¿Puede la Inteligencia de Negocios mejorar la manera en que votamos?

Dr. (PhD) Ramón Barquín

Dr. (PhD) Ramón Barquín

Existen 3 tipos de sistemas para  elegir representantes en una elección : 1) Sistemas plurales y mayoritarios , 2) Sistemas de representación proporcional y 3) Sistemas de representación semi proporcional.

En Estados Unidos el sistema en que se realizan las elecciones es el primero (sistemas plurales y mayoritarios), en el que el candidato que obtiene la mayoría de votos es el ganador de la elección. En Europa Oriental son mas populares  los sistemas de elección de representación proporcional. Las elecciones tienden a ser los árbitros de nuestro futuro, y la forma en que se vota y cómo decidimos las elecciones depende cada vez más de la ciencia y la tecnología. Parece que hay una gran oportunidad para los profesionales de inteligencia empresarial y de negocios para contribuir a mejorar dicha herramienta vital en nuestro gobierno.

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

Ver artículo: Can Business Intelligence Improve the Way we Vote?

Caso de Estudio La Gripe Aviar: Un tutorial pionero de uso de Business Intelligence

Dr. (PhD) Ramón Barquín

Dr. (PhD) Ramón Barquín

Todos sabemos lo que sucedió con la epidemia de gripe aviar hace unos años, por lo que realizando un ejercicio mediante el uso de inteligencia de negocios podríamos responder a las siguientes preguntas: 1. ¿Qué sabemos acerca de la gripe aviar? 2. ¿Quiénes son los expertos? 3. ¿Qué poblaciones están en riesgo? 4. ¿Dónde están? 5. ¿Qué medidas deben tomarse? 6. ¿Cuál podría ser el impacto económico? 7. ¿Cómo podemos identificar y contactar a las autoridades necesarias en los lugares de alto riesgo? 8. ¿Qué les decimos?

Nuestro colaborador el Dr. (PhD) Ramón Barquín, nos explica más al respecto en el siguiente artículo.

Ver artículo: The Avian Flu Case Study

Calidad de datos en un proyecto de Inteligencia de Negocios

Un proyecto de Inteligencia de Negocios consiste principalmente en extraer datos de distintas fuentes, posteriormente transformarlos y cargarlos en una base de datos especializada (Datamart) para que posteriormente en este lugar los datos puedan ser analizados y explotados. Pero lo que muchas veces no se toma en cuenta es la calidad de las fuentes de los datos de origen.

En tecnologías de la información, muchas veces  se utiliza el acrónimo GIGO (Garbage in –Garbage Out) que significa que si se tiene como entrada datos con errores, se tendrá como salida datos con errores. Es por eso que es importante asegurar la calidad de las fuentes de origen de los datos, de lo contrario la base de datos de análisis (Datamart) no tendrá la consistencia e integridad debida y peor aún, de cara al usuario final no tendrá la credibilidad que debe tener.

Pero, ¿por qué se dan estos problemas de calidad en los datos? Muchas veces se deben a errores en la entrada de dichos datos en los sistemas transaccionales por parte de los usuarios finales, por no completar todos los campos al momento de ingresar valores en el sistema, por reglas de validación débiles de un sistema que permite registrar valores numéricos en un campo donde sólo debería ir texto, por problemas en las comunicaciones entre sistemas en los cuales existen interfaces, entre otros.

Bajo el framework clásico de una solución de Inteligencia de Negocios, desarrollada con herramientas Microsoft, anteriormente la solución se desarrollaba de esta manera: 1) Extracción, Transformación y Carga mediante Servicios de Integración (Integration Services), 2) Desarrollo de base de datos multidimensional (Cubo) mediante Servicios de Análisis (Analysis Services), 3) Capa de presentación para Reportes se usaba Reporting Services y 4) Dashboards se usaba Performance Point (SharePoint Server).

Microsoft ahora añade a este framework los servicios de Calidad de Datos (Data Quality Services). Esta funcionalidad se añade al principio del framework propuesto por Microsoft como parte previa de una solución de Inteligencia de Negocios.

Existen diferentes técnicas para asegurar la calidad de los datos, pero básicamente lo que debemos realizar son dos  técnicas: Emparejamiento de Datos (Matching) y Limpieza de Datos (Cleaning). Mediante la técnica de Emparejamiento de datos, lo que se busca es comparar los datos contra un conjunto de datos definidos en una Base de Datos de Conocimiento utilizando una política de emparejamiento, definiendo un porcentaje de aceptación para dichos datos. La técnica de Cleaning consiste en la limpieza de los datos;  para ello se debe definir cuáles son los datos correctos, y que cumplan con los estándares definidos por la empresa.

En resumen mediante la calidad de los datos se puede asegurar la consistencia e integridad de las fuentes de dichos datos, de tal manera que se asegure la calidad de la información y, por tanto, la confiabilidad de la solución de Inteligencia de Negocios.

Elaborado por:

Eduardo Becerra

Analista de Business Intelligence de Ciclus Group

Realizando reformas en la Administracion de Tecnologias de la Informacion en el Gobierno de los Estados Unidos: ¿Hacia donde va la Inteligencia de Negocios?

Dr. Ramón Barquín

Dr. Ramón Barquín

En el año 2010, Vivek Kundra, el CIO del Gobierno de los Estados Unidos, anunció con bombos y platillos un plan bastante ambicioso en lo que a tecnologías de la información se refiere. El plan constaba de 25 puntos organizados en 5 grupos:

a) Aplicación de  “tecnologías de luz” y soluciones compartidas. b) Fortalecimiento de la Gestión del Programa. c) Alineación de los procesos de adquisicion y presupuesto  con el ciclo de tecnologia. d) Racionalizacion de la gestión y mejora de rendicion de cuentas. e) Aumentar la participacion de la industria.

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

Ver artículo: Reforming Federal Information Management

¿Inteligencia de Negocios?

Hace pocos días se llevó a cabo una conferencia sobre Gestión de la Información. En el público se encontraban Gerentes, Jefes y Analistas de Sistemas, así como alumnos de la  carrera de Ingeniería de la Información. Desde el inicio de la conferencia, se pudo apreciar que se comenta mucho del tema de Inteligencia de Negocios. Sin embargo, se apreció que muy poco se conoce o se aplica dentro de la Gestión Empresarial, y esto se debe a que muchas empresas durante el transcurso de su existencia sólo recopilan datos durante varios años y la tienen almacenada sin saber que según cómo se gestione o se maneje esos datos, determinará que esa organización sobreviva en un medio competitivo como el actual.

La Inteligencia de Negocios, permite a las organizaciones que la conversión de sus necesidades de información en resultados concretos de inteligencia para el apoyo efectivo en la toma de decisiones sea viable y así, estas organizaciones puedan ser más competitivas. ¿Y cómo se realiza lo antes mencionado? Primero, hay que realizar un análisis que implica la recopilación de datos que representen de forma básica o, en base a supuestos, cómo opera la organización objetivo considerando lo que es importante para los clientes, proveedores, empleados, factores que afecten a los insumos, etc. Con esta información se podrá definir un alcance claro del proyecto. Segundo, se debe realizar un estudio minucioso de los hechos y las situaciones que se pueden haber encontrado durante la recopilación de la información y es en estos momentos en que el ejecutivo de la organización podría encontrar muchas preguntas respecto a cómo operan los procesos de negocio de la empresa, si son iguales o no a como los tenían definidos. Después, se realiza la toma de decisiones, en donde las acciones provienen, evidentemente, de decisiones. Esta toma de decisiones al estar basada en Inteligencia de Negocios permite identificar oportunidades, orientar las acciones, la experimentación y retro alimentación, alineados a los objetivos de las empresas. Una vez que se ejecutan las acciones, se procede a realizar la medición de los resultados; así se podrá monitorear el desempeño y proveer retroalimentación para cada área del negocio. Estas mediciones corresponden a los Indicadores de Desempeño que se generan a partir de explorar grandes cantidades de datos, tal vez, provenientes de distintas fuentes, con lo cual después se generan reportes consistentes sobre criterios de análisis que los ejecutivos cuentan y usan como argumentos para sus decisiones.

Para concluir, en este artículo se hace énfasis a la gran participación que tienen las organizaciones dentro de un proyecto de Inteligencia de Negocios, ya que al ser ellos los dueños de este activo que es la información, son quienes darán un panorama claro a los consultores de BI o TI para aterrizar sus necesidades a una herramienta TI.

Elaborado por:

Víctor Ruiz

Analista de Business Intelligence de Ciclus Group

Análisis Predictivo y el Negocio del Gobierno

Dr. (PhD) Ramón Barquín

Dr. (PhD) Ramón Barquín

Todos hemos soñado alguna vez con tener una bola de cristal y la capacidad de predecir el futuro. Esto sería muy divertido y además tendría una potencial fuente de ingresos. Para las empresas, ser capaz de obtener una visión del futuro puede ser muy poderoso desde el punto de vista de la planificación corporativa y asignación de recursos. Más importante aún, tener una idea de lo que va a suceder permite a una empresa tomar medidas para prevenir, mitigar o aumentar los resultados. Para el sector público, la preocupación principal no son tanto por las ganancias, sino la capacidad de predicción es más importante. Imaginemos cuánto más fácil sería ejecutar los programas de Salud si supiéramos cuántos beneficiariarios específicos de una determinada enfermedad se tienen. Es por eso que la Inteligencia de Negocios es importante para no olvidar el pasado (para el cumplimiento y archivo) o el presente (para la gestión y las operaciones), pero claramente el valor máximo de la inteligencia de negocios está en poder obtener una visión del futuro.

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

ver artículo: Predictive Analysis and the Business of Government

 

Historia Oral en Inteligencia de Negocios

Dr. Ramón Barquín

Dr. Ramón Barquín

Una de las consideraciones que se tienen para determinar si algo puede ser clasificado como Inteligencia de Negocios es si es útil para tomar decisiones. Por lo general, se busca realizar Inteligencia de Negocios analizando datos estructurados dentro de un Data Warehouse y/o Data Mart o usando software de minería de datos para encontrar patrones escondidos en grandes volúmenes de datos. La Historia Oral intenta extraer valor para el negocio a partir de la experiencia de los usuarios líderes de una organización. Normalmente, toma la forma de breves anécdotas del personal de alto nivel de la misma y esto genera lecciones para la gestión de la organización.

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

Ver artículo: Oral History as Business Intelligence

La importancia de aplicar Pruebas en las Soluciones de Inteligencia de Negocios

El proceso de desarrollo de una solución de Inteligencia de Negocios en una empresa es un proceso largo, que empieza con la definición de la información que se quiere mostrar en la solución, continua con los orígenes de los datos, el proceso de extracción, la transformación de los mismos, la carga en el Datamart (base de datos de análisis), la agregación y sumarización de los datos y, finalmente, la implementación en una herramienta de presentación. Durante todo este proceso se debe tener algo en cuenta: la vital importancia de realizar pruebas de datos como parte de una metodología de trabajo durante el desarrollo de un proyecto de Inteligencia de Negocios.

En primer lugar, las pruebas de datos deben iniciarse durante la fase ETL (Extracción, Transformación y Carga), previa a la carga de datos de la base de datos Datamart. En esta fase es importante asegurarse que las extracciones y transformaciones realizadas mediante la herramienta ETL sean las correctas y estén conforme a las reglas de negocio establecidas. La forma en que se debe realizar estas pruebas es aplicando todos los filtros y excepciones especificados en  las reglas de negocio sobre los datos mediante el uso de consultas SQL. Luego hay que comparar los datos  con el resultado del proceso ETL. Una vez validados los datos en esta fase, se puede asegurar  que el Datamart está cargado  de forma correcta y de acuerdo a lo establecido.

Cuando el Datamart está cargado, se debe explotar el mismo mediante una herramienta OLAP (Herramienta de Análisis) y crear KPIs, por lo que es necesario crear una base de datos multidimensional formada por dimensiones (perspectivas de análisis) y tablas de hechos (tablas  donde están las medidas). Dentro de dicha base de datos multidimensional se crean métricas (por ejemplo montos totales o cantidades totales) y agregaciones calculadas, las cuales ayudarán a calcular los indicadores. La base de datos multidimensional debe ser alimentada por información que proviene del Datamart. En esta fase también se deben realizar pruebas de datos y validar que los cálculos y agregaciones sean los correctos para que el valor del KPI sea el verdadero. Es necesario que el cálculo del Indicador se realice en forma manual, para poder comparar ese valor con el valor hallado por la herramienta OLAP.

Finalmente, para mostrar los datos en una capa de presentación, muchas veces se debe usar consultas y/o funciones en un lenguaje tal como MDX, por lo que en esta etapa final también se hace necesaria  la realización de pruebas de datos que permitirán asegurar que la información mostrada es la verdadera.

Como se puede ver las pruebas de datos tienen una vital importancia en la construcción de una solución de Inteligencia de Negocios dándole  credibilidad a ésta y cumpliendo el objetivo de la misma: ser una fuente de la “verdad” para una empresa.

Elaborado por:

Eduardo Becerra

Analista de Business Intelligence de Ciclus Group

El desafío de compartir Información: Entre la Seguridad Nacional y las Libertades Civiles

Dr. (PhD) Ramón Barquín

Dr. (PhD) Ramón Barquín

Actualmente, la sociedad de Estados Unidos, y en general, el mundo entero se ve enfrentado a un gran dilema. Pero ¿cuál es exactamente este dilema? Que el Gobierno al tratar de proteger al país puede llegar a realizar acciones que la sociedad en general considera inadmisible.

Hace unos años se dio un evento titulado “El desafío de compartir Información: Entre la Seguridad Nacional y las Libertades Civiles”. En este evento se discutieron 3 puntos: 1. ¿Cómo pueden las Tecnologías de la Información (TI) ayudar a mantener un hogar seguro? 2. ¿Qué temas -legal, cultural y ético- puede surgir de la aplicación de estas soluciones de TI? 3. ¿Qué marco operativo deben utilizar los responsables políticos para ayudar a maximizar los beneficios y reducir al mínimo el daño de la implementación de estas soluciones de TI en el escenario actual  post 11 de Setiembre?

Nuestro colaborador el Dr. (PhD) Ramón Barquín nos habla más sobre este tema y la relación existente con Inteligencia de Negocios.

Ver artículo: The Challenge of Information Sharing

Business Intelligence en el Gobierno de los Estados Unidos y la Traducción

En un artículo de la revista TIME sobre la guerra de Irak, encontramos una nota preocupante, gran cantidad de documentos que se habían capturado no podían ser analizados porque no podían ser traducidos. ¿Pero qué tiene que ver Inteligencia de Negocios con la traducción de un documento?. Con la llegada de Internet y la capacidad de almacenamiento de gran cantidad de datos no estructurados, principalmente en formato de texto, el mundo de Inteligencia de Negocios ha cambiado para siempre, y como vemos en el ejemplo mencionado líneas arriba las fuentes de datos pueden venir en diferentes idiomas.

El gobierno de los Estados Unidos, actualmente, se preocupa de la traducción por 2 importantes razones: una de ellas es la necesidad de difundir la información producida por el gobierno, y la otra es la necesidad de analizar la información generada externamente. Y esto continuará de mayor forma en los siguientes años.

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

Ver artículo: Government Business Intelligence and Translation

A %d blogueros les gusta esto: