Inteligencia de Negocios: Descubriendo Patrones Ocultos en Datos para Decisiones Estratégicas

Inteligencia de Negocios: Descubriendo Patrones Ocultos en Datos

¿Qué es Business Intelligence?

Business Intelligence (BI) es una alternativa tecnológica para manejar la información requerida por una organización con el fin de apoyar la toma de decisiones estratégicas. Comprende desde la extracción de datos de sistemas existentes hasta la explotación de la información mediante herramientas de análisis de datos.

Extract, Transform and Load (ETL)

El proceso de "Extraer, Transformar y Cargar" (ETL) permite a las organizaciones mover datos desde múltiples fuentes de origen (internas o externas), reformatearlos, limpiarlos y cargarlos en otra base de datos, DataMart o DataWarehouse para analizar y generar conocimiento, o en otro sistema operacional para apoyar un proceso de negocio. Los procesos ETL también se utilizan para la integración con sistemas heredados. El estado de la data de origen es fundamental para el estudio de implementación, ya que los procesos ETL no son mágicos.

Data Warehousing & Data Mining

Data Warehousing

Un Data Warehouse (DW) es un "almacén" donde se depositan datos críticos para la toma de decisiones, obtenidos desde diversas fuentes y agrupados en patrones multidimensionales y ortogonales, para darles un sentido estratégico.

Los Data Warehouses nacen cuando las bases de datos operacionales y los sistemas de información tradicionales se orientan al trabajo diario y no al necesario apoyo a la toma de decisiones gerencial.

Data Mining

El Data Mining (DM) o "minería de datos" consiste en extraer información implícita en los datos de una manera no trivial, agregándoles valor y mejorando el proceso de toma de decisiones.

Para ello, se utilizan métodos de inteligencia artificial, redes neuronales, aprendizaje automático y estadística a gran escala (entre otros) que permiten descubrir patrones en grandes volúmenes de conjuntos de datos.

El Data Mining permite descubrir conocimiento muy relevante analizando patrones en la información almacenada, previamente desconocido, que puede resultar muy útil para algún proceso.

Lamentablemente, se ha transformado en moda el asociar la minería de datos a la agregación de información de manera trivial.

La minería de datos reconoce procesos complejos de tratamiento de la información.

Proceso de Data Warehousing

• La información es recuperada...
  • ¿Qué información, Cuándo, Cómo...?
• ... desde diferentes sistemas operativos (no OS) activos...
  • Bases de Datos, Archivos Planos, Sistemas Legacy...
• ... que luego es ordenada y limpiada (Extract, Transform and Load ETL)...
  • Patrón de Ordenamiento Sistémico, "Limpieza de Datos"...
• ... para posteriormente ser integrada en una base de datos...
  • Aplicación de Vistas Dimensionales, Algoritmos de Cálculo...
• ... que se define como la base de un instrumento de apoyo de decisión dentro de una organización.

Ejemplos de Información que Puede Entregar un Proceso de Data Mining

• Hábitos de compra en supermercados: Un estudio muy citado detectó que los viernes había una cantidad inusualmente elevada de clientes que adquirían a la vez pañales y cerveza. Se descubrió que esto se debía a que dicho día solían acudir al supermercado padres jóvenes cuya perspectiva para el fin de semana consistía en quedarse en casa cuidando de su hijo y viendo la televisión con una cerveza en la mano. El supermercado pudo incrementar sus ventas de cerveza colocándolas próximas a los pañales para fomentar las ventas compulsivas.
• Patrones de fuga (de clientes): En muchas industrias (banca, telecomunicaciones, etc.) existe un comprensible interés en detectar cuanto antes aquellos clientes que puedan estar pensando en rescindir sus contratos para pasarse a la competencia. A estos clientes se les podrían hacer ofertas personalizadas, ofrecer promociones especiales, etc., con el objetivo último de retenerlos. La minería de datos ayuda a determinar qué clientes son los más proclives a darse de baja estudiando sus patrones de comportamiento y comparándolos con muestras de clientes que, efectivamente, se dieron de baja en el pasado.
• Blanqueo de dinero: Un caso análogo es la detección de transacciones de blanqueo de dinero o de fraude en el uso de tarjetas de crédito, servicios de telefonía móvil e, incluso, en la relación de los contribuyentes con el fisco. Generalmente, estas operaciones fraudulentas o ilegales suelen seguir patrones característicos que permiten, con cierto grado de probabilidad, distinguirlas de las legítimas y desarrollar así mecanismos para tomar medidas rápidas frente a ellas.
• Análisis del comportamiento de los visitantes: También es un área en boga el análisis del comportamiento de los visitantes (sobre todo, cuando son clientes potenciales) en una página de internet. La utilización de la información (obtenida por medios más o menos legítimos) sobre ellos resulta altamente eficaz para ofrecerles propaganda adaptada específicamente a su perfil. O para, una vez que adquieren un determinado producto, saber inmediatamente qué otro ofrecerle teniendo en cuenta la información histórica disponible acerca de los clientes que han comprado el primero.

Data Mining permite descubrir hechos que están ocultos en los datos...