UNIVERSIDAD PERUANA UNIÓN

FACULTAD DE INGENIERÍA Y ARQUITECTURAEAP Ingeniería de Sistemas

MONOGRAFÍA

Inteligencia de negocios

Monografía presentada en cumplimiento parcial de la asignatura de Técnicas de Estudio e Investigación

AutoresAlumnos: Leydi Madany Bernal Ticlla

Juan Carlos Bustamante SánchezJacob García Franco

Robert Randolf Rengifo CárdenasDiana Carolina Sayán Ramírez

ProfesoraLic. Rosa Linda Mamani Morales

Morales, Noviembre de 2013

ContenidoResumen............................................................................................................................................2

Introducción.....................................................................................................................................3

2. Marco teórico.............................................................................................................................4

2.1 Definiciones................................................................................................................................4

2.2 Sistemas de información...........................................................................................................5

2.3 La Inteligencia de Negocios en la toma de decisiones.............................................................6

2.4 Componentes y herramientas que utiliza la inteligencia de negocios.....................................8

2.4.1 Data Warehouse.....................................................................................................................8

2.4.2 Data Mining.............................................................................................................................9

2.4.3 Olap…………………………………………………………………………………………………………………………………….11

2.4.4 Knowledge Management.......................................................................................................13

2.4.5 Decision Support System......................................................................................................15

2.4.6 Customer Relationship Management...................................................................................16

2.5 Importancia de la Inteligencia de Negocios............................................................................21

2.6 Beneficios de la Inteligencia de Negocios................................................................................23

3. Conclusiones..............................................................................................................................24

4. Recomendaciones......................................................................................................................25

5. Agradecimiento o reconocimiento............................................................................................26

6. Referencias................................................................................................................................27

1

Resumen

En este trabajo monográfico presentamos de una manera objetiva y didáctica el BI

(Inteligencia de Negocios) como un proceso necesario e imprescindible en la toma de

decisiones. Trataremos de dar solución a las diferentes preguntas que se hace el público en

cuestión a las estrategias de tomar decisiones de negocios en una empresa o en cualquier

organización pública.

Definimos a BI, como un proceso para explorar y analizar información estructurada sobre

un área, con el fin de descubrir y efectuar cambios hacia el mejoramiento de la empresa.

Debido a la alta demanda de las empresas por las mejoras en la competitividad de sus

productos y servicios, desarrollamos el BI para dar a conocer a los lectores y usuarios el

uso de las herramientas y tecnología necesaria para su aprovechamiento al máximo, y

lograr el conocimiento y difusión del BI en las mayores partes posibles del área de negocios

empresariales.

2

Introducción

El objetivo del presente trabajo monográfico es dar a conocer una de las especialidades que

tiene la carrera de Ingeniería de Sistemas, además los conceptos y utilidades de BI y las

utilidades que tiene con respecto al análisis de información. En una empresa es necesario

tomar decisiones día a día (algunas muy estratégicas) que están basadas en información

generada en base de datos reales. Generar esa información es la labor de BI. Al tomar

decisiones estamos aceptando riesgos, el propósito de BI es disminuir los riesgos. El

sistema de expansión de este componente de herramientas está haciendo que en los últimos

años se estén dando y desarrollando proyectos en BI.

Tampoco es de extrañar el alto índice de fracaso, al tratarse de sistemas intensamente

decisionales, y de una disciplina todavía no demasiado madura ni conocida, con diversidad

de enfoques metodológicos diferentes. Existiendo por otra parte metodologías agiles de

desarrollo de software, la BI está teniendo un gran auge y está dando buenos resultados en

ámbitos en los que otras metodologías más convencionales habían mostrado limitaciones en

su aplicación. Así pues, si juntamos la inmadurez de la disciplina de BI con la orientación

práctica de los enfoques ágiles, podríamos obtener un resultado final más satisfactorio.

En el presente trabajo monográfico trataremos lo siguiente:

Inteligencia de Negocios, Sistemas de Información, Toma de Decisiones:, Niveles de BI,

Componentes y Herramientas de BI (Data Warehouse, Data Mining, OLAP, Knowledge

Management, CRM, Decisión Support System), Importancia del BI, Beneficios del BI

3

2. Marco teórico

2.1 Definiciones

La Inteligencia de Negocios es el conjunto de productos y servicios que permiten a los

usuarios finales acceder y analizar de manera rápida y sencilla, la información para la

toma de decisiones de negocio a nivel operativo, táctico y estratégico. 

Según Howard Dresner, “BI es un proceso interactivo para explorar y analizar

información estructurada sobre un área (normalmente almacenada en un

“datawarehouse”), para descubrir tendencias o patrones, a partir de los cuales derivar

ideas y extraer conclusiones. El proceso de BI incluye la comunicación de los

descubrimientos y efectuar los cambios. Las áreas incluyen clientes, proveedores,

productos, servicios y competidores.”[1]

M. Raisinghani define: “Desde una perspectiva de gestión, la definición de BI es la

transcripción de datos de la empresa en información que sustenta una toma de decisiones

óptima. En términos básicos, BI debe activar el pensamiento estratégico y la acción

dentro de una organización. Se hace necesario información a disposición a todos los

niveles de organización, desde la alta dirección a la “abeja obrera” ”.

