Gestión de Proyectos en Inteligencia de Negocios

La adecuada gestión de un Proyecto es importante para el éxito del mismo. Se puede contar con la herramienta más potente del mercado y los recursos disponibles,  pero sin una adecuada gestión del Proyecto el camino al éxito se torna muy complicado.

Un proyecto de Inteligencia de Negocios, como la construcción de un Datawarehouse, es un proyecto ambicioso en el que se interrelacionan muchas áreas de la empresa. Resulta vital  contar con un sponsor de muy alto nivel y con mucha ascendencia dentro de dicha empresa, el cual será quien respalde el proyecto y quien empodere al Gerente de Proyecto en el  mismo.

En un proyecto de Business Intelligence, la labor del gerente de proyecto es  llevar de manera ordenada la gestión de este; identificando en primer lugar a los stakeholders (interesados del proyecto) del mismo. Se debe definir claramente quienes son los interesados en la construcción del Datawarehouse, identificando sus expectativas y estableciendo el alcance que tendrá el proyecto para tener claramente delimitadas las inclusiones y exclusiones del Proyecto.

A continuación el Gerente de Proyecto deberá realizar un desglose de las actividades para estimar, de forma adecuada, los tiempos y elaborar un cronograma que refleje de forma sincera lo anteriormente definido. A partir del establecimiento del cronograma,  se podrán definir los recursos necesarios para la construcción del  Datawarehouse. Será necesario establecer nuestra línea base del tiempo, para ver  los cambios que puedan ocurrir sobre la misma.

Un proyecto de construcción de un Datawarehouse no es un proyecto netamente del área de Tecnologías de  la Información, sino es un proyecto que integra a las áreas de negocio de la empresa. Así que es necesario establecer un usuario líder por cada área implicada en el Datawarehouse, además de un líder integral de todo el almacén de datos, por lo que será tarea importante de parte del Gerente de proyecto la gestión de las comunicaciones entre todos los interesados.

El gerente de proyecto deberá también asegurar la calidad del producto de este. En el caso de un proyecto de Datawarehouse es necesario validar que la información mostrada dentro del datawarehouse  tenga la calidad esperada y sea la correcta, de lo contrario nos llevará a tomar decisiones equivocadas.

También, es tarea del Gerente de proyecto calificar y cuantificar los riesgos asociados al mismo, buscando la manera de minimizarlos y de diseñar un plan de contingencia, buscando que genere el menor impacto en el proyecto en cuanto al tiempo, costo y alcance.

En conclusión gestionar un proyecto de Inteligencia de Negocios no es una tarea fácil; implica una metodología adecuada, la planificación de las actividades, capacidad de negociación  y a buenas relaciones interpersonales entre los involucrados.

Elaborado por:

Eduardo Becerra

Analista de Business Intelligence de Ciclus Group

Business Intelligence y los Costos de Infraestructura de Comunicaciones en el Gobierno de los Estados Unidos

Dr. (PhD) Ramón Barquín

Dr. (PhD) Ramón Barquín

Las agencias federales del Gobierno de los Estados Unidos están poco a poco cambiando de una infraestructura de red antigua (Legacy) a la infraestructura de red más reciente basada en IP. La Agencia de Sistemas de Información de Defensa (DISA), por ejemplo, acaba de construir una Red de Servicios de Información de la Defensa basada en IP – Next-Gen (DISN NG).

Las opciones que se tienen para la mejora se basan en el uso de, ya sea un alambre de cobre o una conexión de fibra óptica. La fibra tiene enormes ventajas de ancho de banda en comparación con los circuitos de acceso de cobre.

El uso de Business Intelligence para tomar decisiones informadas en el corazón de todo este proceso es la necesidad de la empresa para llevar a cabo un análisis cuidadoso en su ancho de banda utilizado hoy y para proyectarlos hacia el futuro. Esto es esencial para determinar qué opción de acceso soportará sus necesidades al menor costo posible. Para hacer esto correctamente, se tiene que analizar los datos históricos sobre el tráfico de red, así como para desarrollar las proyecciones para su uso futuro en base a los volúmenes, flujos de trabajo, los procesos y la diversidad de servicios de telecomunicaciones que la organización requiere.

Para continuar leyendo este interesante artículo, siga el siguiente enlace.

Ver Artículo: Business Intelligence and Communications Infrastructure Costs

La Importancia de realizar un Análisis de Calidad de Datos

Cada implementación de base de datos dimensional orientada a un área del negocio (Datamart) o una corporativa (DataWarehouse), que se utilice como repositorio de análisis para un sistema de soporte a la toma de decisiones, tiene una etapa común y relevante en su desarrollo. Esta etapa corresponde a la identificación de las fuentes de datos que son utilizadas para realizar las extracciones y transformaciones que permitan obtener datos limpios que generen información con el grado de valor adecuado, y así satisfacer los requerimientos de los usuarios de la organización.

Como parte de la implementación, se ejecuta un análisis situacional de los datos, también conocido como calidad de datos, que en primera instancia permite tener la fotografía de la data almacenada en las fuentes origen; estas pueden ser sistemas transaccionales, ERP´s, archivos planos u otro formato, así como la información que se muestra en los reportes que el cliente genera en su gestión diaria, todo esto bajo un procedimiento establecido previamente.

Se pueden presentar muchos casos de problemas de calidad en los formatos de datos mostrados en un informe; por ejemplo, un nombre de cliente con caracteres inconsistentes como una “/”, un “-” o un signo no identificable; a estos se les denomina datos extraños;  ya que no generan la correcta visualización y entendimiento de la información. Otro ejemplo puntual, podría ser el de las direcciones de destino de un despacho de producto; estas direcciones en muchos casos tienen una longitud muy extensa y cuando se muestran en el reporte se aprecian incompletas o cortadas. Los dos casos mencionados ameritan realizar un análisis de calidad de datos que consiste en primer lugar en revisar las fuentes de información que están alimentando a estos informes; luego se procede a revisar los procedimientos de carga y se evalúan las posibles causas del problema.  Este trabajo es muy minucioso, debido a que se puede presentar una variada gama de situaciones que comprometa la correcta generación y visualización de la información, siendo este un tema crucial al momento de tomar decisiones.

Para poder corregir cada casuística se hace uso de un mecanismo de limpieza y estructuración de datos; como las herramientas de extracción, transformación y carga llamadas ETL´s (extraction, transformation and load) o alguna otra que permita tratar y solucionar cada situación.

Uno de los principales objetivos de realizar un procedimiento de calidad de datos es asegurar la homogeneidad y consistencia de dichos datos desde sus fuentes de origen hacia el repositorio final de explotación de información (Datamart o Datawarehouse), considerando las reglas de negocio. Por ello, los Analistas de Inteligencia de Negocios tienen como labor el detectar cada inconsistencia, aislarla, analizarla e identificar el problema para proceder con la solución; haciendo uso de una herramienta o estableciendo un procedimiento para el correcto tratamiento de los datos.

Finalmente, se elaboran los reportes o tableros de mando que serán consumidos por el usuario final con el grado de veracidad en los datos requerido por un usuario de nivel operativo, táctico o estratégico.

Elaborado por:

José Casachahua

Analista de Business Intelligence de Ciclus Group

Inteligencia de Negocios y el Comercio Ilegal

Dr. (PhD) Ramón Barquín

Dr. (PhD) Ramón Barquín

Actualmente, mediante Internet o visitando alguna calle en cualquier ciudad importante se pueden realizar varias actividades de comercio ilegal, como “comprar” un nuevo hígado para un trasplante, hacer los arreglos para tráfico de un cargamento de drogas ilegales, o dar instrucciones a los terroristas en formación sobre la manera de fabricar un arma biológica de destrucción masiva. Estas actividades, y otros aún más repugnantes, son parte del mundo de las transacciones ilegales que en muchos aspectos caracterizan la llegada del siglo XXI.

¿Cómo el Business Intelligence nos puede ayudar en la lucha contra estos problemas sociales?
A través de análisis de datos de redes sociales, podemos empezar a conectar los puntos de quién habla con quién y ser capaz de anticiparse a las actividades criminales. Además, la búsqueda de patrones en los datos en sí mismos a través de algoritmos más clásicos de minería de datos, puede permitir obtener conocimientos sobre el funcionamiento interno de las redes de comercio ilegal y facilitar a las organizaciones policiales en el ejercicio de su trabajo.

