los sistemas de inteligencia de negocio como soporte …

Resumen

Los sistemas de inteligencia de negocio(business intelligence, BI) son sistemas de in-formación que acogen a un amplio conjuntode aplicaciones diseñadas para apoyar la to-ma de decisiones en las organizaciones. Estossistemas se han convertido, desde 2005, en laapuesta tecnológica clave de empresas y or-ganizaciones líderes. Las previsiones señalanque su crecimiento será ascendente en lospróximos cinco años. Dada esta importancia,en el presente artículo abordamos la evolu-ción seguida por los sistemas de informaciónpara apoyar la toma de decisiones y de cómoeste devenir ha conducido a los sistemas deinteligencia de negocio. Asimismo, tratamosla relación entre BI y los procesos de toma dedecisiones. Nos adentramos en clarificar tantoel concepto, la arquitectura, como el alcanceen la implantación de estos sistemas. Conbase en un profundo análisis de la literatura,abordamos el estudio de los beneficios e im-pactos que tiene la inteligencia de negocio enlas empresas. Finalizamos con la situación deBI en el mundo y en España y la identificaciónde las tendencias presentes en el entorno BI,deteniéndonos en la integración entre los sis-temas de inteligencia de negocio y la gestióndel conocimiento.

Palabras clave: sistemas de inteligencia denegocio, gestión del conocimiento.

Abstract

Business Intelligence is a kind of informa-tion system that includes a wide set of appli-cations designed to support organizationaldecision-making. According to several inter-national studies, since 2005 BI is a key tech-nological investment for leading firms and organizations. Information technology fore-casts indicate an ascending growth duringnext five years. According to the importanceof this phenomenon, this paper tackles theevolution of the information systems designedto support making-decision processes andhow such this progress has lead to the emer-gence of the BI concept. In addition, we focuson the relationship between BI and decision-making. Next, we explain the concept, frame-work and scope of BI systems. After a deepliterature analysis, we study the benefits andimpacts of BI on firm performance. We alsodescribe the state of affairs about BI both inSpain and on a global basis, as well as anidentification of BI trends. Finally, we dedicateda special point to the BI and knowledge man-agement integration.

Key words: business intelligence, know-ledge management.

JEL classification: D80, M15, M21, O33.

I. INTRODUCCIÓN

LAS necesidades de informa-ción de las empresas han cre-cido de forma acelerada en

las últimas décadas a causa de lamayor complejidad de sus activi-dades y de las decisiones que hande adoptar. La evolución extraor-dinaria de las tecnologías de la in-formación ha permitido aten derestas necesidades, mediante eldesarrollo de una sucesión deaplicaciones y herramientas quehan poblado de siglas y acróni-mos tanto la literatura co mo lapráctica de los sistemas de infor-mación. La acumulación de estossistemas ha provocado proble-mas de sobreabundancia dedatos y de carencia de la infor-mación, y sobre todo del conoci-miento, necesarios para unatoma de decisiones eficaz.

Para dar respuesta a los retosinformativos de las organizacio-nes ha surgido un concepto inte-grador, la inteligencia de negocio(business intelligence, BI), que nosolo implica un marco conceptualen el que se insertan los diferen-tes sistemas que se han desarro-llado sino también un ámbito o contexto para lograr que losdatos se conviertan en informa-ción y que esta abundante infor-mación genere el conocimientopara decidir adecuadamenteacerca de la estrategia y opera-ciones de las compañías.

El presente artículo lleva acabo un análisis de los sistemasde inteligencia de negocio comoel estadio más avanzado y actualde los sistemas de informaciónempresariales para apoyar latoma de decisiones. El estudiopone el énfasis en los aspectosorganizativos y directivos de la in-teligencia de negocio, reducien-do los comentarios relativos a losaspectos técnicos de los sistemasy aplicaciones que comprende.Se presta una especial atención ala situación en el mundo y en Es-paña de los sistemas de inteligen-cia de negocio, así como a los beneficios e impactos en la orga-nización de estos sistemas, apesar del reducido número de es-tudios que abordan esta cues-tión. En la medida de lo posiblese han utilizado datos referidos aEspaña, aunque las informacio-nes disponibles son escasas ybastante parciales. En todo caso,el objetivo que perseguimos esproporcionar una panorámicasobre la importancia de los siste-mas de información para las em-presas, señalar los problemas quearrastran los directivos cuandohan de tomar decisiones y desta-car las principales tendencias quese observan en la evolución de lainteligencia de negocio. En estesentido, es relevante la conexiónentre esta inteligencia de negocioy la gestión del conocimiento, dosáreas de investigación y de prác-tica empresarial, íntimamente

239

LOS SISTEMAS DE INTELIGENCIA DE NEGOCIO COMO SOPORTE A LOSPROCESOS DE TOMA DE DECISIONES

EN LAS ORGANIZACIONESJosé Luis ROLDÁN SALGUEIRO

Gabriel CEPEDA CARRIÓNJosé Luis GALÁN GONZÁLEZ

Universidad de Sevilla

L

IV-PEE 132.qxd:advantia 21/06/12 10:09 Página 239

conectadas pero que permane-cen separadas por razones diver-sas, y cuya vinculación supone laculminación de este trabajo.

II. LA EVOLUCIÓN DE LOS SISTEMAS DE INFORMACIÓN PARALA TOMA DE DECISIONES.UN RECORRIDO HASTALLEGAR A LOS SISTEMASDE INTELIGENCIA DE NEGOCIO

El uso de ordenadores por las organizaciones comienza en la década de los sesenta, sien-do inicialmente utilizados como soporte para el procesamiento de transacciones. Los sistemas deprocesamiento de transacciones(transaction processing systems,TPS) se emplearon para mecani-zar actividades operativas inten-sivas en el manejo de datos. Estossistemas se encuadran dentro dela categoría de sistemas de infor-mación denominada «aplicacio-nes de negocio» o «sistemas desoporte a las actividades organi-zativas», cuya finalidad es proce-sar y tratar información que hacereferencia a transacciones básicasdel negocio. Hoy en día, aquellossistemas TPS han evolucionadohacia lo que las empresas deno-minan software de gestión em-presarial (Gómez y Suárez, 2009),ámbito en el que se incluyen lossistemas para la gestión integra-da de los recursos de la empresa(enterprise resource planning,ERP), los sistemas de gestión dela cadena de suministros (supplychain management, SCM) y lossistemas de gestión de las relacio-nes con los clientes (customer re-lationship management, CRM).

Paralelamente a la implanta-ción de los primeros TPS, empie-za a surgir entre las organizacio-nes la necesidad de procesar lainformación que procede de los

sistemas operacionales para per-mitir el control de gestión y laayuda en el proceso de toma dedecisiones. De este modo, apare-ce la otra gran rama o categoríade sistemas de información, losdenominados por su finalidadcomo sistemas de apoyo a la di-rección y a las decisiones. Así, enlos años sesenta se empiezan adesarrollar los llamados sistemasde información de gestión (ma-nagement information systems,MIS). El objetivo que perseguíanera permitir a los directivos de losdistintos niveles de la organiza-ción obtener información detalla-da y resumida procedente de lasbases de datos operacionales.Estos sistemas estaban orienta-dos hacia el control interno pormedio de informes periódicospredefinidos o mediante la reali-zación de consultas simples. Sinembargo, presentaban seriosproblemas vinculados con la difi-cultad para integrar datos prove-nientes de distintas fuentes y consu incapacidad para sintetizardatos y describir tendencias. Ellohizo que investigadores comoRussell Ackoff (1967) le adjudica-ran el «apodo» de managementmisinformation systems. Poste-riormente, durante la década delos setenta surgen los denomina-dos sistemas de ayuda a la deci-sión (decision support systems,DSS) (Power, 2007). Estos se con-ceptúan como sistemas de infor-mación basados en ordenadoresque combinan modelos y datoscon el fin de resolver problemassemiestructurados con una am-plia implicación del usuario (Tur-ban y Volonino, 2010), propor-cionando principalmente unapoyo en la toma de decisionesanalítica y cuantitativa. Llegadoslos ochenta entran en escena lossistemas expertos (expert sys-tems, ES). Estos representan unade las ramas de la inteligencia artificial aplicada, siendo enten-didos como sistemas de informa-

ción basados en ordenadoresque son codificados con el cono-cimiento y la experiencia de espe-cialistas humanos para alcanzarniveles expertos en la resoluciónde problemas (Whitten et al.,1996). Asimismo, durante estadécada también hacen su apari-ción los sistemas de informa-ción ejecu tivos (executive infor-mation systems, EIS), sistemas deinformación basados en ordena-dores diseñados para proporcio-nar a los altos directivos un fácilacceso a la información internay/o externa relevante para sus ac-tividades de gestión (Roldán yLeal, 2003). Estos sistemas esta-ban principalmente diseñadospara apoyar los roles informativosde los ejecutivos. Con el tiempo,se fueron difundiendo entre unamayor base de usuarios de talmodo que el acrónimo EIS fue re-definido por algunos autorescomo everyone information sys-tem o enterprise intelligence system.

De esta forma llegamos a fina-les de la década de los ochenta ysurge un nuevo término integra-dor descrito como inteligencia denegocio (business intelligence,BI). Popularizado en 1989 porHoward Dresden, analista deGartner. Esta denominación in-corpora y reemplaza a las anti-guas etiquetas MIS, DSS y EIS(Averweg y Roldán, 2006), sien-do un término que perdura hastael momento, tanto en el ámbitoempresarial como en el académi-co (Azevedo y Santos, 2009).Como primera aproximación, BIrepresenta un concepto genéricoque acoge a un amplio conjuntode aplicaciones diseñadas paraapoyar la toma de decisiones(Conesa y Curto, 2010). Por estarazón se convertirá en el objetode estudio del presente trabajo,dado que estos sistemas de inte-ligencia de negocio se conformancomo la realidad más actual de

LOS SISTEMAS DE INTELIGENCIA DE NEGOCIO COMO SOPORTE A LOS PROCESOS DE TOMA DE DECISIONES EN LAS ORGANIZACIONES

PAPELES DE ECONOMÍA ESPAÑOLA, N.º 132, 2012. ISSN: 0210-9107. «LA EMPRESA EN ESPAÑA»

240


los sistemas de informaciónorientados para apoyar la tomade decisiones en las organizacio-nes. No obstante, antes de aden-trarnos en profundidad en los sistemas de BI, creemos necesariodetenernos en analizar la relaciónexistente entre la toma de deci-siones directiva y los sistemas deinteligencia de negocio.

III. LA NECESIDAD DE APOYO EN LOS PROCESOS DE TOMADE DECISIONES. EL PAPEL DE LOS SISTEMAS DE INTELIGENCIA DE NEGOCIO

Durante años, los directivoshan considerado la toma de de-cisiones como un arte, un talentoadquirido a través de la experien-cia y del método de prueba yerror. Sin embargo, el contextoen el que se mueve actualmentela administración de las organiza-ciones está cambiando rápida-mente. Se puede afirmar, sinlugar a dudas, que las organiza-ciones y sus entornos son máscomplejos e inciertos de lo quehan sido nunca, y con una ten-dencia claramente ascendente.Como resultado, la toma de de-cisiones en la actualidad es máscomplicada de lo que ha sido enel pasado. Para sustentar esteplanteamiento nos apoyaremosen la naturaleza de la nueva so-ciedad postindustrial y su impac-to en la toma de decisiones. Tresfacetas interconectadas van a ca-racterizar esta nueva sociedadpostindustrial (Huber, 1984):

1) Un mayor y creciente ni-vel de conocimiento; que se concreta, por una parte, en uncrecimiento exponencial delcono cimiento base existente y,por otra, en los avances de lastecnologías de la información y

comunicación, y en particular deinternet, que conducen a unamayor disponibilidad y accesibili-dad a dicho conocimiento.

2) Un mayor y creciente nivelde complejidad provenientes de:a) un mayor número de compo-nentes sociales (por ejemplo, individuos y organizaciones); b) una creciente especialización ydiversidad tecnológica, económi-ca y social derivada del superiornivel de conocimiento disponible,y c) una mayor interdependenciasocial surgida del incremento dela especialización.

3) Un mayor y creciente nivelde turbulencia.

Estas tres facetas influyen enlos procesos de toma de decisio-nes del siguiente modo:

1) La mayor turbulencia delentorno precisará que la toma dedecisiones en la organización seamás frecuente y más rápida.

2) La mayor complejidad deeste entorno conducirá a que latoma de decisiones sea más com-pleja, es decir, requerirá la consi-deración de un mayor número devariables, así como de las com-plejas relaciones existentes entreellas.

3) La mayor turbulencia de lasociedad provocará que la adqui-sición de información por partede las organizaciones sea máscontinua.

4) Derivada de la mayor com-plejidad de la sociedad, dicha ad-quisición de información serámás amplia, es decir, con múl -tiples perspectivas y mayor al -cance.

5) Por último, dada la riquezade información del entorno, seránecesario que la adquisición y

distribución de información en laorganización esté más dirigida,más focalizada, con el fin de evi-tar problemas de sobrecarga deinformación.

