BI e innovación

INNOVACIÓN, EMPRENDIMIENTO, TECNOLOGÍA.
HERRAMIENTAS PARA EL FUTURO CRECIMIENTO.

Inteligencia de Negocios
(Business Intelligence)

La Inteligencia de Negocios no es solo relativa al área de las organizaciones
privadas, sino también hoy en día relativo a los gobiernos y el desarrollo de sus
políticas públicas. Los orígenes e historia del Business Intelligence (Inteligencia
de Negocios, Inteligencia de Mercados) han marcado claramente el desarrollo
de los mercados, así como a sus participantes. Dado que hoy en día nos
encontramos inmersos en los inicios en la era de la Sociedad del Conocimiento,
el papel de la Inteligenca de Mercados en las empresas, entregará gran valor a
sus productos y servicios en la medida que la toma de decsiones estratégicas de
las empresas estén basadas en el BI, permitiéndo a las empresas Crear Valor en
sus mercados y capturar nuevas oportunidades de negocios.
Hugo Céspedes A.

04-02-2010

Aviso legal
Esta presentación está sujeta a una licencia Reconocimiento-Compartir Igual 2.0 de Creative Commons. Se permite la reproducción,
distribución y comunicación pública siempre y cuando se cite el autor (Hugo Céspedes A.) y no se haga un uso comercial. Si se
transforma esta obra para generar una nueva obra derivada, se debe distribuir con una licencia igual a la que regula la obra original. La
licencia completa se puede consultar en
http://creativecommons.org/licenses/by-nc/2.0/cl/legalcode

www.hcglobalgroup.com Contacto: info@hcglobalgroup.com
Santiago-Chile, Latino América.


Inteligencia de Negocios (Business Intelligence).
El término de Inteligencia de Negocios (Business Intelligence) se utiliza para resumir “el manejo
creativo e inteligente de los datos disponibles en los referentes entornos en una compañía o
institución (ya sea gubernamental o privada), y la conversión de estos datos en información
estructurada”.

La Eficiencia de los elementos de Planificación y Control de Gestión nos permite obtener
conocimientos exactos del funcionamiento de la compañía en relación con el objetivo estratégico
de la institución para tomar decisiones de una forma ágil y fiable, mejorando los resultados del
negocio. Los términos Cuadro de Mando, Reporting y Balance Scorecard son los más populares que
se encuentran en el marco de esta definición.

El término Business Intelligence suele causar confusión en lo relativo a “la toma de decisiones que
son realizadas por las personas a partir de la información de que disponen”. En este sentido,
surgen palabras claves como: Personas, información, Toma de Decisiones. De esta manera,
podemos comenzar a realizar preguntas sobre: ¿Dónde hemos estado?, ¿Dónde estamos?, ¿Hacia
dónde iremos?

¿QUÉ ES EL BUSINESS INTELLIGENCE (INTELIGENCIA DE NEGOCIOS)?.-

¿Por qué deberíamos preocuparnos respecto a esto? Si bien la Inteligencia de Negocios (BI)
pareciera ser muy confuso al principio, deberíamos preguntarnos primeramente ¿para qué sirve?
Bueno la respuesta es simple, para hacer de los negocios y fin de las instituciones sean más
inteligentes en la manera de ser conducidos.

Y entonces podríamos partir preguntándonos por ¿qué es Inteligencia: Conocimiento y
entendimiento, significado y contexto, previsión, resolver problemas complejos para tomar
mejores decisiones?, ¿quién toma las decisiones? Bueno, en este sentido podemos decir que las
decisiones las toman ¡las personas, los hombres de negocios! Las personas y hombres de negocios
tomamos decisiones todo el tiempo y no nos damos cuenta, a veces buenas decisiones y otras
veces malas decisiones.



En resumen, hasta el momento podríamos decir que:

¿Qué hace a una decisión una Buena Toma de Decisión?, ¿Qué hay de la información?

Podemos decir que la relación entre inteligencia, información y decisiones radica en que:

¿Qué es la información?

La historia ha demostrado que la información ha sido utilizada para: Compartir historias, para
aprender de los libros, para descubrir eventos-sucesos, para entregar respuestas. Hoy en día,
incluso, podemos decir “que la información sirve para Innovar”. De esta forma:

De esta forma, la información al proveer respuestas, permite a las personas tomar decisiones.