Para leer más sobre este interesante artículo, escrito por nuestro colaborador el Dr. (PhD) Ramón Barquín siga el siguiente enlace.

Ver artículo: Business Intelligence and Illegal Trade

Datawarehouse, construyendo la linea base

Dr. (PhD) Ramón Barquín

Dr. (PhD) Ramón Barquín

Durante mucho tiempo, muchas empresas han sido muy ricas en datos pero muy pobres en información. El datawarehousing promete cambiar todo convirtiéndose en la pieza central de la nueva arquitectura de la información. Sin embargo, ¿Cómo pueden las promesas del hardware y proveedores de software saber que están en la perspectiva correcta? ¿Cómo pueden las organizaciones decidir si el datawarehousing es una verdadera solución potencial a sus problemas o sólo es una moda?

Muchas organizaciones, en su búsqueda de la más nueva y última tecnología, a menudo corren el riesgo de equivocarse. Empiezan a elegir las herramientas y construir almacenes de datos sin haber hecho las tareas previas.

La cuestión clave para la mayoría de las organizaciones es hacer un balance de dónde están ahora y, a continuación, decidir sobre una estrategia de Datawarehousing. La estrategia debe desarrollarse mediante la comprensión de los siguientes dominios:

• El dominio de negocio. ¿Cuáles son los fundamentos del negocio? ¿Cómo se estructura? ¿Qué tipo de información se necesita para la toma de decisiones?

• El dominio de datos. ¿Qué datos recopila su organización? ¿Cómo se almacena? ¿De quién es y cuál es su calidad? ¿Qué bases de datos  tienen?

• El dominio de sistema de información. ¿Cómo se ve el ambiente de SI? ¿Cuáles son las plataformas, lenguajes y protocolos? ¿Qué tipo de seguridad de la información manejan?

• El dominio de soporte de decisiones. ¿Existe un sistema de información ejecutiva para su organización? ¿Sus usuarios finales entiendan conceptos básicos del sistema de soporte de decisiones? ¿Qué herramientas de apoyo de decisiones están en su lugar?

• El dominio de las personas. ¿Quiénes son sus usuarios finales? Son conocimientos de informática? ¿Cuál es su nivel de formación? ¿Dónde se encuentran?.

Estos puntos son  la línea base necesaria que se debe tener en cuenta para implementar un DataWarehouse. Para continuar leyendo este interesante artículo, escrito por nuestro colaborador el Dr. (PhD) Ramón Barquín, siga el siguiente enlace.

Ver artículo: Data Warehousing Building the Foundation

La Importancia de entender el Negocio en un Proyecto de Business Intelligence

Normalmente, en un proyecto de Inteligencia de Negocios, las áreas involucradas se enfocan en la herramienta tecnológica  y se descuida lo más importante: el entendimiento del negocio.

Un Proyecto típico de Inteligencia de Negocios, consiste en la creación de indicadores de tipo KPI  con el objetivo de medir el desempeño de un área, por lo que será vital tener un entendimiento del negocio para primero saber qué es lo que queremos medir  mediante estos indicadores.

Para una eficiente creación de indicadores es vital el entendimiento del negocio mediante el descubrimiento del mismo: entender los procesos que dan soporte al área para la cual queremos implementar los indicadores, los sistemas transaccionales que dan soporte a los procesos de negocio Y, lo más importante, qué datos participan en estos procesos y cómo fluyen los mismos a través de éstos.

En segundo lugar, ya en el camino del proyecto tecnológico de la implementación de estos indicadores, se debe entender las reglas de negocio que dan origen a los mismos, es decir las fuentes desde donde se extraen los datos, conocer las excepciones a la regla general de extracción de los mismos y que serán cargados en el Datawarehouse.

Posteriormente, ya en la construcción propia de los indicadores, también se manejarán excepciones o casos especiales para la fórmula general de cálculo de las métricas, por lo que es sumamente importante haber hecho un adecuado relevamiento de las reglas de negocio para poder manejar los indicadores a implementar dentro de la plataforma tecnológica con la que se cuente.

Adicionalmente se debe plasmar en un documento esquematizado el resultado del descubrimiento del negocio y del entendimiento de los Datos, además de las métricas utilizadas para la construcción de los indicadores, de tal manera que sea entendible tanto para usuarios de negocio y usuarios técnicos.

