fbpx

Inteligencia de negocios / X-Net Digital

Guía rápida para implementar Business Intelligence, Data Warehousing y BPM

11 octubre, 2019

Etiquetas: , , ,

Business Intelligence

Definiciones y descripción general

Business Performance Management (BPM) establece un marco para mejorar el desempeño del negocio al medir las características clave del negocio que pueden usarse para retroalimentar el proceso de decisión y guiar las operaciones en un intento de mejorar el desempeño estratégico de la organización. Otros términos populares para esto incluyen; Enterprise PM (EPM), Corporate PM (CPM) Enterprise Information Systems (EIS), Decision Support Systems (DSS), Management Information Systems (MIS).

BPM: Ciclo de establecimiento de objetivos, monitoreo del desempeño y retroalimentación de nuevos objetivos.

Business Intelligence (BI) se puede definir como el conjunto de herramientas que permite a los usuarios finales acceder fácilmente a la información relevante y la posibilidad de analizarla para ayudar a la toma de decisiones. Más ampliamente, la ‘inteligencia’ es la percepción que se deriva de este análisis (por ejemplo, tendencias y correlaciones).

Business Intelligence BI: herramientas para acceder y analizar datos

Los indicadores clave de rendimiento (KPI) son medidas corporativas estratégicamente alineadas que se utilizan para monitorear, predecir y anticipar el desempeño de la organización. Forman la base de cualquier solución BPM y, en un mundo ideal, debería ser posible relacionar los KPI estratégicos con el rendimiento operativo real dentro de la aplicación de BI.

Los KPI proporcionan una indicación rápida sobre el estado de la organización y guían la gestión a las áreas operativas que afectan el rendimiento.

En muchas empresas, el análisis de datos es complicado por el hecho de que los datos están fragmentados dentro del negocio. Esto causa problemas de duplicación, definiciones inconsistentes, inconsistencia, imprecisión y esfuerzo perdido.

Silos de datos: almacenes de datos departamentales fragmentados, a menudo alineados con áreas comerciales específicas.

Data Warehousing (DWH) es a menudo el primer paso hacia Business Intelligence BI. Un Data Warehouse es un conjunto centralizado de datos estructurados para facilitar el acceso y el análisis.

DWH: Almacén de datos centralizado / consolidado

El DWH se completará a partir de varias fuentes (heterogéneas) utilizando una herramienta de integración de datos o ETL (Extraer, transformar y cargar). Esta actualización se puede realizar en lotes periódicos regulares, como una carga única o incluso sincronizada con los datos de origen (en tiempo real).

ETL: El proceso de extraer datos de un sistema fuente, transformarlos (o validarlos) y cargarlos en una base de datos estructurada.

Una capa de informes (o BI) se puede utilizar para analizar los datos consolidados y crear paneles e informes definidos por el usuario. Se puede usar una capa de modelado para integrar presupuestos y pronósticos.

A medida que estas soluciones se vuelven más complejas, las definiciones de los sistemas y lo que están haciendo se vuelven más importantes. Esto se conoce como metadatos y representa los datos que definen los datos reales y su manipulación. Cada parte del sistema tiene sus propios metadatos que definen lo que está haciendo. La buena gestión y uso de los metadatos reduce el tiempo de desarrollo, simplifica el mantenimiento continuo y proporciona a los usuarios información sobre el origen de los datos, lo que aumenta su confianza y comprensión.

Metadatos: Datos sobre los datos, que describen cómo y dónde se utilizan, de dónde provienen y qué cambios se han realizado.

Justificaciones comerciales

Existe una clara justificación comercial para mejorar la calidad de la información utilizada para la toma de decisiones. Una encuesta realizada por IDC encontró que la recuperación promedio de la implementación de BI fue de 1.6 años y que el 54% de las empresas tuvieron un ROI de 5 años> 101% y el 20% tuvo un ROI> 1000%.

ROI en BI> 1000% del 20% de las organizaciones

Ahora también hay requisitos reglamentarios a tener en cuenta. Sarbanes-Oxley exige que las empresas que cotizan en los EE. UU. Divulguen y supervisen los riesgos clave y los indicadores de rendimiento relevantes, tanto financieros como no financieros en sus informes anuales. Una infraestructura de informes sólida es esencial para lograr esto.

KPI FINANCIERO

SarbOx requiere la divulgación de KPI financieros y no financieros

La mala calidad de los datos es una barrera común para los informes precisos y la toma de decisiones informada. Una buena estrategia de calidad de datos, que abarque cuestiones ajenas al sistema, como la capacitación y los procedimientos de los usuarios, puede tener un gran impacto. La consolidación de los datos en un DWH puede ayudar a garantizar la coherencia y corregir los datos deficientes, pero también proporciona una medida precisa de la calidad de los datos, lo que permite su gestión más proactiva.

