1.

1 CONCEPTOS BSICOS
1.1.1 DATA WAREHOUSE Una de las principales problemticas al implantar un sistema de BI es que la informacin es dispersa, heterognea y muchas veces incoherente. Es un almacenamiento separado y homogneo donde son cargados datos transformados provenientes de diferentes bases de datos. Un DATA WAREHOUSE es simplemente una Base de Datos, generalmente con un esquema especfico que facilita la consulta de datos. Ventajas: Datos de toda la compaa, organizados para facilitar las consultas ms analticas que transaccionales. Los procesos de transformacin han sido aplicados a los datos para permitir un tiempo de respuesta mnimo a las consultas. Modelo de datos multidimensional para hacer ms fcil la navegacin y explotacin de datos. La administracin de la seguridad est centralizada para garantizar la necesidad de informacin dependiendo del perfil de los usuarios.

1.1.2 DATA MART Es un subconjunto del DATA WAREHOUSE para cierto grupo de usuarios o funciones del negocio. Un DATA MART es una base de datos departamental, especializada en el almacenamiento de los datos de un rea de negocio especfica. Se puede decir que es de un fin especfico o actividad de negocio, o simplemente una solucin tctica. PORQU CONSTRUIR UN DATA MART? Consultas ms rpidas y menos usuarios. Tiempo de desarrollo ms rpido. CARACTERSTICA PRINCIPAL Se caracteriza por disponer la estructura ptima de datos para analizar la informacin al detalle desde todas las perspectivas que afecten a los procesos de dicho departamento.

BENEFICIOS Pueden fcilmente extenderse a la toma de decisiones estratgicas, que pueden brindar beneficios grandes y tangibles. Permite entender y administrar simultneamente macro y microperspectivas del rea de comercio exterior, lo que puede ahorrar incontables horas de trabajo y ayudar a evitar errores que pueden ser el resultado de suposiciones que se hicieron con base en datos incompletos o incorrectos.

1.1.3 TIPOS DE SISTEMAS DE INFORMACIN Mtricas que le permitirn ver cmo va el negocio en una forma rpida, resumida y actualizada. Sistemas integradores de datos de diferentes sistemas operacionales. Muestra a profundidad cmo va el negocio. Ahondar en las causas de por qu ha obtenido ese resultado. Tomar decisiones ms acertadas para planear los prximos objetivos o corregir alguna desviacin a los mismos.

1.1.4 VARIABLES DE MEDICIN Valor que representa la medicin matemtica de un aspecto del negocio. Se pueden definir un sin nmero de indicadores que le permitirn a un ejecutivo tomar decisiones operativas o estratgicas.

INDICADORES BASE Mtricas dentro del cubo y van cambiando de valor en diferentes periodos de tiempo, pero que representan informacin resumida de los datos resultantes en los sistemas operacionales. Organizados en grupos de indicadores que son los que se pueden observar dentro de la herramienta. Cada usuario tiene derechos para poder ver cierto grupo de indicadores.

INDICADORES COMPESTOS Frmulas creadas a partir de indicadores base que pueden o no pertenecer al mismo cubo.

1.1.5 VARIABLES DE ANLISIS Mtricas dentro del cubo y van cambiando de valor en diferentes periodos de tiempo, pero que representan informacin resumida de los datos resultantes en los sistemas operacionales. Organizados en grupos de indicadores que son los que se pueden observar dentro de la herramienta.

1.2 COMPONENTES DE LA INTELIGENCIA DE NEGOCIOS. 1.2.1 MINERA DE DATOS. La Minera de datos tambin denominada extraccin de datos es la prctica por medios automticos o semiautomticos de la bsqueda y la exploracin en grandes almacenes de datos de relaciones no visualizadas previamente, dando por resultado el descubrimiento de patrones significativos entre los mismos y reglas. Para lograr este propsito la Minera de Datos emplea tcnicas estadsticas, de automatizacin del conocimiento y de reconocimiento de patrones (observar datos de una sola fuente, recursos de informacin, etc.). Aunque en datamining cada caso concreto puede ser radicalmente distinto al anterior, el proceso comn a todos ellos se suele componer de cuatro etapas principales: Determinacin de los objetivos. Trata de la delimitacin de los objetivos que el cliente desea bajo la orientacin del especialista en datamining. Preprocesamiento de los datos. Se refiere a la seleccin, la limpieza, el enriquecimiento, la reduccin y la transformacin de las bases de datos. Esta etapa consume generalmente alrededor del setenta por ciento del tiempo total de un proyecto de datamining. Determinacin del modelo. Se comienza realizando unos anlisis estadsticos de los datos, y despus se lleva a cabo una visualizacin grfica de los mismos para tener una primera aproximacin. Segn los objetivos planteados y la tarea que debe llevarse a cabo, pueden utilizarse algoritmos desarrollados en diferentes reas de la Inteligencia Artificial.