Sistema que nos provee de la información necesaria para el control y la mejora de los

procesos de negocios, sirviéndola con la semántica adecuada a los decisores, facilitando la

obtención y el sostenimiento de ventajas competitivas.

Según Peña (2006), el término Inteligencia de Negocios procura caracterizar una amplia

variedad de tecnologías, plataformas de software, especificaciones de aplicaciones y

procesos. [2]

La Inteligencia de Negocios faculta a la organización a tomar mejores decisiones más

rápidas. Este concepto se requiere analizar desde tres perspectivas: Hacer mejores

decisiones más rápido, convertir datos en información, y usar una aplicación relacional para

la administración.[2]

4

2.2 Sistemas de información

Figura 1: Entorno de la Administración del Conocimiento.

http://www.spentamexico.org/v4-n2/4(2)%2016-52.pdf

2.2.1 Datos. Son hechos objetivos aislados sin significado ni explicación. Es la materia

prima para la creación de información.[2]

Opiniones de algunos especialistas:

- En general las organizaciones consideran que sí existe una estrategia para manejo de sus

datos aunque solamente un porcentaje tiene la estrategia bien definida.[3]

- El tema predominante en la estrategia se enfoca más a temas operativos que a temas

estratégicos o de definición de modelos.[3]

- Las áreas de TI predominan sobre la responsabilidad en la definición de las estrategias de

manejo de datos; realmente no se ha madurado en el concepto de un área encargada del

manejo de los datos y continúa TI con esta función.[3]

- La estrategia de datos ayuda a la toma de decisiones en la organización.[3]

2.2.2 Información. Es el resultado de la organización y tratamiento que se aplica a los

datos para producir un significado adicional al que brindan de manera aislada.[2]

2.2.3 Conocimiento. Este representa un mayor grado de abstracción y síntesis del

significado de la información al asociar el contexto en el que se inscribe.[2]

5

2.3 La Inteligencia de Negocios en la toma de decisiones

La Inteligencia de Negocios en la toma de decisiones toma un rol muy importante, pues de

requieren hacer estos niveles:

Figura n° 2 : Niveles de la Inteligencia de negocios

http://www.acis.org.co/fileadmin/Revista_106/06-uno.pdf

2.3.1 Nivel estratégico:

La Inteligencia de Negocios a Nivel Estratégico permite que la alta dirección de las

empresas pueda analizar y monitorear tendencias, patrones, metas y objetivos estratégicos

de la organización. Un ejemplo de Inteligencia de Negocios a nivel estratégico lo

constituye el Cuadro de Mando Integral o Balanced Scorecard concepto introducido por

Robert Kaplan y David Norton el cual definen como:[4]

"Un esquema de trabajo multidimensional para describir, implementar y administrar

estrategia a todo nivel dentro de una empresa, a través de la vinculación de objetivos,

iniciativas y mediciones a la estrategia de la organización" [4]

Con la implementación de un Cuadro de Mando Integral se obtienen los siguientes

beneficios:

6

Promueve la alineación estratégica de toda la organización a partir de la transformación de

la Visión y Estrategia en planes concretos de acción.[4]

Fomenta el trabajo en equipo y por consiguiente la colaboración y la coordinación al

conducir a toda la organización hacia la consecución de la estrategia definida.

Facilita la comunicación de los planes estratégicos a toda la empresa.[4]

Integra y sintetiza un gran volumen de datos e indicadores que surgen de la gestión diaria

de las operaciones.[4]

Desarrolla el conocimiento y el capital humano, bases fundamentales para alcanzar los

objetivos estratégicos.[4]

2.3.2 Nivel táctico:

Inteligencia de Negocios a Nivel Táctico

La Inteligencia de Negocios a Nivel Táctico permite que los analistas de datos y la gerencia

media de la empresa utilicen herramientas de análisis y consulta con el propósito de tener

acceso a la información sin intervención de terceros. [5]

Como ejemplo un gerente de ventas recibe un reporte pre impreso en donde se indica que

las ventas de una determinada categoría de productos o servicios, se incrementaron de

manera inusual con relación al periodo anterior, una herramienta de análisis y consulta le

permite analizar éste incremento y establecer si el mismo se debe a nuevos productos,

nuevos clientes o una estrategia de promociones que haya producido el incremento en la

demanda. [5]

Con éste tipo de herramientas también se puede determinar si en un período específico es

usual o inusual que se produzcan éstos comportamientos anormales en la demanda, de

manera de poder anticiparnos a ellos y poder aprovechar ésta situación para aumentar el

impacto positivo o minimizar el impacto negativo según sea el caso.[5]