Una vez que se tenga este documento formalizado y, sobre todo aprobado, tanto por el responsable de Negocio como por el responsable técnico, es que recién se puede pasar al desarrollo de los indicadores en la herramienta tecnológica de su nuestra preferencia.

Por lo que se puede ver, es vital el entendimiento del negocio en un proyecto de Business Intelligence; caso contrario nos daremos cuenta ya en la fase de desarrollo de alguna regla de negocio no contemplada, será necesario volver a  relevar dicha regla, lo cual se verá reflejado tanto en el costo como en el tiempo del Proyecto.

Elaborado por:

Eduardo Becerra

Analista de Business Intelligence de Ciclus Group

Inteligencia de Negocios y los Impuestos

Dr. (PhD) Ramón Barquín

Dr. (PhD) Ramón Barquín

¿Cómo nos puede ayudar la Inteligencia de Negocios en el control de los Impuestos?  De muchas maneras, por ejemplo apoyando en temas de auditoría financiera para prevenir el control de fraude. La detección de fraude es un tema importante de análisis para la aplicación de minería de datos y el uso de herramientas predictivas, esto más el uso avanzado de técnicas de control de exploración de conocimiento nos ayuda especialmente en investigaciones de potenciales fraudes, sean para corporaciones o para personas.

Nuestro colaborador el Dr. (PhD) Ramón Barquín nos habla de este tema en el siguiente articulo.

Ver artículo: Business Intelligence and Taxes

Habilitando la Colaboración en el Gobierno de los Estados Unidos

Dr. (PhD) Ramón Barquín

Dr. (PhD) Ramón Barquín

El Gobierno de los Estados Unidos a través de la Academia Nacional de Administración Publica (NAPA) ha publicado un documento llamado Enabling Collaboration (Habilitando la colaboración) en el cual tal como su nombre lo indica, el futuro está en la colaboración. En el gobierno de los Estados Unidos para poder cumplir con sus objetivos esenciales, existe el imperativo de compartir. El documento sugiere que un nuevo conjunto de herramientas y nuevas ideas son necesarias. En este documento se ponía énfasis en los tres principales desafíos que enfrenta el Gobierno de los Estados Unidos en cuanto a la colaboración: 1) Enfoque de Tecnología del siglo XX, es decir anticuado y obsoleto. 2)Incapacidad para relacionar los datos a la información, y la información para la toma de decisiones. 3)Una cultura que no fomenta la colaboración.

Esto tiene algunas implicaciones muy importantes para los interesados en  Business Intelligence (BI), en especial sobre el punto 2. Nuestro colaborador el Dr. (PhD) Ramón Barquín nos alcanza en el siguiente articulo más información sobre este tema.

Ver artículo: Enabling Collaboration

La Importancia de la Gestión de Datos en un Proyecto de Inteligencia de Negocios

Las herramientas de Inteligencia de Negocios (BI por sus siglas en inglés, Business Intelligence), tienen como finalidad proporcionar a los ejecutivos de las empresas información de calidad y oportuna, de tal manera que les brinde un adecuado soporte a la toma de decisiones. Cuando la información que brinda el DataWarehouse (almacén de datos de la empresa) no es exacta o no es procesada a tiempo, las decisiones que se puedan tomar no van a conducir en los mejores resultados para la empresa.

Muchas veces se piensa que basta con el hecho de adquirir una excelente herramienta de BI para contar con un adecuado soporte a la toma de decisiones. La realidad es que no basta con tener la mejor herramienta; para tener un DataWarehouse que agregue valor a las organizaciones, es fundamental gestionar los datos con los que se están trabajando, y que servirán de base para la generación de información para la toma de decisiones.

Los datos de una empresa, o de alguna de las unidades de negocio de la misma, se generan en la gran mayoría de los casos, a partir de las transacciones habituales comprendidas dentro de los procesos de negocio. Por lo general, estas operaciones del día a día están soportadas por un sistema transaccional, y los datos generados se almacenan dentro de campos, tablas y bases de datos del mismo sistema. En la actualidad, la mayoría de empresas que tienen un elevado volumen de transacciones, cuentan con un sistema integrado del tipo ERP (Enterprise Resource Planning por sus siglas en inglés).

