inteligencia de negocios: modelo para la toma de

INTELIGENCIA DE NEGOCIOS: MODELO PARA LA TOMA DE DECISIONES, BASADO EN LA INTERACCIÓN DE LOS

CRITERIOS Y LAS ETAPAS DEL CICLO DE VENTAS EN EL SUBSISTEMA COMERCIAL DE SERVICIOS EN UNA

EMPRESA DE IT EN LATINOAMÉRICA

Autor

Ing. Diego Armando Vanegas Alba

Tutor

PhD. Giovanny Mauricio Tarazona Bermúdez

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS Maestría en Ingeniería Industrial

Énfasis en Gestión de las organizaciones y proyectos

Bogotá, Colombia

2019

Maestría en Ingeniería Industrial, énfasis en Gestión de Organizaciones y Proyectos

Universidad Distrital Francisco José de Caldas

2

Resumen

Debido al crecimiento de las industrias y al rápido desarrollo de nuevas tecnologías, las

empresas del sector IT han sido obligadas a adaptar su subsistema comercial para lograr la

continuidad en el negocio, esta adaptación se logra mediante la renovación tanto de su

portafolio de servicios, como de sus herramientas de trabajo, dos aspectos primordiales de

éxito, más aun teniendo en cuenta la variabilidad del entorno empresarial que hace

imprescindible el uso de herramientas flexibles para afrontar cualquier cambio.

En la presente investigación se llevó acabo el desarrollo de un modelo para la toma de

decisiones en el subsistema comercial de servicios de Hewlett Packard Enterprise en

Latinoamérica, empleando una metodología que asocia la interacción de los criterios y las

etapas del ciclo de ventas, sobre una herramienta de inteligencia de negocios, lo cual permitió

simplificar procesos y disminuir tiempos en la obtención y análisis de la información para llevar

acabo la toma de decisiones.

Palabras Clave: Big Data, Business Analytics, Cloud Storage, Data Analytics, ETL,

Information technology.



3

Abstract

Due to the growth of industries and the rapid development of new technologies, the

commercial subsystem of companies in the IT sector have been forced to renew both their

service portfolio and their work tools, which are essential for business continuity, even more

taking into account the variability of the business environment, so today flexible tools are

needed to face any change.

The development of a decision-making model in the commercial services subsystem of

Hewlett Packard Enterprise in Latin America was carried out using a methodology that

associates the interaction of the criteria and the stages of the sales cycle, this on a business

intelligence tool which allowed to simplify processes and reduce time in obtaining and

analysing the information to carry out the decision making.

Keywords: Data Analytics, Big Data, Business Analytics, ETL, Information technology,

Cloud Storage.



4

Tabla de Contenido

Resumen .............................................................................................................................. 2

Abstract................................................................................................................................. 3

1. Introducción ................................................................................................................... 8

2. Objetivos ...................................................................................................................... 10

3. Ciclo de ventas ............................................................................................................ 11

4. Criterios y Etapas del ciclo de ventas ........................................................................... 13

5. Información .................................................................................................................. 15

6. Inteligencia de Negocios .............................................................................................. 16

7. Los Gerentes como tomadores de decisiones. ............................................................ 23

7.1. Toma de Decisiones ........................................................................................ 23

7.1.1. Tipos de Problemas y Decisiones .............................................................. 24

7.1.2. Certidumbre Riesgo e Incertidumbre .......................................................... 25

7.2. Control ............................................................................................................. 26

8. Tecnologías Existentes ................................................................................................ 28

8.1. Microsoft SharePoint ...................................................................................... 28

8.1.1. SharePoint Online. ..................................................................................... 29

8.1.2. OneDrive Empresarial ................................................................................ 29

8.2. CRM .................................................................................................................. 30

8.2.1. Salesforce.com .......................................................................................... 31

8.3. Herramientas ETL ............................................................................................ 32

8.3.1. IBM InfoSphere DataStage ......................................................................... 33

8.3.2. Pentaho Data Integration (Kettle ETL) ........................................................ 34

8.3.3. Microsoft SQL Server Integration Services (SSIS)...................................... 35

8.4. Herramientas de Explotación de Datos ......................................................... 35

8.4.1. Pentaho Open BI Suite ............................................................................... 35

8.4.2. Microsoft SQL Server Analysis Services (SSAS) ........................................ 36

9. Modelo conceptual propuesto para la toma de decisiones ........................................... 37

9.1. Proceso actual de generación de reportes y análisis de información en

Hewlett Packard Enterprise Latinoamérica ................................................................. 37

9.2. Variables .......................................................................................................... 39

9.3. Modelo conceptual .......................................................................................... 39

9.3.1. Extracción de los Datos .............................................................................. 40



5

9.3.2. Estructuración de Datos ............................................................................. 41

9.3.3. Análisis de tendencias ................................................................................ 41

9.3.4. Panel de expertos ...................................................................................... 42

9.3.5. Pruebas y análisis ...................................................................................... 42

9.3.6. Implementación del modelo en plataforma de BI ........................................ 42

10. Validación del modelo .............................................................................................. 43

10.1. Extracción de los Datos .................................................................................. 43

10.2. Estructuración de Datos ................................................................................. 43

10.3. Identificación de tendencias ........................................................................... 45

10.4. Panel de expertos ............................................................................................ 47

10.5. Pruebas y análisis ........................................................................................... 49

10.6. Implementación del modelo en plataforma de BI .......................................... 52

10.7. Validación conceptual ..................................................................................... 57

10.8. Accesibilidad ................................................................................................... 59

11. Evaluación y Análisis de Resultados ........................................................................ 60

12. Conclusiones ............................................................................................................ 61

13. Matriz contrastación de Objetivos ............................................................................ 63

14. Aportes ..................................................................................................................... 64

15. Líneas futuras de investigación ................................................................................ 65

16. Recomendaciones .................................................................................................... 66

17. Reconocimiento ........................................................................................................ 66

18. Anexos ........................................................................ Error! Bookmark not defined.

18.1. Anexo 1: Comparativa de plataformas analíticas y de inteligencia de

negocios por Gartner Inc. .................................................... Error! Bookmark not defined.

18.1.1. Microsoft Power BI ........................................ Error! Bookmark not defined.

18.1.2. Tableau ......................................................... Error! Bookmark not defined.

18.1.3. Qlik View ....................................................... Error! Bookmark not defined.

18.2. Anexo 2: Concurso Hewlett Packard Enterprise de innovación a nivel

Latinoamérica 2017 .............................................................. Error! Bookmark not defined.

19. Referencias .............................................................................................................. 67



6

Lista de Tablas

Criterios del ciclo de ventas ................................................................................................ 13

Etapas del ciclo de ventas .................................................................................................. 14

Criterios de evaluación de la información. ........................................................................... 15

Falencias en el ambiente empresarial ................................................................................. 19

Metodologías Business Intelligence. ................................................................................... 21

IBM InfoSphere DataStage ................................................................................................. 34

Pentaho Data Integration (Kettle ETL) ................................................................................ 34

Descripción de proceso actual de generación de reportes .................................................. 38

Variables de la investigación ............................................................................................... 39

Clasificación de regiones según países .............................................................................. 44

Clasificación de negocios según su código ......................................................................... 44

Escenarios .......................................................................................................................... 46

Borrador de modelo para toma de decisiones ..................................................................... 47

Modelo para toma de decisiones ajustado .......................................................................... 49

Resultados etapa de prueba ............................................................................................... 50

Listado de Información necesaria para el desarrollo del modelo ......................................... 54

Tabla de tiempos ................................................................................................................ 58

Calculado vs Resultados 2018(%) ...................................................................................... 60

Matriz de Objetivos ............................................................................................................. 63

Resultados Intangibles de la Investigación .......................................................................... 64

Resultados Tangibles de la Investigación ........................................................................... 64

Resumen de fortalezas y precauciones plataformas BI .......... Error! Bookmark not defined.



7

Lista de Figuras

Ciclo de ventas ................................................................................................................... 11

Criterios del ciclo de ventas ................................................................................................ 13

Etapas del ciclo de ventas .................................................................................................. 14

Estructura de Business Intelligence .................................................................................... 20

Entorno de funcionamiento de Sharepoint .......................................................................... 29

Entorno de funcionamiento Onedrive empresarial ............................................................... 30

Ecosistema de un CRM ...................................................................................................... 31

Proceso actual de generación de reportes .......................................................................... 38

Proceso ETL Propuesto ...................................................................................................... 40

Identificación de tendencias entre las variables .................................................................. 45

Etapas de Pruebas y análisis .............................................................................................. 49

Conexiones del modelo propuesto en Power BI .................................................................. 54

Modelo propuesto vista final en Power BI, MCA .................................................................. 56

Figura Información General Power BI, MCA ....................................................................... 56

Detalle de negocios en Power BI, MCA............................................................................... 57

Cuadrante mágico de Gartner 2019. ...................................... Error! Bookmark not defined.



8

1. Introducción

La información juega un papel decisivo en una organización hasta el punto de convertirse en

algunos casos en su principal patrimonio (Vera-Baquero, Colomo-Palacios, &| Molloy, 2014),

ya que de esta depende el desarrollo de las actividades cotidianas y la posibilidad de alcanzar

un alto nivel de competitividad y desarrollo. Es por esto, que las empresas actualmente

dedican gran parte de sus recursos a la obtención, procesamiento, aplicación y proyección

de la data con el fin de poder convertir los datos operativos en información que dé soporte a

la toma de decisiones, lo anterior se conoce como inteligencia de negocios, se espera por

tanto, que la información sea clara, precisa, y adaptable a los requerimientos y perfiles de a

quién va dirigida, además de ser rápida y estar disponible en el momento que se necesite de

una manera completa (Journal & Conscience, 2009).

El entorno empresarial es un sistema de complejidad creciente en el que permanentemente

hay generación y ganancia de nueva información a partir de la interacción entre las

organizaciones que lo componen(Ahmad, 2012), en el subsistema comercial de servicios en

empresas del sector de IT, esta interacción esta principalmente basada en la relación con los

clientes, sin embargo influyen otras variables como cambios políticos, económicos, legales,

surgimiento de nuevas empresas con fuertes estrategias competitivas, entre otras, por lo que

elegir entre varias opciones la más conveniente es cada vez más complejo, sin mencionar los

efectos de la globalización y el desarrollo de las tecnologías de la información, que son

algunos de los factores que también influyen en el entorno.

Se desarrolló un modelo para la toma de decisiones, aplicado en el subsistema comercial de

Hewlett Packard Enterprise, empresa dedicada al desarrollo y venta de soluciones de

tecnología, en Latinoamérica, el cual está basado en la interacción de los criterios y las etapas

de ciclo de ventas de servicios empresariales en IT, y se alimenta de datos en tiempo real,



9

generando una reducción de tiempos y mejora en los pronósticos de ventas proporcionando

así información más rápida y confiable.

La herramienta de desarrollo del modelo permite la descarga, procesamiento y clasificación

de los datos en las diferentes líneas de servicio del subsistema comercial, reduciendo

significativamente el tiempo de obtención de la información referente a las ventas y

simplificando la labor, disminuyendo costos y recursos asociados incluyendo un método de

pronóstico de ventas para servicios tecnológicos que genera importantes beneficios en

comparación con la metodología actual.



10

2. Objetivos

Objetivo General

Desarrollar e implementar un modelo para la toma de decisiones para el subsistema

comercial de una empresa del sector IT, sustentado en la convergencia de los criterios y

las etapas del ciclo de ventas de servicios, atendiendo la variabilidad del entorno.

Objetivos Específicos

Realizar un diagnóstico de la situación actual sustentado en herramientas de planeación

estratégica, a fin de identificar la interacción apropiada entre los criterios y las etapas que

hacen parte del ciclo de ventas de servicios de IT.

Establecer un marco de referencia conceptual que permita evaluar soluciones existentes

en la toma de decisiones en subsistemas comerciales.

Proponer un modelo para la toma de decisiones basado en las interacciones identificadas

y los criterios que determinan el ciclo de ventas de servicios de IT.

Validar el modelo propuesto, mediante un estudio de caso en Hewlett Packard Enterprise

en Latinoamérica.



11

3. Ciclo de ventas

A pesar de que cada venta es un proceso particular, las acciones que se desarrollan para

conseguir el objetivo de compra por parte del cliente potencial siguen un patrón

similar(Davenport & Harris, 2007). Es decir, que las ventas también tienen su proceso,

dividido en etapas que deben ser estudiadas y reforzadas por los vendedores, las cuales

veremos a continuación(Navarro Mejia, 2012) en la Figura 1,

Fijar una cita

Calificar al prospecto

Hacer la presentación

Responder las objeciones

Cerrar la venta

Referencias y servicio Postventa

Figura 1. Ciclo de ventas. Fuente: Autor

Conocimiento del Portafolio: No es posible tener una perspectiva eficaz sin antes

conocer todo lo indispensable acerca del portafolio de productos/servicios. Este es un

conocimiento básico para informar y convencer al cliente.