7

2.3.3 Nivel operativo:

La Inteligencia de Negocios a Nivel Operativo permite que los empleados que trabajan con

información operativa puedan recibir la misma de una manera oportuna, exacta y adecuada

y se componen básicamente de herramientas de reportes u hojas de cálculo con un formato

fijo cuya información se actualiza frecuentemente.[6]

Un ejemplo de esto podría ser un supervisor de ventas que utiliza una hoja de cálculo para

monitorear el cumplimiento de las cuotas de ventas de los vendedores a su cargo, una de las

columnas tendría una información fija (la cuota de ventas) y a su lado podría estar una

columna que diariamente extraiga el total de ventas para ése vendedor en particular. El

supervisor de ventas a su vez podría aplicar fórmulas tomando en cuenta la columna de

cuota y la columna de venta real sin necesidad de tener que introducirlas de manera manual.

[6]

2.4 Componentes y herramientas que utiliza la inteligencia de negocios

Para que una empresa logre llegar a la fase del conocimiento pleno para la toma de

decisiones, es necesario el uso de herramientas y procesos detallados a continuación:

2.4.1 Data Warehouse

El Data Warehouse es una tecnología para el manejo de la información construido sobre la

base de optimizar el uso y análisis de la misma utilizado por las organizaciones para

adaptarse a los vertiginosos cambios en los mercados. Su función esencial es ser la base de

un sistema de información gerencial, es decir, debe cumplir el rol de integrador de

información proveniente de fuentes funcionalmente distintas (Bases Corporativas, Bases

propias, de Sistemas Externos, etc.) y brindar una visión integrada de dicha información,

especialmente enfocada hacia la toma de decisiones por parte del personal jerárquico de la

organización.[7]

8

Es un sitio donde se almacena de manera integrada toda la información resultante de la

operatoria diaria de la organización. Además, se almacenan datos estratégicos y tácticos

con el objetivo de obtener información estratégica y táctica que pueden ser de gran ayuda

para aplicar sobre las mismas técnicas de análisis de datos encaminadas a obtener

información oculta (Data Mining).[7]

El objetivo de los DWs es consolidar información proveniente de diferentes bases de datos

operacionales y hacerla disponible para la realización de análisis de datos de tipo gerencial.

Los datos del DW son el resultado de transformaciones, chequeos de control de calidad e

integración de los datos operacionales. Se incluyen también totalizaciones y datos pre-

calculados en base a datos operaciones.[8]

2.4.2 Data Mining

La mayoría de compañías tienen una gran cantidad de datos almacenados en sus

ordenadores.

Estos datos contienen una información que puede ser de gran utilidad para los resultados de

la empresa. La gran abundancia de datos o su deficiente estructura puede hacer muy difícil

extraer esta información ´útil. El objetivo del Data Mining es la extracción de forma

automática de información relevante, ´útil y no evidente contenida en dichos datos. Existen

tres razones fundamentales por las cuales el Data Mining es una realidad en nuestros días:

[9]

Avances tecnológicos en almacenamiento masivo de datos y CPU.

Existencia de nuevos algoritmos para extraer información en forma eficiente.

Existencia de herramientas automáticas que no hacen necesario el ser un experto en

estadística, redes neuronales, o algoritmos matemáticos para convertirse en un

«DataMiner».[9]

2.4.2.1 ¿Qué puede hacer el Data Mining?

Una empresa en posesión de unas bases de datos de calidad y tamaño suficiente puede

emplear el Data Mining para generar nuevas oportunidades de negocio, dada su capacidad

para proporcionar:[9]

9

2.4.2.1.1 Predicción automática de comportamientos.

Generalmente se trata de problemas de clasificación. Como ejemplo podemos citar el

marketing dirigido. Data Mining usa los resultados de campañas de marketing realizada

anteriormente para identificar el perfil de los clientes que son más propensos a comprar el

producto y de este modo permitirnos substituir el correo masivo por el correo dirigido.[9]

2.4.2.1.2 Predicción automática de tendencias.

Basándonos en base de datos históricas, Data Mining creara un modelo para predecir las

tendencias. Como ejemplos podemos citar la predicción de ventas en el futuro o la

predicción en mercados de capitales.[9]

2.4.2.1.3 Descubrimiento automático de comportamientos desconocidos

anteriormente.

Las herramientas de Data Mining de visualización y clustering, permiten «ver» nuestros

datos desde una perspectiva distinta y por ello descubrir nuevas relaciones entre ellos.[9]

Las técnicas de la minería de datos provienen de la Inteligencia artificial y de la estadística,

dichas técnicas, no son más que algoritmos, más o menos sofisticados que se aplican sobre

un conjunto de datos para obtener unos resultados; las más representativas son:

a) Redes neuronales.- Se trata de un sistema de interconexión de neuronas en una red que

colabora para producir un estímulo de salida. Algunos ejemplos de red neuronal son: [10]

- El Perceptron.