Anlisis de los resultados. Verifica si los resultados obtenidos son coherentes y los coteja con los obtenidos por los anlisis estadsticos y de visualizacin grfica. El cliente determina si son novedosos y si le aportan un nuevo conocimiento que le permita considerar sus decisiones.

En resumen, el datamining se presenta como una tecnologa emergente, con varias ventajas: por un lado, resulta un buen punto de encuentro entre los investigadores y las personas de negocios; por otro, ahorra grandes cantidades de dinero a una empresa y abre nuevas oportunidades de negocios. Adems, no hay duda de que trabajar con esta tecnologa implica cuidar un sinnmero de detalles debido a que el producto final involucra "toma de decisiones".

1.2.2 ADMINISTRACIN DEL CONOCIMIENTO. La administracin del conocimiento es una disciplina que articula personas, procesos, contenido y tecnologa, el conocimiento es valioso slo si es accesible para quien lo necesita, el conocimiento se origina y reside en el cerebro de las personas, por lo que la generacin, transferencia y aplicacin del conocimiento debe ser fomentada y recompensado, dado que la administracin del conocimiento es ms un reto cultural y organizacional que un asunto de tecnologa. La nica ventaja sostenible para la empresa se sustenta en el conocimiento colectivo que posee, cun eficientemente lo usa y qu tan rpido aplica los nuevos conocimientos adquiridos. Entre las diferentes fases de la Gestin del Conocimiento, encontramos: Descubrimiento, captura y creacin del conocimiento: en esta fase el conocimiento tcito o implcito de la organizacin se captura a travs de una variedad de tcnicas entre ellas la Minera de Datos, tambin por medio de la colaboracin, directorios expertos o sistemas inteligentes que usan patrones o estrategias de bsquedas particulares, etc.

Clasificacin y representacin: En esta fase se utilizan herramientas para organizar la informacin, como los metadatos, taxonomas, ontologas, mapas temticos para la visualizacin grfica de la informacin, clustering, una tcnica de agrupamiento de la informacin en clusters o categoras por medio de un algoritmo que clasifica los trminos en funcin de la distancia, de su cercana tomando vectores de entrada con caractersticas comunes, comnmente usada por la Minera de datos; indizacin automtica, etc. Recuperacin de la informacin: en esta fase intervienen motores de bsqueda, agentes inteligentes, la competencia del browsing o navegacin general versus bsqueda especfica, arquitectura del conocimiento y de la informacin y Minera de datos. Diseminacin de la informacin: comunicacin, publicacin, incluyendo Internet versus Intranet, etc. Entre las formas de conocimiento explcitas en la organizacin se encuentran: Las patentes son una forma de conocimiento codificado, los manuales, la documentacin que revelas los procesos de produccin, los reportes y los archivos de documentos impresos y magnticos. La administracin del conocimiento es el proceso mediante el cual el aprendizaje individual y la experiencia pueden ser representadas, compartidas y utilizadas para fomentar el mejoramiento del conocimiento individual y el valor organizacional Es un proceso recurrente que permite: Identificar el conocimiento que una organizacin posee o necesita (capital intelectual), para resolver un problema en especfico, implantar mecanismos internos para la generacin, transferencia y aplicacin de dicho conocimiento, construir capacidades crticas que favorecen la innovacin, e incrementar el valor de la organizacin.

1.2.3 APLICACIONES ANALTICAS. Las aplicaciones analticas de SAP Business Intelligence integran los procesos de negocio y proporcionan escenarios e indicadores de negocio predefinidos. Estos indicadores miden la efectividad de las operaciones de negocio y le permiten tomar, de forma inmediata, medidas correctivas. Las aplicaciones incluyen:

Aplicaciones analticas de la cadena de suministro: Miden el rendimiento y optimizan las cadenas de suministro, incluyendo planificacin, aprovisionamiento, stocks y produccin; tambin cubren los procesos de venta y entrega, a travs de Internet. Aplicaciones analticas de las relaciones con clientes: Miden y optimizan las relaciones con clientes; incluyen aplicaciones como el anlisis de ecommerce, anlisis de cesta de la compra y anlisis de conservacin de clientes. Aplicaciones analticas empresariales: Evalan el rendimiento financiero, como los modelos de pago y otros procesos de back-office que sostienen su

negocio; soportan iniciativas, como la optimizacin de la mano de obra y gestin del rendimiento de negocio. Aplicaciones analticas de e-commerce/e-marketplace: Analizan la experiencia online de los clientes, permitiendo a las empresas maximizar su retorno de la inversin en sitios Web, crear relaciones individualizadas con los clientes en Internet y mejorar la competitividad e-business.

Otras aplicaciones analticas comunes disponibles hoy en el mercado del business intelligence son:

Simulacin y Forecasting. Son aplicaciones para simular escenarios y predecir tendencias en el futuro. Si el precio de la materia prima crece un 5% a lo largo del ao y en tres meses el dlar sube 10%, cmo afecta a nuestra venta al final del ao? Si invertimos 10% ms en es ta lnea de productos, cmo cambia nuestra productividad y ROI? Activity-Based Costing. La determinacin de los costes basados en actividades descubre los costes reales de los productos, servicios o clientes ms all de la contabilidad tradicional y desvela que por ejemplo dos clientes aparentemente igual de rentables segn sus compras, en realidad causan costes muy diferentes, o que 25% de la actividad de la empresa causa 80% de los costes. Minera de Datos. Sistemas basados en algoritmos matemticos para descubrir tendencias escondidas entre grandes volmenes de datos. Aplicada desde la deteccin de fraude hasta el anlisis de cesta de compra. Balanced Scorecard/Cuadro de Mando Integral. Un concepto de gestin de la estratgica empresarial desarrollado por Norton y Kaplan. Permite ver la empresa no slo bajo la perspectiva financiera, sino tambin bajo otras como clientes, procesos o potenciales. Los objetivos estratgicos de las empresas se definen y su alcance se mide constantemente con datos reales. Gestin de riesgo. Especialmente las entidades financieras y las aseguradoras, pero tambin otras empresas, necesitan calcular riesgos y simular escenarios. Las aplicaciones BI proporcionan todo el proceso. Alertas y vigilancia. Ya no es necesario leer cada maana muchas pginas de informes o mirar cada hora una pantalla para detectar si existe una situacin crtica en algn lugar de la empresa. Se pueden vigilar automticamente los indicadores de la actividad empresarial y generar avisos por email o SMS si un indicador est fuera de su rango normal, a cualquier ritmo y hora del da. Fidelizacin de Clientes. Las aplicaciones ayudan a identificar que son los mejores o ms rentables clientes y porque clientes abandonan la empresa. Proporcionan los datos para campaas y evalan las respuestas y el impacto. Consolidacin. Automatizacin de consolidaciones contables entre empresas de un mismo grupo o entre sucursales. Tambin se aplican en fusiones de empresas y adquisiciones.

1.2.4 SISTEMAS DE REPORTES. El tipo de anlisis ms bsico, y el ms extendido, que ofrecen los sistemas de BI es la generacin de informes. Se podra distinguir entre informes operacionales (que no son propiamente una parte de BI), como las facturas o los albaranes, y los informes orientados al anlisis, como podran ser los informes de ventas, integrantes de pleno derecho de lo que se entiende por Business Intelligence. La desventaja de esta herramienta es que la capacidad de anlisis es limitada. Un solo informe no suele contener demasiada informacin. Para realizar un anlisis ms exhaustivo de la informacin hara falta un buen nmero de informes, muchos de ellos realizados a medida. Algunas de las ventajas son que no suelen necesitar servidores especficos para su realizacin, que son sencillos de implementar y que pueden ser visualmente mucho ms atractivos que los producidos por otras herramientas de anlisis ms potentes. Adems la mayora de las empresas dispone de las herramientas necesarias para generar sus informes operacionales, que puede reutilizarse fcilmente para realizar informes analticos. La primera razn por la cual considerar la herramienta de reportes como parte fundamental de la solucin general de BI, es simplemente que ella es la capa de presentacin del sistema. El dicho popular que reza: de la vista nace el amor rescata la importancia de la apariencia. La belleza no solo viene en colores y formas, pero adems en marcos de informacin y posicionada en el lugar indicado, puede ayudar en el proceso de toma de decisiones. Adicionalmente, usted no quiere lidiar con una herramienta para reportes que no puede satisfacer su imagen corporativa o que tiene pobres recursos visuales. La segunda razn es que en ocasiones cuando se selecciona una herramienta para reportes, se debe tener en cuenta todas las necesidades para las regulaciones tanto internas como externas, as como la conformidad normativa con la cual debe cumplir durante los procesos de reportes. Si este es el caso, usted necesitara una seleccionar una solucin para reportes que le ofrezca todo, o por lo menos los estndares de reportes ms importantes para su organizacin, como NIIF (Normas Internacionales de Informacin Financiera) o cualquier otra regulacin. Clasificacin de reportes: Reportes administrativos (estratgicos): son utilizados para tener una perspectiva sobre el rendimiento empresarial, la estrategia y la informacin de mercadeo. Reportes empresariales (analticos): reportes peridicos utilizados en el anlisis de ventas, clientes y la entrega de servicios o productos, etc. Reportes operacionales: estos son reportes para revisar informacin de inventarios, gastos, cuentas por pagar, etc. Estos informes tienen una gran influencia al momento de considerar una herramienta de reportes ya que ellos estn adems relacionados con el nmero de usuarios que utilizan la herramienta de reportes. Es importante tratar de establecer una lista de pros y contras sobre todas sus necesidades de informes, basada en la profundidad o tipo de reportes que usted estar generando.

1.2.5 MULTIDIMENSIONALIDAD. La informacin multidimensional se puede encontrar en hojas de clculo, bases de datos, etc. Un herramienta de BI debe ser capaz de reunir la informacin dispersa en toda la empresa e incluso en diferentes fuentes para as proporcionar a los departamentos la accesibilidad, poder y flexibilidad que necesitan para analizar la informacin. Los cubos de anlisis permiten el anlisis de datos crticos desde cualquier ngulo, en cualquier combinacin. Gracias a esta tcnica es posible realizar anlisis a criterio del usuario, desde los ms sencillos a los ms complejos. La herramienta permite desarrollar modelos de Data Mining para tratar de descubrir patrones de comportamiento, tendencias, etc. Todo ello empleando algoritmos de clasificacin, regresin, segmentacin, etc. Un cubo OLAP, OnLine Analytical Processing o procesamiento Analtico en Lnea, trmino acuado por Edgar Frank Codd de EF Codd & Associates, encargado por Arbor Software (en la actualidad Hyperion Solutions), es una base de datos multidimensional, en la cual el almacenamiento fsico de los datos se realiza en un vector multidimensional. Los cubos OLAP se pueden considerar como una ampliacin de las dos dimensiones de una hoja de clculo. A menudo se pensaba que todo lo que los usuarios pueden querer de un sistema de informacin se podra hacer de una base de datos relacional. No obstante Codd fue uno de los precursores de las bases de datos relacionales, por lo que sus opiniones fueron y son respetadas. Las bases de datos multidimensionales se aplican sobre el sistema OLAP tambin llamado cubo multidimensional o hipervnculo. Se compone de hechos numricos llamados medidas que se clasifican por dimensiones. El cubo de metadatos es creado tpicamente apartar de un esquema en estrella o copo de nieve y utilizando tablas de una base de datos relacional. Las medidas se obtienen de los registros de una tabla de hechos y las dimensiones de cuadros. Para realizar el anlisis de los datos es muy habitual visualizar los mismos en manera de tablas de doble entrada. Por ejemplo, no es raro un anlisis de ventas en el que se visualizan tablas que muestran el volumen de ventas cruzando meses con tipos de producto, o meses con comerciales, o comerciales con tipos de producto, o clientes con meses, etc. Partiendo de la idea de que resulta muy interesante visualizar los datos en forma de tablas surge el concepto de dimensin. Las dimensiones son cada una de las posibles clasificaciones que se pueden aplicar a las filas o a las columnas.

Simplificando, para poder visualizar estas tablas, y cualquier otra combinacin de las dimensiones, hay que mantener en el servidor el contenido de cada una de las posibles celdas. Estos datos se pueden guardar en una base de datos relacional con un esquema especfico, o bien almacenarse directamente en una base de datos multidimensional, como la representada en esta figura. A los datos almacenados de esta manera se les suele llamar cubos. Aunque aqu se representa un cubo de solo tres dimensiones es posible tener cubos de cualquier nmero de dimensiones. Las dimensiones que no aparecen en filas o columnas en una tabla se suelen llamar paginadas, y permiten determinar los datos que aparecern en la tabla, eligiendo uno de sus miembros. Por ejemplo, si en las filas estn los productos y en las columnas los meses, la dimensin paginada que quedara sera la de provincias. En la dimensin de provincias se podra elegir una provincia concreta, lo que sera similar a cortar una rodaja del cubo concreta y visualizar el contenido de sus celdas. Por ejemplo, la rodaja de Zaragoza sera la que queda detrs del todo en esta figura. Esta idea es generalizable a cualquier nmero de dimensiones. Las dimensiones pueden estar organizadas en jerarquas de modo que se pueden ver los datos a diferentes niveles. Por ejemplo una jerarqua de fechas podra tener un primer nivel llamado Todos, seguido de un segundo nivel que incluyera los aos, otro nivel de meses, y as sucesivamente. Utilizada como dimensin paginada se podra elegir por tanto Todos, un ao concreto, un mes concreto, etc. Utilizada en filas o columnas podran mostrarse tablas divididas por aos, por meses, etc. Independientemente de cual sea el almacenamiento elegido para los datos multidimensionales, debe existir un servidor que permita acceder a ellos para visualizar las tablas tal como se explica, segn vaya requirindolas la aplicacin cliente. A este tipo de servidor se le llama servidor OLAP.

1.2.6 DATA WAREHOUSE. En el contexto de la informtica, un almacn de datos (del ingls data warehouse) es una coleccin de datos orientada a un determinado mbito (empresa, organizacin, etc.), integrado, no voltil y variable en el tiempo, que ayuda a la toma de decisiones en la entidad en la que se utiliza. Se trata, sobre todo,

de un expediente completo de una organizacin, ms all de la informacin transaccional y operacional, almacenado en una base de datos diseada para favorecer el anlisis y la divulgacin eficiente de datos (especialmente OLAP, procesamiento analtico en lnea). El almacenamiento de los datos no debe usarse con datos de uso actual. Los almacenes de datos contienen a menudo grandes cantidades de informacin que se subdividen a veces en unidades lgicas ms pequeas dependiendo del subsistema de la entidad del que procedan o para el que sean necesario. El trmino Data warehouse fue acuado por primera vez por Bill Inmon, y se traduce literalmente como almacn de datos. No obstante, y como cabe suponer, es mucho ms que eso. Segn defini el propio Bill Inmon, un data warehouse se caracteriza por ser: Integrado: los datos almacenados en el data warehouse deben integrarse en una estructura consistente, por lo que las inconsistencias existentes entre los diversos sistemas operacionales deben ser eliminadas. La informacin suele estructurarse tambin en distintos niveles de detalle para adecuarse a las distintas necesidades de los usuarios. Temtico: slo los datos necesarios para el proceso de generacin del conocimiento del negocio se integran desde el entorno operacional. Los datos se organizan por temas para facilitar su acceso y entendimiento por parte de los usuarios finales. Por ejemplo, todos los datos sobre clientes pueden ser consolidados en una nica tabla del data warehouse. De esta forma, las peticiones de informacin sobre clientes sern ms fciles de responder dado que toda la informacin reside en el mismo lugar. Histrico: el tiempo es parte implcita de la informacin contenida en un data warehouse. En los sistemas operacionales, los datos siempre reflejan el estado de la actividad del negocio en el momento presente. Por el contrario, la informacin almacenada en el data warehouse sirve, entre otras cosas, para realizar anlisis de tendencias. Por lo tanto, el data warehouse se carga con los distintos valores que toma una variable en el tiempo para permitir comparaciones. No voltil: el almacn de informacin de un data warehouse existe para ser ledo, pero no modificado. La informacin es por tanto permanente, significando la actualizacin del data warehouse la incorporacin de los ltimos valores que tomaron las distintas variables contenidas en l sin ningn tipo de accin sobre lo que ya exista.

Otra caracterstica del data warehouse es que contiene metadatos, es decir, datos sobre los datos. Los metadatos permiten saber la procedencia de la informacin, su periodicidad de refresco, su fiabilidad, forma de clculo... etc. Los metadatos sern los que permiten simplificar y automatizar la obtencin de la informacin desde los sistemas operacionales a los sistemas informacionales. Los objetivos que deben cumplir los metadatos, segn el colectivo al que va dirigido, son:

Dar soporte al usuario final, ayudndole a acceder al data warehouse con su propio lenguaje de negocio, indicando qu informacin hay y qu significado tiene. Ayudar a construir consultas, informes y anlisis, mediante herramientas de Business Intelligence como DSS, EIS o CMI. Dar soporte a los responsables tcnicos del data warehouse en aspectos de auditora, gestin de la informacin histrica, administracin del data warehouse, elaboracin de programas de extraccin de la informacin, especificacin de las interfaces para la realimentacin a los sistemas operacionales de los resultados obtenidos... etc.

Por ltimo, destacar que para comprender ntegramente el concepto de data warehouse, es importante entender cul es el proceso de construccin del mismo, denominado ETL (Extraccin, Transformacin y Carga), a partir de los sistemas operaciones de una compaa:

Extraccin: obtencin de informacin de las distintas fuentes tanto internas como externas. Transformacin: filtrado, limpieza, depuracin, homogeneizacin y agrupacin de la informacin. Carga: organizacin y actualizacin de los datos y los metadatos en la base de datos.

Una de las claves del xito en la construccin de un data warehouse es el desarrollo de forma gradual, seleccionando a un departamento usuario como piloto y expandiendo progresivamente el almacn de datos a los dems usuarios. Por ello es importante elegir este usuario inicial o piloto, siendo importante que sea un departamento con pocos usuarios, en el que la necesidad de este tipo de sistemas es muy alta y se pueda obtener y medir resultados a corto plazo. Principales aportaciones de una data warehouse:

Proporciona una herramienta para la toma de decisiones en cualquier rea funcional, basndose en informacin integrada y global del negocio.

Facilita la aplicacin de tcnicas estadsticas de anlisis y modelizacin para encontrar relaciones ocultas entre los datos del almacn; obteniendo un valor aadido para el negocio de dicha informacin. Proporciona la capacidad de aprender de los datos del pasado y de predecir situaciones futuras en diversos escenarios. Simplifica dentro de la empresa la implantacin de sistemas de gestin integral de la relacin con el cliente. Supone una optimizacin tecnolgica y econmica en entornos de Centro de Informacin, estadstica o de generacin de informes con retornos de la inversin espectaculares.

1.3 PRINCIPALES HERRAMIENTAS DE LA INTELIGENCIA DE NEGOCIOS

Las herramientas de software de Business Intelligence (BI INTELIGENCIA DE NEGOCIOS) son usadas para acceder a los datos de los negocios y proporcionar reportes, anlisis, visualizaciones y alertas a los usuarios. La gran mayora de las herramientas de Business Intelligence son usadas por usuarios finales para acceder, analizar y reportar contra los datos que ms frecuentemente residen en data WAREHOUSE, DATA MARTS y almacenes de datos operacionales.

TIPOS DE PRODUCTOS Actualmente el mercado de herramientas de BI se encuentra constituido por dos subsegmentos: suites de Business Intelligence empresarial (EBIS, por sus siglas en ingls) y plataformas de BI. La mayora de las herramientas de Business Intelligence son: Las plataformas de BI se usan cuando hay una necesidad de analizar aplicaciones complejas con muchos clculos (por ejemplo, rentabilidad de un producto) o para crear aplicaciones amigables para usuarios ocasionales. En cambio las herramientas de BI empresarial, contienen una funcionalidad estndar. Una vez que una o ms fuente de datos es mapeado por las herramientas de EBIS, la funcionalidad toma vida. Los EBIS son usualmente utilizados cuando hay muchos usuarios de diversos niveles de habilidad

tcnica, cada uno con requerimientos de reportes y vistas que son menos analticos.

TECNOLOGAS DE BI Las compaas han descubierto la necesidad de usar sus datos para apoyar la toma de decisiones, realizar una optimizacin de procesos y realizar reportes operacionales. Los vendedores de tecnologa de BI han construidos nichos de software para implementar cada nuevo patrn de aplicaciones que las compaas inventan. Estos patrones de aplicacin resultan en productos de software centrados exclusivamente en cinco estilos de BI tales como: Reporte empresarial. Los reportes escritos son usados para generar reportes estticos altamente formateados destinados para ampliar su distribucin con mucha gente. Cubos de anlisis. Los cubos basados en herramientas de BI son usados para proveer capacidades analticas a los administradores de negocios. Vistas Ad Hoc Query y anlisis. Herramientas OLAP relacionales son usadas para permitir a los expertos visualizar la base de datos y ver cualquier respuesta y convertirla en informacin transaccional de bajo nivel. Data mining y anlisis estadsticos. Son herramientas usadas para desempear modelado predictivo o para descubrir la relacin causa efecto entre dos mtricas. Entrega de reportes y alertas. Los motores de distribucin de reportes son usados para enviar reportes completos o avisos a un gran nmero de usuarios, dichos reportes se basan en suscripciones, calendarios, etc.

LOS PRINCIPALES SOFTWARE PARA BI Business Objects: Ofrece a los usuarios el acceso constante y de manera sencilla y clara a los datos relevantes, para facilitar el anlisis de la informacin que ha sido

almacenada, y el posterior desarrollo de distintos informes para mejorar los procesos globales de la empresa. Cognos: Este brinda un sistema efectivo para llevar a cabo evaluaciones correctas de la informacin y una posterior toma de decisiones adecuada. Cabe destacar que Cognos cuenta adems con una herramienta especial, que ha sido desarrollada para permitir la realizacin de modelos, pronsticos y simulaciones de negocios, con el fin de ofrecer la posibilidad de planificar el futuro de las operaciones. Microstrategy: Es otra de las herramientas ms difundidas, cuya caracterstica fundamental reside en que provee de las soluciones necesarias a los clientes de cualquier tipo de empresa o sector funcional de las mismas, con el objetivo de brindar un marco de ayuda que les permitir acceder a un mayor conocimiento de la informacin que est siendo manejada por la empresa. Oracle BI: Al igual que las diversas aplicaciones de su tipo, ofrece la posibilidad de tener acceso a la informacin, compartir esos datos con los diversos sectores de la compaa, y permitir el anlisis de dicha informacin para llevar a cabo la toma de decisiones correctas, que estarn basadas en datos obtenidos de manera sencilla y rpida. WorkMeter: Recopila informacin sobre el uso de las aplicaciones informticas y de otros dispositivos (PBX, mviles,) para determinar el nivel de carga y el esfuerzo de las personas. sta informacin es agrupada y presentada tanto al gestor como al mismo empleado, generando un ambiente de objetividad y transparencia. WorkMeter ofrece la base objetiva necesaria para facilitar procesos de evaluacin y mejora, permitiendo asimismo medir el impacto positivo de los cambios. BENEFICIOS DE LAS HERRAMIENTAS DE BUSINESS INTELLIGENCE

Disponer de la capacidad de extraer, depurar, consolidar, sintetizar y presentar datos, informacin y conocimiento de forma automatizada. Poner a disposicin de los usuarios que la necesiten la informacin necesaria para el anlisis y la toma de decisiones: gil, flexible y fiable, en el formato adecuado a cada uno.

 Homogeneidad en la utilizacin de la informacin (interna y externa): utilizacin de la misma informacin al medir las mismas cosas. Sistema soportado sobre plataformas tecnolgicas slidas y escalables.