Luego, deberíamos preguntarnos ¿cómo las personas de negocios consiguen respuestas?

Bueno, en este sentido, podemos decir que las personas de negocios consiguen respuestas
mediante algo que ellos cuentan, y que se conoce con el nombre de “Datos”. Los Datos versan
sobre el negocio y estos van desde: i) Datos sobre personas, ii) Datos sobre Productos, iii) Datos
sobre lugares.

Ahora bien, las personas de negocios también tienen preguntas, como por ejemplo: Sobre qué
producto es el mejor, cómo están mis ventas, cómo están mis subalternos (ambiente de trabajo,
eficiencia, entre otros).

Sin embargo, antes de obtener respuestas, las personas de negocios (ejecutivos) necesitan tener
una Visión dentro (hacia) los datos. Esto significa que sin una visión de esta envergadura, el trabajo
se transformaría en supuestos y adivinanzas.



Por otro lado, los “datos tienen valor”, y como todo lo que tiene valor, necesita ser almacenado.

Antes del año 1960, los Datos eran almacenados en archivadores. Luego, cuando aparecieron las
computadoras, los datos se comenzaron a almacenar y, este almacenar se transformó en algo
eventualmente riesgoso y complicado de administrar (dado que los
datos y almacenamientos corrían riesgo de perderse). De esta
forma, dado que los datos comenzaron a ser almacenados y a ser
administrados, surge un concepto que manejamos hasta el día de
hoy, Base de Datos (Database).

De esta forma, podemos decir que las Bases de Datos proveen un camino para poder almacenar
Datos de Negocios. Sin embargo, este camino no es tan sencillo, ya que para poder conseguir
almacenar datos, se requiere de mucha experiencia.

De esta forma, los negocios necesitan de un camino para “ingresar y almacenar datos”, Así fue
como durante la década de los ´70 aparecen en escena las “aplicaciones de negocios (Business
Aplication)”. Las aplicaciones de negocios proveen una mejor manera de “recolectar información”.

Por lo tanto, hasta el momento según lo expuesto, podemos resumir lo siguiente:

Vale decir, las bases de datos sirven para almacenar datos y, con el surgimiento de las aplicaciones
de negocios las bases de datos pudieron ser ingresadas en mejor forma y mayor cantidad.

¿Qué hay del acceso a la información?



Bueno, datos y acceso ayudan a proveer respuestas. Si bien el acceso no es fácil, dado que los
datos provienen de múltiples lugares, las aplicaciones de negocios ayudan a proveer datos para
ser almacenados en bases de datos.

Ahora bien, en este sentido ¿por qué no se ingresa la información de una sola vez? Se trata de
hacer ingreso de datos mediante “reportes”, sin
embargo, este proceso es muy lento y solo genera
información unidimensional, sólo provee
información en silos, lo cual implica que la
información queda fragmentada. De tal forma, que
luego se necesitaría de un “acceso más perspicaz a
través de múltiples ubicaciones. Surge así el
concepto de Almacén de información (Data
1
Warehouse) .

En este sentido, vale la pena detenernos un poco en la definición de Almacén de Información:

- Bill Inmon2 define al data warehouse (Almacén de Información) en términos de las
características del repositorio de datos:

1
En el contexto de informática, un Almacén de Información (Datawarehouse) es una colección de datos orientada a un determinado
ámbito (empresa, organización, etc.), integrado, no volátil 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 organización, más allá de la información transaccional y
operacional, almacenado en una base de datos diseñada para favorecer el análisis y la divulgación eficiente de datos (especialmente
OLAP –Online Aplication Process o procesamiento analítico en línea-). El almacenamiento de datos no debe usarse con datos de uso
actual. Los almacenes de datos contienen a menudo grandes cantidades de información que se subdividen a veces en unidades lógicas
más pequeñas dependiendo del subsistema de la entidad del que procesan o para el que sean necesario.
2
Bill Inmon fue uno de los primeros autores en escribir sobre el tema de los almacenes de datos.



i) Orientado a temas: los datos en la base de datos están organizados de manera que todos los
elementos de datos relativos al mismo evento u objeto del mundo real queden unidos entre
sí.
ii) Variante en el tiempo: Los cambios producidos en los datos a los largo del tiempo quedan
registrados para que los informes que se puedan generar reflejen esas variaciones.
iii) No volátil: La información no se modifica ni se elimina, una vez almacenado un dato, éste se
convierte en información sólo de lectura, y se mantiene para futuras consultas.
iv) Integrado: La base de datos contiene los datos de todos los sistemas operacionales de la
organización, y dichos datos deben ser consistentes.

