La inteligencia empresarial ( BI ) consiste en estrategias y tecnologías utilizadas por las empresas para el análisis de datos y la gestión de la información empresarial . [1] Las funciones comunes de las tecnologías de BI incluyen informes , procesamiento analítico en línea , análisis , desarrollo de paneles , minería de datos , minería de procesos , procesamiento de eventos complejos , gestión del desempeño empresarial , evaluación comparativa , minería de textos , análisis predictivo y análisis prescriptivo .
Las herramientas de BI pueden manejar grandes cantidades de datos estructurados y, a veces, no estructurados para ayudar a identificar, desarrollar y crear nuevas oportunidades comerciales estratégicas . Su objetivo es permitir una fácil interpretación de estos grandes datos . Identificar nuevas oportunidades e implementar una estrategia eficaz basada en conocimientos puede proporcionar a las empresas una ventaja competitiva en el mercado y estabilidad a largo plazo, y ayudarlas a tomar decisiones estratégicas. [2]
Las empresas pueden utilizar la inteligencia empresarial para respaldar una amplia gama de decisiones comerciales, desde operativas hasta estratégicas. Las decisiones operativas básicas incluyen el posicionamiento o el precio del producto . Las decisiones comerciales estratégicas implican prioridades, objetivos y direcciones en el nivel más amplio. En todos los casos, BI es más eficaz cuando combina datos derivados del mercado en el que opera una empresa (datos externos) con datos de fuentes internas de la empresa, como datos financieros y operativos (datos internos). Cuando se combinan, los datos externos e internos pueden proporcionar una imagen completa que, de hecho, crea una "inteligencia" que no puede derivarse de ningún conjunto singular de datos. [3]
Entre innumerables usos, las herramientas de inteligencia empresarial permiten a las organizaciones obtener información sobre nuevos mercados, evaluar la demanda y la idoneidad de productos y servicios para diferentes segmentos del mercado y medir el impacto de los esfuerzos de marketing. [4]
Las aplicaciones de BI utilizan datos recopilados de un almacén de datos (DW) o de un data mart , y los conceptos de BI y DW se combinan como "BI/DW" [5] o como "BIDW". Un almacén de datos contiene una copia de datos analíticos que facilita el apoyo a las decisiones .
El primer uso conocido del término inteligencia empresarial se encuentra en la Cyclopædia of Commercial and Business Anecdotes de Richard Millar Devens (1865). Devens usó el término para describir cómo el banquero Sir Henry Furnese obtuvo ganancias al recibir y actuar en base a información sobre su entorno, antes que sus competidores:
En toda Holanda, Flandes, Francia y Alemania mantuvo un completo y perfecto tren de inteligencia empresarial. Así, él fue el primero en recibir la noticia de las numerosas batallas libradas, y la caída de Namur aumentó sus ganancias, debido a que recibió la noticia temprano.
—Devens , pág. 210
La capacidad de recopilar y reaccionar en consecuencia basándose en la información recuperada, afirma Devens, es fundamental para la inteligencia empresarial. [6]
Cuando Hans Peter Luhn , investigador de IBM , utilizó el término inteligencia de negocios en un artículo publicado en 1958, empleó la definición de inteligencia del Diccionario Webster : "la capacidad de comprender las interrelaciones de los hechos presentados de tal manera que orienten la acción hacia una meta deseada." [7]
En 1989, Howard Dresner (más tarde analista de Gartner ) propuso la inteligencia empresarial como un término general para describir "conceptos y métodos para mejorar la toma de decisiones empresariales mediante el uso de sistemas de apoyo basados en hechos". [8] No fue hasta finales de la década de 1990 que este uso se generalizó. [9]
Según Solomon Negash y Paul Gray, la inteligencia empresarial (BI) se puede definir como sistemas que combinan:
con análisis para evaluar información corporativa y competitiva compleja para presentarla a planificadores y tomadores de decisiones, con el objetivo de mejorar la puntualidad y la calidad de los insumos al proceso de decisión." [10]
Según Forrester Research , la inteligencia empresarial es "un conjunto de metodologías, procesos, arquitecturas y tecnologías que transforman datos sin procesar en información significativa y útil que se utiliza para permitir conocimientos y toma de decisiones estratégicos, tácticos y operativos más eficaces". [11] Según esta definición, la inteligencia empresarial abarca la gestión de la información ( integración de datos , calidad de los datos , almacenamiento de datos, gestión de datos maestros, análisis de texto y contenido, etc.). Por lo tanto, Forrester se refiere a la preparación y el uso de datos como dos segmentos separados pero estrechamente vinculados de la arquitectura de inteligencia empresarial.