Teniendo en cuenta esta evo-lución y su impacto en el procesode toma de decisiones, resulta difícil tanto descansar en un pro-ceso de prueba y error, comocontinuar apoyándose en fuentesde información tradicionales enel ámbito de la gestión. En estesentido, el empleo de sistemas debusiness intelligence puede resul-tar extremadamente positivo decara a una eficaz toma de deci-siones (Pourshahid et al., 2011).A modo de avance, podemos señalar que la construcción deciertas aplicaciones de BI vincula-das a la gestión del rendimiento corporativo por parte de las orga-nizaciones, por ejemplo, la apli-cación del enfoque de cuadro demando integral (Kaplan y Norton,1997) y mapas estratégicos (Ka-plan y Norton, 2004), está ayu-dando a hacer frente a ciertas demandas de la sociedad posin-dustrial como son: la adquisiciónmás continua de información,con múltiples perspectivas ymayor alcance, y la dosificaciónde la información por medio deindicadores para hacer frente aldesafío de la sobrecarga de infor-mación (Roldán, 2001).

Concentrándonos en el mis -mo proceso de toma de decisio-nes, Herbert Simon (1977) señalaque este está presente en todaslas fases del proceso administra-tivo. Cuando se toma una deci-sión, bien sea organizativa o per-sonal, el responsable sigue undesarrollo sistemático compuestode cuatro etapas: razonamiento(inteligencia), diseño, elección eimplementación.

Durante la fase de razona-miento (inteligencia) se examina

241PAPELES DE ECONOMÍA ESPAÑOLA, N.º 132, 2012. ISSN: 0210-9107. «LA EMPRESA EN ESPAÑA»

JOSÉ LUIS ROLDÁN SALGUEIRO · GABRIEL CEPEDA CARRIÓN · JOSÉ LUIS GALÁN GONZÁLEZ


la realidad y se identifica y defineel problema u oportunidad. En lafase de diseño, se construye unmodelo o representación simpli-ficada de la realidad, que se llevaa cabo realizando suposicionesque simplifican la realidad y ex-presando las relaciones entretodas las variables. Luego, se va-lida el modelo y los decisores fijanlos criterios para la evaluación delas potenciales soluciones alter-nativas que se identifican. La fasede elección implica seleccionaruna solución, la cual se pruebade manera teórica o «sobre elpapel». Una vez que esta parecefactible, estamos preparadospara la última fase, la implemen-tación. Una implementación con

éxito da lugar a la resolución delproblema original o al aprove-chamiento de la oportunidad,mientras que el fracaso ocasionael regreso a las fases previas (grá-fico 1).

Teniendo en consideracióneste marco conceptual, se puedeafirmar que las aplicaciones quese construyen sobre un sistema BItienen como propósito auxiliar enlas distintas tareas que compo-nen el proceso de toma de deci-siones. De este modo, en la fasede razonamiento o inteligencia sepuede contar, entre otras aplica-ciones, con cuadros de mando odashboards así como herramien-tas de minería de datos que

capaciten a la organización parala identificación de problemas uoportunidades. En la fase de di-seño, elección e implementación,aplicaciones de analítica empre-sarial (business analytics, BA)(DSS basados en modelos), asícomo herramientas de inteligen-cia artificial aplicada (ES) puedenresultar de gran ayuda.

Estos planteamientos se hacenrealidad al constatarse cómo uncreciente número de empresas(denominadas «competidoresanalíticos») apoyan sus formas dehacer negocios en su capacidadpara recolectar, analizar y actuarcon base en los datos. Con estefin se apoyan en sistemas BI ali-



242

GRÁFICO 1EL PROCESO DE TOMA DE DECISIONES Y LOS SISTEMAS DE INTELIGENCIA DE NEGOCIO (BI)

Fuente: Adaptado de Turban y Aronson (2001: 436) y Turban et al. (2011: 12).


neados con la estrategia, quepermiten un despliegue de la ca-pacidad de toma de decisionesbasada en hechos a lo largo detoda la organización (Davenport,2006).

IV. EL UNIVERSO DE LOS SISTEMAS DE INTELIGENCIA DE NEGOCIO

Como término globalizador yexpresión de contenido abier-to, los sistemas de inteligencia de negocio (BI) no poseen una definición de consenso. No obs-tante, creemos que la concep-tuali zación aportada por Hugh J.Watson es útil para los fines queperseguimos en este artículo:«Business intelligence (BI) repre-senta una amplia categoría deaplicaciones, tecnologías y proce-sos que tienen como fin recopi-lar, almacenar, acceder y analizardatos para ayudar a los usuariosa tomar mejores decisiones»(Watson, 2009).

Esta definición supondría larecolección de información desdedistintas fuentes de datos (porejemplo, ERP y sistemas operacio-nales departamentales), el alma-cenamiento de los datos (porejemplo, en un almacén de datoscorporativo, data warehouse, oen un data mart), y el acceso yanálisis de dichos datos por me-dio de tecnologías y aplicacionesde BI para alcanzar un objeti-vo de negocio. En este caso, unaaplicación de BI podría ser un sis-tema de gestión del rendimientocorporativo que se construye conbase en una tecnología comopuede ser IBM Cognos BusinessIntelligence Scorecarding. Encuanto a los procesos, podemosencontrar diferentes opciones enun entorno BI. Desde el muy co-nocido proceso de extracción,carga y almacenamiento de da-

tos (extract-transform-load, ETL)vincu lado al contexto de los al-macenes de datos (DW), hastalos procesos asociados para prio-rizar proyectos BI (Wixom y Wat-son, 2010).

De esta forma, los s i s te-mas de inteligencia de negocio combinan la obtención y alma-cenamiento de datos con herra-mientas analíticas que presentaninformación compleja y compe-titiva a los decisores. Implícita-mente, estos sistemas propor-cionan información sobre la quese pue de actuar, distribuida enel momento y lugar adecuado,así como en el formato correctopa ra asistir a los decisores. El ob-jetivo es mejorar la oportunidady calidad de las entradas del pro-ceso de decisión, facilitando, portanto, el trabajo directivo (Ne-gash y Gray, 2003). Se puededecir que los sistemas BI buscanayudar a las organizaciones ainiciar la transición desde una si-tuación de abundancia en datosy pobreza, en información al es-tado de riqueza, en informacióncon capacidad para ofrecer unamejor toma de decisiones basa-da en hechos (Abukari y Jog,2003). La idea en sí misma essencilla. Sin embargo, hacerlarealidad no es algo fácil (Bitterer,2010).

Como ya avanzamos, los siste-mas BI son el resultado natural deuna serie de sistemas previos di-señados para apoyar la toma dedecisiones. En este sentido, los si-guientes factores tecnológicoshan conducido al desarrollo delas aplicaciones de BI (Negash,2004): 1) El surgimiento de losalmacenes de datos (data ware-houses, DW); 2) los avances endepuración e integración dedatos que conducen a una visiónunificada de la información (ETL);3) las mayores capacidades alcanzadas tanto en hardware

como en software, y 4) el augede las tecnologías web que sehan convertido en el interfaz deusuario prevalente. Si bien talesavances suponen una base parael desarrollo de los sistemas deinteligencia de negocio, los fac-tores que profundamente han in-fluido para su progreso han sidoaquellos vinculados con la exis-tencia de necesidades de negocioa satisfacer por parte de BI. Enparticular, podemos citar los si-guientes:

1) Necesidad de apoyar losprocesos de toma de decisionesen organizaciones afectadas porentornos caracterizados por altosniveles de conocimiento, comple-jidad y turbulencia (Davenport,2006; Sallam et al., 2011).

2) La presencia en las organi-zaciones de un creciente volu-men tanto de datos como defuentes (White, 2011) conduce a una necesidad de disponer deuna visión unificada de los datosque sirva de apoyo a los procesosdecisionales (Ranjan, 2008). Tal ycomo hemos señalado al princi-pio, nos encontramos con dosgrandes categorías de sistemasde información: de una parte, lossistemas operacionales o de so-porte a las actividades organiza-tivas; y de otra parte, los sistemasde apoyo a la dirección y a las de-cisiones que buscan satisfacer lasnecesidades de información de ladirección y apoyar la toma de de-cisiones. Estos últimos se nutrende los primeros. Al respecto, hayque señalar que los sistemas ope-racionales están orientados y optimizados para capturar y ma-nejar grandes volúmenes dedatos, pero con el fin de apoyarlas operaciones o transacciones,no para facilitar los procesos dedecisiones. Además, frecuente-mente no son muy propicios paraalimentar de datos a las aplica-ciones que apoyan la toma de




decisiones debido a las siguien-tes razones (Turban y Volonino,2010): a) Los datos se encuen-tran dispersos en diferentes basesde datos, con formatos dipares;b) una elevada y continua extrac-ción de datos podría afectar alrendimiento de los sistemas ope-racionales; y c) existen datos quepueden presentar inconsisten-cias. Esta situación puede condu-cir a las siguientes deficiencias(Conesa y Curto, 2010; Turban yVolonino, 2010): carencia de unavisión unitaria de los datos corpo-rativos que ofrezca confianza,tardanza para proporcionar la in-formación requerida, provisiónde datos con un nivel de detalleincorrecto (o muy detallados oexcesivamente resumidos), impo-sibilidad de cruzar informaciónde forma ágil entre departamen-tos y obstáculos para compartirdatos de forma oportuna.

3) Si a todo ello le sumamos lacreciente necesidad de acceder ainformación de mayor calidad(White, 2011), tenemos la cons-tatación de la necesidad de de -sarrollar sistemas de business intelligence. En efecto, inclusohoy en día, organizaciones quetienen implantados sistemas ERPexitosos se encuentran con pro-blemas para que estos apoyen demanera eficaz y eficiente los pro-cesos decisorios. Estas dificulta-des han llevado a la necesidad decrear e integrar sistemas ERP conBI para mejorar las capacidadesde toma de decisiones corporati-vas (Hou y Papamichail, 2010).

De forma general, se puedendistinguir dos categorías de da-tos que sirven de insumos para proporcionar la inteligencia ne -cesaria para apoyar la toma de decisiones (Negash, 2004). Poruna parte, nos encontramos condatos estructurados, los cualespueden proceder o estar inclui-dos en: OLAP, DW, data mining,

EIS, DSS y ERP. De otra, con datossemiestructurados (1): conversa-ciones, gráficos, imágenes, noti-cias, vídeos, páginas web, proce-sos de negocio, etcétera.

Si nos preguntamos qué es loque BI realiza, debemos respon-der que básicamente lo que llevaa cabo es apoyar la toma de de-cisiones estratégica, táctica yoperacional. Con este fin enmente, BI convierte datos en in-formación útil y, por medio delanálisis humano, proporciona co-nocimiento. De forma específicay dependiendo de las aplicacio-nes implantadas, BI podría reali-zar alguna de las tareas siguien-tes (Negash y Gray, 2003):

— Creación de previsiones ba-sadas en datos históricos, y en losrendimientos actuales y pasados.

— Análisis ¿qué pasaría si…?(what if?) para evaluar escenariosalternativos.

— Acceso ad hoc a los datospara responder consultas especí-ficas, no rutinarias.

— Obtención de una percep-ción y unos conocimientos estra-tégicos.

¿Quiénes son los usuarios delas aplicaciones BI en las organi-zaciones? Se puede afirmar que,dentro de una organización, lasherramientas BI las emplean des -de directivos de todos los niveleshasta los denominados trabaja-dores del conocimiento. Asimis-mo, se empieza a constatar quepueden acceder a dicha informa-ción tanto clientes como sociosde negocio y proveedores (Han-nula y Pirttimaki, 2003). Unaforma útil de pensar en BI es considerar las necesidades de información por niveles en la or-ganización (Burns, 2005) (vergráfico 2). Mientras que en elnivel operativo se pueden reque-rir los tradicionales informes pre-formateados, los directivos inter-medios llevan a cabo operacionesde corte y fragmentación dedatos (slice and dice) a través demúltiples dimensiones emplean-do OLAP. Asimismo, estos direc-tivos también desearán disfrutarde la flexibilidad de observar la



244

GRÁFICO 2NECESIDADES DE INFORMACIÓN POR TIPOS DE USUARIO EN LA ORGANIZACIÓN

Fuente: Burns (2005).


información en un modo nuevo y creativo a la hora de analizar unproblema particular, así comoplantear consultas ad hoc sintener que contar con el soportede un programador. Finalmente,la alta dirección querrá contarcon un cuadro de mando o dash-board que le resuma la informa-ción crítica en una sola página.Tendríamos aquí una aplicaciónde informes procedentes de apli-caciones de gestión del rendi-miento corporativo (corporateperformance management ,CPM). También podrían desearllevar a cabo tareas de profundi-zación en los datos (drill-down),aspiraciones que serían tambiéncompartidas por la dirección in-termedia.

Finalmente, podemos señalarque una aplicación de BI puedepresentar diversas orientacionesen función del impacto quetenga sobre la organización (cua-dro n.o 1). De este modo es posi-ble distinguir entre sistemas deinteligencia de negocio estratégi-cos, tácticos y operacionales, aso-ciándose a su vez con distintostipos de usuarios (Turban y Volo-nino, 2010). No obstante, paraque un sistema de BI genere todosu potencial debería ser capaz de

afrontar coordinadamente estastres dimensiones de forma sinér-gica e integrada (Quinn, 2009).

V. ARQUITECTURA DE UN SISTEMA DE INTELIGENCIA DE NEGOCIO (BI)

La primera idea a señalar esque la arquitectura que soportaun sistema de inteligencia de ne-gocio va a depender fuertementedel alcance y orientación que sele quiera otorgar al sistema. Encualquier caso, se pueden identi-ficar cuatro componentes básicos(Turban et al., 2011): el almace-namiento de datos (data ware-house y data marts), las funcio-nes de analít ica empresarial(business analytics) o conjunto deherramientas para manipular yanalizar los datos, los sistemas degestión del rendimiento corpora-tivo o de negocio, y los interfacesde usuario (gráfico 3).

Por otra parte, aunque estric-tamente no forman parte delconcepto de inteligencia de ne-gocio, sí haremos una breve in-troducción a los sistemas que representan las fuentes de datosque alimentan a los sistemas BI.

1. Fuentes de datos

Se pueden emplear una granvariedad de fuentes de datos paraalimentar un sistema BI. En treotras, podemos citar los distintossistemas operacionales existentes(ERP, CRM operativo, SCM),aquellos sistemas operacionalesanticuados y aún en marcha enlas organizaciones (por ejemplo,antiguos TPS) (legacy systems),sistemas departamentales, servi-dores web, datos externos, etc. Latendencia es que cada vez se in-cluyan más tipos de datos, comopueden ser aquellos asociados aetiquetas RFID (radio frequencyidentification). Asimismo, el pro-blema al que se enfrentan las empresas con este abanico defuentes es que los datos suelenpresentarse en diferentes forma-tos y plataformas. Además, nosencontramos con datos estruc -turados y no estructurados. Elmismo tipo de dato puede estarcodificado de forma distinta o in-cluso presentar inconsistenciasentre fuentes alternativas.

2. Almacenamiento de datos

El primer paso previo a la car -ga de la información en el alma-



CUADRO N.º 1

ORIENTACIÓN DE LOS SISTEMAS BI

Estratégico Táctico Operacional

Enfoque principal de negocio Logro de objetivos organizativos Analizar datos. Ofrecer alertas Gestionar las operaciones diariasa largo plazo e informes de seguimiento

relativos al logro de las metas organizativas

Usuarios principales Ejecutivos, analistas Ejecutivos, analistas, directivos Directivos de líneas de negocio, de líneas de negocio empleados

Marco temporal Mensual, trimestral, anual Diario, semanal, mensual Inmediato, diario

Tipos de datos o usos Histórico, predictivo Histórico, modelización En tiempo real, o muy cercano a predictiva tiempo real

Fuente: Adaptado de Turban y Volonino (2010: 449).


cén de datos es la integración de estos. Un conjunto de herra-mientas realiza las labores de extracción de los datos de las fuen-tes, procede a su transformación(operaciones de depuración, con-solidación, resumen y reestructu-ración de datos) y efectúa la cargaen el ámbito de almacenamientode datos. A este conjunto de ope-raciones se las conoce como ETL(extract - transform - load).

Una vez realizada la operaciónETL, estos datos se cargan en elalmacén de datos o data ware-house (DW), el cual se conformacomo pieza clave de un sistemaBI. De acuerdo con Conesa yCurto (2010), un DW es un repo-sitorio de datos que proporcionauna visión global, común e inte-grada de los datos de la organi-zación —independientemente

de cómo se vayan a emplear posteriormente por parte de losusuarios—. Dado que recoge información global de toda la organización, los DW alcanzangrandes volúmenes de datos(cientos de terabytes actualmen-te, llegando incluso a petabytes).Las cuatro características básicasde un DW son:

1) Integración. Los datos es -tán codificados de forma consis-tente.

2) Organización temática. Losdatos se organizan por temas(por ejemplo, clientes, proveedo-res, productos, etc.) conteniendosolo información relevante parala toma de decisiones.

3) Franja temporal. Contieneinformación histórica para com-

parar datos en períodos distintose identificar tendencias.

4) No volatilidad. Los datosson solo de lectura para usuariosfinales.

Un elemento vinculado al DWes el relativo a los metadatos.Estos ofrecen información sobrelos datos ubicados en el almacénde datos, describiendo el con -tenido de los mismos así como el modo en que son creados yusados.

En el ámbito del almacena-miento de datos, podemos en-contrarnos también con unos almacenes de menor tamaño denominados data marts. Estosson subconjuntos de datos delDW que poseen valor para un de-partamento en particular, para



246

GRÁFICO 3 ARQUITECTURA DE UN SISTEMA DE INTELIGENCIA DE NEGOCIO (BI)


un conjunto de usuarios o pararealizar determinados análisis ofunciones específicas.

3. Analítica empresarial(business analytics, BA)

Para Davenport (2006), laanalítica empresarial representauna de las últimas armas estra-tégicas puestas a disposición delas empresas. Ciertamente, eléxito de una compañía depen-de, entre otros factores, de có -mo la misma comprende a susclientes, proveedores o el fun-cionamiento de su cadena desuministros. Y esta comprensiónproviene del análisis de los datosque la empresa reúne. Es aquídonde entra en juego la analíti-ca empresarial. BA proporcionalos modelos y los procedimien-tos de análisis a BI. La analíticaempresarial implica el segui-miento de los datos y su poste-rior análisis para el logro de ventajas competitivas. Represen-ta un amplio conjunto de herra-mientas de software diseñadaspara crear informes, realizarcon sultas y desarrollar análisisde datos a petición de los usua-rios con el fin de ayudarles atomar mejores decisiones. ParaTurban et al. (2011), la analíticaempresarial incluye dos ampliascategorías: de una parte, herra-mientas de informes y consultas(queries); de otra, herramientasde minería de datos, textos yweb así como instrumental ma-temático y estadístico avanzado.

Dentro de la primera categoríacomenzaremos hablando demultidimensionalidad y análisisOLAP (Procesamiento analítico entiempo real, Online analyticalprocessing). OLAP es una catego-ría de software que permite elanálisis multidimensional dedatos. El análisis multidimensio-nal es una técnica analítica que

posibilita a los usuarios ver susdatos en un formato de cubo di-mensional (o hiperdimensional),capacitándoles para seleccionar yanalizarlos fácilmente. Los datosson representados en una dispo-sición multidimensional, deno -minada también hipercubo. Las dimensiones de este cubo pue-den ser múltiples, aunque habi-tualmente se suelen encontrar las siguientes: zona, producto, ven-dedor, período de venta, etcétera(gráfico 4).

De este modo, los productosOLAP proporcionan capacidadesde modelización, análisis y vi -sualización de grandes conjuntos de datos permitiendo la recupe -ración, manipulación y combina-ción de los mismos por medio deconsultas o informes.

En cuanto a las herramientasde informes, también llama-das de reporting, estas permitenresponder principalmente a lapregunta ¿qué pasó? En este

sentido, «un informe es un docu-mento a través del cual se repre-sentan uno o varios procesos denegocio. Suele contener textoacompañado de e lementoscomo tablas o gráficos para agi-lizar la comprensión de la infor-mación presentada» (Conesa yCurto, 2010). La creación de informes reduce costes, mejorael control y reduce el período delatencia de los datos. Por unlado, encontramos los informesrutinarios, generados automáti-camente y distribuidos periódica-mente a suscriptores internos yexternos por medio de listas dedistribución. Por otro, se disponede los informes ad hoc, creadospara un usuario específico cuan-do dicho documento es reque -rido.

Por lo que respecta a la segun-da categoría, la minería de datos,textos y web proporcionan unacontribución crítica al conceptode analítica empresarial (Bose,2009). Comenzando por la mine-



GRÁFICO 4EJEMPLO DE CUBO MULTIDIMENSIONAL


ría de datos (data mining), estaincluye todo un conjunto de mé-todos avanzados para explorar ymodelizar relaciones en grandesvolúmenes de datos y obtener información que se encuentraimplícita, como por ejemplo pa -trones de comportamiento declientes, asociaciones de produc-tos, etc. Con este fin hace uso deuna amplia variedad de herra-mientas estadísticas, simbólicas yde inteligencia artificial. El uso deeste tipo de herramientas puedeayudar a obtener información declasificación, segmentación, aso-ciación, secuenciación y previ-sión.

Junto a los datos estructu -rados, en las organizacionesconvive la información no es-tructurada. Esta se encuentra enforma de información textual endocumentos, comunicacioneselectrónicas y actividades de co-mercio electrónico. De hecho,las organizaciones están recono-ciendo este conocimiento no estructurado como fuente deventaja competitiva (Turban yVolonino, 2010). De este modo,la minería de texto permite des-cubrir patrones, perfiles y ten-dencias significativas y sobre lasque se puede actuar a partir dedocumentos u otros datos tex-tuales. Paralelamente, tambiénse está desarrollando la mineríaweb, que se emplea para com-prender el comportamiento delconsumidor, evaluar la efectivi-dad de las webs y cuantificar eléxito de las campañas de mar -keting.

Finalmente, se constata den-tro del apartado de analítica em-presarial un importante avancede todo un arsenal matemático y estadístico que capacite a la organización, entre otras funcio-nalidades, a desarrollar modeli -zación y simulación predictiva(Sallam et al., 2011).

4. Sistemas de gestión del rendimientocorporativo o de negocio

Este componente de BI es ca-tegorizado con diversas etiquetas.Las más habituales son sistemasde gestión del rendimiento de negocio (business performancemanagement, BPM) o corporativo(corporate performance manage-ment, CPM). En cualquier caso,esta categoría representa muchomás que tecnología. De acuer-do con el Business Performance Management (BPM), define lagestión del rendimiento de nego-cio como «un conjunto integradode procesos analíticos y de ges-tión, apoyados por tecnología,que dirige actividades financierasy operativas. BPM ayuda a las or-ganizaciones a definir sus metasestratégicas, y a continuaciónmedir y gestionar el rendimientofrente a dichas metas. Entre losprocesos centrales de BPM se in-cluyen la planificación financieray operativa, la consolidación ygestión de informes, y la modeli-zación, análisis y monitorizaciónde indicadores clave de ren -dimiento (key performance in -dicators, KPI) vinculados a la estrategia organizativa». Del con-junto de metodologías existentespara desarrollar BPM podemosdestacar dos. Por un lado, el en-foque de cuadro de mando inte-gral (balanced scorecard, BSC) deKaplan y Norton (1997 y 2004);por otro, el enfoque Six Sigma(Linderman et al., 2003).

5. Interfaces de usuario

Dentro del ámbito de los inter-faces de usuario hemos de refe -rirnos a dos elementos con una amplia presencia en sistemas BI:cuadros de mando y dashboards,y herramientas de visualización.Por lo que respecta a los pri -meros, estos proporcionan una

visualización de información rele-vante que es consolidada y orga-nizada en una sola pantalla de talforma que dicha informaciónpuede ser percibida y entendidarápidamente. De acuerdo con Co-nesa y Curto (2010), los cuadrosde mando o dashboards se con-centran en presentar una can -tidad reducida de aspectos de negocio, hacen un uso mayoritariode elementos gráficos y puedenincluir elementos interactivos parapotenciar el análisis en profundi-dad y la comprensión de la infor-mación consultada. Asimismo, sepuede hacer una distinción entrecuadros de mando y dashboards(Eckerson, 2006). Mientras que elconcepto cuadro de mando (per-formance scorecard) es usadopara monitorizar metas estratégi-cas y operativas, el concepto per-formance dashboard se suele em-plear para un seguimiento delrendimiento operativo.

Las herramientas de visualiza-ción de datos son tecnologíasque permiten la visualización y,en ocasiones, la interpretación delos datos (Turban et al., 2008).En este apartado se incluyen imá-genes digitales, sistemas de infor-mación geográficos, interfaces visuales, gráficos, realidad virtual,presentaciones dimensionales, vídeos y animación. Estas herra-mientas ayudan a identificar rela-ciones y tendencias en datos demercado y corporativos.

VI. EL ALCANCE DE LA IMPLANTACIÓN DE LOS SISTEMAS DE INTELIGENCIA DE NEGOCIO

Cuando implantan sus siste-mas de BI, las organizacionespueden adoptar diversos nivelesde compromiso. Así, algunas em-presas tienen unos pocos datamarts junto a unas cuantas apli-



248


caciones dedicadas a cuestionesmuy concretas y específicas,como pueden ser análisis estadís-ticos, análisis de evolución de lademanda, comportamiento delconsumidor en internet, etc. Sinembargo, existen otras organiza-ciones que se sitúan en el extre-mo opuesto, realizando altísimasinversiones en data warehousesempresariales destinados fun -damentalmente al apoyo de latoma de decisiones estratégicas.

Tras la revisión de la literatura,podemos afirmar que existe unamplio consenso sobre la existen-cia de tres niveles de intensidad ala hora de la implantación de lossistemas BI en las organizacio-nes (Wixom y Watson, 2010; Goodhue et al. 2002). Estos tres

niveles difieren en perspectiva estratégica, enfoque, nivel decompromiso, alcance, nivel de res-ponsabilidad, apoyo directivo, re-cursos que necesitan, impactosobre el personal y en los proce-sos organizativos, y en los bene-ficios que aportan (cuadro n.o 2).

Pasamos a describir cada unode estos tres niveles junto conejemplos de cada uno de ellossobre empresas que trabajan enEspaña.

1. Desarrollo de unas pocasaplicaciones relacionadascon BI

Supone habitualmente unasolución puntual a una necesidad

específica de un departamento ounidad de negocio. Los criteriosdiferenciadores anteriores se circunscriben al ámbito departa-mental. Habitualmente está com-puesto de una data mart queproporciona los datos necesarios.Los responsables organizativoshan de tener cuidado de que eldata mart no se convierta en undata silo que almacena datos queson incompatibles y no puedenser relacionados con otros datos.

Así, por ejemplo, el BancoPastor ha implementado la herra-mienta de IBM Cognos para me-jorar la retención de clientes ensu red comercial. La herramientale permite combinar análisis pros-pectivos y estadísticos de su de-partamento de marketing para el



CUADRO N.º 2

LOS TRES NIVELES DE INTENSIDAD EN LA IMPLANTACIÓN DE BI Y SUS CARACTERÍSTICAS

Unas pocas aplicaciones Infraestructura de BI Transformación total de la organización

Perspectiva estratégica Satisfacer una necesidad Proporcionar un determinado Cambiar radicalmente el modo de específica de una unidad de recurso a la totalidad de la gestión de una organizaciónnegocio organización

Enfoque Aplicaciones que satisfacen Infraestructura en la que se Apoyar y facilitar la implantación necesidades de unidades de basan aplicaciones de todas de un nuevo modelo estratégico negocio partes de la organización de negocio

Nivel de compromiso Bajo a medio Alto Muy alto

Alcance Unidad de negocio Toda la organización Toda la organización

Nivel de responsabilidad Unidad de negocio Todas las unidades de negocio Toda la organización, con una que hacen uso de la alta implicación de la alta infraestructura dirección

Apoyo Unidad de negocio Consejero delegado y unidades Todos los ejecutivos de alto nivelde negocio

Recursos necesarios De pocos a medio Mucha cantidad Gran cantidad

Impacto en el personal y en Limitados al personal que usa Hace más analíticos los puestos Cambia de forma importante los los procesos las aplicaciones y procesos, dando lugar a una puestos, los modos de trabajar y

toma de decisiones basada en la cultura de la organizaciónla evidencia

Beneficios De bajos a elevados a nivel de Provenientes de la infraestructura Hace que un nuevo modelo unidad de negocio y que pueden llegar a dar lugar estratégico de negocio se haga

a altos niveles de rentabilidad realidad

Fuente: Adaptado de Wixom y Watson (2010).




250

análisis de la cartera de clientes(IBM Cognos, 2011).

2. Creación de unainfraestructura queproporcione servicio a las necesidades de BIpresentes y futuras

Uno de los componentes fun-damentales para llegar a estenivel de implantación es la exis-tencia de un data warehouse anivel de empresa. Este nivel deimplantación, como se puedepresuponer, afecta a toda la em-presa; por tanto, corresponde alos directivos de los niveles supe-riores fomentarlo, aprobarlo,prestar su apoyo y dotar al pro-yecto de los recursos necesarios.La implantación de este tipo deinfraestructura puede llegar aafectar muy positivamente a todala organización.

Un ejemplo de cómo las in-fraestructuras pueden ayudar aldesarrollo de los negocios es el caso de la Confederación Española de Cajas de Ahorros(CECA), la cual ha adoptadocomo infraestructura el produc-to FOCUS desarrollado por In-formation Builders. La implanta-ción ha sido apoyada por losmáximos responsables de la en-tidad. Por encima de esta infra-estructura (FOCUS) se han idoañadiendo sucesivas capas co -mo el AIX con bases de datosOracle y el producto Pulso orien-tado a departamentos de mar-keting. Entre los beneficios queha reportado (Information Buil-ders, 2011a) destacamos quelas migraciones han sido menostraumáticas, y el sistema FOCUSes hasta cinco veces más rápidoque el anterior denominadoCobol. Otro caso es el del acer-camiento de RENFE al conceptodata warehouse (InformationBuilders, 2011b).

3. La transformaciónorganizativa

Aquí, los sistemas BI se utili-zan para provocar un cambio enla empresa que repercuta direc-tamente en el modo que tiene decompetir en el mercado. La inte-ligencia de negocio da soporte aldesarrollo de un nuevo modelode negocio y facilita la implanta-ción de la estrategia de negocio.Debido a los altos niveles de al-cance e importancia que supo-nen, aspectos como el fomento,el apoyo, la aprobación y la fi-nanciación siempre parten de laalta dirección. La reper cusión deestos sistemas en el personal y losprocesos organizativos es muyimportante, y sus beneficios aflo-ran por toda la organización.

Un ejemplo de generación denuevos modelos de negocio enempresas españolas tras la im-plantación de BI es el caso de laempresa Lacasa (SAP, 2008), de-dicada a la comercialización deproductos de chocolate y radicadaen Zaragoza, la cual logró integrarde forma completa las áreas fi-nanciera, comercial y logística,dando lugar a un nuevo modelode negocio basado en el creci-miento y la innovación. Otroejemplo similar es el del grupoaceitero Hojiblanca (SAP, 2004), elcual ha transformado su modelode negocio, cambiando radical-mente el modo de hacer las cosas.

VII. BENEFICIOS E IMPACTOSDE LOS SISTEMAS DE INTELIGENCIA DE NEGOCIO (BI) ENLAS ORGANIZACIONES

El interés por desarrollar e implantar un sistema BI vienefuertemente impulsado por lasexpectativas de los beneficios aso -ciados con esta iniciativa (Clark etal., 2007). La literatura señala que

uno de los requisitos para lograrel éxito en una estrategia de im-plantación consiste en identificarlos resultados positivos que la or-ganización espera lograr con unsistema de inteligencia de nego-cio (Watson et al., 2002). Al res-pecto, un estudio realizado entre50 empresas finlandesas (Hannu-la y Pirttimäki, 2003) mostró quelos principales efectos que se es-peraban de las actividades de BIeran: obtener información de máscalidad (95 por 100), mejorar lacapacidad para anticiparse aamenazas y oportunidades po-tenciales (83 por 100) e incre-mentar la base de conocimientosen la organización (76 por 100).Sin embargo, un problema que alrespecto subraya la literatura es lacarencia de estudios rigurososque demuestren el valor que pro-porcionan los sistemas de inteli-gencia de negocio (Elbashir y Wi-lliams, 2007; Pirttimäki et al.,2006). En gran medida esta situa-ción se deriva del hecho de quebuena parte de los beneficios es-perados y generados por los sis-temas BI son con frecuencia indi-rectos, intangibles y difíciles demedir (Smith y Crossland, 2008;Wixom y Watson, 2010). Apo-yando este argumento, encontra-mos cómo los dos principales beneficios percibidos en el men-cionado estudio de sarrollado porHannula y Pirtti mäki (2006) fue-ron de naturaleza fuertemente in-tangible: 1) armonización de lasformas de pensar de los emplea-dos de la compañía y 2) mejoraen la comprensión del negocio.