Fijar una cita: En caso de las ventas corporativas, es necesario pactar una reunión

previa con la perspectiva. Algunos vendedores prefieren realizarlo vía telefónica,

aunque también es posible realizarlo por medio de un email o de manera personal.

Calificar al prospecto: La calificación es una de las etapas más importantes, pues

en ella es posible anticipar si la perspectiva tiene altas posibilidades de convertirse en

cliente, o en otras palabras si va a comprar o no.



12

Hacer la presentación: Luego de concertar la cita, llega el momento de la reunión

con la perspectiva de ventas. La mejor manera de causar una valoración positiva hacia

el producto, es mediante una buena presentación. En este aspecto se debe cuidar el

discurso así como la apariencia.

Responder las objeciones: En esta etapa el cliente potencial empieza a expresar

sus dudas respecto al producto, por lo general incluye preocupaciones por la garantía

del producto, mantenimiento, instalación, capacitación o por cuestión de tiempo. El

vendedor debe estar capacitado para convertir esas objeciones en argumentos de

compra para finalmente lograr la venta.

Cerrar la venta: Una vez respondidas las objeciones del cliente habrá llegado el

momento de cerrar la venta. Cerrar la venta también requiere de unas técnicas que el

vendedor debe practicar. De nada habrá valido realizar de forma eficiente los pasos

anteriores si no se cierra la venta adecuadamente.

Referencias y servicio Postventa: Las ventas no terminan con el cierre.

Equivocadamente muchos vendedores olvidan pedir referencias, pues esto abre el

paso nuevas ventas. Cabe recordar que una venta cerrada es una señal de confianza

que se debe aprovechar, adicional a esto el servicio postventa que consiste en un

seguimiento después de la entrega del producto/servicio ayuda a afianzar la relación

con el cliente abriendo las puertas para futuros negocios



13

4. Criterios y Etapas del ciclo de ventas

En el mundo de ventas un vendedor debe llevar a cabo un seguimiento sobre los negocios

que se presentan con diferentes clientes teniendo en cuenta parámetros para así determinar

con facilidad el avance de cada negocio (Paesbrugghe, Rangarajan, Sharma, Syam, & Jha,

2017), para esto los parámetros usados son los criterios y las etapas del ciclo de ventas.

Los criterios hacen referencia al estado del negocio basado en las interacciones con el cliente

y los riesgos tanto internos como externos al negocio, este criterio lo define el vendedor según

su experiencia con cada tipo de cliente y/o por el tipo de solución que se esté ofreciendo,

estos criterios son de alto impacto pues según como se clasifiquen se tienen o no en cuenta

los negocios, para el pronóstico del periodo en curso, esta clasificación se divide en cinco (5)

criterios que vemos en la Figura 2 y detalladas en la Tabla 1.

Figura 2. Criterios del ciclo de ventas. Fuente: Autor

Criterios Descripción

Inicio Es el criterio inicial cuando se crea el negocio, e incluye la validación de datos y el tipo de negocio que se va a desarrollar, estos negocios se encuentran por fuera del pronóstico del periodo en curso.

Avanzado Son negocios con algún avance, pero que no tienen garantía de cerrarse en el periodo en curso, pero podrían darse si sale todo según lo planeado, estos negocios se encuentran por fuera del pronóstico del periodo en curso.

Comprometido Estos negocios se encuentran en su etapa final y se cerraran en el periodo en curso, por lo cual se encuentran en el pronóstico del periodo en curso.

Ganado Son negocios de los cuales ya se recibió orden de compra por parte del cliente, por lo cual se encuentran en el pronóstico del periodo en curso.

Perdido Técnicamente este no es un criterio, pero es la forma de identificar los negocios que se perdieron por alguna razón.

Tabla 1. Criterios del ciclo de ventas. Fuente: Autor

Inicio Avanzado Comprometido Ganado/Perdido



14

En cuanto a las etapas del ciclo de ventas, sirven para definir el estado de un negocio en un

determinado periodo o momento, estas etapas dependen de la interacción entre el cliente y

el vendedor con su equipo de soporte, este proceso se representa por un embudo, pues

conforme avanza se van decantando los clientes que tienen real interés y recursos para hacer

la compra, estas etapas son las presentadas en la Figura 3 y detalladas en la Tabla 2.

Figura 3. Etapas del ciclo de ventas. Fuente: Autor

Etapas Descripción

1. Entendimiento del cliente

En esta etapa se busca entender las necesidades del cliente.

2. Validación del negocio

En esta etapa se valida que se tiene la solución a las necesidades del cliente.

3. Calificación del negocio

En esta etapa se determina la posible o posibles soluciones para satisfacer las necesidades del cliente.

4. Desarrollo de la Solución

En esta etapa el equipo de soporte de ventas desarrolla una solución acorde a las necesidades del cliente.

5. Presentación de la solución

En esta etapa se presenta de manera formal la solución propuesta para que el cliente apruebe o pida cambios sobre esta.

6. Negociación y cierre En esta etapa se lleva a cabo la negociación final para fijar los términos económicos y legales.

7. Ganado en desarrollo y entrega

En esta etapa se lleva a cabo la entrega y el desarrollo de la solución.

Tabla 2. Etapas del ciclo de ventas. Fuente: Autor



15

5. Información

La información está conformada por los “datos que se han moldeado en una forma

significativa y útil para los seres humanos” (Hernández, Fernández, Baptista, Laudon, &

Laudon, 2014). Mientras que los “datos son secuencia de hechos en bruto y representan

eventos que ocurren en las organizaciones o en el entorno físico antes de ser organizados y

ordenados en una forma que las personas puedan entender y utilizar”(Ram, Zhang, &

Koronios, 2016). La información se puede interpretar como el resultado de haber organizado

o analizado los datos de alguna manera y con un propósito.

La información debe evaluarse en cuatro sentidos como se muestra en la Tabla 3.

Sentido Definición

Calidad En cuanto más exacta sea la información, mayor será su calidad y su confianza, para la toma de decisiones.

Oportunidad La información que ofrece un sistema de información debe estar al alcance de la persona indicada, en el momento oportuno, para que se puedan tomar las medidas adecuadas.

Cantidad Los gerentes no pueden tomar decisiones exactas y oportunas si no cuentan con suficiente información. No obstante, muchas veces éstos reciben mucha información irrelevante e inútil. Si los gerentes reciben más información de la que pueden usar en forma productiva, quizás pasen por alto la información sobre problemas graves.

Relevancia La información que reciben los gerentes debe ser relevante para sus funciones y labores.

Tabla 3. Criterios de evaluación de la información.

El sistema de información se alimenta de datos, que son procesados y como resultado se

obtiene información la cual será utilizada por los usuarios interesados. Éstos serán los que

aportan la retroalimentación al proceso para mejorar la entrada de datos.



16

6. Inteligencia de Negocios

El concepto de Inteligencia de Negocios puede relacionarse con el concepto de éxito

expresado en el libro “el arte de la guerra” de Sun Tzu, donde para alcanzarlo es

imprescindible conocer tanto las fortalezas y debilidades de uno mismo, así como las del

enemigo, ya que el desconocimiento de estas puede llevar a la derrota. Lo mismo ocurre en

las organizaciones y en el ambiente empresarial, en donde los retos y las ventajas

competitivas que se pueden lograr para alcanzar el éxito y la sostenibilidad en el mercado

dependen en gran medida de obtener información significativa de los datos, diferenciando

patrones y tendencias que permitan tomar decisiones más precisas.

En sus inicios las empresas carecían de herramientas computacionales y tecnológicas que

permitieran procesar la información por lo que la mayoría de decisiones (estratégicas, tácticas

y operativas) eran tomadas por intuición. Posteriormente H. P. Luhn pionero de las ciencias

de la información e investigador de la empresa International Bussines Machines corp. (IBM)

utilizó el término “Business intelligence system”(Luhn, 1958) en 1958 para referirse a un

sistema automático que aceptaba información en formato original y diseminaba los datos

rápidamente a los lugares correctos, para cumplir con estos objetivos eran necesarias

técnicas como la auto abstracción y auto codificación de documentos, y la creación y

actualización automática de perfiles de usuarios, sin embargo estas técnicas eran

principalmente estadísticas y no eran eficaces si no se contaba con facilidades en los

sistemas de comunicación y en los medios de entrada y salida.

Estas técnicas evolucionaron hasta la aparición de un conjunto de conceptos y métodos para

mejorar la toma de decisiones en los negocios, utilizando sistemas de apoyo basados en

hechos bajo el acrónimo de “BI” (Inteligencia de negocios), nombrado así por Howard Dresner

en 1989, el termino ha evolucionado notoriamente y en la actualidad incluye amplias

categorías de aplicaciones, tecnologías y metodologías que permiten extraer, reunir,



17

clasificar, transformar, analizar, realizar transacciones con información estructurada mediante

la explotación directa (consultas, reportes, informes, etc.) o haciendo uso del análisis para la

conversión de la información en conocimiento.(Ahumada, Manuel, & Perusquia, 2016)

Sin embargo la inteligencia de negocios no solo depende del uso de metodologías y

tecnologías de punta sino también se ve afectada por la carencia de conocimiento de los

factores tanto internos como externos (ambiente económico, comportamiento de mercado,

legislación, cambios de divisa, nivel de comunicación interna, operaciones internas, etc.) que

intervienen en una organización(Sharma, Singh, & Singh, 2016), estos factores influyen

generalmente en todos los stakeholders del negocio (clientes, competidores, socios, etc.) por

lo que su conjunto guía las decisiones del negocio permitiendo generar fuertes ventajas

competitivas.

Como lo planteo Dill (1958) “La mejor forma de analizar el entorno no es tratar de entenderlo

como una colección de otros sistemas y organizaciones, sino tratarlo como información a la

cual la empresa debe acceder mediante actividades de investigación”. También afirmó que

“no son los proveedores ni los clientes en sí mismos los que cuentan, sino la información

disponible para la empresa acerca de sus metas, intereses, condiciones bajo las cuales se

relacionan con la empresa y muchos otros aspectos de su comportamiento, los que

verdaderamente ayudan a identificar sus características y expectativas para con la

organización”.

De manera similar Ansoff (1969) planteo “El acelerado paso de los productos, los rápidos

cambios del mercado, requieren que las firmas del mañana tengan una amplia ventana

abierta para ver claramente el entorno de los negocios. Las firmas exitosas no solamente

deben ser capaces de percibir oportunidades, sino de saber cómo anticiparse a ellas. Como

respuesta a los cortos plazos, las firmas exitosas deben ver hacia afuera nuevas aplicaciones

para nuevas tecnologías, empezar los desarrollos de productos antes de que se presente la



18

demanda, cultivar y estimular la demanda, y establecer las estrategias de penetración del

mercado anticipándose a la demanda. Asimismo, la firma debe desarrollar un alto sentido de

anticipación de posibles acuerdos o desarrollos tecnológicos de las empresas rivales.”

El uso de la inteligencia de negocios ha evolucionado a pasos agigantados en proporción al

auge de las tecnologías de la información y al crecimiento de la industria global. Son

numerosas las definiciones del termino de inteligencia de negocios dadas por expertos en el

área. “Business Intelligence suele definirse como la transformación de los datos de la

compañía en conocimiento para obtener una ventaja competitiva.” (Gartner Inc, 2019)

Desde un punto de vista más pragmático asociado con las tecnologías de la información se

define como conjunto de metodologías, aplicaciones y tecnologías que permiten reunir,

depurar y transformar datos de los sistemas transaccionales e información desestructurada

(interna y externa a la compañía) en información estructurada, para su explotación directa

(reporting, análisis OLAP...) o para su análisis y conversión en conocimiento soporte a la toma

de decisiones sobre el negocio (Ibermática, 2007). Según Vitt, Luckevich y Misner la

inteligencia de negocios “es un enfoque para la gestión empresarial que permite a una

organización definir qué información es útil y relevante para la toma de decisiones

corporativas. Business Intelligence es un concepto polifacético que fortalece a las

organizaciones para tomar mejores decisiones más rápidamente, convertir los datos en

información y usar una estrategia inteligente para la gestión empresarial.”, de manera similar

Salcedo la define como “la aplicación de técnicas y tecnologías específicamente diseñadas

para facilitar y mejorar los procesos de toma de decisiones en el ámbito empresarial."

De las definiciones anteriores se puede concluir que la inteligencia de negocios es el uso de

tecnologías, procesos y herramientas para transformar los datos en información y la

información en conocimiento, para que este último soporte y permita tomar decisiones más

convenientes para la empresa permitiéndole obtener mejores resultados.



19

En el ambiente empresarial la inteligencia de negocios juega un rol crucial, mitigando

falencias (Tabla 4 ) que actualmente se encuentran como (Antoniadis, Tsiakiris, & Tsopogloy,

2015):

Falencias Descripción

Almacenar los datos sin convertirlos en información

No solo es importante tener repositorios de datos de clientes compras, ventas, costos, etc. si no que se necesita profundizar en ello para hallar tendencias, dar seguimiento, entender, administrar y así descubrir información que pueda maximizar rendimientos.

Manipulación manual Estas herramientas no son las más confiables, resultan en procesos costosos, lentos, propenso a errores e interpretaciones subjetivas, así como a duplicación de trabajo

Fragmentación No se tiene una visión global de la empresa si no que la información o datos se manejan por dependencia o departamento.

Poca agilidad Resultados en rendimiento bajo cuando se toma la decisión ya han cambiado las variables y datos del entorno e incluso propias.

Escasa flexibilidad El usuario debe amoldarse a los informes predefinidos.

Tabla 4. Falencias en el ambiente empresarial. Fuente: Autor

Por lo que la inteligencia de negocios permite Manejar el crecimiento de la empresa, controlar

mejor los costos, entender mejor a los clientes y al mercado, generar indicadores de gestión

y de desempeño que realmente representen una estrategia organizacional, entre otros

beneficios.

Debido a esto las empresas han optado por emplear arquitecturas de inteligencia de negocios

que consisten en 1) La extracción de datos de múltiples fuentes simultáneas (archivos,

informes, bases de datos, reportes). 2) Proceso de extracción, transformación y carga

conocido con las siglas ETL, en este proceso se define que datos se extraerán de las fuentes,

si necesitan un pre-procesamiento es decir algún tipo de modificación o transformación y se

define donde se ubicaran (cargaran) esos datos, a este proceso se le conoce como mapping.

3) Almacenamiento de los datos transformados representados visualmente en modelos

multidimensionales, dimensiones y tablas de datos en un repositorio de datos 4) Motor BI que

permita habilitar componentes, administrar consultas, monitorear proceso, hacer seguimiento



20

a cálculos y métricas, etc y 5) finalmente la interface de acceso al usuario que permite la

interacción de los perfiles con los datos ya sean resultado de consultas o los indicadores de

gestión construidos por el sistema. Lo anterior se representa en la Figura 4.

Figura 4. Estructura de Business Intelligence. Fuente: Adaptado de (Ibermática, 2007)

La inteligencia de negocios es vista desde sus dos dimensiones principales la dimensión de

procesos y la dimensión de gestión, dentro de cada una se cuenta con una serie de

conceptos, metodologías y tecnologías que se interrelacionan (Satiko, Miro, Francisco, &

Gomes, 2015), es decir, tanto herramientas informáticas como paradigmas de comprensión

de la organización operan en conjunto para lograr la inteligencia de negocios, por tanto, no

existe una única herramienta, metodología o técnica a emplear , entre estas algunas

encontradas en la literatura se citan en la Tabla 5.



21

Metodología Descripción

Gestión empresarial

Balance Score Card, mapas estratégicos, pensamiento sistémico y

complejo para entender la organización, teorías de soporte basadas

en técnicas de gestión del desempeñó como costeo basado en

Actividad (ABC), Gestión por proceso de negocio (BPM), Gestión de

rendimiento del negocio (BPM-CPM-EPC), procesos de gestión

tecnológica y de proyectos para la toma de decisiones, entre otros.

Aplicación Tecnológica

Aplicaciones de Extracción, transformación y carga (ETL), sistemas

gestores de bases de datos (DBMS), Bases de datos relacionales

(RDBMS), bases de datos multidimensionales, Modelado

multidimensional, Online analytic Processing (OLAP), cuadros de

mando integrales (CMI), Sistema de Información ejecutiva (EIS),

Sistemas de soporte de decisión (DSS), minería de datos, entre otras.

Tabla 5. Metodologías Business Intelligence.

(Andres et al., 2011): Este proyecto fue realizado para Hewlett-Packard Chile, filial de HP

Company, en él se diseña e implementa una solución rentable de Inteligencia de Negocios

que automatiza la creación de reportes, permitiendo visualizar Tableros o Dashboards

dinámicos con acceso a información histórica. Además, incluye un método de pronóstico de

ventas para productos tecnológicos. La herramienta fue desarrollada a nivel de prototipo

funcional, utilizando Visual Basic para Aplicaciones, Microsoft Access y PowerPivot para

Excel.

(Giudice et al., 2010): Este proyecto tuvo como objetivo principal seleccionar parte del Data

Warehouse existente e investigar distintas tecnologías Open Source Business Intelligence,

analizando la posible implementación de los cubos tomados con alguna herramienta que

permitiera lograr el mismo desarrollo en el sistema SIU de la Universidad Nacional de

Córdoba (UNC).

Con los resultados obtenidos se logró disminuir los costos que el cliente debe afrontar en

licencia y mantenimiento del sistema vigente, ofreciendo finalmente una solución de alto

rendimiento y calidad para el soporte a la toma de decisiones (Giudice et al., 2010).



22

(Alfredo & Salamanca, 2013): Se propone un modelo de integración para las pymes basado

en investigaciones respectivas a partir de las necesidades e intereses que se ven en las

distintas organizaciones. Al tener el modelo propuesto se hizo la verificación y análisis

arrojando la viabilidad de la implementación del modelo dentro cualquier organización

trayendo así beneficios para su crecimiento.

Estos son algunos de los trabajos que emplean la inteligencia de negocios en una

organización en específico (sector empresarial IT) generando impactos significativos en las

medidas de desempeño de los sistemas y en su funcionamiento.



23

7. Los Gerentes como tomadores de decisiones.

La toma de decisiones es la esencia del trabajo del Gerente de modo que la calidad de sus

decisiones tiene gran influencia en el éxito o fracaso de una organización (Vera-Baquero,

Colomo-Palacios, & Molloy, 2014). Las limitaciones a la acción de los gerentes, algunas de

las cuales son la cultura de la organización, el medio externo, políticas internas,

consideraciones de poder(Kim, Khon, & Aidosova, 2016).

Sin embargo ello no quita, que cualquiera sea su nivel en la organización, todos los gerentes

toman decisiones, las cuales pueden abarcar temas relacionados a la supervivencia de la

empresa hasta el cierre de un contrato de compra de insumos o el ascenso de un empleado.

El futuro de una empresa depende entonces en gran medida, de la calidad de las decisiones

que tomen sus gerentes para responder a las condiciones del mercado y de la competencia

(Piontkewicz, Freitas, Kemczinski, & Martin, 2016)

7.1. Toma de Decisiones

“La toma de decisiones es un proceso de definición de problemas, recopilación de datos,

generación de alternativas y selección de un curso de acción.” (Khan & Quadri, 2012)

La toma de decisiones es el proceso para identificar un curso de acción para resolver un

problema específico (Wibowo, Grandhi, & Deng, 2016). Ésta definición difiere de la primera

en que parte de la identificación de un curso de acción para resolver un problema específico,

mientras que la primera parte de la definición del problema para llegar al curso de acción.

Las tres definiciones tratan a la toma de decisiones como un proceso. La toma de decisiones

está unida a la percepción de una La situación problemática va a requerir nuestra atención

según el grado de dificultad de tal situación.



24

7.1.1. Tipos de Problemas y Decisiones

Los diferentes problemas requieren diferentes tipos de decisiones. La toma de decisiones es

uno de los roles más importantes de los gerentes. Los sistemas de información han ayudado

a los gerentes a comunicar y distribuir la información; sin embargo; han proporcionado poca

asistencia para la toma de decisiones administrativa.

El proceso de toma de decisiones pueden ser decisiones programadas o no

programadas:(Serra & Kunc, 2014)

Las programadas: son decisiones que se toman rutinariamente, y que son reguladas

mediante reglas o guías que deberán ser seguidas si se presentan determinadas

situaciones, se usan para abordar problemas recurrentes.

Las no programadas: son decisiones tomadas ante situaciones inesperadas, no

previstas y que por lo tanto no se dispone de reglas o guías a seguir en tales casos.

Estas decisiones se toman sobre la base de la “intuición” (decisiones instantáneas con

poca información) o sobre la base de “juicios razonados”, (decisiones para las que es

necesario compilar, generar y evaluar alternativas).

La toma de decisiones se puede clasificar de acuerdo con el nivel organizacional en que

ocurre (Hernández et al., 2014)

1. La toma de decisiones estratégica: determina las metas, los recursos, y las políticas

a largo plazo.

2. La toma de decisiones para el control administrativo: se refiere a la manera eficiente

y eficaz de utilizar los recursos y de qué tan bien se desempeñan las unidades

operativas.

3. La toma de decisiones del control operativo: determina cómo realizar las tareas

específicas establecidas por los encargados de las decisiones estratégicas y de nivel

gerencial medio.

4. La toma de decisiones a nivel del conocimiento: tiene que ver con la evaluación de

nuevas ideas sobre productos y servicios, de las formas de comunicar el nuevo

conocimiento y de las maneras de distribuir la información por toda la organización.



25

Es posible dar una clasificación a las decisiones que se toman en cada uno de estos niveles

como decisiones estructuradas y no estructuradas (Kaiser, El Arbi, & Ahlemann, 2014)

Las decisiones no estructuradas: son aquellas en las que el encargado de tomarlas

debe aportar criterio, evaluación y entendimiento a la definición del problema. Son

decisiones novedosas y no rutinarias.

Las decisiones estructuradas son repetitivas y rutinarias e implican un procedimiento

definido para manejarlas. Algunas decisiones son semiestructuradas; en estos casos

sólo parte del problema tiene una respuesta bien definida proporcionada por un

procedimiento aceptado.

Se puede hacer una analogía entre las decisiones no estructuradas con las decisiones no

programadas y las decisiones estructuradas con las programadas.

7.1.2. Certidumbre Riesgo e Incertidumbre

En la toma de decisiones los gerentes deben ponderar alternativas, muchas de las cuales

implican hechos futuros difíciles de pronosticar (AbdelRahman, Zhang, Bray, & Kawamoto,

2014), aquí entran en juegos 3 factores muy importantes en la toma de decisiones que son:

Certidumbre: Es la situación para tomar decisiones en la que los gerentes cuentan

con información exacta, mensurable y confiable sobre los resultados de las diversas

alternativas que están considerando.

Riesgo: Es la situación para tomar decisiones en la que los gerentes saben que las

probabilidades de una alternativa dada conducirá a una meta o resultado deseado.

Incertidumbre: Es la situación para tomar decisiones en la que los gerentes enfrentan

condiciones externas imprevisibles o carecen de la información necesaria para

establecer las probabilidades de ciertos hechos.

Es posible tener en cuenta distintas situaciones que nos enfrentamos a la hora de tomar

decisiones que caben resaltar:

Certeza: se toma la decisión conociendo los resultados de todas las alternativas.

Riesgo: se estima la probabilidad de los resultados, y sobre la base de estas, se toman

las decisiones.



26

Incertidumbre: no se conoce los resultados y tampoco las probabilidades de esos

resultados.

Por lo que la decisión va a estar basada por cuan adverso al riesgo es la persona que toma

la decisión.

7.2. Control

El control, es el proceso que consiste en supervisar las actividades para garantizar que se

realizan según lo planeado y corregir cualquier desviación significativa También es posible

definir dentro del concepto de control 2 perspectivas (Aliverdi, Moslemi Naeni, & Salehipour,

2013):

Perspectiva Limitada: en donde el control es entendido como un análisis a posteriori,

dónde se compara resultados alcanzados con los objetivos pautados. Para este tipo

de control se utilizan sistemas de control contables.

Perspectiva más amplia: la cual entiende que el control se ejerce a través de diferentes

mecanismos que miden el resultado final y se enfocan en orientar e influir en el

comportamiento individual y organizativo para que el mismo sea el más adecuado

para alcanzar los objetivos de la organización. El control es realizado por cada una de

las personas de la organización, y el mismo se realiza en todo momento, no solo a

posteriori.

La necesidad de control surge como consecuencia de la no coincidencia entre los intereses

personales de cada individuo y los objetivos organizativos. Esto hace que tienda a prevalecer

los personales en detrimento de los organizativos (Costa Bilbao & Ferreira Bica, 2010). Pero

también es necesario el control debido a que a pesar que pauten y se regule el

comportamiento que se espera de cada uno de los integrantes de la organización, siempre

existe un “margen de maniobra”, el cual permite elegir entre distintas alternativas de acción y

decisión posible.



27

Es por lo anterior, que el proceso de control deber enfocarse en que el comportamiento de

cada individuo sea el más apropiado para los objetivos de la organización. El proceso de

control se convierten en un conjunto de mecanismos, formales o informales, para que el

comportamiento de las personas que conforman parte de la empresa sea coherente con los

objetivos de la dirección.



28

8. Tecnologías Existentes

Durante los últimos años y gracias a la rápida evolución tecnológica, se han desarrollado

herramientas que permiten llevar a cabo procesos de manera automatizada y confiable,

permitiendo enfocarse en áreas de desarrollo, generando así un ambiente amigable no solo

para el procesamiento de datos si no permitiendo compartir en tiempo real estos datos,

incluso brinda canales de comunicaciones seguros y agiles con lo que realizar trabajo

colectivo se vuelve más fácil y con costos relativamente bajos.

Estos cambios se dan en un momento crucial, pues con el rápido crecimiento de la industria,

se volvió primordial no solo tener la información rápida y eficazmente, si no también

garantizando altos niveles de seguridad, pues la información se convirtió en uno de los activos

más valioso de las organizaciones.

8.1. Microsoft SharePoint

Es una plataforma de colaboración empresarial, formada por productos y elementos

de software que incluye, entre una selección cada vez mayor de componentes, funciones

de colaboración, basado en el navegador web, módulos de administración de procesos,

módulos de búsqueda y una plataforma de administración de documentos (gestión

documental).

SharePoint puede utilizarse para sitios de webhost que acceda a espacios de trabajo

compartidos, almacenes de información y documentos, así como para alojar aplicaciones

definidas como los wikis y blogs. Todos los usuarios pueden manipular los controles

propietarios llamados "web parts" o interactuar con piezas de contenido, como listas y

bibliotecas de documentos.

Las organizaciones usan SharePoint para crear sitios web. Se puede usar como un lugar

seguro donde almacenar, organizar y compartir información desde cualquier dispositivo, así



29

como acceder a ella. Lo que necesita es un explorador web, como Microsoft Edge, Internet

Explorer, Chrome o Firefox. (Server, 2007)

8.1.1. SharePoint Online.

Es un servicio basado en la nube, hospedado por Microsoft, para empresas de todos los

tamaños. En lugar de instalar e implementar SharePoint Server local, cualquier empresa

puede suscribirse a un plan de Office 365 o al servicio de SharePoint Online independiente.

Sus empleados pueden crear sitios para compartir documentos e información con sus

compañeros, asociados y clientes, para empezar a almacenar archivos en su sitio de grupo.

(Microsoft Inc, 2018a)

Figura 5. Entorno de funcionamiento de Sharepoint.

Fuente: Adaptado de (Microsoft Inc, 2018a)

8.1.2. OneDrive Empresarial

Un programa de escritorio que permite sincronizar documentos desde un sitio web a cualquier

equipo para su uso sin conexión, es una parte integral de Office 365 o SharePoint y

proporciona un lugar en la nube para almacenar, compartir y sincronizar archivos de trabajo.

Con OneDrive Empresarial, es posible actualizar y compartir archivos desde cualquier

dispositivo. Incluso se puede trabajar en documentos de Office con otros usuarios al mismo

tiempo, garantizando un ambiente seguro. (Microsoft Inc, 2018b)



30

Figura 6. Entorno de funcionamiento Onedrive empresarial.

Fuente: Adaptado de (Microsoft Inc, 2018b)

8.2. CRM

Un CRM es una solución de gestión de las relaciones con clientes, orientada normalmente a

gestionar tres áreas básicas: la gestión comercial, el marketing y el servicio postventa o de

atención al cliente.

El uso de un CRM forma parte de una estrategia orientada al cliente en la cual todas las

acciones tienen el objetivo final de mejorar la atención y las relaciones con clientes y

potenciales (Salah, Hassan, & Abd, 2018).

La herramienta CRM y la orientación al cliente proporcionan resultados demostrables, tanto

por disponer de una gestión comercial estructurada y que potencia la productividad en las

ventas como por ofrecer un conocimiento profundo del cliente que permite plantear campañas

de marketing más efectivas (Agnihotri, Trainor, Itani, & Rodriguez, 2017).

Las funciones de atención al cliente de una herramienta CRM potencian además la

fidelización y satisfacción de los clientes, lo que tiene un impacto muy positivo en términos de

ventas recurrentes y cruzadas.

La definición de CRM (en inglés Customer Relationship Management, o Gestión de las

relaciones con clientes) es una aplicación que permite centralizar en una única Base de Datos

todas las interacciones entre una empresa y sus clientes (Dahl, 2018).



31

El software CRM, por definición, permite compartir y maximizar el conocimiento de un cliente

dado y de esta forma entender sus necesidades y anticiparse a ellas. Por definición, el CRM

recopila toda la información de las gestiones comerciales manteniendo un histórico detallado.

Una solución CRM permite dirigir y gestionar de forma más sencilla las campañas de

captación de clientes y de fidelización (Dalla, Goetz, & Michel, 2018). Gracias al CRM se

puede controlar el conjunto de acciones realizadas sobre los clientes o clientes potenciales,

y gestionar las acciones comerciales a partir de un cuadro de mandos detallado.

Las empresas que utilizan soluciones CRM generan más oportunidades de venta, agilizando

la gestión, con presupuestos actualizados en tiempo real y procesos de ventas optimizados.

Del mismo modo las empresas que utilizan CRM pueden hacer mejores segmentaciones, y

disponen de la información para un servicio de atención al cliente y postventa de nivel

superior.

Figura 7. Ecosistema de un CRM. Fuente: Autor

8.2.1. Salesforce.com

Salesforce es una herramienta de gestión de relaciones con clientes la cual ofrece servicios

basados en la nube, ofreciendo diferentes facilidades para administración y consulta de

información relacionada con las actividades comerciales, también cuenta con módulos que



32

permiten llevar a cabo tareas adicionales y establecer perfiles para los diferentes tipos de

usuario que hacen uso de este.

Cuenta con un sitio dedicado para el aprendizaje de nuevos usuarios, en donde cuenta con

un repositorio de videos y guías acerca de sus funciones principales y algunas avanzadas,

permitiendo así una rápida adaptación a su entorno y reduciendo así la curva de aprendizaje.

Esta herramienta también cuenta con la opción de acceder desde diferentes plataformas bien

sea desde un computador o desde un dispositivo móvil Android o iOS, lo cual la hace que el

usuario tenga diferentes opciones para hacer consultas o modificaciones sobre las

actividades comerciales de la organización. (Salesforce, 2018)

Por lo anterior y por ser una herramienta desarrollada como disruptora en el mercado en el

segmento de los CRM, Hewlett Packard Enterprise cuenta con sus servicios desde el año

2010, convirtiéndolo en un aliado estratégico para generar nuevos negocios y tener soporte

sobre sus plataformas de clientes.

8.3. Herramientas ETL

Las herramientas que se presentan a continuación se caracterizan por ser las más conocidas

y usadas en el sector empresarial, cabe aclarar que para el desarrollo de un modelo de

inteligencia de negocios, es posible usar múltiples herramientas que se ofrecen en el

mercado. (Theodorou, Abelló, Thiele, & Lehner, 2017)

ETL son las siglas en inglés de Extraer, Transformar y Cargar (Extract, Transform and Load).

Es el proceso que permite a las organizaciones mover datos desde múltiples fuentes,

reformatearlos y limpiarlos, y cargarlos en otra base de datos, data mart, o data warehouse

para analizar, o en otro sistema operacional para apoyar un proceso de negocio.

Los procesos ETL también se pueden utilizar para la integración con sistemas heredados,

aplicaciones antiguas existentes en las organizaciones que se han de integrar con los nuevos



33

aplicativos. A continuación se describen las características más importantes de algunas

Herramientas ETL. (Astriani & Trisminingsih, 2016)

8.3.1. IBM InfoSphere DataStage

IBM® InfoSphere® DataStage® es una herramienta ETL de IBM, a continuación se presentan

sus características y ventajas más representativas.

Es una poderosa solución ETL que realiza el procedimiento de recopilación, integración y

transformación de grandes volúmenes de datos, con estructuras de datos tanto simples como

muy complejos.

Permite a las empresas resolver grandes problemas de negocio trabajando con gran

rendimiento en el procesamiento de altos volúmenes de datos.

Permite a los desarrolladores maximizar la velocidad, la flexibilidad y la eficacia en las

etapas de construcción, despliegue, actualización y administración de la

infraestructura de la integración de los datos.

Brinda conectividad entre cualquier fuente de datos de cualquier aplicación. Permite

crear, mantener fácil y rápidamente almacenes de datos provenientes de sistemas de

Aplicaciones Empresariales como SAP, Siebel, Oracle y PeopleSoft CRM y de otros

sistemas relacionados al negocio.

Permite realizar el diseño de tareas que extraen, integran, agregan, cargan y

transforman los datos para el Data Warehouse o Datamart. Las tareas son compiladas

para crear ejecutables que son calendarizados por el Director y ejecutadas por el

Servidor

Es Multiplataforma, trabaja con los sistemas operativos AIX, HP-UX, Linux, Solaris,

Windows.

Es una solución licenciada.



34

Consta de cuatro componentes Administrator, Designer, Director, Manager. Los cuales son

detallados en la Tabla 6.

Componente Descripción

Administrator Interfaz de usuario usada para configurar los proyectos de Datastage y los usuarios. Gestionar tanto proyectos Datastage en ambientes de desarrollo como de producción.

Designer Usado para crear, diseñar, compilar, probar y ejecutar tareas Datastage. Este componente está orientado al trabajo de desarrolladores

Director Usado para validar, calendarizar, probar, ejecutar y monitorear los jobs Datastage

Manager Interfaz de Usuario usara para visualizar y editar el contenido del repositorio

Tabla 6. IBM InfoSphere DataStage. Fuente: Autor

8.3.2. Pentaho Data Integration (Kettle ETL)

Pentaho Data Integration es una herramienta ETL Open Source, a continuación se presentan

sus características y ventajas más representativas, se encuentra desarrollado en Java, su

ambiente de implementación también está basado en Java. Es una herramienta Open Source

Business Intelligence. Esta herramienta cuenta con un entorno de interfaz gráfica amigable,

que permite realizar diseños en un entorno de “drag and drop”. Lo cual hace que su uso sea

sencillo, es multiplataforma, trabaja con los sistemas operativos MS-Windows y Linux, consta

de cuatro componentes Spoon, Pan, Chef, Kitchen. Los cuales son detallados en la Tabla 7.

Componente Descripción

Spoon Interfaz de usuario usada para realizar el diseño gráfico del proceso ETL.

Pan Usado para ejecutar el proceso ETL diseñado con Spoon.

Chef Usado para diseñar la carga de datos, incluye un control de estado de los trabajos que se programan.

Kitchen Usado para ejecutar los trabajos de batch diseñados con Chef.

Tabla 7. Pentaho Data Integration (Kettle ETL). Fuente: Autor



35

8.3.3. Microsoft SQL Server Integration Services (SSIS)

SQL Server Integration Services (SSIS) es un componente de Microsoft SQL Server 2005 y

2008, es una herramienta rápida y flexible que permite realizar procesos ETL. A continuación

se presentan sus características y ventajas más representativas:

Solo está disponible en las ediciones “Standard” y “Enterprise”.

Provee una plataforma que permite construir procesos ETL.

Trabaja con paquetes, cada paquete contiene el diseño del proceso ETL; el cual es

diseñado con la herramienta visual basada en Microsoft Visual Studio de SQL Server,

denominado Business Intelligence Development Studio.

Permite a los usuarios crear, editar paquetes usando una interface “drag and drop”.

Los paquetes que crea son guardados en archivos XML.

Los paquetes pueden acceder a diversas fuentes de datos, como base de datos,

archivos de texto, archivos excel, etc.

Trabaja solo con el sistema operativo Microsoft Windows.

8.4. Herramientas de Explotación de Datos

La mala gestión de los datos, causan en las empresas ineficiencias representadas en tiempo

y dinero. El correcto tratamiento y explotación brindan una visión realista, ayudando en la

toma de decisiones

Actualmente las compañías escogen las soluciones que se adaptan de manera adecuada a

sus necesidades, generando que, en diversas ocasiones, cuenten con varias soluciones para

gestionar los diferentes procesos dentro de su organización.

8.4.1. Pentaho Open BI Suite

La Suite de Pentaho ofrece las siguientes herramientas que sirven para realizar la explotación

de los datos. A continuación se presentan sus características y ventajas más representativas.



36

La herramienta Reporting, permite generar informes ágiles y de gran capacidad, así

también permite obtener los resultados en múltiples formatos, que incluyen la opción

imprimir o exportar a formato PDF, XLS, HTML y texto.

La herramienta Analysis, provee a los usuarios un sistema avanzado de análisis de

información. Mediante el uso de tablas dinámicas el usuario puede navegar por los

datos, ajustando la visión de los datos añadiendo o quitando campos según requiera

visualizar.

8.4.2. Microsoft SQL Server Analysis Services (SSAS)

Microsoft SQL Server Analysis Services provee una visión unificada e integrada de todos los

datos del negocio que son usados para realizar reportes, procesamiento analítico en línea

(OLAP), scorecards de indicadores de rendimiento claves (KPI) y minería de datos. A

continuación se presentan sus características y ventajas más representativas. [SSAS2008]

[SQLS2009]

Provee un modelo semántico denominado UDM – Modelo Dimensional Unificado. Se

encarga de definir las entidades, lógica del negocio, los cálculos y las métricas,

permiten a los usuarios emitir consultas en el UDM usando herramientas clientes

como Microsoft Excel.

Almacenamiento en cache proactivo, permite la combinación de las actualizaciones

en tiempo real con el rendimiento del uso de una arquitectura MOLAP (Procesamiento

analítico en línea multidimensional). Esto permite tener actualizados la caché de datos

mientras los datos se van modificando en sus orígenes de datos, lo cual permite

obtener un rendimiento mayor en la realización de las consultas.

Permite realizar análisis OLAP (Procesamiento analítico en línea). Con lo cual se

accede a los datos organizados y agregados del origen de datos en una estructura

multidimensional.



37

9. Modelo conceptual propuesto para la toma de decisiones

En el subsistema comercial de HPE en Latinoamérica, se deben realizar diferentes procesos

para poder obtener los datos correspondientes al pronóstico de ventas del periodo en curso,

estos datos deben ser entregados por cada país que compone la región una vez al final de

cada mes, para así obtener el número total de Latinoamérica, cabe resaltar que el incremento

o decremento de estos números tienen gran impacto, pues según sea el caso se determinara

si se aumentan o disminuyen los recursos que se invertirán en la región en los periodos

siguientes.

9.1. Proceso actual de generación de reportes y análisis de

información en Hewlett Packard Enterprise Latinoamérica

Mensualmente el subsistema comercial del área de servicios empresariales de Hewlett

Packard Enterprise realiza reuniones para la medición de las ventas que se llevaran a cabo

en el actual trimestre, pues para cada trimestre se debe tener un número estimado de cierre

de a nivel regional, cada país que compone la región Latinoamérica, debe presentar un

número estimado de cierre y se realiza basado en información que los especialistas de ventas

alimentan constantemente en la plataforma de ventas, Salesforece.com (SFDC), en ella es

posible realizar seguimiento a negocios específicos desde el momento en el cual estos inician

hasta su finalización.

El objetivo principal de esta serie de reuniones es obtener información detallada por parte de

los especialistas de ventas sobre los negocios en desarrollo, estos se ordenan según su

avance y se pueden marcar en riesgo si es el caso, identificando aquellos negocios que

requieren un soporté o seguimiento posterior por parte del gerente de ventas, lo anterior se

realiza para cada territorio con cada especialista de ventas, en un total de siete (7) días, para

posteriormente compilar el total de cada país.



38

Para este proceso se debe llevar a cabo la extracción de un reporte de la plataforma de CRM

en esta caso Salesforce.com (SFDC), el cual contiene el total de los negocios activos en la

región, adicional a ello es necesario clasificar la información, esta se clasifica por tipo de

negocio según la línea de producto a la que pertenezca y también se identifica al vendedor

que corresponde el negocio según el cliente, esto lleva alrededor de 12 horas, desde su

generación hasta su verificación final, el proceso se muestra en la Figura 8 y se detalla en la

Tabla 8.

Figura 8. Proceso actual de generación de reportes. Fuente: Autor

Sentido Definición

Extracción de Datos

En esta etapa se extraen lo datos de los países para el periodo en curso desde la plataforma CRM, Salesforce.com, para su posterior procesamiento.

Procesamiento Durante esta etapa, se clasifican los datos por líneas de negocio, países y clientes con respecto a cada especialista de ventas.

Análisis Finalmente con la información lista, se lleva a cabo el análisis por parte de los gerentes de ventas en donde se revisan los negocios más grandes y/o con mayor riesgo comprometidos para el pronóstico del periodo en curso.

Tabla 8. Descripción de proceso actual de generación de reportes. Fuente: Autor

Como resultado de estas revisiones y del tratamiento de la información, se genera una hoja

de cálculo en la cual refleja el estado total de las ventas de servicios empresariales realizadas

en el periodo, con este el gerente de ventas puede tomar la decisión de reflejar un número

igual, superior o inferior al presentado anteriormente, esto puede tener diferentes

repercusiones frente al crecimiento de la compañía, pues según estos resultados se llevan a

Extracción de datos

Procesamiento Análisis



39

cabo proyecciones para determinar el nivel de inversión en los diferentes territorios para los

periodos posteriores.

9.2. Variables

Dado el comportamiento estimado durante el ciclo de ventas de los negocios y los constantes

cambios alrededor del desarrollo y cierre de los procesos de ventas, se definieron dos

variables, que de forma rápida y precisa permiten definir el estado de un negocio, tanto

interno, a nivel del avance dentro de los procesos de la organización, como externo, visto

desde las necesidades y procesos propios del cliente, estas variables se describen en la

Tabla 9.

Variable Descripción

Etapas del ciclo de ventas Definidas como las etapas de un negocio basado en el avance interno de este, donde es necesario pasar por todas las etapas para dar por terminado un negocio.

Criterios del ciclo de ventas

Estos criterios se definen por medio de la interacción entre el especialista de ventas y los clientes, que según su relacionamiento pueden estimar un criterio específico para cada negocio.

Tabla 9. Variables de la investigación. Fuente: Autor

Variables que se describen con mayor detalle en el capítulo 4.

9.3. Modelo conceptual

El modelo se desarrolló a través de procesos definidos por el investigador, Figura 9, los cuales

se enfocan en el uso y análisis de datos referentes a negocios activos durante los años 2016

y 2017 en el subsistema comercial de Hewlett Packard Enterprise en Latinoamérica.



40

Figura 9. Proceso ETL Propuesto. Fuente: Autor

9.3.1. Extracción de los Datos

En el proceso de extracción de datos se analizaron y rastrearon datos para recuperar

información relevante de las fuentes. Se realiza un procesamiento adicional de los datos, que

implica agregar integración de información; Otro proceso en el flujo de trabajo de datos. La

mayoría de los datos extraídos son datos no estructurados, estos datos no estructurados

pueden estar en cualquier forma, como tablas o en fuentes indexadas.

Para asegurarse de realizar de manera correcta el proceso de extracción de datos es

recomendable seguir los siguientes pasos:

Extraer los datos directamente de los sistemas de origen.

Analizar los datos para así obtener un chequeo.

Hacer la interpretación del chequeo para así verificar que los datos cumplen con la

estructura esperada. De no ser así los datos deben ser rechazados

Estandarizar los datos para dar iniciar el proceso de transformación.



41

9.3.2. Estructuración de Datos

Para la estructuración de datos cuantitativos en un conjunto organizado de acuerdo a las

categorías y propiedades, posibilita disponer de modo sistemático, global y operativo de la

información estudiada. Se trata de organizar y poner en evidencia las características y

relaciones de los datos. (Miles y Huberman, 1984) establecen que la presentación de los

datos según sus categorías y relaciones entre ellas pueden hacerse en cuadros, diagramas

y matrices.

Procedimiento que permite contar en forma integral con la disposición de los datos según las

categorías de la investigación, lo que facilitará la elaboración de conclusiones en el análisis.

La tabulación es una de las etapas más descuidadas del procesamiento de los datos, sin

embargo es fundamental para construir conclusiones. (Mejía Navarrete, 2011)

9.3.3. Análisis de tendencias

El análisis de tendencias es un método para analizar datos y su comportamiento registrado

durante un intervalo de tiempo definido y generar información valiosa(Del, Giannone,

Giannoni, & Tambalotti, 2019). Haciendo un análisis de tendencias, es posible realizar

estrategias y proyectar planes futuros para la empresa. Identificando rasgos dominantes de

los negocios o de los clientes asociados a estos.

En el mundo actual, con la complejidad y el rápido movimiento, lo que se necesita aún más

prever o hacer una retrospectiva, es comprender lo que está pasando en el mercado (Li, Xie,

Daim, & Huang, 2019). Otra de las razones por las cuales las organizaciones o negocios

quieren llevar a cabo un análisis de tendencias es para entender y obtener mejor información

acerca de cómo está reaccionando el mercado, cuáles son las preferencias de los

consumidores y cuáles son las estrategias que una organización necesitaría realizar.



42

9.3.4. Panel de expertos

Esta técnica sirve para la obtención de información, basada en la consulta a expertos de un

área, con el fin de obtener la opinión de consenso más fiable del grupo consultado. Estos

expertos son sometidos individualmente a una serie de cuestionarios en profundidad que se

intercalan con retroalimentación de lo expresado por el grupo y que, partiendo de una

exploración abierta, tras las sucesivas devoluciones, producen una opinión que representa al

grupo.

Según Linston y Turoff (2002) puede ser descrito como un método de estructuración de un

proceso de comunicación grupal que es efectivo a la hora de permitir a un grupo de individuos,

como un todo, tratar un problema complejo. Por su parte Gordon (1994) añade que se trata

de un debate controlado y en este mismo sentido, según Varela-Ruiz et al. (2012), lo que se

persigue es obtener el grado de consenso o acuerdo entre especialistas sobre el problema

planteado, en lugar de dejar la decisión a un solo profesional.

9.3.5. Pruebas y análisis

La fase de prueba se desarrolló con datos históricos de ventas, los cuales sirven para llevar

el correspondiente análisis estadístico, adicional de llevar a cabo las pruebas con el modelo

de forma directa, sirviendo así para las primeras conclusiones al respecto.

9.3.6. Implementación del modelo en plataforma de BI

Tras la fase de pruebas y análisis, se recomienda hacer uso de plataformas de BI, las cuales

permiten llevar acabo procesos y consultas en línea, permitiendo reducir tiempo para

consultas de la información, además que el procesamiento de los reportes no afectan el

rendimiento de las herramientas computacionales pues se llevan a cabo en la nube.



43

10. Validación del modelo

El caso de estudio elegido para determinar el funcionamiento del modelo fue el subsistema

comercial del área de servicios de Hewlett Packard Enterprise, empresa de tecnología

informática, la cual se dedica a la venta y mantenimiento de servidores, equipos de

almacenamiento y redes, y servicios para otras empresas los cuales van desde consultoría

hasta soporte de equipos, bien sea para equipos de la marca u otras marcas; en

Latinoamérica se encuentra dividida en 3 regiones las cuales son México, Brasil y MCA (Multi-

Country Area), esta última a su vez se divide en los siguientes territorios: Argentina, BOPE,

Chile, Colombia y RLA.

La selección de la empresa fue debido a sus características, pues manejan grandes

cantidades de información, accesibilidad a la información, cuentan con registros históricos,

tienen la necesidad de agilizar sus procesos de toma de decisiones y existe la posibilidad de

aplicar el proceso en otros subsistemas.

10.1. Extracción de los Datos

Se llevó acabo la extracción de los datos de la plataforma Salesforce.com, plataforma que

administra los datos referentes a las ventas en el subsistema comercial de Hewlett Packard

Enterprise; debido al alto volumen de datos que había para el horizonte de tiempo definido,

fue necesario separar la información por países de manera individual para finalmente generar

un solo archivo para llevar a cabo los ajustes y las clasificaciones necesarias.

10.2. Estructuración de Datos

Se desarrolló un proceso de conversión de datos no estructurados a datos estructurados en

donde era posible hacer clasificaciones más detalladas, basado en los parámetros de Región

y Línea de Negocio, lo que permite realizar un análisis específico. En el caso de Hewlett

Packard Enterprise, fue necesario clasificar las Islas que se encuentran en el mar Caribe,

como una región, al igual que los países que corresponden a Centro américa, de igual forma



44

las regiones que comprenden Argentina y Peru corresponden a la suma de Argentina,

Paraguay y Uruguay, y Bolivia, Perú y Ecuador, respectivamente, como se muestra en la

Tabla 10.

Región Países Cantidad promedio de

datos (líneas/año)

Argentina Argentina, Paraguay, Uruguay 3.200

BOPE Bolivia, Ecuador y Perú 2.800

Brasil Brasil 13.000

Chile Chile 3.100

Colombia Colombia 3.900

Mexico Mexico 6.500

RLA Centro América, Islas del Caribe y

Venezuela 4.500

MCA TOTAL 37.000 Tabla 10. Clasificación de regiones según países. Fuente: Autor

Con respecto a las líneas de negocio la clasificación se lleva a cabo basado en códigos

asignados a líneas específicas, en algunos casos es necesario analizar la combinación de

campos para identificar la línea a la cual corresponde cada negocio, estas condiciones en

algunos casos no se ajustan a ninguna línea de negocio definida, por lo que se clasifica como

“Others”, para posteriormente verificar con el especialista de ventas encargado y que haga

una corrección o ajuste sobre esta, estas clasificaciones se pueden ver en la Tabla 11.

Líneas de Negocio

Código Cantidad promedio de

datos (líneas/año)

Attach MCS, Ntw, Stg, Serv 11.100

Greenlake LU 408

Conversion SMC C 5.470

D1C D1 175

EDU 4J 780

LES UW 5.133

New Solution

SMC S 3.377

CMS CMS 517

Non-Specific

Others 2.629

PCS PS 85

PWCP PWCP 200

Renewal SMC O 7.126

TOTAL 37.000 Tabla 11. Clasificación de negocios según su código. Fuente: Autor



45

10.3. Identificación de tendencias

Tras procesos de transformación de información, se buscó identificar una tendencia entre los

criterios y las etapas del ciclo de ventas, que hiciera referencia a un comportamiento a futuro,

asumiendo una continuidad en su patrón histórico.

Figura 10. Identificación de tendencias entre las variables. Fuente: Autor

La tendencia de relacionamiento entre los criterios y etapas del ciclo de ventas que se

encontró se muestra en la Figura 10, donde el 89.9% del volumen de negocios entre 2016 y

2017 se mueve de manera escalonada entre dichas variables, vemos como se relacionan las

etapas menos avanzadas (1, 2, 3 y 4) con los criterios iniciales (Inicio y Avanzado) y de la

misma forma las etapas más avanzadas (5, 6 y 7), con los criterios finales (Comprometido y

Ganado), por lo cual podemos decir que hay una relación directa entre las variables

estudiadas.

Basado en la relación de las etapas y criterios, además teniendo en cuenta los intervalos de

tiempo definidos por la empresa para la presentación formal de los pronósticos del subsistema

comercial, que en este caso son trimestrales, se usaron diferentes combinaciones para

generar tres (3) descritos en la Tabla 12.



46

Escenario Descripción

Peor de los casos En este escenario se encuentran los negocios de más alta probabilidad de cierre basados en la combinación entre los criterios y etapas que se encuentran en un nivel avanzado.

Esperado En este escenario se tienen en cuenta los negocios del primer escenario y los negocios con una probabilidad media basados en la combinación entre los criterios y etapas que se encuentran en un nivel intermedio de avance y en el tiempo que resta para acabar el periodo de medición del pronóstico.

Mejor de los Casos Este es el escenario optimista y se tienen en cuenta los dos primeros escenarios y los negocios de baja probabilidad basados en la combinación entre los criterios y etapas que se encuentran en un nivel bajo de avance y en el tiempo que resta para acabar el periodo de medición del pronóstico.

Tabla 12. Escenarios. Fuente: Autor

Teniendo en cuenta que para el caso de estudio en Hewlett Packard Enterprise, su medición

temporal es por año fiscal, el cual está conformado por cuatro (4) periodos de tres (3) meses

cada uno, los escenarios varían según el mes en curso durante el periodo, por lo que para el

mes uno (1) del periodo se tiene en consideración una mayor cantidad de combinaciones

entre criterios y etapas, conforme avanza el periodo, para los meses siguientes mes dos (2)

y mes tres (3), las combinaciones van disminuyendo en cantidad, hasta obtener las

combinaciones entre etapas y criterios más avanzadas, lo anterior teniendo en cuenta que el

promedio de cierre de un negocio es de sesenta (60) días desde su etapa inicial.

En la Tabla 13, se plasma el borrador del modelo para toma de decisiones, que representa el

comportamiento de un periodo (3 meses, M1, M2 y M3), en donde según la información

analizada se encontró la relación directa entre los criterios y las etapas del ciclo de ventas

(figura 7), pudiendo generar un pronóstico para el cierre del periodo en curso con un nivel de

variación que se ve representado por los diferentes escenarios, siendo el “peor de los casos”

el límite inferior, el “mejor de los casos” el límite superior y el ideal es representando por el

escenario “esperado”, teniendo en cuenta lo anterior cualquier resultado dentro de los limites

sería aceptable. No se tuvieron en cuenta las combinaciones con etapas 1 y 2, ya que cerca

del 60% de los negocios no pasan de estas etapas.



47

Tabla 13. Borrador de modelo para toma de decisiones. Fuente: Autor

10.4. Panel de expertos

Para el caso de estudio se llevó a cabo la socialización y discusión de este análisis con un

panel de expertos compuesto por el gerente de ventas de Latinoamérica, dos (2) gerentes de

ventas de país y el analista de negocios para Latinoamérica, entre los cuatro (4) acumulan

más de 25 años de experiencia en el subsistema comercial de Hewlett Packard Enterprise,

por limitaciones de agendas, inicialmente se programó una (1) llamada de dos (2) horas.

Durante la llamada se revisó el modelo y los escenarios propuestos basados en las diferentes

combinaciones entre los criterios y las etapas, en donde llegaron a las siguientes

conclusiones:

1. El modelo inicial era arriesgado en el escenario optimista, “Mejor de los casos”, pues

se tenían en cuenta negocios que a su consideración no eran viables para el periodo

en curso según su estado y podían dar un pronóstico elevado con respecto a las



48

ventas de final del periodo, por ello no se tuvieron en cuenta las siguientes

combinaciones:

a. M1, 4. Desarrollo de la solución – Inicio

M1, 4. Desarrollo de la solución – Avanzado

M1, 3. Calificación del negocio – Inicio

b. M2, 5. Presentación de la solución – Inicio

M2, 4. Desarrollo de la solución – Avanzado

c. M3, 5. Presentación de la solución – Avanzado

2. Para el escenario “Esperado”, vieron necesario no tener en cuenta las siguientes

combinaciones:

- M1, “5. Presentación de la solución – Comprometido”

- M1, “6. Negociación y cierre – Avanzado”

Teniendo en cuenta que aún hay tres (3) meses para concluir el periodo, el estado de

estos negocios podía considerarse dentro del escenario “Peor de los casos”, para ese

periodo y estuvieron de acuerdo en mantener las combinaciones de M2 y M3 para

este escenario.

3. En cuanto al escenario restante, “Peor de los casos”, el único cambio fue incluir las

siguientes combinaciones:

- M1, “5. Presentación de la solución – Comprometido”

- M1, “6. Negociación y cierre – Avanzado”

Debido a su avance y al tiempo que aún había para desarrollar los negocios que se

incluyen en esas combinaciones.

Por los anteriores puntos se realizaron los cambios en el modelo inicial propuesto,

obteniendo las combinaciones para realizar las pruebas que se presentan en la Tabla 14.



49

Tabla 14. Modelo para toma de decisiones ajustado. Fuente: Autor

10.5. Pruebas y análisis

La fase de prueba se desarrolló con la información de cierre de los años fiscales 2016 y 2017,

en tres etapas, Figura 11:

Figura 11. Etapas de Pruebas y análisis. Fuente: Autor

1. Extracción de la información

Durante esta etapa se extrajo la información histórica, con un periodo mensual, de los

años 2016 a 2017, esto de un repositorio en el cual se almacena toda la información

que se procesa mensualmente en archivo separados, por lo que fue necesario unir

toda la información en un solo archivo, de igual forma, se seleccionaron solo los

1. Extracción de la

información

2. Aplicación del modelo

3. Análisis de Resultados



50

campos de interés para el análisis, los cuales fueron: Periodo, Etapa, Criterio, Región

y valor del negocio, esto contribuyó a una reducción de tiempo en la etapa posterior.

2. Aplicación del modelo

Al obtener la información histórica, se procedió por medio de hojas de cálculo a aplicar

el modelo según las diferentes combinaciones entre criterios y etapas, para cada

periodo, esto de manera sencilla para llevar a cabo las pruebas iniciales, pues como

se mencionó en la anterior etapa, se contaba con la información básica para facilitar

esta la aplicación del modelo, los resultados se ven en la Tabla 15.

Tabla 15. Resultados etapa de prueba. Fuente: Autor

3. Análisis de resultados

El modelo se desarrolló de tal forma que el escenario “Esperado”, brinde un pronóstico

estimado para el periodo en curso, y los escenarios “Peor de los Casos” y “Mejor de

los Casos” sirvan de limites inferior y superior, respectivamente; la robustez del

modelo está respaldada por la fuente de la información que lo alimenta, que es

Año Periodo MesPeor de los

casos (%)

Esperado

(%)

Mejor de los

casos (%)

M1 -36 -3 29

M2 -33 -6 12

M3 -11 5 7

M1 -16 12 45

M2 -34 -6 19

M3 9 32 33

M1 -26 2 29

M2 -37 -5 18

M3 -20 0 2

M1 -13 20 63

M2 -30 3 35

M3 -18 4 7

M1 -28 1 29

M2 -32 -12 10

M3 -21 -8 -5

M1 -34 -6 21

M2 -42 -15 8

M3 -26 0 1

M1 -40 -14 -4

M2 -56 -9 10

M3 -59 -32 -31

M1 -38 -11 8

M2 -46 -18 14

M3 -24 -4 -2

Q3

Q4

2016

2017

Q1

Q2

Q3

Q4

Q1

Q2



51

información detallada de todos los negocios de la región en un periodo en curso.

En la Tabla 15, se muestran los resultados mensuales de cada escenario frente al

cierre oficial de cada periodo, para los meses que comprenden de 2016 a 2017, las

diferencias porcentuales del escenario “Esperado” frente al cierre, son mayores al

15%, en apenas 5 meses, esto fue debido a calidad de la información, pues a pesar

de tomarla de fuentes oficiales, la calidad de esta depende de los vendedores, que en

ocasiones no reportan el valor real de los negocios sino hasta su cierre malogrando

el número mensual, además de tener negocios en combinaciones que no se

encuentran consideradas, por una mala evaluación del vendedor frente al negocio.

A continuación se planteó una prueba de hipótesis de diferencia de medias con un

alpha de 0.05 para determinar si se acepta o no que los datos reales tienen diferencia

alguna con los datos calculados para el escenario “Esperado”.

𝑯𝟎: 𝜇𝑟𝑒𝑎𝑙 = 𝜇𝑐𝑎𝑙𝑐

𝑯𝟏: 𝜇𝑟𝑒𝑎𝑙 ≠ 𝜇𝑐𝑎𝑙𝑐

Se realiza ANOVA de un solo factor con la cual se obtienen los siguientes resultados:

Observamos que el P-Value es de 0.307, mayor que el alpha de 0.05 por lo tanto se

acepta H0, lo cual nos indica que existe suficiente evidencia estadística para aceptar

que la media de los datos reales es igual a la media de los datos calculados, por lo

anterior podemos concluir que el modelo de pronóstico es aplicable.

F P-value F crit

1,067 0,307 4,052



52

10.6. Implementación del modelo en plataforma de BI

Para la implementación de modelo en una plataforma de BI, se llevaron a cabo pruebas sobre

las tres (3) plataformas líderes en el segmento según Gartner, gracias a sus características

frente a las demás soluciones ofrecidas en el mercado, estas son Tableau, Qlikview y

Microsoft Power BI, Anexo 1, siendo esta ultima la que para el caso de estudio es la mejor

opción frente a las demás, por los siguientes factores:

Facilidad de conexión con bases de datos, tanto con servidores físicos como en la

nube, además de permite una fácil, rápida y segura conexión directa con la plataforma

de CRM, Saleforce.com, usada por Hewlett Packard Enterprise para gestionar sus

negocios.

Factor económico, gracias a que Microsoft es un aliado estratégico de Hewlett

Packard Enterprise, las licencias de la versión más completa de Power BI, está

incluida en el paquete de Office 365 que tienen todos los empleado, con lo que cual

solo al acceder con la cuenta corporativa se obtiene el total de las funciones no solo

para crear, y editar, sino también para compartir reportes de la plataforma.

Facilidad de uso, gracias a su entorno intuitivo, el tiempo de aprendizaje para el

desarrollo de reportes y cuadros de control es muy corto, pues tiene muchas

similitudes con el desarrollo de tablas dinámicas en una hoja de cálculo.

Lenguaje amigable, para uso avanzado es posible programar tareas y cálculos

complejos según los requerimientos del usuario basado en lenguaje DAX, el cual es

muy parecido al lenguaje usado en Visual Basic, esto permite a usuarios avanzados

adaptarse con mayor facilidad.

Seguridad, este es uno de los factores más importantes, pues la información y los

análisis que se realizan con ella en esta plataforma, son confidenciales, con lo que la

plataforma permite crear perfiles además de limitar el acceso solo para empleados de

la compañía.



53

Sensación y facilidad de navegación, los reportes y cuadros de control que se

desarrollan con Power BI, cuentan con facilidad en su navegación, gracias a las

visualizaciones que vienen en la plantilla de diseño, además cuenta con una tienda en

línea en donde es posible descargar plantillas y herramientas adicionales.

Conexión multiplataforma, permite consultar reportes y cuadros de control a través

de cualquier dispositivo móvil compatible con la aplicación que se encuentran

disponible para sistema operativo Android y iOs, al igual que permite el acceso desde

cualquier navegador web.

Actualizaciones programadas, es una de las principales ventajas de esta

plataforma, pues basta con programar a qué hora y con qué frecuencia se desea tener

la información actualizada y de forma autónoma lo hace.

Durante el proceso de implementación del modelo sobre la plataforma de BI, Microsoft Power

BI, fue necesario hacer un compilado de la información para las respectivas mediciones tanto

en el modelo propuesto, como para el cumplimiento de las metas fijadas al subsistema

comercial, esta información se alojó en su mayoría en listas de Sharepoint y esta enlistada

en la Tabla 16.

