Business Intelligence

Home Business Intelligence

ANÁLISIS DE DATOS EMPRESARIALES

Su realización fuera del entorno del Data Warehouse, puede repercutir sobre estos sistemas en una mayor rigidez, dificultad de actualización y mantenimiento, malos tiempos de respuesta, incoherencias de la información, falta del dato agregado, etc.

Los sistemas de soporte a la decisión usando tecnologías de Data Warehouse, se llaman sistemas OLAP (siglas de On Line Analytical Processing (OLAP). En general, estos sistemas OLAP deben:

Soportar requerimientos complejos de análisis
Analizar datos desde diferentes perspectivas
Soportar análisis complejos contra un volumen ingente de datos

La funcionalidad de los sistemas OLAP se caracteriza por ser un análisis multidimensional de datos corporativos, que soportan los análisis del usuario y unas posibilidades de navegación, seleccionando la información a obtener.

Normalmente este tipo de selecciones se ve reflejada en la visualización de la estructura multidimensional, en unos campos de selección que nos permitan elegir el nivel de agregación (jerarquía) de la dimensión, y/o la elección de un dato en concreto, la visualización de los atributos del sujeto, frente a una(s) dimensiones en modo tabla, pudiendo con ello realizar, entre otras las siguientes acciones:

Rotar (Swap): alterar las filas por columnas (permutar dos dimensiones de análisis)
Bajar (Down): bajar el nivel de visualización en las filas a una jerarquía inferior
Detallar (Drilldown):informar para una fila en concreto, de datos a un nivel inferior
Expandir (Expand): anterior sin perder la información a nivel superior para éste y el resto de los valores
Colapsar (Collapse): operación inversa de la anterior.

SPYRO ha firmado un acuerdo de colaboración con la empresa guipuzcoana ENANTIO, gracias al cual, a partir de este mes de abril, comenzamos a distribuir esta innovadora y revolucionaria solución para la gestión de datos.

ENANTIO, Big Data Market Intelligence, te permite descubrir de forma rápida y sencilla las tendencias, cambios y oportunidades de tu sector en los diferentes mercados mundiales. Es una herramienta estratégico-empresarial que permite acceder a la información de exportación e importación de países de América Latina y Asia, conociendo los datos por países, sectores o productos. También ofrece la posibilidad de conocer los datos de aduanas y medios de transporte, así como la información sobre los precios de diferentes productos por empresas.

El informe se materializa en una interfaz muy clara, intuitiva y práctica, sin que se pierda en un montón de números, datos y gráficos. Siempre accesible allá donde estés, ENANTIO es una herramienta a medida que se convertirá en imprescindible a la hora de tomar importantes decisiones estratégicas para tu empresa.

BUSINESS INTELLIGENCE

El Business Intelligence son un conjunto de estrategias y aspectos relevantes enfocados a la administración y creación de conocimiento sobre el medio, a través del análisis de datos.

Para ello se utilizan estructuras multidimensionales (o Cubos OLAP) que contienen datos resumidos de grandes Bases de datos o Sistemas Transaccionales (OLTP). Se usa en informes de negocios de ventas, marketing, informes de dirección, minería de datos y áreas similares.

El Business Intelligence es el siguiente paso para completar el análisis de nuestra empresa. Para ello, necesitamos procesar nuestro Data Warehouse en un cubo multidimensional, y luego escoger una herramienta para explotar la información.

Quién valora e investiga quién es el mejor proveedor en ciertas tecnologías es Gatner y nos lo muestra en el siguiente infrome: Cuadrante Mágico de Gatner.

DATA WAREHOUSING

Un Data Warehouse es un almacén de datos no volátil, configurado tanto lógicamente como físicamente para tener la capacidad de lecturas de datos masivas, con cálculos, sumas y agrupaciones , con la máxima agilidad posible. Un Data Warehouse permite analizar los hechos en profundidad, favoreciendo las tomas de decisiones de la entidad que la utiliza.

Es común que un Data Warehouse se nutra de información interna propia de la empresa (casi siempre un ERP). Sin embargo, para la toma de decisiones futuras, también es común nutrir nuestro data warehouse de datos externos, como tendencias de mercados, etc…

El objetivo de un Data Warehouse es el análisis en profundidad, práctico, manejable, y rápido para los ejecutivos de las empresas, sin tiempos de espera de consultas de datos interminables, y proporcionando un análisis de datos exhaustivo y ágil.

DATAMINING

Los sistemas de la información acumulan una gran cantidad de datos. Estos datos no se pueden considerar información, ya que no permiten tomar decisiones.

Mediante técnicas de ordenación y análisis, podemos conseguir información útil referente a tendencias de mercado, rendimiento de vendedores, evolución de costes, análisis de tiempos de operación, evolución de la demanda, etc.

Quizá uno de los proyectos más interesantes que se puede desarrollar en una empresa de producción podría ser conocer de forma detallada el coste de cada producto, a partir de los tiempos de producción, depreciando aquellos valores que sean irrelevantes. En base a la información obtenida la empresa podría descartar productos con rentabilidad negativa, incrementar los precios de otros y aplicar mejoras en aquellos que requerían mayor número de horas de producción y la demanda de los cuales sea extremadamente sensible al precio.

Una buena planificación en la recolección de datos, desde el inicio de la implantación del sistema informático, permitiría conseguir la información necesaria en cualquier momento.

Titania Softlutions, ofrece asesoramiento y herramientas para que usted obtenga lo que necesita.

BIG DATA

Es un término que hace referencia a una cantidad de datos tal que supera la capacidad del software convencional para ser capturados, administrados y procesados en un tiempo razonable. El volumen de los datos masivos crece constantemente.

Existen muchísimas herramientas para tratar con Big Data. Nombres como Hadoop, NoSQL, Cassandra… son sólo algunos de los más conocidos. Estas herramientas tratan con algunos de los tres tipos de Big Data:

Datos estructurados (Structured Data): Datos que tienen bien definidos su longitud y su formato, como las fechas, los números o las cadenas de caracteres. Se almacenan en tablas. Un ejemplo son las bases de datos relacionales y las hojas de cálculo.
Datos no estructurados (Unstructured Data): Datos en el formato tal y como fueron recolectados, carecen de un formato específico. No se pueden almacenar dentro de una tabla ya que no se puede desgranar su información a tipos básicos de datos. Algunos ejemplos son los pdf, documentos multimedia, e-mails o documentos de texto.
Datos semiestructurados (Semistructured Data): Datos que no se limitan a campos determinados, pero que contiene marcadores para separar los diferentes elementos. Es una información poco regular como para ser gestionada de una forma estándar. Estos datos poseen sus propios metadatos semiestructurados que describen los objetos y las relaciones entre ellos, y pueden acabar siendo aceptados por convención. Un ejemplo es el HTML, el XML o el JSON.