La inteligencia empresarial ( BI ) consiste en estrategias, metodologías y tecnologías utilizadas por las empresas para el análisis de datos y la gestión de la información empresarial . [1] Las funciones comunes de las tecnologías de BI incluyen informes , procesamiento analítico en línea , análisis , desarrollo de paneles , minería de datos , minería de procesos , procesamiento de eventos complejos , gestión del rendimiento empresarial , evaluación comparativa , minería de texto , análisis predictivo y análisis prescriptivo .
Las herramientas de inteligencia empresarial pueden manejar grandes cantidades de datos estructurados y, a veces, no estructurados para ayudar a las organizaciones a identificar, desarrollar y, de otro modo, crear nuevas oportunidades comerciales estratégicas . Su objetivo es permitir la fácil interpretación de estos grandes datos . Se supone que la identificación de nuevas oportunidades y la implementación de una estrategia eficaz basada en conocimientos pueden proporcionar a las empresas una ventaja competitiva en el mercado y estabilidad a largo plazo, y ayudarlas a tomar decisiones estratégicas. [2]
Las empresas pueden utilizar la inteligencia empresarial para respaldar una amplia gama de decisiones empresariales, desde las operativas hasta las estratégicas. Las decisiones operativas básicas incluyen el posicionamiento o la fijación de precios de productos . Las decisiones empresariales estratégicas implican prioridades, objetivos y direcciones en el nivel más amplio. En todos los casos, se cree que la inteligencia empresarial es más eficaz cuando combina datos derivados del mercado en el que opera una empresa (datos externos) con datos de fuentes internas de la empresa, como datos financieros y operativos (datos internos). Cuando se combinan, los datos externos e internos pueden proporcionar una imagen completa que, en efecto, crea una "inteligencia" que no se puede derivar de ningún conjunto singular de datos. [3]
Entre sus múltiples usos, las herramientas de inteligencia empresarial permiten a las organizaciones obtener información sobre nuevos mercados, evaluar la demanda y la idoneidad de productos y servicios para diferentes segmentos del mercado y medir el impacto de los esfuerzos de marketing. [4]
Las aplicaciones de BI utilizan datos recopilados de un almacén de datos (DW) o de un data mart , y los conceptos de BI y DW se combinan como "BI/DW" [5] o como "BIDW". Un almacén de datos contiene una copia de datos analíticos que facilitan la toma de decisiones .
El primer uso conocido del término inteligencia empresarial se encuentra en la Cyclopædia of Commercial and Business Anecdotes (Ciclopedia de anécdotas comerciales y empresariales) de Richard Millar Devens (1865). Devens utilizó el término para describir cómo el banquero Sir Henry Furnese obtuvo ganancias al recibir información sobre su entorno y actuar en consecuencia antes que sus competidores:
En Holanda, Flandes, Francia y Alemania, mantuvo un sistema completo y perfecto de información comercial. Así, fue el primero en recibir las noticias de las numerosas batallas libradas, y la caída de Namur aumentó sus ganancias gracias a que recibió las noticias con anticipación.
— Devens, pág. 210
La capacidad de recopilar y reaccionar en consecuencia en función de la información recuperada, dice Devens, es fundamental para la inteligencia empresarial. [6]
Cuando Hans Peter Luhn , investigador de IBM , utilizó el término inteligencia empresarial en un artículo publicado en 1958, empleó la definición de inteligencia del Diccionario Webster : "la capacidad de comprender las interrelaciones de los hechos presentados de tal manera que guíen la acción hacia un objetivo deseado". [7]
En 1989, Howard Dresner (posteriormente analista de Gartner ) propuso el término inteligencia empresarial como un término general para describir "conceptos y métodos para mejorar la toma de decisiones empresariales mediante el uso de sistemas de apoyo basados en hechos". [8] No fue hasta finales de los años 1990 que este uso se generalizó. [9]
Según Solomon Negash y Paul Gray, la inteligencia empresarial (BI) se puede definir como sistemas que combinan:
con el fin de evaluar información corporativa y competitiva compleja para su presentación a los planificadores y tomadores de decisiones, con el objetivo de mejorar la puntualidad y la calidad de los insumos para el proceso de decisión”. [10]
Según Forrester Research , la inteligencia empresarial es "un conjunto de metodologías, procesos, arquitecturas y tecnologías que transforman datos brutos en información significativa y útil que se utiliza para permitir una toma de decisiones y conocimientos estratégicos, tácticos y operativos más eficaces". [11] Según esta definición, la inteligencia empresarial abarca la gestión de la información ( integración de datos , calidad de datos , almacenamiento de datos, gestión de datos maestros, análisis de texto y contenido, etc.). Por lo tanto, Forrester se refiere a la preparación y el uso de datos como dos segmentos separados pero estrechamente vinculados de la pila arquitectónica de inteligencia empresarial.
