Computación en la nube. InfoWorld (2010-02-01). Obtenido 17 de enero de 2012.
  44. ^ Top 100 startups de Business Intelligence

Bibliografía

  • Ralph Kimball et al. "El Data warehouse Lifecycle Toolkit" (2ª ed.) Wiley ISBN 0-470-47957-4
  • Peter Rausch, Alaa Sheta, Aladdin Ayesh: Inteligencia empresarial y gestión del desempeño: teoría, sistemas y aplicaciones industriales, Springer Verlag U.K., 2013, ISBN 978-1-4471-4865-4.

Enlaces externos

  • Chaudhuri, Surajit; Dayal, Umeshwar; Narasayya, Vivek (agosto de 2011). "Tener una visión general de Business Intelligence Technology". Communications of the ACM 54 (8): 88-98. Doi:10.1145/1978542.1978562. 26 de octubre 2011.

Otras Páginas

Obtenido de"https://en.copro.org/w/index.php?title=Business_intelligence&oldid=635685655"