Componentes de la inteligencia de negocios by Alexa Vea Orozco

3.1. Necesidades de inteligencia de negocios

alexavea — 2025-03-25 22:19:08 UTC

La inteligencia de negocios muestra datos actuales e históricos dentro de su contexto empresarial para que las empresas tomen mejores decisiones. Los analistas pueden aprovechar BI para proporcionar puntos de referencia de rendimiento y de la competencia para que la organización funcione de manera más fluida y eficiente.

alexavea — 2025-03-25 22:22:07 UTC

Los analistas también pueden detectar más fácilmente las tendencias del mercado para aumentar las ventas o los ingresos. Cuando los datos correctos se utilizan de forma eficaz, pueden ayudar con cualquier cosa, desde el cumplimiento hasta los esfuerzos de contratación. Algunas formas en que la inteligencia de negocios puede ayudar a las empresas a tomar decisiones más inteligentes basadas en los datos:

Identificar maneras de aumentar las ganancias
Analizar el comportamiento del cliente
Comparar datos con los competidores
Rastrear el rendimiento
Optimizar operaciones
Predecir el éxito
Identificar las tendencias del mercado
Descubrir inconvenientes o problemas

3.2. Fuentes de la información

alexavea — 2025-03-25 22:26:48 UTC

Las fuentes de información son medios o recursos a través de los cuales se puede obtener información que es generada o recopilada por personas, empresas, instituciones y otras entidades.

3.2.1 Fuentes digitales

alexavea — 2025-03-25 22:28:49 UTC

^{Son aquellas en la que se expone información, y se accede a ella, a través de un soporte digital. Es el caso de revistas digitales, periódicos digitales, así como otros portales electrónicos en los que se ofrece información. Para llegar a ella, por tanto, es preciso un dispositivo electrónico que nos permita obtenerla.}

3.2.2 Fuentes internas

alexavea — 2025-03-25 22:31:49 UTC

^{Son aquellas que se originan dentro de la empresa y proporcionan información relevante para la toma de decisiones, como las bases de datos internas, los estados financieros, los registros de inventarios, ventas y costos, así como los informes y el conocimiento del personal. Son confiables y de fácil acceso, lo que las convierte en una herramienta fundamental para la gestión y el análisis dentro de la organización.}

3.2.3 Fuentes externas

alexavea — 2025-03-25 22:45:39 UTC

^{Son aquellas que se generan o se encuentran fuera de la empresa. Estas fuentes incluyen Internet, oficinas de gobierno, locales de la competencia, proveedores, distribuidores, clientes, libros, diarios, revistas, artículos y publicaciones externas. Permiten tener una mejor perspectiva, y obtener datos que la empresa no posee internamente.}

Necesidades y Fuentes de la BI

alexavea — 2025-03-25 23:13:17 UTC

Video con D-ID

3.3 Proceso ETL

2025-03-26 14:33:43 UTC

^{Extracción, transformación y carga (ETL) es una canalización de datos que se usa para recopilar datos de varios orígenes. A continuación, transforma los datos según las reglas de negocio y los carga en un almacén de datos de destino. El trabajo de transformación en ETL tiene lugar en un motor especializado y, a menudo, implica el uso de tablas de almacenamiento provisional para conservar los datos temporalmente a medida que estos se transforman y, finalmente, se cargan en su destino.}

3.4 Almacén de datos

2025-03-26 14:35:19 UTC

^{Un almacén de datos es un tipo de sistema de gestión de datos diseñado para habilitar y dar soporte a las tareas de inteligencia empresarial (BI), especialmente las analíticas. Los data warehouses solo se han diseñado para realizar consultas y tareas de análisis, y suelen contener grandes cantidades de datos históricos. A menudo, la información dentro de un data warehouse proviene de una amplia gama de fuentes, como los archivos de registro de aplicaciones o las aplicaciones de transacciones.}

3.7 INTRODUCCIÓN DE LA MINERÍA DE DATOS

2025-03-26 14:37:28 UTC

En su libro "Data Mining: Concepts and Techniques" (2006), Jiawei Han y Micheline Kamber definen la minería de datos como:

"El proceso de descubrir patrones interesantes, modelos y conocimientos a partir de grandes volúmenes de datos. Es un campo multidisciplinario que utiliza técnicas de estadística, aprendizaje automático, y bases de datos para extraer información útil."

^{El proceso habitual de recopilación, almacenamiento, análisis y minería de datos.}

^{La recopilación de datos consiste en capturar datos de diferentes orígenes, como los comentarios de los clientes, los pagos y las órdenes de compra.}
^{El almacenamiento de datos es el proceso de guardar esos datos en una gran base de datos o}^{almacenamiento de datos}^.
^{El análisis de datos consiste en el procesamiento, almacenamiento y análisis posteriores de los datos por medio de complejos programas de}^software^{y algoritmos.}
^{La minería de datos es una rama de los análisis de datos o una estrategia de análisis que se utiliza para encontrar patrones ocultos o previamente desconocidos en los datos.}

Las seis fases del proceso de minería de datos, basadas en el modelo CRISP-DM, son:

2025-03-26 14:40:26 UTC

^{Comprensión del negocio}^{: Se identifican los objetivos y el alcance del proyecto, trabajando con las partes interesadas para definir los problemas a abordar y los posibles impactos empresariales de las soluciones.}

^{Comprensión de los datos}^{: Se realiza un análisis preliminar de los datos, se recopilan de diversas fuentes, se evalúa su calidad y se seleccionan los datos adecuados para el proyecto.}
^{Preparación de los datos}^{: Se limpia, integra y da formato a los datos para que sean adecuados para el análisis. Este es un paso crucial, ya que los datos deben ser de alta calidad para el modelado.}

2025-03-26 14:41:27 UTC

^{Modelado de datos}^{: Se aplican técnicas y herramientas de minería de datos para crear modelos a partir de los datos preparados. Esto puede incluir el entrenamiento de modelos de machine learning (ML) y la evaluación de sus resultados.}
^Evaluación^{: Los modelos se miden frente a los objetivos empresariales iniciales. Se revisan los resultados y se ajustan según sea necesario en función de los comentarios de los analistas de negocio.}
^{Implementación}^{: Se implementa el modelo en el entorno empresarial para generar inteligencia y apoyar la toma de decisiones. Esto incluye la capacitación y el seguimiento continuo para asegurar el uso efectivo del modelo.}

3.6. Herramientas para BI

2025-03-26 14:42:31 UTC

Microsoft Power BI
Tableau
QlikSense
Dundas BI
Sisense

3.5 Explotación de la información

2025-03-26 14:50:28 UTC

^{Es un proceso estructurado que transforma datos en información valiosa mediante técnicas analíticas, estadísticas y de inteligencia artificial. Su objetivo es mejorar la toma de decisiones, optimizar procesos y generar ventajas competitivas en diversos sectores. Incluye tareas como recopilación, limpieza, integración, análisis y visualización de datos para identificar patrones y tendencias ocultas. Se utilizan herramientas como bases de datos, minería de datos, IA, machine learning y big data para convertir datos en conocimiento útil y accionable.}