DATAWAREHOUSE.
Un Datawarehouse es una
base de datos corporativa que se caracteriza por integrar y depurar información
de una o más fuentes distintas, para luego procesarla permitiendo su análisis
desde infinidad de pespectivas y con grandes velocidades de respuesta. La
creación de un datawarehouse representa en la mayoría de las ocasiones el
primer paso, desde el punto de vista técnico, para implantar una solución
completa y fiable de Business Intelligence.
La ventaja principal de
este tipo de bases de datos radica en las estructuras en las que se almacena la
información (modelos de tablas en estrella, en copo de nieve, cubos
relacionales... etc). Este tipo de persistencia de la información es homogénea
y fiable, y permite la consulta y el tratamiento jerarquizado de la misma
(siempre en un entorno diferente a los sistemas operacionales).
·
Proporciona
una herramienta para la toma de decisiones en cualquier área funcional,
basándose en información integrada y global del negocio.
·
Facilita
la aplicación de técnicas estadísticas de análisis y modelización para
encontrar relaciones ocultas entre los datos del almacén; obteniendo un valor
añadido para el negocio de dicha información.
·
Proporciona
la capacidad de aprender de los datos del pasado y de predecir situaciones
futuras en diversos escenarios.
·
Simplifica
dentro de la empresa la implantación de sistemas de gestión integral de la
relación con el cliente.
·
Supone
una optimización tecnológica y económica en entornos de Centro de Información,
estadística o de generación de informes con retornos de la inversión
espectaculares.
DATAMART.
Un Datamart es una base
de datos departamental, especializada en el almacenamiento de los datos de un
área de negocio específica. Se caracteriza por disponer la estructura óptima de
datos para analizar la información al detalle desde todas las perspectivas que
afecten a los procesos de dicho departamento. Un datamart puede ser alimentado desde
los datos de un datawarehouse, o integrar por si mismo un compendio de
distintas fuentes de información.
Por tanto, para crear el
datamart de un área funcional de la empresa es preciso encontrar la estructura
óptima para el análisis de su información, estructura que puede estar montada
sobre una base de datos OLTP, como el propio datawarehouse, o sobre una base de
datos OLAP. La designación de una u otra dependerá de los datos, los requisitos
y las características específicas de cada departamento. De esta forma se pueden
plantear dos tipos de datamarts:
Datamart OLAP
Se basan en los populares
cubos OLAP, que se construyen agregando, según los requisitos de cada área o
departamento, las dimensiones y los indicadores necesarios de cada cubo
relacional. El modo de creación, explotación y mantenimiento de los cubos OLAP es
muy heterogéneo, en función de la herramienta final que se utilice.
Datamart OLTP
Pueden basarse en un
simple extracto del datawarehouse, no obstante, lo común es introducir mejoras
en su rendimiento (las agregaciones y los filtrados suelen ser las operaciones
más usuales) aprovechando las características particulares de cada área de la
empresa. Las estructuras más comunes en este sentido son las tablas report, que
vienen a ser fact-tables reducidas (que agregan las dimensiones oportunas), y
las vistas materializadas, que se construyen con la misma estructura que las
anteriores, pero con el objetivo de explotar la reescritura de queries (aunque
sólo es posibles en algunos SGBD avanzados, como Oracle).
Los datamarts que están
dotados con estas estructuras óptimas de análisis presentan las siguientes
ventajas:
- · Poco volumen de datos
- · Mayor rapidez de consulta
- · Consultas SQL y/o MDX sencillas
- · Validación directa de la información
- · Facilidad para la hostilización de los datos
DATAMINING
El datamining (minería de
datos), es el conjunto de técnicas y tecnologías que permiten explorar grandes
bases de datos, de manera automática o semiautomática, con el objetivo de
encontrar patrones repetitivos, tendencias o reglas que expliquen el
comportamiento de los datos en un determinado contexto.
Básicamente, el
datamining surge para intentar ayudar a comprender el contenido de un
repositorio de datos. Con este fin, hace uso de prácticas estadísticas y, en algunos
casos, de algoritmos de búsqueda próximos a la Inteligencia Artificial y a las
redes neuronales.
