¿Qué es la inteligencia empresarial?
Business Intelligence , o BI , utiliza un sistema de inteligencia computarizado para recopilar, administrar e interpretar información sobre una empresa para tomar decisiones comerciales acertadas. BI monitorea las operaciones de una empresa de manera inteligente. BI emplea una combinación de herramientas, como gestión de bases de datos, sistemas de apoyo a la toma de decisiones, extracción de datos y análisis estadístico.
¿En qué se diferencia BI de un sistema general de apoyo a la toma de decisiones? Primero, BI no se enfoca en respaldar un tipo específico de decisión, sino en todas las operaciones de una empresa. Esto lo hace más completo. En segundo lugar, BI a menudo se lleva a cabo de forma continua, casi en tiempo real. Esto permite obtener una visión integrada y continua de una empresa.
En tercer lugar, BI tiene un elemento de inteligencia, lo que significa que intenta integrar información interna de la organización y también información relacionada con las condiciones del mercado y competidores específicos. BI se utiliza a menudo, no solo para tomar decisiones bien informadas, sino específicamente para obtener una ventaja competitiva en el mercado. El enfoque específico de BI a menudo es ganar más negocios o mejorar la participación de mercado.
Análisis predictivo
BI a menudo tiene un aspecto predictivo, denominado análisis predictivo . ¿Cómo será el mercado en las próximas semanas, meses o años? ¿Qué harán mis competidores? ¿Qué le dará a mi empresa una ventaja competitiva en el futuro cercano?
Estas preguntas no se abordan mediante una lluvia de ideas a través del pensamiento de pastel en el cielo, sino mediante algoritmos informáticos que analizan datos. El análisis predictivo es un tipo de minería de datos que se centra en encontrar patrones en los datos existentes para predecir tendencias y comportamientos en el futuro. Un ejemplo de análisis predictivo con el que ya está familiarizado es el pronóstico del tiempo. Los meteorólogos utilizan datos históricos a largo plazo y mediciones más recientes de la atmósfera para predecir la temperatura, el viento y las precipitaciones dentro de unos días en el futuro. Es posible que el pronóstico no siempre sea preciso, pero a menudo se acerca bastante.
Un buen ejemplo de análisis predictivo en el mundo empresarial es la industria de los seguros. Digamos que acaba de comprar un automóvil nuevo, pero antes de que pueda sacarlo del lote, debe obtener un seguro. Llamas a un agente de seguros para establecer una nueva póliza de seguro. ¿Cómo determinará la compañía de seguros su prima mensual? Esto dependerá en primer lugar del automóvil real que conduzca. Si un automóvil muy caro sufre un accidente, su reparación costará más. También dependerá de cómo usará su automóvil y dónde estará estacionado.
¿Puede pensar en algunas otras cosas que la compañía de seguros quiera saber? ¿Qué tal tu edad? Seguro. ¿Tu género? Si. ¿El código postal donde vive, trabaja y / o estudia? Aquellos también.
Entonces, digamos que tiene 24 años. Proporciona toda la otra información y la compañía de seguros calcula su prima en $ 137 por mes. Cumples 25 en unos meses y quieres saber si hay alguna diferencia. Efectivamente, su prima bajará a $ 125 por mes.
Entonces, ¿cómo calculó exactamente la compañía de seguros la diferencia de $ 12? ¿Serás un conductor mucho mejor en unos meses? Recuerde cómo funcionan los seguros. Obtiene una póliza de seguro y, cuando tiene un accidente, la compañía de seguros paga su reparación. Por lo tanto, la compañía de seguros debe calcular qué tipo de riesgo les presenta. ¿Cuál es la probabilidad de que sufra un accidente en los próximos 12 meses?
Esto se determina observando los datos de los conductores de los últimos años. ¿Cuántos conductores con perfiles similares sufrieron un accidente durante un período de 12 meses? Lo que las compañías de seguros han descubierto es que los conductores más jóvenes menores de 25 años tienden a conducir de manera menos segura que los mayores.
¿Cuáles son los Niveles de Organización del Cuerpo Humano?
Cualesquiera que sean las razones exactas detrás de esto, esto es lo que muestra el análisis estadístico. Lo que esto significa es que los conductores más jóvenes tienen que pagar un poco más. La diferencia de $ 12 está determinada por el modelo estadístico utilizado para predecir el riesgo de que un conductor sufra un accidente.
El análisis predictivo utiliza datos históricos para predecir la probabilidad de que sufra un accidente. Eso no significa que vaya a tener un accidente, por supuesto. Pero, digamos que la compañía de seguros tiene 250.000 clientes con una póliza de seguro de automóvil. Cada año, habrá una serie de accidentes. El análisis predictivo ayuda a determinar el riesgo general para la compañía de seguros. Ese riesgo general se utiliza para calcular las primas. Los clientes tendrán que pagar más o menos, dependiendo de cuánto contribuyan al riesgo general.
Procesamiento analítico en línea
Una de las otras herramientas específicas que se utilizan en BI es el procesamiento analítico en línea u OLAP . OLAP es un enfoque para responder rápidamente preguntas que tienen múltiples dimensiones. Puede pensar que una tabla de datos tiene dos dimensiones: filas y columnas. Por ejemplo, cada fila de la tabla podría ser un producto fabricado por una empresa y cada columna podría ser cuántas unidades de cada producto se vendieron cada mes. Puede responder preguntas sobre esta tabla mediante una consulta de base de datos.
OLAP extiende esta idea a más de dos dimensiones. Por ejemplo, para cada producto, también desea saber en qué instalación se fabricó (tercera dimensión), a qué cliente se envió (cuarta dimensión) y cuántas unidades tienen algún tipo de problema según lo informado por el cliente (quinta dimensión ). Esta información podría almacenarse en una base de datos relacional, pero para una gran cantidad de dimensiones, esto puede complicarse y la base de datos se volverá lenta. OLAP organiza estos datos multidimensionales para que puedan analizarse rápidamente.
Por ejemplo, una vez que tenga los datos organizados en las distintas dimensiones, puede hacer preguntas como esta: Muéstreme todas las instalaciones en Europa que fabricaron este producto en particular en el mes de junio que se enviaron a clientes en Asia que se informó que tenían un problema. Ahora, para esas mismas instalaciones, muéstreme todos los demás productos que fabricaron en el mismo mes y que se enviaron a América del Norte, y luego deme una lista de correo de todos esos clientes en California.
¿Cuáles son los Niveles de Organización de los Seres Vivos?
OLAP está diseñado para procesar este tipo de análisis muy rápidamente. Puede ver cómo OLAP puede ser muy útil para analizar operaciones comerciales complejas. OLAP y la minería de datos se utilizan en Business Intelligence, pero representan enfoques diferentes.
En la minería de datos , se utilizan herramientas analíticas para descubrir relaciones en los datos. Básicamente estás diciendo: ‘Aquí están los datos, muéstrame cuáles son los patrones interesantes’. En OLAP, comienza con algunas preguntas muy específicas y profundiza en los datos para encontrar las respuestas. La minería de datos es de abajo hacia arriba, impulsada por el descubrimiento. OLAP se basa en consultas de arriba hacia abajo.
Resumen de la lección
Business Intelligence , o BI , utiliza sistemas de información especializados para obtener una ventaja competitiva en el mercado. BI emplea una combinación de herramientas, como gestión de bases de datos, sistemas de apoyo a la toma de decisiones, extracción de datos y análisis estadístico. Dos herramientas específicas, que son algo exclusivas de BI, son el análisis predictivo y el procesamiento analítico en línea .
Los resultados del aprendizaje
Al completar esta lección, podrá:
- Describe qué es Business Intelligence (BI)
- Nombre algunas de las herramientas que emplea BI
- Explicar en qué se diferencia BI de un sistema general de apoyo a las decisiones
- Resuma qué es el análisis predictivo y cómo juega un papel en los negocios
- Comprender para qué se utiliza el procesamiento analítico en línea (OLAP)
- Diferenciar entre OLAP y minería de datos
Explora más sobre este tema
Selecciona un tema y sigue aprendiendo...