Dependiendo de la naturaleza del negocio de determinadas organizaciones, y especialmente, de los indicadores necesarios para poder medir y analizar el cumplimiento de sus objetivos operacionales, en algunas empresas, no todos los datos contenidos en el DataWarehouse tienen su origen en los sistemas transaccionales, que proporcionan data generada internamente en la empresa. En algunos casos, un importante volumen de datos proviene de fuentes externas a la organización, con la finalidad de contar con información que permita medir temas de participación de mercado y competencia, entre otros indicadores.

Los datos provenientes tanto de fuentes internas (de los sistemas transaccionales), como de fuentes externas, deben ser de buena calidad, es decir datos precisos y oportunos. Si bien, no siempre los datos provenientes de fuentes internas de la empresa son 100% exactos, por lo general su nivel de confiabilidad es alto, y sobretodo que se trata de datos mucho más controlables que aquellos originados de fuentes externas a la empresa. Por este motivo, es de vital importancia la gestión de los datos en los proyectos de inteligencia de negocios. Sin datos de calidad no se puede obtener información de calidad, por consiguiente no se puede brindar un adecuado soporte a la toma de decisiones.

Para garantizar la calidad de todos los datos que alimentan a un DataWarehouse, es importante llevar a cabo una buena gestión. Algunas buenas prácticas recomendadas para una correcta gestión de datos incluye:

– Entender el negocio. Esta idea puede sonar simple, pero es fundamental conocer en qué consiste el negocio para tener claras las necesidades de información.

– Identificar y documentar los procesos. Es a partir de los procesos y sus puntos de control, de donde se obtienen los datos necesarios para el cálculo de indicadores.

– Establecer políticas y procedimientos para la obtención y registro de datos obtenidos de fuentes externas a la empresa. Si no hay un orden establecido, los datos recogidos externamente pueden contener un alto porcentaje de errores.

– Tener definida una arquitectura de negocio, que contemple el rol del dueño o propietario de los datos generados. En toda organización que maneje un elevado volumen de información, debe existir un responsable de la gestión de la data.

– Contar con una herramienta de TI adecuada para el ingreso y almacenamiento de los datos externos. La herramienta debe facilitar la labor de los colaboradores a cargo del trabajo operativo de ingresar la data.

– Integrar en el DataWarehouse todos los datos necesarios, tanto los generados a partir de los procesos de negocio (fuentes internas), como aquellos ingresados de manera externa.

– Contar con políticas y procedimientos de validación de la data obtenida y que alimenta al DataWarehouse.

En conclusión, para garantizar el éxito de un proyecto de Inteligencia de Negocios y sacar el mayor provecho posible a un DataWarehouse, no basta con adquirir la mejor herramienta. Lo principal es llevar a cabo una correcta gestión de los datos, para de esta manera asegurarse que dichos datos sean correctos y oportunos, generando información de calidad y que a su vez sea de utilidad para la toma de decisiones en las empresas.

Elaborado por:

Héctor Meneses

Consultor de Procesos de Ciclus Group

Business Intelligence, Cloud Computing y el Gobierno de los Estados Unidos.

Dr. (PhD) Ramón Barquín

Dr. (PhD) Ramón Barquín

Actualmente, venimos escuchando el concepto de Cloud Computing, por lo que no es de extrañar que los gobiernos también tengan presencia en el espacio. El Gobierno de los Estados Unidos es uno de ellos, pues se dan cuenta de las ventajas del Cloud Computing, como el poder de cómputo masivo y el compartir recursos de almacenamiento que sólo la computación en la nube puede proporcionar. Sin embargo, existen ciertos temores, tales como el miedo a perder el control de sus infraestructura y la seguridad de los datos. El gobierno de los Estados Unidos ha creado la web Apps.gov bajo la cual se encuentran categorías de servicios de computación en la nube: Aplicaciones de negocio, aplicaciones de productividad, servicios cloud de TI o aplicaciones de medios sociales. ¿Qué hay de inteligencia de negocios (BI)? Por supuesto, hay varias aplicaciones que están directamente etiquetados como inteligencia de negocios, cuadros de mando y gestión del conocimiento, entre otros.

Para continuar leyendo este artículo, escrito por nuestro colaborador el Dr. (PhD) Ramón Barquín siga el enlace.

Ver artículo: Business Intelligence, the Cloud and the Government

A %d blogueros les gusta esto: