Recolección de datos

Visión Moderna de Inteligencia de Negocios y Analítica de Datos

• La inteligencia de negocios se define como la combinación de arquitecturas, herramientas, bases de datos, herramientas analíticas y metodologías para acceder y analizar información para mejorar y optimizar decisiones y rendimiento.
• La consultora Gartner define la inteligencia de negocios como un término paraguas que incluye aplicaciones, infraestructuras y herramientas, y las mejores prácticas que facilitan el acceso y análisis de información para mejorar y optimizar decisiones y rendimiento.

Inteligencia de Negocios vs. Analítica de Negocios

• La inteligencia de negocios se enfoca en la infraestructura de generación, almacenamiento, integración, generación de informes, análisis y visualización de datos que proceden de los entornos de negocio.
• La analítica de negocios se enfoca en herramientas y técnicas para el análisis y comprensión de los datos, como procesamiento analítico en línea, estadísticas, modelos de datos, minería de datos y herramientas de inteligencia artificial.

Arquitectura de un Sistema de Inteligencia de Negocios

• La arquitectura tradicional de cinco capas propuesta por Ong et al. incluye:
  • Capa de fuentes de datos internas y externas
  • Capa de proceso ETL (Extract, Transform, Load)
  • Capa de almacenes de datos (Data Warehouse, Data Mart)
  • Capa de metadatos
  • Capa de usuario final (análisis y visualización de resultados)

Analítica de Negocios

• La analítica de negocios es un componente fundamental de la inteligencia de negocios y es el conjunto de técnicas y herramientas que ayudan a los usuarios a aprovechar los datos empresariales para tomar decisiones de empresa mejores.
• La analítica de negocios incluye indicadores clave de rendimiento o desempeño (KPI) y herramientas como modelado de datos, minería de datos, OLAP, herramientas de reporting y quering, y tecnologías de inteligencia artificial.

Tipos de Datos

• Los datos se clasifican en:
  • Estructurados: tienen una estructura predefinida y fija, se almacenan en bases de datos relacionales y hojas de cálculo.
  • No estructurados: no tienen una estructura definida y no se pueden incluir fácilmente en columnas, filas y campos.
  • Semiestructurados: contienen propiedades de los datos estructurados y no estructurados, pueden tener alguna estructura, pero no la estructura estricta de un modelo de datos.

Ciclo de Vida de los Datos

• El ciclo de vida de los datos incluye:
  • Recolección de datos: se agrupan en batch (por lotes) y streaming (en tiempo real).
  • Almacenamiento: se utilizan bases de datos relacionales y no relacionales.
  • Procesamiento y análisis de datos: se utilizan herramientas de analítica como informes y reportes descriptivos, OLAP, minería de datos y análisis de datos no estructurados.
  • Visualización de datos: se presentan los resultados de la analítica en un formato visual para ayudar a la toma de decisiones.

Analítica de Datos

• La analítica de datos es una técnica que consiste en capturar, procesar y analizar los datos para predecir y anticiparse al futuro en la toma de decisiones.
• La analítica de datos se divide en:
  • Descriptiva: analiza la información histórica y presenta la situación actual.
  • Predictiva: aplica técnicas matemáticas y estadísticas avanzadas, así como aprendizaje automático, para predecir datos necesarios.
  • Prescriptiva: capitaliza los conocimientos adquiridos mediante la analítica descriptiva y predictiva y realiza una integración completa en el negocio.

Big Data Analytics

• La analítica de Big Data es el proceso de examinar grandes volúmenes de información para descubrir patrones ocultos, correlaciones desconocidas y otra información útil.
• La analítica de Big Data ayuda a las organizaciones a aprovechar sus datos y utilizarlos para identificar nuevas oportunidades.
• La importancia de la analítica de Big Data se resumes en:
  • Reducción de costos
  • Toma de decisiones mejores y más rápidas
  • Nuevos productos y servicios

Tecnologías de Big Data Analytics

• Las tecnologías de Big Data Analytics incluyen:
  • Hadoop
  • Gestión de datos
  • Minería de datos
  • Analítica en memoria
  • Analítica predictiva
  • Minería de texto### Introducción
• La Transformación Digital es el proceso de cambiar la forma en que una organización se desempeña y sirve a sus clientes utilizando tecnologías digitales.
• La Inteligencia de Negocios se utiliza para analizar grandes cantidades de información y descubrir nuevos tópicos y relaciones entre ellos.

Tecnologías Facilitadoras de la Transformación Digital

• Computación en la nube
• Big Data
• Internet de las cosas
• Ciudades Inteligentes
• Ciberseguridad
• Inteligencia Artificial
• Robótica

Tendencias en la Transformación Digital

• 2016: La Transformación Digital se convertirá en el principal impulso estratégico para la mayoría de los CEO.
• 2016: Las iniciativas de Transformación Digital se consolidarán y se crearán estrategias de negocio con una visión muy amplia.
• 2017: La adaptabilidad es más vital para el éxito que nunca.
• 2017: La innovación debe suceder rápidamente.
• 2017: La Transformación Digital está conduciendo a la omnicanalidad y al marketing digital.

La Empresa Digital

• Una empresa digital es aquella que ha realizado un esfuerzo consciente y sistemático para ser más ágil, conocer y tener una mejor relación con sus clientes, reducir sus costos mediante la automatización extrema de sus procesos.
• La digitalización de las empresas requiere de la puesta en marcha de un proceso de Transformación Digital con estrategias adecuadas.

Los Doce Dominios de Digitalización de la Empresa

• Marketing digital
• Comercio digital
• Redes sociales
• Analíticas
• Procesos digitales
• Colaboración digital
• Innovación digital
• Habilidades digitales
• Conocimiento digital
• Roles digitales
• Plataforma digital
• Puesto de trabajo digital

Almacenamiento de Datos

• Un Data Warehouse es un gran depósito de datos históricos que se organizan por temas para el apoyo en la toma de decisiones.
• Un Data Mart es un sistema que reúne todos los datos requeridos por un departamento específico de una empresa.

Características de un Data Warehouse

• Orientado a temas
• Integrado
• Variable con el tiempo
• No volátil
• Multidimensional
• Basados en la Web
• Cliente/servidor
• Tiempo real
• Metadatos
• Consolidados