2 SUM BI Datos, información y conocimiento

Datos, información y conocimiento

• La tendencia inicial es a responder afirmativamente a este interrogante, pero la respuesta correcta es NO.

Datos

• Son elementos sin procesar, sacados de la realidad que genera nuevos elementos.
• Por sí solos no generan nuevo conocimiento.
• Ejemplos: el precio de un producto, la edad, el nombre de una persona.

Información

• Es el principio del conocimiento.
• Son datos con un significado o función especial.
• Son el resultado de combinar diferentes datos, es decir, son datos con contexto.

El conocimiento

• Es la información analizada que hace nuevos aportes a un área específica.
• Los datos son la principal fuente de información para el análisis de grandes volúmenes.
• La categorización de los datos es importante para cualquier proyecto, en especial cuando se trabaja con grandes volúmenes (big data).

Datos Estructurados

• Son aquellos que tienen una estructura definida y que no cambia independientemente de cuál sea su origen.
• Son aquellos datos que poseen un modelo (o estructura) definido.
• Entre estos tipos de datos podemos encontrar registros de bases de datos, que son el ejemplo más típico, datos de sensores o los que se obtienen a partir del API de Twitter.

Datos no estructurados

• Son aquellos datos que no disponen de una estructura bien definida.
• Son aquellos que no poseen un modelo (o estructura) definido o que no están ordenados de alguna manera.
• Entre estos tipos de datos podemos encontrar fotografías, vídeos o documentos de texto (Word, PDF, etc.).

Tipos de Datos Generados

• Creados: son aquellos generados por la propia empresa a través de los sistemas de información.
• Compilados: son aquellos que se utilizan de otras grandes bases de datos, como censos electorales, información obtenida de las administraciones públicas en salud, vivienda, impuestos, etc.
• Experimentales: son los generados por simulaciones o pruebas para determinar la validez de los sistemas.
• Web (Internet) y medios sociales: son aquellos que tienen origen en la red.
• Tabletas y móviles (smartphone): son dispositivos móviles que permiten acceder a información desde cualquier parte gracias a su tamaño, las aplicaciones y su acceso a Internet. Entre todas las fuentes de datos utilizables, el teléfono inteligente o tableta es el que más potencial tiene.
• Bases de datos y sistemas de información: una base de datos es un almacén en el que se puede organizar datos, para evitar la redundancia y mejorar el acceso a estos.
• Diferentes programas y usuarios deben poder utilizar los datos guardados.

Tipos de datos en la empresa

• Numéricos: aquellos valores enteros o reales. Por ejemplo: la edad, el salario y las horas trabajadas, entre otros.
• Fecha/hora: se identifican como campos de fecha/hora aquellos valores cuyo contenido encaja con formatos de fecha/horas más usuales. Sus componentes pueden ser: año, mes, día, hora, minutos o segundos.
• Texto: sus valores tienen texto libre, es decir, que no está limitado a un subconjunto de etiquetas. Por ejemplo, el nombre de los empleados y el nombre del departamento, entre otros.
• Alfanuméricos: son una combinación de los datos numéricos y datos de tipo texto, como por ejemplo el número de DNI, la dirección, etc.
• Booleano: es un tipo con solo dos valores: verdadero y falso.
• Es necesario tener un proceso de calidad de los datos para minimizar los errores y poder obtener un mayor rendimiento en el análisis.

Componentes para la preparación de datos

• Limpieza: esta tarea puede involucrar: completar los datos faltantes, resolver los problemas de ruido, y elimina valores extremos, corregir los datos inconsistentes
• Integración: los datos pueden provenir de diferentes fuentes y, por esta razón, es necesario agruparlos en diferentes tablas para crear información homogénea. Los datos que provienen de diferentes fuentes pueden tener diferentes formatos y escalas. La recopilación tiene que ser coherente. Frecuentemente esta integración de datos se realiza en una base de datos
• Transformación: en este paso se crean nuevos atributos a partir de los atributos originales. Esta transformación puede facilitar una mejor interpretación de la información. Por ejemplo, el índice de masa corporal en datos médicos se calcula con el peso y la altura de una persona. Otros ejemplos de transformación de datos son la discretización, la normalización y derivación.
• Reducción: la reducción de la dimensionalidad consiste en aplicar una transformación para conseguir una representación reducida de los datos originales sin perder información. En esta parte se deben escoger aquellas variables o atributos que influyan en la obtención de conocimiento.

Inteligencia de Negocios (BI)

• Business intelligence (BI), que se traduce como «inteligencia de negocios», es un proceso de intercambio para explorar y analizar información estructurada de la empresa o sobre una determinada área (con frecuencia almacenada en un data warehouse), para descubrir tendencias o patrones, a partir de los cuales derivar ideas
• El proceso del business intelligence incluye la comunicación de los descubrimientos y la ejecución de los cambios. Las áreas que abarcan por lo general son clientes, proveedores, productos, servicios y competidores
• Implementar soluciones de inteligencia de negocios dentro de la empresa ayuda en las decisiones que se toman.
• Business Intelligence contribuye a nivel interno, para apoyar la gestión del personal y a nivel externo, producir ventajas sobre sus competidores
• Todas aquellas personas de la empresa que tienen que tomar decisiones dependen en gran medida de Business Intelligence.
• Uno de los objetivos básicos de los sistemas de información es contribuir a la toma de decisiones.

Tipos de beneficios de la inteligencia empresarial:

• Beneficios tangibles: son aquellos que la empresa puede cuantificar y que aportan beneficios económicos a la empresa. Ejemplo: reducción de costes de producción, generación de nuevos ingresos, reducción en tiempo de producción, evitar pérdidas de clientes o materia prima, más aumentar la rentabilidad.
• Beneficios intangibles: son aquellos que no se pueden cuantificar pero que aportan valor agregado a los servicios o productos y mejoran la posición competitiva. Ejemplo: mejorar la atención al cliente, aumentar la satisfacción del cliente interno y externo, tener información más actualizada.
• Beneficios estratégicos: son aquellos que facilitan la creación de nuevas estrategias, respecto a qué clientes, mercados o con qué productos encaminar los esfuerzos de la empresa. Ejemplo: mejorar la toma de decisiones, identificar clientes potenciales, etc.
• Procesos ETL: consisten en la extracción, transformación y carga de los datos en el data warehouse.
• Data warehouse: también llamado almacén de datos, con el metadata o diccionario de datos.
• Herramientas OLAP: para proveer la capacidad de cálculo, consultas, funciones de planeamiento, pronóstico y análisis de escenarios en grandes volúmenes de datos.
• El business intelligence se refiere a las habilidades, tecnologías, aplicaciones y prácticas para la exploración iterativa continua del pasado empresarial para proporcionar información útil en el presente.

Big Data

• El término big data se usa para caracterizar conjuntos de datos grandes, diversos y que cambian rápidamente, lo que es cada vez más frecuente en todas las organizaciones.
• Big data requiere de sistemas de administración de bases de datos con capacidades más allá de las que se ven en los sistemas estándar basados en SQL.
• La mayoría de las definiciones intuitivas de big data se centran en el volumen de datos que se producen, a menudo medidos en términos de tera (1012), peta (1015) о еха(1018) bytes.
• es necesario considerar las dimensiones de la velocidad, la veracidad y la variedad.
• Velocidad: mientras que el volumen se refiere a lo que podría considerarse una «reserva» de datos, la velocidad se refiere a la que esa acción cambia; por ejemplo, la velocidad a la que se generan los datos, la frecuencia a la que se actualiza o la velocidad a la que son entregados.
• Veracidad: la veracidad hace referencia a la incertidumbre de los datos, es decir, al grado de fiabilidad de la información recibida.
• Variedad: la variedad plantea el mayor problema para el análisis de big data.
• las diferencias entre business intelligence y big data tienen consecuencias sobre cómo están organizadas.

Diferencias entre Business Intelligence y Business Analytics

• La gestión de la empresa está fundamentada en la toma de decisiones más apropiada para cumplir con los objetivos del negocio, satisfacer las necesidades de los clientes y empleados y mantener o mejorar la calidad de los productos.
• business intelligence: la inteligencia de negocios (BI) es un instrumento mediante el cual diferentes organizaciones pueden apoyar la toma de decisiones basadas en información precisa y oportuna.
• Business analytics es un conjunto de técnicas (entre los que se encuentran algoritmos predictivos y modelos estadísticos) que le permiten a la organización predecir posibles eventos o resultados.
• el business analytics es el análisis de las respuestas proporcionadas por el business intelligence.
• Business intelligence incluye informes, monitoreo automatizado y alertas, tableros y/o cuadros de mando integral; el business analytics, por el contrario, incluye análisis estadísticos cualitativos y cuantitativos, minería de datos, modelado predictivo y pruebas multivariables.
• el análisis descriptivo analítico, algunos patrones o variables del comportamiento de la empresa se deben identificar para que representen los objetivos y las oportunidades de negocio, sumado al posible comportamiento futuro de las tendencias.
• análisis predictivo del proceso de business analytics. Hay muchos métodos que se pueden emplear aquí. Una metodología comúnmente utilizada es la regresión múltiple.
• El análisis prescriptivo, las metodologías de investigación de operaciones se pueden utilizar para asignar de manera óptima los recursos limitados de una empresa y aprovechar al máximo las oportunidades que se encontraron en las tendencias futuras previstas.
• Business analytics también ofrece soporte a las organizaciones en el proceso de tomar decisiones tácticas proactivas, y hace posible que esas organizaciones automaticen la toma de decisiones para respaldar las respuestas en tiempo real.
• La construcción básica de business analytics se fundamenta en los cuatro pilares de Gartner
• Información: el pilar de datos equilibra el manejo de la información.
• Personas: a medida que el business analytics se separa de un modelo centralizado hacia un modelo descentralizado, las personas deben estar capacitadas en saber cómo usar los datos.
• Procesos: el pilar del proceso requiere tener la información correcta en el momento adecuado para tomar mejores decisiones y más rápidas.
• Tecnología: el pilar tecnológico abarca el desarrollo y la implementación de sistemas que permitan desplegar todo el conocimiento.
• El proceso completo de business analytics implica tres pasos principales aplicados secuencialmente a una fuente de datos.