La calidad de los datos es vital y una estrategia formal de calidad de datos es esencial para administrarla y mejorarla continuamente.

Investigaciones recientes (PMP Research) pidieron a una amplia sección transversal de organizaciones su opinión sobre la calidad de sus datos antes y después de la implementación de DWH.

  • Las respuestas «No sé» disminuyeron del 17% al 7%
  • «Malo» o «Muy malo» disminuyó de 40% a 9%
  • Satisfactorio (o mejor) aumentado de 43% a 84%

Las implementaciones de DWH mejoran la calidad de los datos.

Resumen del mercado de herramientas

En la actualidad, BI es visto como un área de crecimiento de TI importante y, como tal, todos están tratando de subirse al tren del Business Intelligence BI:

  • Las herramientas ERP tienen soluciones de BI, por ejemplo, SAP BW, Oracle Apps
  • Las herramientas de CRM lo están haciendo: Siebel Analytics,
  • Los proveedores de ETL están agregando capacidades de BI: Informatica
  • Los proveedores de BI están agregando herramientas ETL: Business Objects (BO) Data Integrator (DI), Cognos Decision Stream
  • Los proveedores de bases de datos están ampliando sus herramientas de BI y ETL:
  • Oracle: Oracle Warehouse Builder, EPM
  • Microsoft: SQL 2017, servicios de integración, servicios de informes, servicios analíticos

Herramientas mejoradas

Al igual que todos los mercados en proceso de maduración, se ha producido una consolidación mediante la cual ahora menos proveedores cubren más funciones. Esto es bueno para los clientes, ya que ahora hay más estandarización, un mejor uso de los metadatos y una funcionalidad mejorada. Las herramientas de BI de hoy pueden satisfacer los requisitos de información más exigentes de los clientes.

El pensamiento y las herramientas han avanzado: ahora podemos construir soluciones rápidas y centradas en el negocio en pequeños fragmentos, lo que permite a los negocios ver datos, almacenar conocimientos, aprender capacidades de nuevas herramientas y refinar sus requisitos durante el proyecto. Atrás quedaron los días del proyecto de almacenamiento masivo de datos, que era obsoleto antes de que se completara.

Un proyecto típico de DWH debería proporcionar resultados utilizables en 3 a 6 meses.

Asesoramiento y mejores prácticas

Fase inicial

Los proyectos de BI exitosos nunca terminarán. Debe evolucionar perpetuamente para satisfacer las necesidades cambiantes del negocio. Por lo tanto, los primeros «triunfos» deben llegar rápidamente y las herramientas y técnicas deben ser flexibles, rápidas de desarrollar y rápidas de implementar.

La experiencia es esencial.

A menudo nos han llevado a corregir proyectos fallidos y es aterrador la cantidad de errores básicos que se cometen por la inexperiencia. Un almacén de datos es fundamentalmente diferente a sus sistemas operativos y obtener el diseño inicial y la infraestructura correcta es crucial para satisfacer las demandas comerciales.

Mantener el control interno

Creemos que Business Intelligence BI está demasiado cerca del negocio y cambia demasiado rápido para externalizar. Se requiere experiencia en las etapas iniciales, para garantizar que exista una infraestructura sólida (y el uso de las mejores herramientas y métodos). Si no hay suficiente experiencia interna, los recursos externos pueden ser útiles en las etapas iniciales, pero esto DEBE incluir la transferencia de habilidades a los recursos internos. El DWH puede crecer y evolucionar (con recursos internos) para satisfacer las necesidades cambiantes del negocio.

Garantizar la gestión y la aceptación del usuario

Garantizar la gestión y la aceptación del usuario

Puede sonar obvio, pero el conocimiento interno y el soporte son esenciales para el éxito de un DWH, sin embargo, a menudo se le da poca prioridad al ‘Informe’ y se puede descuidar fácilmente a menos que sea respaldado a un nivel comercial superior. Es común encontrar que existe un conocimiento limitado de los requisitos del usuario. También es cierto que los requisitos cambiarán con el tiempo tanto en respuesta a las necesidades cambiantes del negocio como a los hallazgos / resultados de la implementación de DWH y el uso de nuevas herramientas.

Fuerte gestión de proyectos

La naturaleza compleja e iterativa de un proyecto de almacén de datos requiere una gestión sólida del proyecto. El riesgo relativamente no cuantificable en torno a la calidad de los datos debe gestionarse junto con los requisitos cambiantes del usuario. Planifique el cambio y permita un presupuesto extra para lo inesperado. El uso de técnicas de desarrollo rápido de aplicaciones (RAD) mitiga algunos de los riesgos al exponerlos al principio del proyecto con el uso de prototipos.

