Business intelligence: vigencia y futuro Business intelligence: relevance and future Alberto Rozenfarb1 RESUMEN Tomar decisiones es un proceso transversal a toda actividad organizacional. Aproximarse a decisiones “racionalmente” exitosas es nutrirse de datos amplios y precisos para analizar en profundidad las alternativas de decisión obteniendo un mejor resultado. El Business Intelligence(BI) integraba hasta ahora información originada en transacciones, resultados de Data Mining o adquirida. Pero el creciente volumen de información en Internet ofrece un marco informativo impensado. Surgieron multiplicidad de métodos que permiten analizar dicho material. Se propone incorporar dicha información tácita al BI. Esta profundización de fuentes ligará el BI con el proceso decisional incorporando datos que hasta ahora era impensable disponer. Cientos de foros generan información sobre usos y comportamiento de la gente y la competencia, motivos de aceptación o rechazo de un determinado artículo, etc. Esto potenciará la disponibilidad de tan diversa información a los decisores. Se presentauna propuesta de integración a la actual estructura de Dataewarehouse administrado por un OLAP.
Palabras clave: Business Intelligence, Toma de Decisiones, OLAP, Datawarehouse, Text Mining; información no estructurada. ABSTRACT Decision making is a process that crosses the whole organization. An adequate approach to rational and successful decision making implies to draw broad and precise data in order to analyze alternatives in depth thus obtaining the best possible result. So far, Business Intelligence (BI) has integrated information based on transactions, on Data Mining results or acquired data. But the growing bulk of information mainly generated on the Internet offers an unthinkable information frame. Multiple methods allowing the analysis of this material have arisen. We propose to integrate this tacit information to BI. The deepening of these sources will bind BI with the decisional process, incorporating data considered unavailable up to now. Hundreds of forums create information about uses and behavior of people and competing organizations, reasons for acceptance or rejection of a given article, and so on. This will enhance the availability of such a wide source of information in the hands of decision makers. Therefore, we introduce an integration proposal to the present Datawarehouse structure to acquire a more incorporated and enriched OLAP administration.
Keywords: Business Intelligence, Decision making, OLAP, Datawarehouse, Text Mining; non structured information.
1
Centro de Altos Estudios en Tecnología Informática. .Universidad Abierta Interamericana. Montes de Oca 745. Buenos Aires. Argentina.
[email protected]
INTRODUCCIÓN La sobrecarga de información es un dolor de cabeza para las personas y un enorme reto para los negocios. Las compañías nadan y aún se ahogan entre interminables olas de datos, desde el sofisticado rastreo computarizado de embarques, ventas, proveedores y clientes, hasta los correos electrónicos, el tráfico de la Red y los comentarios en las redes sociales. Estas tecnologías de la era de Internet aportan un crecimiento anual fenomenal del volumen de datos de negocio. La cantidad de información digital creada anualmente crecerá 44 veces del año 2009 al 2020, a medida que todo formato de media – voz, TV, radio, impresión – complete su migración desde el formato análogo al digital.en base a la cuarta actualización del estudio patrocinado por EMC Corporation, sobre el aumento de la información que se genera y se mueve en medios digitales y las repercusiones que éste descomunal aumento tendrá en los profesionales de IT[11]. Sin embargo, la explosión de datos también presenta una enorme oportunidad. Es común escuchar que la inversión en BI no dió los resultados esperados y no se obtiene el ROI esperado. Esta falencia se atribuye a la falta de una estrategia en BI [1]. Gartner considera que las organizaciones necesitan contar con un BI consensuado y documentado y una estrategia de performance que le permitan agregar valor a los negocios por medio de inversiones tanto en tecnología de BI como en la capacitación necesaria para su uso eficiente. Muchas organizaciones definen una arquitectura para sus sistemas transaccionales pero no replica este análisis en cuanto al BI. Las aplicaciones BI y la infraestructura tecnológica que le da soporte se requieren para facilitar el trabajo a los usuarios, proveyéndoles de una variedad de funciones analíticas y de planificación que permitan obtener información de diversas fuentes de datos (incluso