De forma general, los
datos son la materia prima bruta. En el momento que el usuario les atribuye
algún significado especial pasan a convertirse en información. Cuando los
especialistas elaboran o encuentran un modelo, haciendo que la interpretación
que surge entre la información y ese modelo represente un valor agregado,
entonces nos referimos al conocimiento. Vea más diferencias entre datos,
información y conocimiento.
Cuadro de Mando Integral (CMI)
El Cuadro de Mando
Integral (CMI), también conocido como Balanced Scorecard (BSC) o dashboard, es
una herramienta de control empresarial que permite establecer y monitorizar los
objetivos de una empresa y de sus diferentes áreas o unidades.
También se puede
considerar como una aplicación que ayuda a una compañía a expresar los objetivos
e iniciativas necesarias para cumplir con su estrategia, mostrando de forma
continuada cuándo la empresa y los empleados alcanzan los resultados definidos
en su plan estratégico.
Diferencia con otras
herramientas de Business Intelligence
El Cuadro de Mando
Integral se diferencia de otras herramientas de Business Intelligence, como los
Sistemas de Soporte a la Decisión (DSS) o los Sistemas de Información Ejecutiva
(EIS), en que está más orientados al seguimiento de indicadores que al análisis
minucioso de información. Por otro lado, es muy común que un CMI sea controlado
por la dirección general de una compañía, frente a otras herramientas de
Business Intelligence más enfocadas a a la dirección departamental. El CMI
requiere, por tanto, que los directivos analicen el mercado y la estrategia
para construir un modelo de negocio que refleje las interrelaciones entre los
diferentes componentes de la empresa (plan estratégico). Una vez que lo han
construido, los responsables de la organización utilizan este modelo como mapa
para seleccionar los indicadores del CMI.
Tipos de Cuadros de Mando
El Cuadro de Mando
Operativo (CMO), es una herramienta de control enfocada al seguimiento de
variables operativas, es decir, variables pertenecientes a áreas o
departamentos específicos de la empresa. La periodicidad de los CMO puede ser
diaria, semanal o mensual, y está centrada en indicadores que generalmente
representan procesos, por lo que su implantación y puesta en marcha es más
sencilla y rápida. Un CMO debería estar siempre ligado a un DSS (Sistema de
Soporte a Decisiones) para indagar en profundidad sobre los datos.
El Cuadro de Mando
Integral (CMI), por el contrario, representa la ejecución de la estrategia de
una compañía desde el punto de vista de la Dirección General (lo que hace que
ésta deba estar plenamente involucrada en todas sus fases, desde la definición
a la implantación). Existen diferentes tipos de cuadros de mando integral, si
bien los más utilizados son los que se basan en la metodología de Kaplan &
Norton. La principales características de esta metodología son que utilizan
tanto indicadores financieros como no financieros, y que los objetivos
estratégicos se organizan en cuatro áreas o perspectivas: financiera, cliente,
interna y aprendizaje/crecimiento.
QUERY & REPORTING
Las consultas o informes libres trabajan tanto sobre el detalle como sobre las agregaciones de la información.
Realizar este tipo de explotación en un almacén de datos supone una optimización del tradicional entorno de informes (reporting), dado que el Data Warehouse mantiene una estructura y una tecnología mucho más apropiada para este tipo de solicitudes.
Los sistemas de "Query & Reporting", no basados en almacenes de datos se caracterizan por la complejidad de las consultas, los altísimos tiempos de respuesta y la interferencia con otros procesos informáticos que compartan su entorno.
La explotación del Data Warehouse mediante "Query & Reporting" debe permitir una gradación de la flexibilidad de acceso, proporcional a la experiencia y formación del usuario. A este respecto, se recomienda el mantenimiento de al menos tres niveles de dificultad:
- Los usuarios poco expertos podrán solicitar la ejecución de informes o consultas predefinidas según unos parámetros predeterminados.
- Los usuarios con cierta experiencia podrán generar consultas flexibles mediante una aplicación que proporcione una interfaz gráfica de ayuda.
- Los usuarios altamente experimentados podrán escribir, total o parcialmente, la consulta en un lenguaje de interrogación de datos.
Hay una extensa gama de herramientas en el mercado para cumplir esta funcionalidad sobre entornos de tipo Data Warehouse, por lo que se puede elegir el software más adecuado para cada problemática empresarial concreta.
Daniel R.B