Algunos elementos de la inteligencia empresarial son: [ cita necesaria ]
Forrester distingue esto del mercado de inteligencia empresarial , que son "sólo las capas superiores de la arquitectura de BI, como informes , análisis y paneles ". [12]
Aunque el término inteligencia empresarial es a veces sinónimo de inteligencia competitiva (porque ambos apoyan la toma de decisiones ), BI utiliza tecnologías, procesos y aplicaciones para analizar datos y procesos comerciales principalmente internos y estructurados, mientras que la inteligencia competitiva recopila, analiza y difunde información con un enfoque de actualidad sobre los competidores de la empresa. Si se entiende en un sentido amplio, la inteligencia competitiva puede considerarse como un subconjunto de la inteligencia empresarial. [13]
La inteligencia empresarial y el análisis empresarial a veces se utilizan indistintamente, pero existen definiciones alternativas. [14] Thomas Davenport , profesor de tecnología y gestión de la información en Babson College, sostiene que la inteligencia empresarial debe dividirse en consultas , informes , procesamiento analítico en línea (OLAP), una herramienta de "alertas" y análisis empresarial. En esta definición, el análisis empresarial es el subconjunto de BI que se centra en estadísticas, predicción y optimización, en lugar de la funcionalidad de informes. [15]
Las operaciones comerciales pueden generar una gran cantidad de datos en forma de correos electrónicos, memorandos, notas de centros de llamadas, noticias, grupos de usuarios, chats, informes, páginas web, presentaciones, archivos de imágenes, archivos de vídeo y material de marketing. Según Merrill Lynch , más del 85% de toda la información empresarial existe en estos formularios; una empresa sólo podría utilizar dicho documento una sola vez. [16] Debido a la forma en que se produce y almacena, esta información es no estructurada o semiestructurada .
La gestión de datos semiestructurados es un problema no resuelto en la industria de las tecnologías de la información. [17] Según las proyecciones de Gartner (2003), los trabajadores administrativos dedican entre el 30% y el 40% de su tiempo a buscar, encontrar y evaluar datos no estructurados. BI utiliza datos estructurados y no estructurados. El primero es fácil de buscar y el segundo contiene una gran cantidad de información necesaria para el análisis y la toma de decisiones. [17] [18] Debido a la dificultad de buscar, encontrar y evaluar adecuadamente datos no estructurados o semiestructurados, es posible que las organizaciones no recurran a estas vastas reservas de información, que podrían influir en una decisión, tarea o proyecto en particular. En última instancia, esto puede conducir a una toma de decisiones mal informada. [dieciséis]
Por lo tanto, al diseñar una solución de inteligencia empresarial/DW, se deben tener en cuenta los problemas específicos asociados con los datos semiestructurados y no estructurados, así como los de los datos estructurados.
Existen varios desafíos para desarrollar BI con datos semiestructurados. Según Inmon & Nesavich, [19] algunos de ellos son:
Para resolver problemas de capacidad de búsqueda y evaluación de datos, es necesario saber algo sobre el contenido. Esto se puede hacer añadiendo contexto mediante el uso de metadatos . [16] [ necesita confirmación independiente ] Muchos sistemas ya capturan algunos metadatos (por ejemplo, nombre de archivo, autor, tamaño, etc.), pero serían más útiles los metadatos sobre el contenido real, por ejemplo, resúmenes, temas, personas o empresas mencionadas. Dos tecnologías diseñadas para generar metadatos sobre contenidos son la categorización automática y la extracción de información .
La inteligencia empresarial se puede aplicar a los siguientes fines comerciales:
Algunas funciones técnicas comunes para los desarrolladores de inteligencia empresarial son: [22]
En un informe de 2013, Gartner clasificó a los proveedores de inteligencia empresarial como proveedores independientes "puros" o "megaproveedores" consolidados. [23] [ se necesita fuente no primaria ] En 2019, el mercado de BI se vio sacudido en Europa por la nueva legislación de GDPR (Reglamento general de protección de datos) que asigna la responsabilidad de la recopilación y el almacenamiento de datos al usuario de datos con leyes estrictas. para asegurarse de que los datos sean compatibles. El crecimiento dentro de Europa ha aumentado constantemente desde mayo de 2019, cuando se introdujo el RGPD. La legislación reorientó a las empresas para que examinaran sus propios datos desde una perspectiva de cumplimiento, pero también reveló oportunidades futuras utilizando la personalización y proveedores de BI externos para aumentar la participación de mercado. [24] [ enlace muerto permanente ]
[...] tradicionales de inteligencia de negocios o de almacenamiento de datos (los términos se usan indistintamente que a menudo se los conoce como BI/DW) son extremadamente costosos [...]
Inteligencia de Negocio.
La inteligencia "empresarial" es un conjunto no específico de dominio para todos los tipos de datos analíticos que se pueden entregar a los usuarios en informes, paneles y similares. Cuando especifica el dominio temático para esta inteligencia, puede hacer referencia a "inteligencia competitiva", "inteligencia de mercado", "inteligencia social", "inteligencia financiera", "inteligencia de recursos humanos", "inteligencia de la cadena de suministro" y similares.