- El Perceptrón multicapa.

- Los Mapas Auto organizados, también conocidos como redes de Kohonen. [10]

b) Árboles de decisión.- Un árbol de decisión es un modelo de predicción utilizado en el

ámbito de la inteligencia artificial, dada una base de datos se construyen estos diagramas de

construcciones lógicas, muy similares a los sistemas de predicción basados en reglas, que

sirven para representar y categorizar una serie de condiciones que suceden de forma

sucesiva, para la resolución de un problema.[10] Ejemplos:

10

o Algoritmo ID3.

o Algoritmo C4.5.

c) Modelos estadísticos.- Es una expresión simbólica en forma de igualdad o ecuación que

se emplea en todos los diseños experimentales y en la regresión para indicar los diferentes

factores que modifican la variable de respuesta.

d) Agrupamiento o Clustering.- Es un procedimiento de agrupación de una serie de

vectores según criterios habitualmente de distancia; se tratará de disponer los vectores de

entrada de forma que estén más cercanos aquellos que tengan características comunes.

Ejemplos:

o Algoritmo K-means.

o Algoritmo K-medoids. [10]

2.4.3 Olap

La técnica OLAP —llamada también Análisis Multidimensional y contrapuesta a la de

Procesamiento Transaccional en Línea (OLTP)— actúa sobre un DW Organizando en

“hipercubos” o cubos multidimensionales, sobre los llamados elementos de análisis o facts

(por ejemplo el número de defectuosos, máximo de ventas netas, promedio de

inasistencias), y también bajo ciertas dimensiones o dimensions (por ejemplo, producto,

centro de costo, máquina, año). La OLAP trata cuestionamientos tales como: ¿a cuánto

asciende las ventas netas (fact) por producto, por plaza y por mes (dimensiones)?, ¿cuál es

la cantidad de errores detectados (fact) por máquina y por año (dimensiones)? La

presentación de datos analizados con OLAP se denomina visualización y utiliza

herramientas y formas de representación gráfica como: tridimensionalidad, tortas,

histogramas, regresiones, etc. La visualización permite efectuar análisis de tendencias,

puntos de equilibrio y sensibilidad.[11]

Las herramientas OLAP se caracterizan por los siguientes términos:

2.4.3.1 Opciones de almacenamiento:

11

2.4.3.1.2 En su rendimiento: Que es conocido como el término MOLAP que significa base

datos multifuncional: Los datos que subyacen en los hipercubos son almacenados junto con

las agregaciones en una estructura multidimensional.[11]

2.4.3.1.3 En su capacidad: existen 3 tipos de opciones y son:

a) ROLAP (base datos relacionales): Los datos que subyacen en los hipercubos son

almacenados junto con las agregaciones en una estructura relacional.[11]

b) HOLAP (sistema hibrido): Los datos que subyacen en los hipercubos son almacenados

en una estructura relacional y las agregaciones en una estructura multidimensional.[11]

c) DOLAP (desktop OLAP): instalación MOLAP en un equipo cliente.[11]

En función a los propósitos para los cuales se diseña el DW y los cubos multidimensionales

se puede realizar operaciones específicas propias del OLAP:

Drill down y Roll up. Entrar en detalle y abstraer. Por ejemplo, la composición de

ventas.[11]

Rebanar y generar nuevos cubos cambiando la naturaleza de dimensiones(casillas,

segmentos, planos y cubos).[11]

Rotate. Cambiar dimensiones unas con otras. Por ejemplo, salidas por ítem vs.

Ítems por salida.[11]

De manera complementaria o independiente al OLAP y otro tipo de requerimientos

y consultas complejas de información se puede aplicar el DM, que es el proceso de

encontrar patrones y correlaciones nuevas, ocultas o inesperadas.[11]

Sus principales herramientas son la Inteligencia Artificial (IA) (sistemas expertos, bases de

conocimiento, redes neuronales, algoritmos genéticos, lógica difusa) y la Teoría de

Decisiones.[11]

Son cuatro las técnicas que permiten descubrir y analizar tales patrones y correlaciones:

clasificación (reglas Si-Entonces), asociación (correlación), secuencia (series de tiempo) y

sectorización (división).[11]

12

2.4.4 Knowledge Management

La gestión del conocimiento (GC) es la gestión del capital intelectual en una organización,

con la finalidad de añadir valor a los productos y servicios que ofrece la organización en el

mercado y de diferenciarlos competitivamente. [12]

Hay dos factores que han facilitado la aparición del concepto de gestión del conocimiento.

Por un lado, el desarrollo tecnológico, que facilita enormemente la gestión del capital

intelectual y la hace factible desde un punto de vista financiero. Por otro, la creciente

concienciación por parte del mundo empresarial (e incluso por parte de las naciones

económicamente más desarrolladas) de que el conocimiento es un recurso clave en aquellas

sociedades y organizaciones en las que la información es abundante, en gran medida,

gracias a Internet. [12]

Según Davenport (1998), la gestión del conocimiento debería preocuparse por explotar y

desarrollar los activos de conocimiento que posee la organización a fin de que ésta pueda

llevar a cabo su misión estratégica. Obviamente, tanto el conocimiento explícito como el

tácito deberán ser gestionados. La distinción entre estos dos tipos de conocimiento no debe,

sin embargo, entorpecer el objetivo de la empresa: la gestión de aquel conocimiento que

asegure su viabilidad y supervivencia, al cual ya hemos denominado conocimiento crítico.

[12]

2.4.4.1 Distintos enfoques para gestionar el conocimiento:

Para gestionar el conocimiento, las empresas pueden seguir varias líneas de acción. La

mejor opción es seguir una estrategia central con cuatro focos tácticos, los cuales se

describen a continuación.[12]

2.4.4.1.1 Enfoque en las personas

Las empresas deben superar la idea de recursos humanos y pasar al concepto de capital

humano. Recurso implica la idea de algo disponible a lo que se puede recurrir cuando es

necesario. Pero las personas no son un recurso de este tipo. Son una forma de capital, algo

que gana o pierde valor dependiendo de cuánto y cómo se invierte en él. Casi todas las

13

organizaciones están de acuerdo en que nos hemos introducido en la economía del

conocimiento, lo que significa la era del profesional del conocimiento. El capital humano se

ha reconocido como el motor de la innovación y la ventaja competitiva sostenible. [12]

2.4.4.1.2 Enfoque en la gestión de la información y la tecnología

El conocimiento existe en cada estrato de la organización. Algunas veces aparece por

accidente y otras veces es inducido por una infraestructura tecnológica que apunta a que las

interacciones puedan proporcionar un poderoso valor de negocio a sus participantes y a la

organización en general.[12]

2.4.4.1.3 Enfoque en el capital intelectual

El capital intelectual es la combinación de activos inmateriales que permite funcionar a la

empresa. [12]

El capital intelectual puede dividirse en tres categorías:

Capital humano es el conocimiento útil para la empresa que poseen las personas y equipos

de la misma, así como su capacidad para regenerarlo, es decir, su capacidad de aprender.

Son los llamados activos de competencia individual, como por ejemplo: la educación, la

experiencia, la capacidad creativa, la habilidad para resolver problemas de las personas que

trabajan en la empresa. [12]

Capital estructural es el conocimiento estructurado del que depende la eficacia y eficiencia

interna de la empresa. Son los activos de estructura interna o infraestructura, como por

ejemplo: los métodos y procedimientos de trabajo y los sistemas de gestión. [12]

Capital relacional se refiere al valor que tiene para la empresa el conjunto de relaciones que

mantiene con el exterior. Son los activos de estructura externa y entre ellos se encuentran:

la calidad y sostenibilidad de la base de clientes de una empresa y su potencialidad para

14

generar nuevos clientes en el futuro, las relaciones con otros agentes del entorno como los

proveedores y los bancos.[12]

2.4.4.1.4 Enfoque en la empresa inteligente

La empresa inteligente es una organización que actúa efectivamente en el presente y es

capaz de manejar de igual forma los desafíos del futuro. Alcanza sus objetivos llevando a

cabo sus visiones y estrategias, a través de las acciones individuales de sus empleados y de

sus sistemas, políticas y estructura organizacional. Realiza intercambios beneficiosos con

su ambiente, considerando sus intereses y los de sus accionistas.[12]

Una organización inteligente es aquella donde la gente expande continuamente su aptitud

para crear los resultados que desea, donde se cultivan nuevos y expansivos patrones de

pensamiento, donde la aspiración colectiva queda en libertad, y donde la gente

continuamente aprende a aprender en conjunto, es decir una organización que

continuamente amplía su capacidad para crear su futuro; es una organización capaz de

convertir rápidamente las nuevas tecnologías en nuevos productos, procesos o

procedimientos, y conseguir con ello adaptarse a las necesidades y posibilidades del

entorno.[12]

2.4.5 Decision Support System

La organización requiere que los estrategas tomen las mejores decisiones fundamentados

únicamente en su experiencia y conocimiento y los más veloz posible, por otro lado los

estrategas requieren que la organización cuente con información disponible, confiable,

actualizada y legible de sus clientes, finanzas, procesos y proveedores, pero sobre todo

piden accesibilidad, es decir, llegar a ella con la mayor facilidad posible. Como vimos

anteriormente, la lectura de todas la variables que conlleva una decisión hoy en día es

superior a la cantidad de información que podemos como humanos procesar en el tiempo

que el negocio demanda para mantenerse competitivo, entonces: ¿Cuál es la solución a este

requerimiento de las organizaciones modernas?, la respuesta que se pretende dar es

15

soportada por tecnologías de la información, las cuales mediante el modelado del proceso

de toma de decisiones intenta transportar las condiciones analíticas de los expertos

humanos a una base de conocimiento que permita consultar a gran velocidad un gran

número de situaciones similares o diversas, apoyando la resolución que finalmente viene

del experto humano.[13]

2.4.5.1 Principales beneficios de los DSS

Respuestas inmediatas a situaciones imprevistas resultado de variaciones en el sistema.