- Ralph Kimball, define como Almacén de Datos como “una copia de las transacciones de datos
específicamente estructurada para la consulta y el análisis”.
- Una definición más amplia de Almacén de Datos, y que no se centra en los datos en sí mismos
como las definiciones anteriores, dice relación con los medios para obtener y analizar esos datos,
para extraerlos, transformarlos y cargarlos, así como las diferentes formas para realizar la gestión
de datos son componentes esenciales de un almacén de datos. Muchas referencias a un almacén
de datos utilizan esta definición más amplia. Por lo tanto, en esta definición se incluyen
herramientas para la inteligencia empresarial, herramientas para extraer, transformar y cargar
datos en el almacén de datos, y herramientas para gestionar y recuperar los metadatos.

Por último, la función última de un almacén de datos es “contener datos que son necesarios o
útiles para una organización, es decir, que se utiliza como un repositorio de datos para
posteriormente transformarlos en información correcta a la gente indicada en el momento óptimo
y en el formato adecuado. El almacén de datos da respuesta a las necesidades de usuarios
expertos, utilizando soporte a decisiones (DSS), consultas e informes. Los usuarios finales pueden
hacer fácilmente consultas sobre sus almacenes de datos sin tocar o afectar la operación del
sistema.

Respecto del funcionamiento de un almacén de datos, son muy importantes las siguientes ideas:

- Integración de los datos provenientes de base de datos distribuidas por las diferentes
unidades de la organización y que con frecuencia tendrán diferentes estructuras (fuentes
heterogéneas). Se debe facilitar una descripción global y un análisis comprensivo de toda
la organización en el almacén de datos.
- Separación de los datos usados en operaciones diarias de los datos usados en el almacén
de datos para los propósitos de divulgación, de ayuda en la toma de decisiones, para el



análisis y para operaciones de control. Ambos tipos de datos no deben coincidir en la
misma base de datos, ya que obedecen a objetivos muy distintos y podrían entorpecerse
entre sí.

Periódicamente se importan datos al almacén de datos de los distintos sistemas de planeación de
recursos de la entidad (ERP) y de otros sistemas de software relacionados con el negocio para la
transformación posterior. Es práctica común normalizar los datos antes de combinarlos en el
almacén de de datos mediante herramientas “de extracción, transformación y carga (ELT)”. Estas
herramientas leen los datos primarios (a menudo bases de datos OLTP de un negocio), realizan el
proceso de transformación al almacén de datos (filtración, adaptación, cambios de formato, etc.) y
escriben en el almacén.

También están los denominados “Cubos de Información” o Cubos OLAP, los cuales funcionan como
los cubos rompecabezas en los juegos, en el juego se trata de arar los colores y en el data
warehouse se trata de organizar los datos por tablas o relaciones: los primeros (el juego) tienen 3
dimensiones, los cubos OLAP tienen un número indefinido de dimensiones, razón por la cual
también reciben el nombre de “hipercubos”. Un cubo OLAP contendrá datos de una determinada
variable que de desea analizar, proporcionando una vista lógica de los datos provistos por el
“sistema de información” hacia el datawarehouse, esta vista estará dispuesta según unas
dimensiones y podrá contener información calculada. El análisis de los datos está basado en las
dimensiones del hipercubo, por lo tanto, se trata de un “análisis multidimensional”.

Ahora bien, a la información de un cubo puede acceder el ejecutivo mediante “tablas dinámicas”
en un hoja de cálculo o a través de programas personalizados. Las tablas dinámicas le permiten
manipular las vistas (cruces, filtrados, organización, totales) de la información con mucha facilidad.
Las diferentes operaciones que se pueden realizar con cubos de información se producen con
mucha rapidez. Llevando estos conceptos a un data warehouse, éste es una colección de datos
que está formada por “dimensiones” y “variables”, entendiendo como dimensiones a aquellos
elementos que participan en el análisis y variables a los valores que se desean analizar.