Información Fuente Descripción

Modelo de toma de decisiones propuesto

Lista de Sharepoint

Modelo con las condiciones anteriormente establecidas

Datos de Negocios activos

Salesforce.com Datos referentes a los negocios activos en Latinoamérica

Metas corporativas Lista de Sharepoint

Datos correspondientes a las metas corporativas fijadas para el año fiscal en curso

Estimado de cierre de país

Lista de Sharepoint

Dato estimado que cada gerente de país estima para el cierre del trimestre

Cierre de ventas por país

Lista de Sharepoint

Dato de cierre de ventas por país para el periodo

Región Lista de Sharepoint

Tabla con la clasificación de regiones

Líneas de producto

Lista de Sharepoint

Tabla con la clasificación de negocios según la línea de producto



54

Periodos Lista de Sharepoint

Tabla con la definición de los trimestres

Mes Lista de Sharepoint

Tabla con la definición de los meses

Etapas Lista de Sharepoint

Tabla con la definición de las etapas del ciclo de ventas

GTMR Lista de Sharepoint

Tabla con la definición de los tipos de ventas (Directa o Indirecta)

Tabla 16. Listado de Información necesaria para el desarrollo del modelo. Fuente: Autor

Tras tener las bases con los datos necesarios, se procede a asociarlas desde Power BI, esto

por medio de la función de conexión a Salesforce.com y Sharepoint, sin embargo al añadir

los datos de Salesforce.com, los protocolos de seguridad solo permiten descargar las

primeras dos mil (2000) líneas, por lo que fue necesario dividir los datos entre las tres (3)

regiones Brasil, MCA y Mexico, y a su vez se dividieron entre cada periodo y líneas de negocio

obteniendo un total de treinta y seis (36) reportes por cada región para un total de ciento ocho

(108) reportes para Latinoamérica, debido al alto nivel de procesamiento fue necesario

generar un reporte para cada región desde Power BI.

Los tres (3) reportes en Power BI, comparten la misma estructura e interfaz, cambiando entre

ellos solo en la información de consulta; con respecto al desarrollo del modelo, se llevó a cabo

la conexión entre los datos como se muestra en la Figura 12.

Figura 12. Conexiones del modelo propuesto en Power BI. Fuente: Autor



55

Las bases de datos principales se ven en la Figura 12, estas son: Cierre y Gerentes, Meta

corporativa y Datos Neg. Activos, por lo que es necesario conectarlas para hacer

comparaciones y ver el estado general del subsistema comercial, se llevó a cabo la conexión

de las tres (3) bases principales realizar por medio de bases externas, que contienen el total

de campos dentro de ellas y sirven para realizar filtros en la interfaz principal, adicional el

Modelo propuesto necesita de la clasificación mensual llamada “Mes”, que se conectó a los

datos de negocios activos para hacer el análisis, como se muestra en la Figura 12.

Al tener las conexiones realizadas, se procedió al desarrollo de la interfaz dirigida al usuario

final, que para el caso del modelo se muestra en la Figura 13, en la parte superior se

encuentran los filtros de país, trimestre y tipo de venta (directa o indirecta), en la parte superior

derecha, se encuentra una comparación entre los negocios activos en Salesforce.com contra

el número comprometido por el gerente de ventas por cada línea de negocios; en la esquina

inferior izquierda, se tiene una tabla con los valores para cada escenario, dividida en cada

línea de negocio, además del valor de los negocios activos en Salesforce.com, y

comparativas con las metas corporativas.

Se agregaron dos vistas adicionales, una permite analizar rápidamente el estado de los

negocios del país de forma general, agrupando por líneas de negocio, etapas, criterios y el

seguimiento por periodo para cada país, esta vista se encuentra en la Figura 14.

La segunda vista permite ver el detalle de los negocios que componen los números del país,

permitiendo al usuario realizar consultas detalladas (Figura 15).



56

Figura 13. Modelo propuesto vista final en Power BI, MCA. Fuente: Autor

Figura 14. Figura Información General Power BI, MCA. Fuente: Autor



57

Figura 15. Detalle de negocios en Power BI, MCA. Fuente: Autor

10.7. Validación conceptual

Partimos de cuatro (4) premisas al inicio de la investigación, las cuales generan un alto

impacto en el subsistema comercial de cualquier organización y fueron los principales

problemas a solucionar por medio del desarrollo del modelo propuesto y la implementación

de la plataforma de Bussiness Intelligence, en el subsistema comercial de Hewlett Packard

Enterprise, estas son:

Tiempo perdido: Realizar reportes manuales incluye el tiempo que toma recopilar

información, construir formulas, gráficos, verificar y distribuir la información.

Gracias al proceso desarrollado para la generación del modelo y con la

implementación en la plataforma de Bussiness Intelligence, Power BI, fue posible

reducir el tiempo de la toma de decisiones de 22 a 10.08 horas (Tabla 17), que

representa un 54% menos del tiempo que toma en el procesos actual.

Esta reducción se evidencia en los procesos de extracción y procesamiento, en donde

genera impacto el modelo propuesto, sin embargo, a pesar de facilitar el proceso de



58

análisis, por la importancia que este conlleva, es necesario seguir revisando el detalle

de los negocios con la guía del modelo propuesto.

Tabla 17. Tabla de tiempos. Fuente: Autor

Desperdicio de talento: Cargos altos en cualquier departamento, pierden horas en

el procesamiento de data en vez de estar tomando decisiones sobre reportes que

deberían estar terminados, fa funcionalidad de la plataforma de Bussiness

Intelligence, Power BI, incluye actualizaciones automáticas a las bases de datos que

se encuentran en la nube, funcionalidad que se agregó al reporte con el modelo

propuesto, permitiendo así tener información actualizada cada hora, garantizando la

consulta de información del día, sin necesidad de procesos adicionales.

Duplicación de Información: Reportes con un mismo fin son creados más de una

vez por diferentes usuarios, por los parámetros fijados en el modelo para toma de

decisiones, y la funcionalidad de la plataforma de BI, Power BI, es posible llevar a

cabo diferentes consultas en un solo espacio, facilitando el acceso a información sin

necesidad de generar nuevos reportes o hacer otros procesos, con lo que se logra

centralizar todo en una sola herramienta a la cual tienen acceso quienes cuenten con

una cuenta corporativa, para el caso de Hewlett Packard Enterprise, garantizando

seguridad de la información compartida.

Toma de Decisiones erróneas: Decisiones apresuradas son tomadas sin haber

hecho los procesamientos correctos, la implementación de la plataforma de Bussiness

Intelligence junto al modelo propuesto, brindan confiabilidad en cuanto al

procesamiento de la información, pues las condiciones de clasificación de negocios y

Actual 4 8 10 22

Propuesto 0,04 0,04 10 10,08

Reducción (%) 99 99,5 0 54,18

Extracción de

datos (horas)

Procesamiento

(horas)

Análisis 10

Países (horas)

Total

(horas)Modelo



59

regiones se encuentran fijos y solo quien desarrollo el reporte puede cambiar estas

condiciones, garantizando el procesamiento correcto de la información.

Adicionalmente gracias a que el modelo propuesto se alimenta de los negocios activos

en el subsistema comercial, brinda información basada en negocios reales, esto

siempre y cuando la información se encuentre correctamente diligenciada en la

plataforma de ventas.

10.8. Accesibilidad

El modelo se diseñó como una herramienta para los gerentes del subsistema comercial del

área de servicios de Hewlett Packard Enterprise de las diferentes regiones, con lo que el

acceso al reporte final se encuentra inicialmente limitado a ellos, adicional, se le concedió

acceso al analista financiero de cada región, pues son parte importante del proceso de

generación de pronóstico de ventas, como a los gerentes regionales.

A futuro es posible dar acceso a los especialistas de ventas, con ciertas limitaciones, pues la

información que el reporte contiene es confidencial, brindando acceso solo al módulo con el

detalle de los negocios (Figura 14) para realizar seguimiento detallado de sus negocios.



60

11. Evaluación y Análisis de Resultados

Los resultados obtenidos en el escenario “Esperado”, fueron evaluados mediante una prueba

de hipótesis de diferencia de medias con un alpha de 0.05 para determinar si se acepta o no

que los datos reales tienen diferencia alguna con los datos calculados para dicho escenario.

𝑯𝟎: 𝜇𝑟𝑒𝑎𝑙 = 𝜇𝑐𝑎𝑙𝑐

𝑯𝟏: 𝜇𝑟𝑒𝑎𝑙 ≠ 𝜇𝑐𝑎𝑙𝑐

Se realiza ANOVA de un solo factor con la cual se obtienen los siguientes resultados:

Observamos que el P-Value es de 0.195, mayor que el alpha de 0.05 por lo tanto se acepta

H0, lo cual nos indica que existe suficiente evidencia estadística para aceptar que la media

de los datos reales es igual a la media de los datos calculados, por lo anterior podemos

concluir que el modelo de pronóstico es aplicable. Adicional se evidencia en la Tabla 18, que

los escenarios, “Peor de los casos” y “Mejor de los casos”, muestran resultados por encima y

por debajo, respectivamente, del número oficial de cierre para cada periodo, manteniendo

similitud a líneas de control en donde se busca que el resulta final no este por fuera de estas.

Tabla 18. Calculado vs Resultados 2018 (%). Fuente: Autor

F P-value F crit

1,833 0,195 4,494

Período MesPeor de los

Casos (%)

Esperado

(%)

Mejor de los

Casos (%)

1 -63 -10 2

2 -59 -40 7

3 -16 -2 0

1 -31 16 27

2 -20 0 30

3 -2 7 9

1 -49 -16 35

2 -29 -12 15

3 -13 -4 -3

1 -15 4 7

2 -18 -5 10

3 -12 -6 6

Q1

Q2

Q3

Q4



61

12. Conclusiones

El uso de herramientas de inteligencia de negocios combinado con un modelo para la toma

de decisiones brinda a las empresas ventajas sobre la competencia, tales como el tiempo de

obtención y la precisión de la información, durante la investigación se llevó a cabo una mejora

sobre el método usado para obtención y procesamiento de información, pues su método

actual se soportaba sobre hojas de cálculo con procesamiento manual, lo que lo hacía lento

y carente de precisión, además no contaban con un proceso estándar para la selección de

negocios para el pronóstico del periodo en curso.

Durante el desarrollo de la investigación se cumplieron los objetivos específicos planteados,

ya que:

Se llevó a cabo un diagnóstico basado en la información histórica de negocios

desarrollados durante los años 2016 y 2017 en el subsistema comercial de Hewlett

Packard Enterprise, detectando una tendencia de las interacciones entre los criterios

y las etapas del ciclo venta, con la que fue posible desarrollar el modelo inicial

propuesto.

Se estableció un marco de referencia basado en soluciones existentes para la toma

de decisiones, sin embargo, debido a que el modelo propuesto se soporta en

información de negocios activos y se alimenta en tiempo real, varían sus resultados

según tenga variación esta información, generando escenarios realistas y con poca

incertidumbre.

Se propuso un modelo para la toma de decisiones el cual está sobre una plataforma

de Bussiness Intelligence, que gracias a la interacción detectada entre las etapas y

los criterios del ciclo de ventas, genera escenarios estimados soportados sobre

información que alimenta el modelo en tiempo real y reduciendo el tiempo de



62

procesamiento de los datos gracias a la estandarización y automatización del

procesos de pronóstico en el subsistema comercial.

El estudio de caso para la validación del modelo se llevó a cabo con datos de negocios

desarrollados durante el año 2018 en el subsistema comercial de Hewlett Packard

Enterprise para Latinoamérica, obteniendo resultados satisfactorios y dentro de los

límites fijados; se llevaron a cabo pruebas estadísticas que verificaron de manera

positiva el ajuste del modelo propuesto con los números finales.



63

13. Matriz contrastación de Objetivos

Objetivo Descripción Cumplimiento

(%) Evidencia Observaciones

1 Desarrollar e implementar un modelo para la toma de decisiones para el subsistema comercial de una empresa del sector IT, sustentado en la convergencia de los criterios y las etapas del ciclo de ventas de servicios, atendiendo la variabilidad del entorno.

100 Capítulo 9

Se cumplió el objetivo propuesto, generando un modelo que reduce tiempo de obtención y calidad de la información, basado en la interacción entre los criterios y las etapas del ciclo de ventas.

2 Realizar un diagnóstico de la situación actual sustentado en herramientas de planeación estratégica, a fin de identificar la interacción apropiada entre los criterios y las etapas que hacen parte del ciclo de ventas de servicios de IT

100 Capítulo

9.1

Se cumplió el objetivo propuesto, encontrando la relación entre los criterios y las etapas del ciclo de ventas.

3 Establecer un marco de referencia conceptual que permita evaluar soluciones existentes en la toma de decisiones en subsistemas comerciales

100 Capítulo 8

Se cumplió el objetivo propuesto.

4 Proponer un modelo para la toma de decisiones basado en las interacciones identificadas y los criterios que determinan el ciclo de ventas de servicios de IT.

100 Capítulo

9.3 Se cumplió el objetivo propuesto.

5 Validar el modelo propuesto, mediante un estudio de caso en Hewlett Packard Enterprise para Latinoamérica

100 Capítulo

10

Se cumplió el objetivo propuesto, llevando a cabo una validación con datos de negocios en curso.

Tabla 19. Matriz de Objetivos. Fuente: Autor



64

14. Aportes

En el desarrollo del proyecto se obtuvieron resultados asociados a la aplicación del

conocimiento adquirido acerca de BI en el subsistema comercial de ventas para empresas de

IT en este caso particular Hewlett Packard Enterprise, reduciendo los tiempos y aumentando

su resiliencia para la toma de decisiones, reduciendo el tiempo en la obtención de la

información y análisis para el pronóstico de ventas en un 54% (Capítulo 10.7).

Los entregables para este caso, se pueden discriminar en productos tangibles e intangibles

como expresión de los resultados y del proceso mismo de la investigación.

Los resultados intangibles se describen en la Tabla 20 y los tangibles en la Tabla 21.

Producto Resultado KPI Beneficiado/s

Desarrollo e implementación de Modelo de BI

Modelo de BI finalizado e implementado

Subsistema comercial de ventas HPE Latinoamérica

Mejora de la eficiencia en procesos de toma de decisiones

Calidad y Tiempo en la generación de información

Subsistema comercial de ventas HPE Latinoamérica

Tabla 20. Resultados Intangibles de la Investigación. Fuerte: Autor

Producto Resultado KPI Beneficiado/s

Tesis de Maestría Tesis de Maestría finalizada

Estudiante

Articulo con los resultados de la Investigación

Postulación/Publicación Comunidad Académica

Tabla 21. Resultados Tangibles de la Investigación. Fuerte: Autor



65

15. Líneas futuras de investigación

Dentro del marco de la investigación en el análisis para el planteamiento del modelo para la

toma de decisiones, la información de los negocios se tomó de manera general en cuanto a

las líneas de negocio, que para el caso de estudio se dividían en doce (12) diferentes líneas

de negocio, las cuales pueden presentar un comportamiento distinto en cuanto a los

escenarios propuestos basados en la interacción entre las etapas y los criterios del ciclo de

ventas.

Este comportamiento también puede ser posible analizarlo a nivel de región con lo que se

extiende la cantidad de combinaciones en cuanto al modelo propuesto, pues en total el

subsistema comercial de Hewlett Packard Enterprise en Latinoamérica se divide en ocho (8)

regiones.

También se puede llevar a cabo un análisis del comportamiento de la interacción entre las

etapas y los criterios del ciclo de ventas a nivel de clientes, teniendo en cuenta que en el

subsistema comercial de Hewlett Packard Enterprise, existe una clasificación de clientes

según el monto y la recurrencia en los negocios, clasificándolos como grandes, medianos y

pequeños clientes.



66

16. Recomendaciones

Monitorear periódicamente las interacciones entre los criterios y las etapas del ciclo de ventas,

en busca de posibles cambios según aparezcan variables externas que afecten directamente

el subsistema comercial de Hewlett Packard Enterprise.

Realizar campañas de limpieza de datos, con incentivos para los especialistas de ventas para

que mantengan los datos referentes a sus negocios actualizados, para que el modelo tenga

un correcto funcionamiento.

17. Reconocimiento

2do puesto, concurso Hewlett Packard Enterprise de innovación a nivel Latinoamérica 2017

(Anexo 2).



67

18. Referencias

AbdelRahman, S. E., Zhang, M., Bray, B. E., & Kawamoto, K. (2014). A three-step approach

for the derivation and validation of high-performing predictive models using an

operational dataset: congestive heart failure readmission case study. BMC Medical

Informatics and Decision Making, 14(1), 41. https://doi.org/10.1186/1472-6947-14-41

Ahumada, E., Manuel, J., & Perusquia, A. (2016). Inteligencia de negocios : estrategia para el

desarrollo de competitividad en empresas de base tecnológica. Contaduría y

Administración, 61(1), 127–158. https://doi.org/10.1016/j.cya.2015.09.006

Agnihotri, R., Trainor, K. J., Itani, O. S., & Rodriguez, M. (2017). Examining the role of sales-

based CRM technology and social media use on post-sale service behaviors in India.

Journal of Business Research, 81(August), 144–154.

https://doi.org/10.1016/j.jbusres.2017.08.021

Alfredo, D., & Salamanca, V. (2013). MODELO DE INTEGRACIÓN DE LA TEORÍA DEL

CONTROL E INTELIGENCIA DE NEGOCIOS PARA LA GESTIÓN DEL

CONOCIMIENTO EN PYMES.

Aliverdi, R., Moslemi Naeni, L., & Salehipour, A. (2013). Monitoring project duration and cost

in a construction project by applying statistical quality control charts. International Journal

of Project Management, 31(3), 411–423. https://doi.org/10.1016/j.ijproman.2012.08.005

Andres, J., Sanchez, R., Comision, M. D. E. L. A., Domingo, J., Silva, V., Alejandro, S., &

Perez, R. (2011). Inteligencia de negocios y automatización en la gestión de puntos y

fuerza de ventas en una empresa de tecnología.

Antoniadis, I., Tsiakiris, T., & Tsopogloy, S. (2015). Business Intelligence during times of

crisis : Adoption and usage of ERP systems by SMEs. Procedia - Social and Behavioral

Sciences, 175, 299–307. https://doi.org/10.1016/j.sbspro.2015.01.1204

Astriani, W., & Trisminingsih, R. (2016). Extraction , Transformation , and Loading ( ETL )

module for hotspot spatial data warehouse using geokettle. 33, 626–634.

https://doi.org/10.1016/j.proenv.2016.03.117

Costa Bilbao, N., & Ferreira Bica, E. (2010). Sistemas de Información para la toma de

decisiones y el control en una empresa de servicios diversificados : caso de estudio

Asociación Nacional de Afiliados ( ANDA ).

Dahl, R. (2018). ScienceDirect Return Return of of the the JS : JS : Towards Towards a a

Node . js-Based Node . js-Based Software Software Architecture Architecture for for



68

Combined Combined CMS CMS / / CRM CRM Applications Applications. Procedia

Computer Science, 141, 454–459. https://doi.org/10.1016/j.procs.2018.10.143

Dalla, I., Goetz, O., & Michel, J. (2018). Implementation e ff ects in the relationship between

CRM and its. 89(June 2017), 391–403. https://doi.org/10.1016/j.jbusres.2018.02.004

Davenport, T. H., & Harris, J. G. (2007). The dark side of customer analytics. Harvard

Business Review, 85(5), 37–48. https://doi.org/Article

Del, M., Giannone, D., Giannoni, M. P., & Tambalotti, A. (2019). Global trends in interest rates.

Journal of International Economics, 118, 248–262.

https://doi.org/10.1016/j.jinteco.2019.01.010

Gartner Inc. (2019). The 2019 Analytics and BI Magic Quadrant Highlights. Retrieved March

15, 2019, from https://www.gartner.com/en/webinars/3900973/the-2019-analytics-and-

bi-magic-quadrant-highlights

Giudice, G. Del, Giudice, D., Della, G., Mariela, M., De, H., & Del, G. (2010). Proyecto de

implementación de un Data Warehouse para universidades nacionales.

Hernández, R., Fernández, C., Baptista, C., Laudon, K. C., & Laudon, J. P. (2014). Full-Text.

In Journal of Chemical Information and Modeling (Vol. 53).

https://doi.org/10.1017/CBO9781107415324.004

Ibermática. (2007). Business Intelligence: El Conocimiento compartido. Ibermática.

Kaiser, M. G., El Arbi, F., & Ahlemann, F. (2014). Successful project portfolio management

beyond project selection techniques: Understanding the role of structural alignment.

International Journal of Project Management, 33(1), 126–139.

https://doi.org/10.1016/j.ijproman.2014.03.002

Khan, R., & Quadri, S. (2012). Business intelligence: an integrated approach. Business

Intelligence Journal, 5(1), 64–70. Retrieved from

http://www.saycocorporativo.com/saycouk/BIJ/journal/Vol5No1/BJournal_January2012.

pdf#page=68

Kim, A., Khon, N., & Aidosova, Z. (2016). Emotional intelligence of a coach as a factor of

coach-student interaction. Procedia - Social and Behavioral Sciences, 236(December

2015), 265–270. https://doi.org/10.1016/j.sbspro.2016.12.026

Li, X., Xie, Q., Daim, T., & Huang, L. (2019). Technological Forecasting & Social Change

Forecasting technology trends using text mining of the gaps between science and

technology : The case of perovskite solar cell technology. Technological Forecasting &

Social Change, (January), 1–18. https://doi.org/10.1016/j.techfore.2019.01.012



69

Luhn, H. P. (1958). A Business Intelligence System. IBM Journal.

Mejía Navarrete, J. V. (2011). Problemas centrales del análisis de datos cualitativos. Revista

Latinoamericana de Metodología de La Investigación Social, (1), 47–60. Retrieved from

http://www.relmis.com.ar/ojs/index.php/relmis/article/view/11

Microsoft Inc. (2018a). ¿Qué es SharePoint? - Soporte de Office. Retrieved May 4, 2019, from

https://support.office.com/es-es/article/¿qué-es-sharepoint-97b915e6-651b-43b2-827d-

fb25777f446f

Microsoft Inc. (2018b). Uso compartido de archivos online y copia de seguridad en la nube de

OneDrive para la Empresa. Retrieved May 4, 2019, from https://products.office.com/es-

co/onedrive-for-business/online-cloud-storage

MILES, M. y HUBERMAN, M. (1984). Qualitative data analysis. A sourcebook of new

methods. London: Sage Publications.

Navarro Mejia, M. (2012). Técnicas de ventas.

Paesbrugghe, B., Rangarajan, D., Sharma, A., Syam, N., & Jha, S. (2017). Purchasing-driven

sales: Matching sales strategies to the evolution of the purchasing function. Industrial

Marketing Management, 62, 171–184. https://doi.org/10.1016/j.indmarman.2016.09.002

Piontkewicz, R., Freitas, M. D. C. D., Kemczinski, A., & Martin, C. D. S. (2016). Management

of intellectual capital in a system of management accounting information. 6th

International Conference on Computers Communications and Control, ICCCC 2016,

(Icccc), 180–187. https://doi.org/10.1109/ICCCC.2016.7496758

Ram, J., Zhang, C., & Koronios, A. (2016). The implications of Big Data analytics on Business

Intelligence : A qualitative study in China. Procedia - Procedia Computer Science, 87,

221–226. https://doi.org/10.1016/j.procs.2016.05.152

Salah, M., Hassan, A., & Abd, M. (2018). ScienceDirect A systematic review for the

determination and classification of the CRM critical success factors supporting with their

metrics. Future Computing and Informatics Journal, 3(2), 398–416.

https://doi.org/10.1016/j.fcij.2018.11.003

Salesforce. (2018). ¿Qué es Salesforce? - Salesforce. Retrieved May 4, 2019, from

https://www.salesforce.com/es/products/what-is-salesforce/

Satiko, C., Miro, D., Francisco, C., & Gomes, S. (2015). Text Mining Business Intelligence : a

small sample of what words can say. Procedia - Procedia Computer Science, 55(Itqm),

261–267. https://doi.org/10.1016/j.procs.2015.07.044

Serra, C. E. M., & Kunc, M. (2014). Benefits Realisation Management and its influence on



70

project success and on the execution of business strategies. International Journal of

Project Management, 33(1), 53–66. https://doi.org/10.1016/j.ijproman.2014.03.011

Server, S. P. (2007). Introduction to SharePoint Development. 237–265.

Sharma, M., Singh, G., & Singh, R. (2016). Design and analysis of stochastic DSS query

optimizers in a distributed database system. Egyptian Informatics Journal, 17(2), 161–

173. https://doi.org/10.1016/j.eij.2015.10.003

Theodorou, V., Abelló, A., Thiele, M., & Lehner, W. (2017). Data & Knowledge Engineering

Frequent patterns in ETL work fl ows : An empirical approach. 112(August), 1–16.

https://doi.org/10.1016/j.datak.2017.08.004

Vera-Baquero, A., Colomo-Palacios, R., & Molloy, O. (2014). Towards a Process to Guide Big

Data Based Decision Support Systems for Business Processes. Procedia Technology,

16(2212), 11–21. https://doi.org/10.1016/j.protcy.2014.10.063

Wibowo, S., Grandhi, S., & Deng, H. (2016). Multicriteria Group Decision Making for Selecting

Human Resources Management Information Systems Projects. 1405–1410.

inteligencia de negocios: modelo para la toma de

Documents