Manejo de varias estrategias bajo distintas condiciones de manera rápida y objetiva.

Mejora Control y desempeño administrativo.

Mejora el desempeño para análisis [13]

2.4.5.2 Características y capacidades ideales de los DSS deben soportar

Administración del conocimiento.

Modelado.

Fácil de construir y de usar.

Dirigido a grupos o a individuos, directivos a distintos niveles.

Decisiones Secuenciales.

Efectividad sobre eficiencia.

Adaptabilidad y flexibilidad.

Variedad de estilos de decisión y procesos.

Control Humano sobre la máquina.

Evolución del sistema.

Inteligencia, diseño, elección.[13]

2.4.6 Customer Relationship Management

“CRM es una estrategia de negocios para seleccionar y manejar a los clientes con el fin de

optimizar su valor a largo plazo. […] es una estrategia de negocios volcada al

16

entendimiento y anticipación de las necesidades de los clientes actuales y potenciales de

una empresa.”[14]

“El CRM es la infraestructura que habilita la delimitación e incremento del valor del

cliente, incluso potenciar los recursos necesarios para motivar a los clientes valiosos a

permanecer leales.”

En conclusión el CRM es una estrategia de negocio enfocada al manejo de las relaciones

con los clientes, de cualquier índole.[14]

2.4.6.1 Estructura del CRM

El CRM puede desglosarse en tres partes, las cuales permiten afianzar la estrategia tomada

por la organización basada en un enfoque al cliente: CRM operativo, CRM analítico, CRM

colaborativo. [14]

2.4.6.1.1 CRM OPERATIVO:

Seguimiento de clientes

Agendas

Campañas

Soporte de ventas[14]

2.4.6.1.2 CRM ANALITICO:

Tendencia de ciclos de venta

Comportamiento de los clientes

Fidelización de clientes

Obtención de nuevos clientes

Índices de deserción de nuevos clientes[14]

2.4.6.1.3CRM COLABORATIVO:

E-comunicación

17

Centros de contactos- call centers

Servicios web[14]

Encontramos primeramente al CRM analítico el cual abarca los almacenes de datos (Data

Warehouse) y la minería de datos (Data Mining), “es una combinación de administración

del negocio y análisis, comprendiendo los patrones del cliente y los ciclos de vida de los

negocios.” Facilita el acceso rápido a las necesidades particulares de los clientes, consumo,

condiciones, historia, ofertas, etc. [14]

El CRM analítico a través del tiempo cobra más importancia y valor, esto se debe

principalmente a que la información de los clientes aumenta constantemente, ocasionando

que las organizaciones posean información valiosa que permita diferenciarlos de la

competencia. [14]

Para comprender el CRM analítico se hacen metáforas, entendiéndolo como el cerebro o la

inteligencia en todo el proceso de conocer al cliente, que permite la creación de estrategias

por parte de la compañía, para enriquecer e incentivar las compras de acuerdo al perfil de

los clientes y las características del segmento de mercado.[14]

Los aportes más significativos de esta etapa al sistema de gestión de relaciones con los

clientes radica básicamente en:[14]

a) Retención de clientes:[14]

1.- Determinación del valor del cliente a lo largo del tiempo, y no en una sola transacción.

2.- Conocimiento de los canales de compra preferidos por el cliente.

3.- Construcción de modelos de propensión para identificar clientes “de riesgo”.

4.- Identificación de los cambios en los hábitos de compra para reactivar las ventas.

b) Adquisición de clientes:[14]

1.- Integración de datos de detalle de distintas fuentes de información de clientes de la

compañía.

18

2.- Identificación de potenciales clientes con propensión a comprar los productos y

servicios ofertados.

3.- Construcción de modelos de propensión de compra, como parte del perfil de los clientes

actuales, nuevos y potenciales.

c) Incremento de negocio con la base de clientes:[14]

1.- Identificación de los segmentos de clientes más rentables.

2.- Descubrimiento de productos no comprados por los clientes más rentables, en base a o

cual diseñar estrategias de ventas cruzadas.

3.- Determinación de la mejor combinación de productos, basándose en las preferencias de

los mejores clientes.

d) Productividad de marketing:[14]

1.- Automatización de las tareas repetitivas en el departamento de marketing.

2.- Facilidades para la realización de más eventos, muy centrados en el público objetivo.

3.- Mejora en la relevancia y oportunidad en el tiempo de las ofertas.

Beneficios de implementar el CRM:[14]

Tomar conciencia del valor de un cliente en la empresa, sea esta de servicio, manufacturera

o comercializadora.

Ayuda a identificar en la empresa qué servicios y productos desea esta ofrecer.

Identificando el segmento de la clientela y el saber qué quieren, qué les gusta y qué

compran los clientes.

Permite la determinación de cuál es la intención objetiva de la empresa para con los

clientes, que quiere ser y representar la empresa para ellos.

Proporciona una estimativa que permite identificar los efectos de las interacciones en la

imagen de la empresa, las interacciones están reforzando o debilitando la imagen.

19

Provee una descripción y clasificación detallada de los proveedores, facilitando la gestión

de estos agentes, la verificación de sus servicios y el valor de cada uno de ellos para la

empresa y para el funcionamiento de sus procesos.

La actual competencia por cuotas de mercado de las empresas y la necesidad de captación

de clientes y el mantenimiento de estos, como clientes fieles.

20

2.5 Importancia de la Inteligencia de Negocios

El director General de QlikTech Ibérica, José María Alonso Elizo, defiende la importancia

de las herramientas BI en tiempos de crisis. En una economía floreciente -o incluso

estática-, las empresas se pueden permitir el lujo de disponer de tiempo, recursos y un

colchón financiero con los que hacer frente a iniciativas a gran escala. En la situación

actual, todo en un negocio se mira con lupa. [15]

Tomar decisiones durante esta época de revés financiero requiere del correcto equilibrio,

para lo que resulta esencial disponer de las herramientas apropiadas de medición y análisis.

Es un error recortar costes sin más. Tampoco resulta apropiado congelar o cancelar de por

sí cualquier iniciativa nueva. Es importante tener claro qué iniciativas pueden producir

mayor impacto y aportar más valor en el menor tiempo posible, no sólo a corto plazo sino

también para cuando el clima económico haya mejorado. La visibilidad empresarial se

vuelve crucial y los gerentes tienen que tomar decisiones más inteligentes y oportunas que

nunca. En este contexto, la inteligencia de negocio (BI) adquiere un gran protagonismo,

pues resulta fundamental optimizar la gestión de la información empresarial para tomar

decisiones seguras.[15]

En este sentido, la consultora Gartner clasifica a la inteligencia de negocio o BI entre las

diez tecnologías estratégicas clave para empresas durante el año 2009. En un informe

reciente, Gartner explicó que el BI “puede tener un impacto directo y positivo en el

rendimiento comercial de una empresa y mejorar de forma increíble su capacidad para

cumplir con su misión al tomar decisiones más inteligentes en cada nivel del negocio, desde

la estrategia corporativa hasta los procesos operacionales”. [15]

La inteligencia de negocio, añade Gartner, es especialmente estratégica porque está dirigida

a gestores del conocimiento y responsables de negocio: las mismas personas que dirigen,

hacen crecer y transforman a los negocios. En BI se incluyen las herramientas que permiten

a estos usuarios tomar mejores decisiones de manera más rápida (todos ellos, elementos

21

clave para una estrategia ganadora en el clima económico actual).[15]

Además, hay que tener en cuenta que las empresas almacenan cada vez más información y

manejar este volumen de datos, en tiempo real, con la posibilidad de consolidarlo y

analizarlo sólo se puede hacer gracias a la inteligencia de negocio. Sin embargo, los

modelos tradicionales de BI son inflexibles y complicados, por lo que requieren 

implantaciones costosas y prolongadas, que no permiten una evolución ágil del negocio.

Los retos macroeconómicos actuales empujan a los clientes a exigir una solución en la cual

el valor se aprecie en semanas, no en meses o años. [15]

Las organizaciones necesitan respuestas inmediatas a sus preguntas comerciales urgentes,

por ejemplo cómo reducir costes de manera selectiva, cómo incrementar su efectivo o

distribuir el capital de trabajo con mayor eficacia. No se pueden permitir el lujo de esperar

soluciones costosas que sean lentas o incapaces de responder a las condiciones comerciales

en constante cambio.[15]

22

2.6 Beneficios de la Inteligencia de Negocios

Óptica de negocio, es decir, los beneficios directos al negocio que aporta la solución.

Óptica económica, el factor económico de la solución: ahorro de costes y rentabilidad de la

inversión.

Óptica del usuario, desde este punto de vista se analizan las ventajas y el impacto

tecnológico de la solución para el usuario.

Óptica técnica, factores técnicos que hacen también muy coherente y ventajosa la solución

presentada

.

Pueden surgir nuevas preguntas a responder que hagan que el proyecto retorne a la fase de

conocimiento del negocio a fin de poder responderlas.[16]

23

3. Conclusiones

- El BI es un conjunto de procesos que lleva a cabo el análisis de datos, fuentes de información y registros para facilitar la toma de decisiones dentro de una organización y/o empresa- negocio.