Educar a los usuarios finales

No subestime la importancia de la capacitación al implementar una nueva solución de Business Intelligence BI / DWH. Los usuarios capacitados tienen un 60% más de éxito en la realización de los beneficios de BI que los usuarios no capacitados. Pero esta capacitación necesita considerar técnicas específicas de análisis de datos, así como también cómo usar las herramientas de BI. En palabras de Gartner, 

«es más crítico capacitar a los usuarios sobre cómo analizar los datos». Gartner continúa diciendo: «… que centrarse solo en la capacitación de la herramienta de BI puede triplicar la carga de trabajo de la mesa de ayuda de TI y provocar la desilusión del usuario. 

Un usuario que está capacitado en la herramienta de Business Intelligence BI pero no sabe cómo usarla en el el contexto de su entorno de BI / DWH no podrá obtener los resultados analíticos que necesita 

… «. Por lo tanto, la capacitación personalizada del usuario en su sistema de Business Intelligence BI y los datos son esenciales.

La planificación cuidadosa de las necesidades de capacitación y el mejor uso de los diferentes medios de capacitación disponibles ahora pueden resolver este problema. Busque opciones de capacitación tales como: aula estructurada (dentro o fuera del sitio), aprendizaje electrónico basado en la web (TCC), capacitación en el trabajo y transferencia de habilidades, capacitación personalizada sobre su solución y datos.

Resumen técnico

Portal de información: Esto permite a los usuarios administrar y acceder a informes y otra información a través de un portal web corporativo. A medida que los usuarios crean y exigen más informes, la capacidad de encontrarlos, administrarlos y distribuirlos fácilmente se vuelve más importante.

Colaboración: la capacidad del Portal de información para apoyar la comunicación entre personas relevantes centradas en la información del portal. Esto podría ser hilos de discusión adjuntos a informes o flujo de trabajo en torno al rendimiento de objetivos estratégicos.

Análisis guiado: el sistema guía a los usuarios dónde buscar a continuación durante el análisis de datos. Tomando conocimiento de las cabezas de las personas y colocándolo en el sistema de BI.

Seguridad: el acceso a la funcionalidad y los datos del sistema (tanto filas como columnas) se puede controlar hasta el nivel de usuario y en función de su inicio de sesión en la red.

Paneles y cuadros de mando:

Brindando a la gerencia una vista gráfica de alto nivel de su desempeño comercial (KPI) con un desglose sencillo de los detalles operativos subyacentes.

Informes ad hoc y análisis de datos: los usuarios finales pueden extraer fácilmente datos, analizarlos (cortar, cortar y taladrar) y presentarlos formalmente en informes y distribuirlos.

Informes formateados / estándar: informes predefinidos, perfectos en píxeles, a menudo complejos creados por TI. El poder de las herramientas de informes del usuario final y el almacenamiento de datos ahora está haciendo que este tipo de redacción de informes sea menos técnico y más centrado en los negocios.

Integración estrecha de MS Office: más usuarios dependen del software de MS Office, por lo tanto, la herramienta de BI debe vincularse sin problemas con estas herramientas.

Reescritura: el portal de Business Intelligence BI debe proporcionar acceso para reescribir en la base de datos para mantener: datos de referencia, objetivos, pronósticos, flujo de trabajo.

Modelado / alerta de negocios: alrededor de datos mantenidos centralmente con reglas comerciales predefinidas, mantenidas por el usuario final.

Tiempo real: a medida que los datos de origen cambian, se transmiten instantáneamente al usuario. A menudo a través de colas de mensajes.

Casi en tiempo real: los cambios en los datos de origen se agrupan y se envían en un corto período de tiempo, digamos cada pocos minutos, esto requiere técnicas especiales de ETL.

Procesamiento por lotes: los datos de origen se capturan en masa, por ejemplo, durante la noche, mientras el sistema de BI está desconectado.

Base de datos relacional Vs OLAP (cubos, rebanadas y dados, pivote)

Base de datos relacional Vs OLAP - Business Intelligence

Este es un argumento complejo, pero en pocas palabras, la mayoría de las cosas realizadas en un cubo OLAP se pueden lograr en el mundo relacional, pero pueden ser más lentas tanto para ejecutar como para desarrollar. Como regla general, si ya trabaja en un entorno de base de datos relacional, OLAP solo debería ser necesario cuando el rendimiento del análisis es un problema o si necesita una funcionalidad especializada, como la elaboración de presupuestos, pronósticos o el modelo ‘qué pasaría si’. Las herramientas de BI líderes proporcionan acceso sin problemas a los datos en forma relacional u OLAP, lo que hace que sea principalmente una decisión tecnológica en lugar de una decisión comercial.

Enfoque de arriba hacia abajo o de abajo hacia arriba?

El enfoque de arriba hacia abajo se centra en los objetivos estratégicos y los procesos comerciales y la estructura organizativa para apoyarlos. Esto puede producir los procesos ideales de la empresa, pero es poco probable que los sistemas existentes los admitan o proporcionen los datos necesarios para medirlos. Esto puede conducir a una estrategia que nunca se adopta porque no hay entrega física y los objetivos estratégicos no se pueden medir.

El enfoque ascendente toma los sistemas y datos existentes y se los presenta al negocio para que puedan medirlos y analizarlos. Esto puede no producir la mejor información estratégica debido a los limitados datos disponibles y la calidad de los datos.

Recomendamos un compromiso de ambos enfoques: cree la solución pragmática de abajo hacia arriba como un medio para obtener medidas precisas del negocio y una mejor comprensión de los procesos actuales, mientras realiza un análisis de arriba hacia abajo para comprender lo que el negocio necesita estratégicamente. El análisis de lagunas de lo que se puede lograr hoy y de lo que se desea estratégicamente proporcionará la dirección futura de la solución y, si la solución se ha diseñado teniendo en cuenta el cambio, esto debería ser relativamente sencillo, basándose en los fundamentos del sistema ya establecidos. .

Inteligencia empresarial avanzada

A continuación, se describen algunos requisitos avanzados de Business Intelligence BI que algunas organizaciones pueden considerar: Brindar una solución BPM integrada que tenga reglas de negocios y flujo de trabajo incorporados, permitiendo que el sistema guíe rápidamente al tomador de decisiones a la información relevante.

Colaboración y análisis guiado para ayudar a gestionar la acción requerida como resultado de la información obtenida.

Minería de datos más fácil de usar y análisis predictivo, donde el sistema encuentra correlaciones entre conjuntos de datos no relacionados para encontrar la «pepita de oro» de la información.

Una mayor integración de la información del Business Intelligence BI en los sistemas de Front Office, por ejemplo, un cliente con calificación de oro recibe un tratamiento VIP cuando llama, los perfiles de datos sugieren que este cliente puede abandonar, por lo tanto, les ofrece un incentivo para quedarse.

Mayor uso de datos en tiempo real .

End to end Data Lineage capturado automáticamente por las herramientas. Una mejor gestión de metadatos de los sistemas significará que los usuarios pueden ver fácilmente de dónde provienen los datos y qué transformaciones han sufrido, mejorando la confianza en los datos e informes. Los sistemas también se documentarán automáticamente, proporcionando a los usuarios más información de ayuda y simplificando el mantenimiento continuo.

Business Intelligence - Gestión de calidad de datos integrada

Gestión de calidad de datos integrada y en tiempo real como un medio para medir la precisión del rendimiento del proceso operativo. Esto proporcionaría una validación cruzada del sistema y verificaría el rendimiento de los procesos comerciales mediante el monitoreo de la precisión de los datos, lo que llevaría a un modelado de procesos mejor y más dinámico, a la reingeniería de procesos comerciales y, por lo tanto, a la eficiencia.

Aplicaciones analíticas empaquetadas como sistemas financieros en los años 80 y ERP (planificación de requisitos empresariales) en los 90. El BI empaquetado puede convertirse en el estándar para esta década. ¿Por qué construir su propio almacén de datos y un conjunto de informes y paneles desde cero cuando su negocio es similar a muchos otros? Compre elementos empaquetados y use plantillas y herramientas de implementación rápida para configurarlos para satisfacer sus necesidades precisas. Esta capacidad de implementación rápida lo respalda a medida que su negocio evoluciona.

Business Intelligence BI para las masas: a medida que la información se vuelve más crítica para gestionar las eficiencias operativas, más personas necesitan acceso a esa información. Ahora las herramientas de BI pueden proporcionar técnica y rentablemente a más personas acceso a la información, el BI para las masas ahora es una realidad y puede proporcionar una mejora significativa a un negocio. La mayor presencia de Microsoft en el espacio de BI también aumentará el uso de BI y lo hará más atractivo. La adquisición de Crystal por parte de BusinessObjects y el reciente lanzamiento de XI también extenderán el BI a más personas, dentro y fuera de la organización, ¡ahora todos pueden tener acceso seguro a la información!

Conclusión

Los beneficios potenciales de una implementación de Business Intelligence BI / DWH son enormes, pero demasiadas compañías no se dan cuenta de esto a través de: falta de experiencia, diseño deficiente, mala selección y uso de herramientas, mala gestión de la calidad de los datos, mala o nula gestión de proyectos, comprensión limitada de la importancia de los metadatos, no darse cuenta de que si tiene éxito evolucionará y crecerá inevitablemente, la conciencia limitada de la importancia de la capacitación … con todas estas áreas para considerar el uso de una consultoría especializada como IT Performs tiene mucho sentido.

Espero que haya encontrado útil esta guía y si desea obtener más información, no dude en ponerse en contacto…

Business Intelligence con Power BI
0 Me gusta

Your email address will not be published.