tecnológicamente incompatibles entre sí). Se debe implementar una verdadera integración entre la aplicación del BI y el proceso de negocios y sus decisiones. El ideal es liberar información correcta, al usuario correcto en el tiempo correcto. Muchas implementaciones de BI ven al usuario final como objetivo. Pero fallan al pretender que él abandone su entorno habitual de trabajo, signado generalmente por la necesidad de apagar incendios. Se los mueve a otro ambiente de trabajo donde debe analizar información disponible. No debe perderse de vista que el BI debe apuntar a pensar en su principal objetivo: tomar buenas decisiones. Las investigaciones muestran que uno de los obstáculos más grandes para el éxito del BI es la carencia de habilidades específicas para usar la información embebida en las herramientas que provee un BI. Las organizaciones deben enfatizar en programas de capacitación para usuarios finales y al manejo de la performance como una habilidad competitiva [1]. Los decisores se interesan en la observación de modernos formatos para mostrar información pero argumentan no utilizarlas por falta de tiempo. Consideramos que además de capacitación, se requiere de un patrocinio activo del personal superior: tiene que generalizarse el involucramiento de todo el personal vinculado a las decisiones. No se deben usar las facilidades del BI con un criterio de autómata. El verdadero aprovechamiento es vincularlo con el cumplimiento de los objetivos organizacionales mejorando la performance administrativa. Una profundización en el uso del BI potenciará sus beneficios y facilitará una comprensión más integral generando performance administrativa y productiva.
Basadas en esta tendencia, las capacidades del BI serán más persuasivas en la aplicación de sesgos específicos en áreas operacionales y fundamentalmente en la toma de decisiones. El BI permitirá explorar, medir, comparar, administrar y optimizar la eficiencia en los negocios. Impulsando así positivamente la evolución y mejora en sus respectivos procesos. Recuerdo con gracia cómo se “procesaba” la información” en remotos tiempos en los que ni siquiera se tenía idea sobre informatización. (Empresa americana Dayrico, fabricante norteamericano de dulce de leche) [12]. Había un personaje que ocupaba una oficina central pero sin desempeñar ningún rol físico. Estaba sentado frente a una mesa y su trabajo era responder a las permanentes consultas sobre fuentes de información o como estructurar presentaciones informativas. Cada empleado administrativo solía preguntarle acerca de donde obtener determinada información o la estructuración de un informe. El personaje indicaba el número de formulario como fuente datos y cuales operaciones debían realizarse sobre los datos para obtener la información requerida. Su trabajo, entonces, era concentrar en su cabeza las fuentes de datos o donde se los podía hallar, la elaboración de los mismos para la obtención de información y cómo completar el formulario de análisis o salida para entregarlo a un gerente o para cumplimentar la información legalmente exigida. Salvando las grandes distancias, esta es la función del BI avanzando incluso hacia las decisiones, aunque actualmente el decisor se independiza totalmente de la búsqueda y selección de la información. INFORMACIÓN NO TRADICIONAL Las empresas japonesas han obtenido resultados económicos gracias a la generación del conocimiento organizacional. Para ello Nonaka
y Takeuchi [2] establecen la diferencia entre dos tipos de conocimiento: el explícito y el tácito. explicito: es aquel que puede expresarse con letras y números y puede transmitirse y compartirse fácilmente en forma de datos, fórmulas científicas, procedimientos o registros en Bases de Datos. tácito: este conocimiento es muy personal: tiene sus raíces en lo más profundo de la experiencia individual, así como en los valores y emociones de cada persona. Presenta dificultades para plantearlo a través del lenguaje formal, por lo que resulta difícil transmitirlo y compartirlo. Por ello es tan complejo registrar: la intuición, las ideas y los pálpitos subjetivos del personal. Estos expertos consideran que la interacción entre ambos tipos de conocimientos constituye la dinámica central de la creación del conocimiento en las organizaciones: la llaman espiral del conocimiento. Aseguran que se crea y enriquece el conocimiento mediante la conversión del conocimiento tácito a explícito generando así ventajas competitivas y haciendo que se disemine a través de la organización Es por ello que la organización no puede crear conocimiento sin la iniciativa e interacción dentro del grupo que trabaja con ella. El conocimiento es el activo imprescindible para crear valor para la organización. Sostienen que la vía de convertir el conocimiento tácito en explicito es “exteriorizándolo”; creando conceptos que encajen con el conocimiento tácito permitiendo su registración y fundamentalmente su transmisión. Además proponen la potenciación de dicha conversión mediante la combinación de varios elementos, creando, por ejemplo un prototipo o ajustando el modelo de datos ya generado para el Datawarehouse existente. (Ver Figura 1)
Nonaka y Takleuchi sostienen que el conocimiento está sustentado en la información y que ésta constituye el medio o material necesario para construirlo [2]. Por ello es necesario registrarlo convenientemente para poder hacer uso del mismo.
USUARIOS DE INFORMACIÓN El trabajador de la información se ocupa del manipuleo de la información. Colin White sugiere “Divido el concepto de trabajador de la información en “consumidores y productores de información” [5].
El informático deberá estructurar un BI apropiado facilitando el recorrido de datos y la utilización del conocimiento por los decisores. Sólo así se podrán sacar conclusiones apropiadas con alto valor agregado en diferentes problemáticas, tal como se explicó en Business Intelligence actual.
Los consumidores de información son los gerentes medios a superiores del staff, cuya característica común es la necesidad de descubrir información que les permita hacer más eficiente su trabajo y tomar decisiones más documentadas. A veces la toman crudas (tal cual la encuentran) mientras que en otras hacen alguna ponderación de los datos encontrados. Estos tipos de usuarios representan a la masa de trabajadores de la información en una organización, quienes no son felices con las capacidades que tienen actualmente para encontrarla.” Actualmente, la búsqueda y selección se hacen automáticamente, aumentando la representatividad de los datos, pudiendo confiar totalmente en ellos. El tiempo que antiguamente utilizaban para buscar filtrar información ahora pueden dedicarlo a elaborar decisiones y fundamentarlas.
Javier Martínez Aldanondo [10] resalta la importancia del conocimiento: “Porque aprendes, (lo que equivale a decir que te haces más valioso), aumentas tu conocimiento (tu capital) al igual que el de tu empresa. En definitiva, siempre ganas. En general, lo importante no es el conocimiento que tus expertos puedan producir sino cómo sirve ese conocimiento al resto de colaboradores de la organización que no disponen de él: en definitiva, cómo lo transfieres“[10]. El BI es un excelente soporte para registrar con su estructura, la información explícita devenida de la tácita. El conocimiento que subyace en la información acumulada por gerentes y jefes a lo largo de su gestión más una variedad increíble de memos indicativos o recordatorios de usos y costumbres de atención de clientes y proveedores, comentarios acerca de la cadena de suministros o comportamiento del personal de la nómina es riquísimo, valioso pero de difícil disponibilidad. Se debería aprovechar la estructura que permite el DW para su incorporación y posterior utilización. Obviamente, habrá que modelar este nuevo aporte, parametrizarlo y finalmente incorporarlo al BI para completar los datos transaccionales en cada segmento analizable de la información.
Concurrentemente el perfil del consumidor cambió pues computación pasó a tener presencia omnipresente. Se transformó en un usuario que espera un feedback inmediato. No quiere un bombardeo de información a la cual tenga que clasificar, descartar datos superfluos, etc., sino que requiere información que impacte directamente en su productividad: quiere información que automatice sus decisiones. A estos grupos apunta el BI, con su modelado de datos originados en diferentes fuentes de información. El BI se transforma en una disciplina penetrante al adecuarse las organizaciones hacia una cultura de toma de decisiones basadas en hechos respaldatorios, contrarios a la sola intuición. Esto obliga a incrementar la necesidad de colaboración interdepartamental a nivel de datos y de inteligencia.
Así, con la nueva calidad de información que brinda el BI, se presiona para usarlo en los planes estratégicos empresarios y a que toda la línea gerencial la utilice como único respaldo para sus propuestas sectoriales y de objetivos a fijar. Hay una transformación conceptual muy fuerte: antes se necesitaban datos para informar al usuario. Ahora se requiere una cultura para pensar y la utilización del BI para orientar decisiones o políticas de cambio. Los productores de información son aquellos que generan información para que otros la analicen (una forma de consumirla) Son aquellos ejecutivos que hacen un presupuesto, o generan datos probables para estudiar diferentes escenarios de ocurrencias, generadores de memos informativos conteniendo material sobre usos y costumbres de actores vinculados a la organización: clientes, proveedores, características individuales de los recursos humanos, observaciones y comentarios sobre los usos y costumbres de clientes y proveedores comportamiento del personal de nómina, etc. Peter Drucker creó el término “trabajador del conocimiento” en términos de negocios como el opuesto del trabajador manual “. En una organización moderna, cada trabajador del conocimiento es un ejecutivo, quien en virtud de su posición o conocimiento es responsable por contribuir con impacto directo sobre la capacidad de la organización para hacerla rendir u obtener resultados, procesando información existente y creando nueva información que será utilizada para reconocer problemas y resolverlos” [3] . Las organizaciones, comerciales o de otra índole se van transformando en “centradas en la información” independiente del área de negocios que abarquen. (Ver Un BI más abarcativo. El futuro del Business Intelligence). “Finalmente, estas nuevas empresas diferirán de
sus pares tradicionales en que emplearán un creciente número de trabajadores del conocimiento en lugar de trabajadores manuales” [4]. Deseamos ser tajantes: dichos trabajadores no generan información. Para ello está la función de recolección y depuración automática que hacen las herramientas de BI. Este personal es directamente trabajador del conocimiento y más precisamente usuario del conocimiento pues su objetivo es entender patrones de comportamiento de datos, explicar sucesos históricos y poder predecirlos con la mayor aproximación posible. Resumiendo (e integrando los conceptos vertidos): para desarrollar sus trabajos los profesionales del conocimiento dependen fuertemente del conocimiento tácito (de difícil codificación), en su habilidad de trabajo colaborativo y en su habilidad de aportar soluciones tanto tradicionales como innovativas. El sustento de su trabajo está basado en un fuerte entrenamiento o experiencia personal. Dado el aporte del BI, quien viene dotado de una herramienta de búsqueda potente y sencilla de usar y automatizando la selección de datos, los profesionales pasan a estar en condiciones de refinar su trabajo por su precisión y por su inmediatez. Estos profesionales son preponderadamente consumidores de información. Trabajan con ideas y pueden mejorar los procesos de administración en el marco del estudiado BPM (Business Process Management): crean, consumen, transforman y analizan datos. En Mayo de 2009 Colin White expresó que los usuarios de BI sufren la frustración de pasarse hasta dos horas diarias buscando información y que más del 50% de lo encontrado no tiene valor para ellos [5]. Se disiente totalmente con dicho reclamo.
Se argumenta que los frecuentes problemas en encontrar información se originan en la creencia que los usuarios finales manejan perfectamente el conocimiento sobre los datos a trabajar y donde encontrarlos. Este error es la base de nuestro desacuerdo. Si esta es la razón de la desazón en el uso del BI, muestra a las claras que una correcta (formalmente hablando) implementación pasará a ser exitosa cuando los usuarios estén verdaderamente preparados a usar las herramientas BI y profundizar sus conocimientos sobre los datos, su estructura y su comportamiento en el pasado.
UN BI MÁS ABARCATIVO: SU FUTURO Hasta hace muy poco tiempo, las empresas tenían un manejo informativo prácticamente autista. Solo utilizaban los datos transaccionales. Las empresas competidoras eran sujetos amorfos, textualmente “externos” que peleaban un mercado en base a la calidad de sus productos. Al asemejarse la calidad de productos, la competencia se dio en el área del packaging o en una serie de ventajas o beneficios supletorios a la adquisición ofrecidos para ganar un mercado. Al enrasarse esta oferta se reorientó la pelea empresaria por un nuevo elemento distintivo: la información. Los laboratorios farmacéuticos y los supermercados empezaron a comprar datos a organizaciones especializadas. Así se logró adoptar mejores políticas analizando como vendía la competencia similares productos en la misma sucursal o zona de influencia. Últimamente se han agregado otros actores informativos impensados. La Web 2.0 incorporó una masa importante de productores de información que expresa con libertad y abundancia sentimientos, pareceres y opiniones. Por lo tanto, como menciona se incorporaron datos internos y externos en un
volumen de un orden de magnitud totalmente diferente e impensado [6]. Por lo tanto nacen dos fuerzas de dirección contraria en cuanto a su recíproca influencia y consideración: la información implícita interna de cada empresa y la no estructurada residente en Internet, proveyendo datos vinculados a la organización, a la competencia y al entorno.. La información es pública y accesible por todos y utilizable por la empresa y por su competencia. Por lo tanto, nos encontramos ante una enorme cantidad de información pública disponible para ser estudiada, con un enorme caudal de conocimiento latente. ¿Qué posibilidad se abre?¿Cómo beneficiarse de ella? Usarla a pleno para notificarse sobre; cambios de hábitos de consumo o comportamiento, predicción de nuevos movimientos de la competencia, explotar las debilidades de la competencia o determinar cómo minar sus fortalezas. El desafío reside entonces, en considerar la complejidad estructural y semántica de la nueva información. El reto es entonces: su selección, incorporación y comprensión. La Inteligencia Competitiva integra estas corrientes de información: la explícita, puesta en las bases de datos transaccionales con el agregado de documentación interna previamente digitalizada y el conocimiento tácito no registrado proveniente de la experiencia de los responsables de área junto a la disponible en Internet. Esta nueva disciplina facilita: interpretar información pública sobre la posición de los competidores, sus intenciones, la performance de sus actividades. Así, crece en importancia y vigencia el proceso analítico transformando información dispersa en relevante y elaborable, poniéndola a
disposición del usuario para buscar oportunidades de negocios y tomar decisiones con resultados más precisos.
INTERNET: ORIGEN DE LA INFORMACIÓN El material crudo u originario está embebido en un sinnúmero de entornos: toda empresa, independiente de su magnitud o estructura, tiene su sitio con su respectiva publicidad; foros de discusión; patentes; revistas técnicas; blogs; facebook; witter; etc. Ver impresionante detalle en [7]. En este entorno se puede comentar el establecimiento de la aldea global. Prácticamente toda la información es pública y democráticamente disponible para todos. Hay muchas herramientas para obtener, tamizar y concentrar dichos datos. Por lo tanto, no faltan fuentes ricas y variadas de información. Solo es necesaria su homogeneización con el BI existente acomodando sus formatos para que el BI pueda acercarlos a todos y ponerlos a disposición del analista o decisor
GESTIÓN DEL CONOCIMIENTO Y TOMA DE DECISIONES Se podría definir a la Gestión del Conocimiento como el conjunto de tecnologías que administran y analizan información no estructurada, particularmente documentos de texto [8-9]. La gestión del conocimiento (Knowledge Management) permite capturar, organizar, almacenar el conocimiento de los trabajadores para transformarlo en un activo intelectual compartible y que beneficie a la organización. En detalle, se refiere a las herramientas y a las técnicas diseñadas para brindar la disponibilidad de la información sostenida por los individuos
dominantes y facilitar tanto la toma decisiones, como la reducción del riesgo.
de
Un sencillo ejemplo: datos transaccionales guardados en un BI y analizados vía un cubo multidimensional pueden detectar cuál es el cliente que más acepta las ofertas y quién es el vendedor que más promueve dichas ventas. Si pudiésemos aprender de los textos de mails o memos cursados entre dichos clientes y sus vendedores, o memos detallando eventos referidos con estos clientes y sus vendedores podríamos detectar patrones de datos que aconsejarían la técnica más usada y útil para expandir dicho incentivo a más vendedores y obtener el correspondiente beneficio. Sería interesante poder determinar el costo de dicho éxito: llamadas telefónicas, medición de lealtad de los clientes, etc. Así podremos determinar si la rentabilidad sólo se vincula al monto de ventas: se abre una perspectiva diferente. La Gestión de Conocimiento es un mercado del software que incluye técnicas como minería de datos, taxonomía o clasificación, clustering (agrupamiento de casos al compartir propiedades comunes), sumarización, etc. Un tema particular de la administración del conocimiento es que este no puede digitalizarse fácilmente, tal como la intuyen los individuos con años de experiencia y natural habilidad de poder reconocer patrones del comportamiento que alguien con menos experiencia no lo puede concretar. El proceso de la Administración del Conocimiento, ("aprendizaje corporativo" u "organizacional"), tiene principalmente los siguientes objetivos: Identificar, recoger y organizar el conocimiento existente; Facilitar la creación de nuevo conocimiento; Apuntalar la innovación a través de la reutilización y la publicación de las habilidades desarrolladas por el personal para lograr un mejor desempeño [8].
PROPUESTA Algunos autores tienen una visión disociada de ambas fuentes de información: la estructurada y la no estructurada. Pensamos que muy pronto la Gestión del Conocimiento tendrá un abordaje único para estos afluentes de información integrándolos en un único repositorio o por lo menos en formatos vinculables. Frente a esta realidad, chocan dos características que aportan un nivel de conflictividad: la dificultad de sistematizar su registración unida a su tasa de crecimiento [11]. Centrarse en la información hace crecer la necesidad de alta disponibilidad para satisfacer las demandas de sus consumidores. Ya consideramos que esta integración informativa permitirá analizar tendencias o anomalías en: los datos con aplicación a los negocios, el control de la competencia, la inteligencia con clientes y socios. La Gestión del conocimiento justificará el comportamiento de los datos transaccionales. Proponemos un medio eficaz para presentar tanto los datos explícitos como los tácitos transformados en explícitos, integrando el conocimiento para comprender mejor los fenómenos intra-empresarios y su entorno. Proponemos integrar el análisis textual a los datos transaccionales [2] permitiendo trabajar con alternativas más fundamentadas [7]. Sea una tabla con un esquema estrella (star schema) usada para la construcción de cubos multidimensionales. Representa la descripción de las ventas de diferentes productos en el tiempo. Algunos atributos serán dimensiones: cód. producto, fecha de venta, zona geográfica, etc. Otras tablas generarán medidas que vincularán cuantitativamente las dimensiones valorizando los movimientos.
Tabla de hechos (esquema estrella) FechaVenta CodigoCliente CodigoProducto PrecioTotal Cantidad
Tabla de Clientes CodigoCliente NombreCliente LocalidadCliente ZonaGeográficaClie nte
Tabla de Productos CodigoProducto FamiliaProducto
Figura 1. Estructura estrella con una tabla de hechos y dos tablas dimensionales. El motor OLAP construirá un cubo con la granularidad que desee el analista: Cantidades vendidas por artículo en determinado periodo; Comparar ventas de un mismo periodo calendario a lo largo de varios años; Analizar las ventas con diferente grado de agregación por zona o familia. Esto se puede obtener con una estructura estrella de BBDD y un Olap que la explote convenientemente. (Ver Figura 1) Estos es común en todo BI: pretendemos más. Existen dos conceptos que importan analizarse: 1) ventas 2) devoluciones. Una venta es exitosa cuando el cliente vende totalmente el producto. Las devoluciones son una medida de algo que no funciona. El comportamiento de las devoluciones tampoco puede generalizarse: hay que analizarlos en detalle. La empresa cuenta con los memos intercambiados entre clientes y vendedores y entre estos y sus gerentes donde se identifican sus motivos, cliente, fecha, producto y unidades devueltas. Podríamos construir la tabla definida en la Figura 2:
Tabla de hechos de devoluciones (esquema estrella) FechaMemo IdentifiReclamo CodCliente CodProducto CodMotivo CodSeveridad Monto Cantidad SeveridadCalculada
Figura 2 Estructura estrella con una tabla de hechos sobre devoluciones. Esto se conseguirá sometiendo a los memos a un proceso de categorización generando una nueva dimensión. La severidad de la devolución es el resultado de la ponderación inteligente del análisis de texto: así se genera el atributo SeveridadCalculada. Del análisis de texto sobre los motivos de las devoluciones, se obtendrá CodMotivo. IdentifReclamo permitirá un análisis de máximo detalle. Se están generando múltiples software que permiten hacer estos análisis en forma cada vez precisa y veloz. Contar con ambos cubos (Ver Figura 3) permitirá analizar las ventas y las devoluciones para un mismo corte. Es entonces utilísimo el análisis de: motivos que originan las devoluciones; dilucidar si es un problema de zona geográfica o estacional; dilucidar si es inherente a un vendedor específico o afecta a un grupo de ellos; determinar si es una tendencia para una determinada mercadería. Proponemos el agregado automático de nuevas dimensiones desde los análisis taxonómicos sobre los memos, vinculando el Datawarehouse transaccional (mediante la clave compuesta por atributos de su tabla de hechos) con la tabla de hechos que acceda a la información de las devoluciones. Permitiría un análisis más fino del problema de ventas y el costo de dichas ventas, es decir, utilidad real (Ver Figura 3)
Figura 3 Estructura estrella con dos tablas de hechos: ventas y devoluciones vinculando información transaccional y textual procesada. CONCLUSIONES El BI debe integrar los datos transaccionales con los tácitos tomados de documentación interna y de Internet. Esta integración es física como lógica proponiendo al analista su disponibilidad pudiendo así hacer inteligencia de las propias actividades empresarias. Es un nivel de análisis más profundo y obviamente sustancioso y las decisiones podrán alcanzar un mayor grado de precisión originado en un conocimiento más profundo de lo ocurrido. De esta manera el BI tendrá un retorno de la inversión más rápido. La inversión en el software será ineficiente si no se considera el cambio de rol de los analistas y si no se provee capacitación intensiva a los mismos. Pasamos de detectar patrones de comportamiento de datos a comprender los motivos de dichos comportamientos extendiendo las buenas prácticas de ciertos actores exitosos y corrigiendo a los que no cumplen con criterios de eficiencia. Asimismo es imprescindible que haya fuerte apoyo interno con el patrocinio de autoridades máximas. Parte de estas propuestas pueden implementarse con software existente, cuyo funcionamiento se
perfecciona permanentemente. Por nuestra parte, estamos empezando a definir marcos de experiencias reales para armar casos de estudio con datos reales donde poder aplicar con éxito estas propuestas. REFERENCIAS [1]
[2]
[3] [4] [5]
[6]
[7]
Gartner, Inc. and/or its Affiliates. “Key Issues for Business Intelligence and Performance Management Initiatives”. pp 1. “http://www.gartner.com/it/content/6604 00/660408/key_issues_bi_research.pdf”. 2008 I Nonaka and H Takeuchi. “The Knowledge-Creating Company”. ISBN: 0195092694. “The Knowledge-Creating Company”. Oxford University Press. New York, USA. 1995 P Drucker. “The Effective Executive”. “Harper Business Essentials”.1966 P. Drucker.“The Age of Discontinuity”. “Harper & Row”. 1969 C.White. “Information Workers Who are They?”. www.technologytransfer.eu/article/75/20 09/5/Information_Workers_Who_Are_T hey_.html”. 2009 F Albescu and I Pugna and D Paraschiv. “Business Intelligence & Knowledge Management - Technological Support for Strategic Management in the Knowledge Based Economy”. “Revista Informática Económica nro. 4(48). 2008. http://revistaie.ase.ro/content/48/ALBES CU%20Felicia%20&%20%20PUGNA% 20Irina%20&%20PARASCHIV%20Dor el.pdf G. S. Nelson. “Business Intelligence 2.0: Are we there yet?” “ThotWave Technologies, Chapel Hill, North Carolina SAS Global Forum 2010” 2010. http://support.sas.com/resources/papers/p roceedings10/040-2010.pdf
[8]
W .F. Cody and J.T. Kreulen and V. Krishna and W. Spangler. “The Integration of Business Intelligence and knowledge management”. “IBM Systems Journal Vol 41, Iss4”. “Armonk, NY, USA”. I.B.M., Pp 697713. 2002 [9] Wikipedia. “Gestión del conocimiento” http://es.wikipedia.org/wiki/Gesti%C3% B3n_del_conocimiento [10] J.Martínez Aldanondo. Newletter 35 Catenaria GDC (Chile) Gestión del Conocimiento (02/2009) [11] D.Farmer. “IDC Digital Universe Study”. “EMC Corporation (NYSE:EMC)” Hopkinton, Mass. USA. May 4 2010. 2010 http://argentina.emc.com/about/ne ws/press/2010/20100504-01.htm [12] D. Fontan Fernandez. “Recuerdos de mi infancia”. “avioncitosdepapel.blogspot.com/2007/0 7/las-fiestas-y-la-comida.html”. 2007