- A través del uso del BI podemos conocer cuáles son las falencias que ven en la empresa o negocio los clientes y consumidores, para luego corregirlos mejorar y brindar un servicio de calidad.

- Las empresas, entidades y organizaciones que utilizan el BI tienen un mejor rendimiento empresarial y económico, cuentan con una mejor campaña de marketing y de prestación de servicios, además de la ampliación de sus conocimientos de los trabajadores de las mismas.

24

4. Recomendaciones

- Con el conocimiento que tenemos del BI, sugerimos que las empresas, organizaciones, y pequeñas empresas utilicen y recurran a las herramientas que esta especialidad presente para la mejora de la empresa.

- Facilitar el uso del BI en las demás áreas de trabajo de la empresa, con el manejo de las herramientas y las aplicaciones en todos y cada uno de los integrantes de la empresa.

25

5. Agradecimiento o reconocimiento

Damos nuestro más grande agradecimiento a nuestro Creador y Señor Dios, que nos

permite la realización de este trabajo monográfico. A nuestros padres por su amor y

cuidados. A la profesora Rosa Linda Mamani y a su querido esposo Esteban Tocto por su

apoyo y recomendaciones en este trabajo. A cada uno de ustedes por permitirnos llegar con

este tema a más personas.

El grupo

26

6. Referencias

[1] A. J. G. Morales, “Inteligencia de negocios , una ventaja competitiva para las organizaciones,” Rev. Cienc. y Tecnol., vol. 8, pp. 85–96, 2012.

[2] I. Journal and G. Conscience, “El impacto de las herramientas de inteligencia de negocios en la toma de decisiones de los ejecutivos,” Daena Int. J. Good Conscienc., vol. 4, no. 2, pp. 16–52, 2009.

[3] F. Hurtado, “Tratamiento de las tecnologías de inteligencia de negocios (BI) en la estrategia de (TI),” Sistemas, 2008.

[4] “Inteligencia de Negocios a Nivel Estratégico.” [Online]. Available: http://www.idensa.com/13-uncategorised/23-nivel-estrategico.html. [Accessed: 03-Nov-2013].

[5] “Inteligencia de Negocios a Nivel Táctico.” [Online]. Available: http://www.idensa.com/13-uncategorised/24-nivel-tactico.html. [Accessed: 03-Nov-2013].

[6] “Inteligencia de Negocios a Nivel Operativo.” [Online]. Available: http://www.idensa.com/13-uncategorised/25-nivel-operativo.html. [Accessed: 03-Nov-2013].

[7] E. De PostgrMendez, A., Mártire, A., Britos, P. Y Garcia-Martínez, R.ado, “Fundamentos de Data Warehouse,” 2003. [Online]. Available: ftpftpdocente.uniautonoma.edu.comnietoBases de Datos IIfundamentosdedatawarehouse.pdf.

[8] P. Tesis, “Diseño Lógico de Data Warehouses a partir de Esquemas Conceptuales Multidimensionales,” 2001. [Online]. Available: httpwww.fing.edu.uyincopedecibabibliotetesistesis-vperalta.pdf.

[9] L. GARRIDO and J. I. LATORRE, “APLICACIONES EMPRESARIALES DE DATA MINING,” 2001. [Online]. Available: httpwww.idescat.catsortquestiioquestiiopdf25.3.5.Garrido.pdf.

[10] E. Politécnica, D. E. L. Ejército, D. D. E. Ciencias, and D. E. L. A. Computación, “TITULO DEL PROYECTO ‘ HERRAMIENTAS QUE CONFORMAN BUSINESS INTELLIGENCE ; CREACIÓN DE UN PROTOTIPO APLICABLE EN EMPRESAS COMERCIALIZADORAS DE HARDWARE Y SOFTWARE ’ Previa a la obtención del Título de :,” 2011.

[11] J. O. S, Juan Carlos Araníbar, “Inteligencia de negocios,” Rev. Sist., pp. 95–101, 2009.

27

[12] S. Sacchi, “Gestión del Conocimiento,” CATEDRA Adm. Pers. Fac. CIENCIAS Econ. Y Adm., pp. 1–24, 1997.

[13] I. José and D. J. Yáñez, “La importancia de los dss en la competitividad de las empresas,” 2008. [Online]. Available: httpwww.revista.unam.mxvol.9num12art102art102.pdf.

[14] A. Cmr, “ADMINISTRACIÓN DE LAS RELACIONES CON LOS CLIENTES , CRM ( CUSTOMER RELATIONSHIP MANAGEMENT ) Las Normas ISO 9000,” Univ. EAFIT, pp. 1–11, 2005.

[15] J. M. A. Elizo, “Importancia de la Inteligencia de Negocios.” p. 1, 2009.

[16] J. Fernández, E. Mayol, and J. A. Pastor, “Agile Business Intelligence Governance : Su justificación y presentación,” no. 1. p. 7, 2008.

28