Hemos visto que los datos pueden ser organizados y
pueden provenir de múltiples lugares. Ahora la
información puede ser administrada y accesada, de
manera que ahora los datos pueden ser útiles.

Por lo tanto podemos decir que:



De esta manera, se habla de Business Intelligence 1,0 cuando, a partir de Acceso a Datos y la
administración de estos, se genera una Demanda por administración de datos y accedo de los
mismos. Así, en 1989 el término Business Intelligence es utilizado por primera vez, al surgir
herramientas Business Intelligence que pueden “hacer reportes” y “analizar la información”.

Los vendedores de software especializado al respecto comenzaron a prometer “Mayor Acceso a
través de múltiples lugares” y “Desarrollar reportes y analizar datos”, todo esto, con la intención
de generar “mayor demanda” al generarse “más datos”. Dado que los negocios comenzaron a
requerir “datos de manera rápida”, el Business Intelligence (o Inteligencia de Negocios) se trató
en un primer momento de RENDIMIENTO.

Con el surgimiento de Internet, los datos no se detuvieron y comenzaron a moverse más rápidos.
Por tal razón, los negocios comenzaron a necesitar más respuestas, de manera más rápida.

Así fue como en los ´90 comenzaron a surgir un montón de Herramientas de Business Intelligence,
las cuales se especializaban en:

- Herramientas Administradoras de Rendimiento.
- Herramientas para Reportes y Análisis.
- Herramientas Administradoras de Información.



Se comenzaron a crear mayores accesos a través de múltiples lugares, lo que produjo múltiples
versiones de la verdad y, por ende, “mayor frustración en la demanda”. De esta forma, surge un
nuevo reto para la administración de datos. Dado que las herramientas existentes en materia de
Business Intelligence eran difíciles de
mantener, lo vendedores comenzaron a
ofrecer:

- Mayor funcionalidad
- A menor costo.

Es en este punto donde podemos decir
que “surge la primera Plataforma
Business Intelligence”: comienzan las
fusiones y adquisiciones de empresas,
donde terminan identificándose a los
vendedores de herramientas Business
Intelligence, tales como:

Es en este punto cuando se origina el concepto de Business Intelligence 2.0, el cual se caracteriza
por “ser un BI más funcional (off line and online)” además de darse una “consolidación del
mercado BI”.

Sin embargo, a estas alturas, los negocios aún no obtenían respuestas, ya que no se trataba de
personas, se trataba de una instancia donde “interactuaban Sistemas y Personas”, pero no se
consideraba hasta ese minuto a las “personas y sus requerimientos”.



Se requería acceso, pero un acceso a las personas que trabajan en la organización. Antiguamente
los encargados de proveer este acceso eran típicamente el Departamento de IT. En esta época,
muchas veces el 80% de las personas de una organización llamaba para requerir datos, se producía
frustración, dado que muchas veces, las capacidades instaladas para esta función no eran 100%
operativas. Específicamente, el problema radicaba en que “las herramientas de Business
Intelligence no eran intuitivas y las personas de IT no tenían tiempo”. Por lo tanto, si el problema
radicaba en acceso intuitivo y actualización de datos, el Business Intelligence que necesitaba
desarrollarse dice relación con el de “Utilidad (Usability)”. El Business Intelligence que trata la
“utilidad” implica convertir datos en un formato correcto que haga más fácil el consumo de datos
por más personas y de fácil administración por parte del Departamento IT. Ahora bien, también el
problema de la administración de datos también dice relación con los “datos fuera de la base de
datos (datos no estructurados)”. Estos datos no estructurados dicen relación con aquellos
provenientes de lugares tales como: blogs, wiki´s, documentos, presentaciones, videos y un
montón de otros eventos.

Un punto que vale la pena destacar es que, a estas alturas “el 80% de los negocios eran
conducidos por Información No Estructurada”. Se podría decir que el Business Intelligence trata
entonces de Datos Correctos en el Momento Correcto para Personas Correctas. Es por eso que se
dice que el BI necesitaba estar centrado en las personas, donde la información no estructurada
circulara en torno a las personas:



Y donde el Departamento de IT (tecnologías de la Información) pudiera proveer información a más
personas, dado que “son las personas quienes toman decisiones y no los sistemas”:

En resumen, podemos decir que en “la Inteligencia de Negocios de los ’90 necesitaban hacer más
colaboración, búsqueda e implementar mayor comunicación sobre sus inquietudes, sus
respuestas, para poder conducir la innovación”.

Hoy en día, tras las crisis económicas, los tiempos han cambiado. Así también lo ha hecho el
Business Intelligence, los cuales pueden trabajar:

- Proveyendo a las personas de una “mejor visión”.
- Permitiendo a las personas tomar mejores decisiones.
- Permitiendo acceso a más personas a la información
contenida.
- Permitiendo a las personas conducir la innovación.



¿Es la Inteligencia de Negocios propia de las Compañías que se desenvuelven en el
sector privado?

La respuesta inmediata es NO, la Inteligencia de Negocios no es solamente de uso de empresas
privadas. Hoy en día, la Inteligencia de Negocios (Mercados o Business Intelligence) está siendo
utilizada incluso por los gobiernos. Los gobiernos utilizan el análisis, descrito como Inteligencia de
Negocios, para permitir y dirigir sus estrategias y resultados en un ambiente cada vez más
turbulento y volátil. Específicamente, este análisis que realizan los gobiernos, los ayuda “en la
toma de decisiones, la cual, puede ser una importante fuente de contribución a la consecución de
las misiones gubernamentales, al igual que ahora lo están siendo en la consecución de los
objetivos de negocio corporativo.

Thomas Davenport y Sirkka L. Jarvenpaa3 sostienen que “existen áreas importantes en las cuales
las aplicaciones de análisis en organismos gubernamentales se pueden llevar a cabo. Por ejemplo,
la misión y gestión de la áreas de atención de salud, logística, gestión de riesgos, y la inteligencia a
la que el análisis se ha aplicado. Si bien las posibilidades de análisis para mejorar la eficiencia y la
eficacia en el gobierno parecen ilimitadas, hay mucho menos claridad acerca de la disposición del
gobierno a adoptar estas herramientas y plataformas de análisis. Davenport y Jarvenpaa son
cuidadosos de señalar que “el uso de análisis en inteligencia de negocios requiere de innovación
de gestión”.

En los últimos años, los avances en la captura de datos, tecnologías, normas de datos,
almacenamiento de datos y el modelado y las ciencias de la optimización han creado
oportunidades de negocios para los grandes programas de análisis a gran escala (inteligencia de
mercados). Es así como varias organizaciones en el sector privado no sólo han aprovechado esto
en su toma de decisiones, sino que también han creado ventaja competitiva sostenida a partir de
datos basados en esto. Ellos han construido sus estrategias de negocios, al menos en parte, en
torno a sus capacidades analíticas. Si bien las organizaciones gubernamentales y organismos no
necesariamente compiten entre sí, pueden utilizar capacidades analíticas para habilitar ejecutar
sus unidades estratégicas en un entorno cada vez más volátil y turbulento.

Si bien la Inteligencia de Negocios se presenta a menudo como una Innovación Tecnológica, el uso
estratégico de los análisis, tanto en el sector privado como el gobierno, requiere también de
innovación en gestión masiva. Factores como Liderazgo, Orientación de la Empresa (Institución), y

3
“Strategic Use of Analytics in Government”. Managing for Performance and Results Series, Thomas Davenport, Sirkka L.
Jarvenpaa, IBM Center for The Business Of Government, 2008.



Estrategia de Largo Plazo son dirigidas a caracterizar la gestión de innovación, como también un
enfoque estratégico en particular.

Análisis Estratégico en el Gobierno.-

Las organizaciones gubernamentales y organismos no necesariamente compiten, pero utilizan
análisis de datos para las estrategias de la unidad y su rendimiento en entornos cada vez más
volátiles y turbulentos. Los análisis de datos y la toma de decisiones correspondiente, pueden
tener tanto o incluso más de un efecto poderoso en las misiones gubernamentales como en los
objetivos de negocios corporativos. El uso real de los análisis en el gobierno puede ir desde
estrategia de apoyo o incluso la conducción en la realización de misiones y objetivos clave o
tácticas. Descubrir cómo la Estrategia de Análisis es importante en los gobiernos, ha sido clave en
investigaciones al respecto. Existen ejemplos notables en la estrategia de aplicación de análisis en
prevención de delitos, los cuales, utilizan geografía de datos sobre crímenes, los cuales ayudan a
conducir funcionarios y otros recursos. También existen casos de utilización geográfica de datos
sobre otros desempeños en las funciones gubernamentales, como por ejemplo la Educación
Pública, en la Gestión Pública e la Ciudad, así como también en la aplicación de análisis para la
Salud Pública, Cadena de Suministros y Recursos Humanos en el Gobierno, en la Gestión de
Ingresos del Gobierno, entre otros.

En el caso de la Salud Pública, el análisis de datos es cada vez más importante en el cuidado de la
salud, y en casi todas las sociedades del mundo, la atención de la salud es parte o en su totalidad
una responsabilidad del gobierno. En el caso de Estados Unidos, tal como analizan Davenport y
Jarvenpaar, el gobierno paga el 40% de los US$ 2 billones gastados en atención en salud en 2005.
Para los proveedores y los beneficiarios (pagadores) de atención de salud pública o privada, el
análisis de datos es clave para el desempeño de la atención de salud, a través de al menos 3
ámbitos descritos por Davenport y Jarvenpaar:

- Medicina basada en evidencias: la cual se refiere a la medicina basada en la evidencia práctica,
la cual no es otra cosa que el uso de la mejor evidencia de estudios de investigación clínica para
orientar el diagnóstico y el tratamiento de los pacientes para médicos especialistas.
- Reducción del fraude: Si bien los pagos por atención de salud están entre los más grandes
pagos del gobierno a los ciudadanos, también es un dominio para el fraude. La idea es que, por
medio de datos recopilados mediante inteligencia de negocios, se pueda identificar el potencial
fraude.



- Identificación de los pacientes para la gestión de enfermedades: Si bien los programas de
prestación de servicios es a todos los pacientes, las personas en riesgo son identificados por la
enfermedad-específica mediante algoritmos basados en estructuras de codificación médica y,
en algunos casos, los datos de la farmacia. Las técnicas analíticas utilizadas incluyen la
regresión lineal o análisis logístico, clasificación y árboles de decisión y de redes neuronales. Los
pacientes identificados reciben mayor atención de salud o intervenciones sociales y de diseño
de comportamientos para reducir el riesgo de intervenciones médicas a futuro. Así también
programas de manejo de la enfermedad se han demostrado para fomentar la mejora de la
salud a través de prevenir o retrasar la aparición de complicaciones y enfermedades
relacionadas, resultando en una menor demanda en el sistema y menor costo para los
pagadores del gobierno.

Considerando el caso de Cadena de Suministros y Recursos Humanos en el Gobierno, si bien uno
de los ámbitos más importantes para el análisis en el sector privado es en la gestión de la cadena
de suministro, donde las empresas intentan optimizar recursos y canales de distribución, más
recientemente, las organizaciones han comenzado a centrarse en “la cadena de abastecimiento
humano”, o el uso de análisis en los procesos de recursos humanos. Estas dos zonas son también
importantes para los gobiernos, y su aplicación ha sido más agresiva en los militares. Los orígenes
del Análisis de la Cadena de Suministro surgen de la disciplina de la investigación de operaciones.
Estas aplicaciones se utilizaron desde el principio dentro de las ramas de las ramas del gobierno,
específicamente el ejército. Las necesidades de competitividad y las consecuencias drásticas de
quedarse sin material en tiempo de guerra, los análisis han sido utilizadas en el pronóstico, ruta de
suministro, optimización de operaciones navales y aéreas. Si bien algunos enfoques analíticos a ser
empleados por el ejército han cambiado para manejar inventarios y las líneas de suministro, el
ejército hoy en particular utiliza desde hace dos décadas un modelo basado en “la masa” en
movimiento, grandes cantidades de mercancía pesada de un modelo de inventario basada en
“funda justa” a uno basado en “velocidad”, o una más ágil, rápido en movimiento de cadena de
suministro que opera sobre una base “justo a tiempo” de inventarios. Respecto a Análisis de
Datos de Recursos Humanos, el ejército también ha empleado cada vez más la analítica de los
enfoques de suministros de la cadena de recursos humanos. Particularmente en tiempos de
guerra con todos los voluntarios militares, las fuerzas armadas recurren a las decisiones de análisis
relativos a la contratación. En los dominios analíticos incluyen el pronóstico, la contratación, la
segmentación y los modelos de tubería, los modelos de desgaste y, las estrategias de reducción de
fuerzas. De análisis de previsión generalmente tienen lugar en el mundo militar el estudio de
grandes poblaciones (por ejemplo, servicios específicos, tales como el ejército o la fuerza civil
dentro del ejército) e incluye el modelado y análisis de políticas alternativas y de los recursos ()por
ejemplo se alistó civiles v/s civiles contratistas), las mezclas y el impacto de los reajustes,



incentivos, jubilaciones, etc. El modelo de Cadena de Suministro y de Recursos Humanos tiene
similitudes con otros ámbitos en el gobierno, y la cantidad de datos para esta área es cada vez
menos problemático, como las diversas ramas de las fuerzas armadas de servicios y agencias
logísticas de defensa, al instalar Recursos Empresariales de Planificación (PER) que los sistemas de
los movimientos de la cuenta de bienes y personas. El principal problema, desde la perspectiva de
datos es que, cada rama de las fuerzas armadas (ejército, armada y fuerza aérea) tiene un enfoque
diferente y una estrategia distinta. Si existiese el deseo de hacer un análisis a través de los
diferentes servicios (que es discutible), sería difícil, dado este entorno de datos.

Por último, en el ámbito de Gestión de Ingresos del Gobierno,” que consiste en los esfuerzos de las
autoridades fiscales para maximizar las cantidades de ingresos legalmente recogidos de los
ciudadanos”, sus instituciones siempre tendrán una gran necesidad de mejorar su rendimiento de
pasivos de sus poblaciones. Los organismos fiscales en primer lugar utilizan el análisis de datos
para hacer frente a la “brecha fiscal4”. La pérdida de ingresos no percibidos en los ingresos fiscales,
denuncia, conducen a un masivo recorte presupuestario en estado crítico, servicios locales y
recursos de impacto en el público en general. La misión de las agencias de impuestos “es
garantizar que todos paguen su parte justa de los costos de gobierno, no sólo lo que cumplen”.
Así, la reducción de la brecha fiscal implica, entre otras cosas, la segmentación de la base electoral
de los ciudadanos y de los grupos empresariales de mayor ingreso neto de una previsión de su
contribución. Los avances de gobierno, tales como e-gobierno, la presentación electrónica de
declaraciones de impuestos, el impuesto de portales, las estadísticas de software de escritorio, las
inversiones en los almacenes de datos empresariales, entre otros, han permitido la realización de
análisis más factibles en el proceso de gestión de ingresos. El análisis de datos está desempeñando
un papel cada vez más crítico en, por lo menos, cuatro ámbitos del a gestión de los ingresos
gubernamentales:

- Análisis de Ingresos: dice relación con la realización a micro-nivel de las previsiones de
ingresos de una empresa individual, ciudadano o un pequeño grupo. Estas previsiones
ayudan a anticipar los comportamientos de los contribuyentes de los nuevos legislativos o
ejecutivos de políticas o cambios en las políticas existentes en participar, durante las
fluctuaciones de la economía a nivel nacional.
- Cumplimiento de los Sistemas: Si bien el análisis de datos puede ayudar a reducir la brecha
fiscal (pérdida de ingresos) mediante la mejora de recaudación de impuestos con los
mismos o incluso menos nivel de recursos, involucra el cumplimiento de las solicitudes de
centrarse en conseguir el derecho de los casos asignados a la persona adecuada, para

4
La Brecha Fiscal se refiere a la pérdida de ingresos cuando las agencias no identifican una forma eficaz la auditoría y
cobro de impuestos atrasados.



acción correcta en el tiempo correcto. Las aplicaciones incluyen algunas o más de las
siguientes áreas tales como, el descubrimiento de las empresas y los individuos no
indizados con un pasivo fiscal potencial, selección de los contribuyentes para la auditoría
que se probablemente subestiman, aplicación de riesgo basado en estrategias de
recolección para cada caso (la recogida).
- Detección de Fraude: Dado que los regímenes de devolución de impuestos fiscales
fraudulentamente se han vuelto más sofisticados, las agencias de impuestos han tenido
que desplegar más métodos de gran alcance para detener los controles de retornos
fraudulentos antes de que salgan, mientras que el mantenimiento de espera en los
tiempos de restitución también han tendido a disminuir para evitar molestias a los
contribuyentes.
- Servicios de pago de impuestos al contribuyente: La nueva esfera para el análisis en la
gestión de ingresos es el servicio al cliente de los contribuyentes. Las aplicaciones son
similares en algunos aspectos a los servicios al cliente de análisis de sistemas que han sido
comercialmente utilizado en el sector privado durante mucho tiempo. Estos sistemas
están normalmente basados en la gestión de aplicaciones de relaciones con clientes
(CRM), e identificación de clientes que probablemente sean candidatos a algún tipo de
intervención. Servicios al contribuyente ofrecen intervenciones proactivas para reducir a
los no indizados y su información. Explotan servicios como llamadas entrantes de
contribuyentes, correos electrónicos, sitios web, evaluación de probabilidades que el
contribuyente no tenga toda la información necesaria para el cumplimiento de impuestos,
no comprenda el cambio de legislación fiscal, etc.

Todas estas aplicaciones prometen entregar beneficios financieros, así como mejorar la imagen
pública de los organismos de impuestos y el gobierno en general. Por lo general, los organismos
desarrollan sus propios modelos de análisis para estos dominios. Estos modelos específicos son
necesarios como cambios en el comportamiento de los contribuyentes, incluso dentro de las
regiones.

Finalmente, podemos responder a nuestra pregunta inicial ¿Qué es el Business Intelligence?
Bueno, a estas alturas queda bastante claro que puede definirse el Business Intelligence como
“aquel conjunto de tecnologías y procesos (plataforma) que permite a personas de todos los
niveles en una organización, tener acceso a datos, interactuar y analizar su información para
administrar el negocio, mejorar el rendimiento, descubrir oportunidades y operar
eficientemente”. En las altas esferas ejecutivas corporativas, estos datos son transformados y
entregados a ellos para la utilización de esta información en la toma de decisiones corporativa, el



cual, transcurrido el tiempo, se transformará en conocimiento vital y recurso primordial para la
empresa.

¿Qué no es la Inteligencia de negocios? Depósito de información que puede o no se componente
de la arquitectura de la inteligencia de negocios, pero “depósito de información no es sinónimo de
inteligencia de negocios”. Aunque exista un almacén de información, solamente se puede decir
que la compañía u organización utiliza inteligencia de negocios una vez que ponga en manos de los
usuarios herramientas para llega a la información y hacerla útil.

“La transformación que se produce en la competencia analítica en las empresas del sector privado
es a largo plazo”, en términos generales como también de transformación organizacional. Con el
fin de competir de verdad en su capacidad de análisis, las organizaciones deben transformar no
solo su tecnología de datos, sino también sus culturas, sus procesos de negocios, y en el día a día
los comportamientos de sus empleados. Históricamente, las aplicaciones de tecnología de la
información desafían la lógica institucional imperante, los cuales son de corta duración, y
finalmente, sin éxito. Sosteniendo el cambio a largo plazo en el sector público, requerirá los
mismos tipos de transformación en la organización y la gestión de la innovación, tal cual se
observa en el sector privado.

Sin personas para interpretar información y actuar con base en ella, la Inteligencia de negocios
nada logra. La Inteligencia de Negocios es menos sobre tecnología que creatividad, cultura e
individuos considerando la información como un activo crucial. La tecnología posibilita la
inteligencia de negocios, pero a veces, “demasiada importancia puesta en la tecnología puede
sabotear iniciativas de inteligencia de negocios.



BIBLIOGRAFÍA

 “Almacén de Datos”, http://es.wikipedia.org/wiki/Datawarehouse
 “Introducción al Business Intelligence”, “Inteligencia de Negocios desde la perspectiva del
negocio”, Profesor Hugo Céspedes A., Cátedra Universidad Finis Terrae, Año 2009, Santiago-
Chile.
 “History of Business Intelligence”, Microsoft Business Intelligence,
http://www.youtube.com/watch?v=_1y5jBESLPE
 “Strategic Use of Analytics in Government”. Managing for Performance and Results Series,
Thomas Davenport, Sirkka L. Jarvenpaa, IBM Center for The Business Of Government, 2008.


BI e innovación

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Was ist angesagt?

Was ist angesagt? (11)

Ähnlich wie BI e innovación

Ähnlich wie BI e innovación (20)

Mehr von HCGlobal Group

Mehr von HCGlobal Group (20)

Kürzlich hochgeladen

Kürzlich hochgeladen (20)

BI e innovación