Algunos elementos de la inteligencia empresarial son: [ cita requerida ]
Forrester distingue esto del mercado de inteligencia empresarial , que es "solo las capas superiores de la pila arquitectónica de BI, como informes , análisis y paneles de control ". [12]
Aunque el término inteligencia empresarial a veces es sinónimo de inteligencia competitiva (porque ambos respaldan la toma de decisiones ), la inteligencia empresarial utiliza tecnologías, procesos y aplicaciones para analizar principalmente datos internos y estructurados y procesos empresariales, mientras que la inteligencia competitiva recopila, analiza y difunde información con un enfoque temático sobre los competidores de la empresa. Si se entiende de manera amplia, la inteligencia competitiva puede considerarse un subconjunto de la inteligencia empresarial. [13]
La inteligencia empresarial y la analítica empresarial a veces se utilizan indistintamente, pero existen definiciones alternativas. [14] Thomas Davenport , profesor de tecnología de la información y gestión en Babson College , sostiene que la inteligencia empresarial debería dividirse en consultas , informes , procesamiento analítico en línea (OLAP), una herramienta de "alertas" y analítica empresarial. En esta definición, la analítica empresarial es el subconjunto de BI que se centra en las estadísticas, la predicción y la optimización, en lugar de la funcionalidad de informes. [15]
Las operaciones comerciales pueden generar una gran cantidad de datos en forma de correos electrónicos, memorandos, notas de centros de llamadas, noticias, grupos de usuarios, chats, informes, páginas web, presentaciones, archivos de imágenes, archivos de vídeo y material de marketing. Según Merrill Lynch , más del 85% de toda la información empresarial existe en estos formatos; una empresa puede utilizar un documento de este tipo solo una vez. [16] Debido a la forma en que se produce y almacena, esta información no está estructurada o es semiestructurada .
La gestión de datos semiestructurados es un problema no resuelto en la industria de la tecnología de la información. [17] Según las proyecciones de Gartner (2003), los trabajadores de oficina pasan entre el 30 y el 40% de su tiempo buscando, encontrando y evaluando datos no estructurados. La inteligencia empresarial utiliza tanto datos estructurados como no estructurados. Los primeros son fáciles de buscar y los segundos contienen una gran cantidad de información necesaria para el análisis y la toma de decisiones. [17] [18] Debido a la dificultad de buscar, encontrar y evaluar adecuadamente datos no estructurados o semiestructurados, las organizaciones pueden no aprovechar estas vastas reservas de información, que podrían influir en una decisión, tarea o proyecto en particular. Esto, en última instancia, puede conducir a una toma de decisiones mal informada. [16]
Por lo tanto, al diseñar una solución de inteligencia empresarial/DW, se deben tener en cuenta los problemas específicos asociados con los datos semiestructurados y no estructurados, así como también aquellos de los datos estructurados.
This section needs to be updated. The reason given is: It's dubious that searchability and semantic analysis are still limitations at the current stage of NLP and AI development.(December 2023) |
El desarrollo de BI con datos semiestructurados presenta diversos desafíos. Según Inmon y Nesavich, [19] algunos de ellos son:
Para resolver problemas de búsqueda y evaluación de datos, es necesario saber algo sobre el contenido. Esto se puede hacer añadiendo contexto mediante el uso de metadatos . [16] [ necesita confirmación independiente ] Muchos sistemas ya capturan algunos metadatos (por ejemplo, nombre de archivo, autor, tamaño, etc.), pero serían más útiles los metadatos sobre el contenido real, por ejemplo, resúmenes, temas, personas o empresas mencionadas. Dos tecnologías diseñadas para generar metadatos sobre el contenido son la categorización automática y la extracción de información .
La inteligencia empresarial generativa es la aplicación de técnicas de IA generativa , como los modelos de lenguaje de gran tamaño , en la inteligencia empresarial. Esta combinación facilita el análisis de datos y permite a los usuarios interactuar con ellos de forma más intuitiva, generando información útil a través de consultas en lenguaje natural. Por ejemplo, Microsoft Copilot se integró en la herramienta de análisis empresarial Power BI . [20]
La inteligencia empresarial se puede aplicar a los siguientes propósitos comerciales:
Algunas funciones técnicas comunes para los desarrolladores de inteligencia empresarial son: [23]
En un informe de 2013, Gartner clasificó a los proveedores de inteligencia empresarial como proveedores independientes "pure-play" o "megaproveedores" consolidados. [24] [ fuente no primaria necesaria ] En 2019, el mercado de BI se vio sacudido en Europa por la nueva legislación del RGPD (Reglamento General de Protección de Datos), que pone la responsabilidad de la recopilación y el almacenamiento de datos en el usuario de los mismos con leyes estrictas vigentes para garantizar que los datos cumplan con las normas. El crecimiento en Europa ha aumentado de manera constante desde mayo de 2019, cuando se introdujo el RGPD. La legislación reorientó a las empresas para que analizaran sus propios datos desde una perspectiva de cumplimiento, pero también reveló oportunidades futuras utilizando la personalización y los proveedores de BI externos para aumentar la participación de mercado. [25] [ enlace muerto permanente ]
[...] Las herramientas tradicionales de inteligencia empresarial o almacenamiento de datos (los términos se usan de manera tan intercambiable que a menudo se los denomina BI/DW) son extremadamente costosas [...]
inteligencia empresarial.
La inteligencia "empresarial" es un conjunto de datos analíticos que no están relacionados con un dominio específico y que pueden entregarse a los usuarios en informes, paneles y similares. Cuando se especifica el dominio de esta inteligencia, se puede hacer referencia a "inteligencia competitiva", "inteligencia de mercado", "inteligencia social", "inteligencia financiera", "inteligencia de RR. HH.", "inteligencia de la cadena de suministro", etc.