Una segunda controversia enla investigación sobre el impactode la inteligencia de negocio enlas organizaciones está vinculadacon la valoración o justificacióneconómica. Por una parte, encon-tramos iniciativas que persiguenvalorar el rendimiento de la inver-sión (return on investment, ROI)de los sistemas BI como medida


crítica del beneficio que reportaesta apuesta tecnológica para elnegocio. En este apartado situa-mos diversos estudios rea lizadospor empresas consulto ras, sumi-nistradoras de software y ana -listas de mercado, tales comoAberdeen Research Group, TheHackett Group o IDC (Robbins,2009). Aquí cabe destacar el co-nocido informe de IDC, realizadoen 2003, sobre el impacto finan-ciero de BI en 43 organizacionesnorteamericanas y europeas. Esteestudio mostró una mejora delROI del 112 por 100 en cincoaños a partir de una inversión de2 millones de dólares. El retornode la inversión se situaba entre el17 y el 2.000 por 100 con un ROImedio del 457 por 100 (Morris,2003). Paralelamente, se han ge-nerado diversas contribucionesque aportan directrices sobrecómo calcular el rendimiento eco-nómico de las inversiones en BI(Robbins, 2009; Sutcliff, 2004;Williams, 2004; Wu, 2000), asícomo estudios específicos quecalculan el ROI de inversiones directamente vinculadas con BI (Anderson-Lehman et al., 2004;Pirttimaki et al., 2006; Robbins,2009; Watson et al., 2004). Porotra parte, existe otro grupo deinvestigadores que ponen enduda la posibilidad de realizaruna evaluación precisa del rendi-miento económico de las inversio-nes en BI, tanto por falta de clari-dad en los cálculos como por lanaturaleza intangible de muchosde los beneficios aportados (Gon-zales, 2011; Popovic et al., 2010;Smith y Crossland, 2008).

En cualquier caso, parece queexiste una correspondencia entrelos beneficios generados por lossistemas BI y el alcance que la or-ganización establece para el siste-ma (Wixom y Watson, 2010). Deeste modo, beneficios con un im-pacto local y fáciles de medir sevinculan con iniciativas departa-

mentales que presentan un bajocoste (primera etapa del modelode alcance BI), mientras que im-pactos significativos a nivel detoda la organización se relacionancon beneficios más intangibles,tales como la mejora en los pro-cesos o el apoyo en el logro de losobjetivos estratégicos, los cualesse asocian a etapas avanzadas enla intensidad de la implantaciónde los sistemas BI (gráfico 5).

Si bien son pocos los estudioscientíficos que se han desarro lla-do específicamente sobre los beneficios e impactos de los siste-mas BI en las organizaciones, que-remos destacar dos iniciativas quesobresalen por sus resultados. Enprimer lugar, un estudio realizadoen la Universidad de Melbourne(Elbashir et al., 2008) sobre untotal de 347 unidades de negociodemuestra cómo los sistemas BIayudan a las organizaciones a ge-nerar valor de negocio tanto alnivel de procesos de negociocomo al nivel del rendimiento or-ganizacional. A partir de un lista-do de indicadores que miden elvalor de negocio de los sistemas

BI, el estudio identificó, por mediode análisis factorial exploratorio, lapresencia de cuatro factores vin-culados con bene ficios asociadosal uso de BI: 1) Mejor relación conlos proveedores y socios de ne -gocio; 2) mayor eficiencia en los procesos internos; 3) mejor cono-cimiento (inteligencia) de los clien-tes, y 4) mayor rendimiento orga-nizativo estratégico.

A partir de los datos descripti-vos que nos ha proporcionado elprofesor Elbashir (Universidad deMelbourne), podemos constatarque los principales beneficios al-canzados se aprecian en las me-joras de los procesos internos asícomo en el rendimiento organi-zativo estratégico (gráfico 6). Si elanálisis se realiza a partir de losindicadores, encontramos que los principales ítems de valor denegocio percibido son los si-guientes: 1) mejora en la eficien-cia de los procesos internos [5,31];2) mayor productividad de losempleados [5,18]; 3) reducciónen los costes para tomar decisio-nes eficaces [5,11], y 4) mejorade la ventaja competitiva [5,05].



GRÁFICO 5BENEFICIOS POTENCIALES DE UN SISTEMA BI

Fuente: Adaptado de Wixom y Watson (2010).


Asimismo, la principal conclu-sión que se alcanza de los resul-tados del modelo estructural rea -lizado por estos investigadoresaustralianos es que las organiza-ciones podrán obtener valor denegocio de sus inversiones en BIsolo cuando implementen y usendichas herramientas con el fin deapoyar los procesos clave vincu-lados a la cadena de valor de laempresa así como a las estrate-gias organizativas (Elbashir et al., 2008). Estas mismas conclu -siones se detraen tanto de estu-dios de casos (Bucher y Gericke,2009; Davenport, 2006; Smith yCrossland, 2008) como de apor-taciones teóricas previas (Elbashiry Williams, 2007; Popovic et al.,2010; Williams y Williams, 2006).Estas directrices tienen sentidocuando se constata, por parte delos analistas en BI, que buenaparte de las herramientas de BIimplantadas se encuentran des-conectadas de los procesos denegocio principales de la organi-zación (Sallam et al., 2011). Poresta razón, recientes informes ca-lifican de crítica y estra tégica laintegración de BI con los proce-

sos operacionales clave (DresnerAdvisory Services, 2011).

En segundo lugar, hemos demencionar una investigación rea-lizada por Hou y Papamichail(2010) entre 108 empresas taiwa-nesas del sector de los semicon-

ductores. Este estudio parte deuna realidad avanzada en este ar-tículo: muchas empresas que hanimplantado sistemas ope racio-nales ERP se muestran insatisfe-chas con el apoyo que estos siste-mas les proporcionan en susprocesos de toma de decisiones.Al respecto, las conclusiones quese derivan de esta investigaciónson, por un lado, que el uso de sis-temas integrados ERP+BI tienenun impacto positivo en el rendi-miento de la toma de decisionesy, por otro, que aquellas organiza-ciones que usan sistemas integra-dos ERP+BI logran niveles de rendimiento en sus procesos deci-sionales superiores a aquellas em-presas que solo usan sistemas ERP.

VIII. LA SITUACIÓN DE LA INTELIGENCIA DE NEGOCIO EN EL MUNDO Y EN ESPAÑA

Según los responsables en tec-nología de la información de lasempresas, los sistemas de inte -ligencia de negocio se han co -



252

GRÁFICO 6BENEFICIOS (FACTORES) PERCIBIDOS DEL USO DE SISTEMAS DE INTELIGENCIA DE NEGOCIO (*)

Nota: Escala de medida: Likert 1-7. Muestra = 347 unidades de negocio.Fuente: Datos procesados a partir de Elbashir et al. (2008).

GRÁFICO 7PREVISIÓN DE LA EVOLUCIÓN DEL MERCADO DE INTELIGENCIA (BI)EN ESPAÑA

Fuente: Adaptado de Curto (2011).


locado a nivel mundial, y en los úl-timos cinco años, como la tecno-logía de información clave (Gart-ner, 2010; Luftman y Zadeh,2011), y se prevé que será una delas grandes tendencias digitales,junto con la tecnología móvil, du-rante los próximos cinco años (Ox-ford Economics, 2011). Particular-mente, Josep Curto (2011),basándose en el informe de IDCWestern European BI Tools Fore-cast, 2011-2015, señala quemientras el mercado de tecnologíade información se contrajo en Es-paña en los últimos años, el mer-cado de inteligencia de negociono ha dejado de crecer, esperán-dose un crecimiento del 7,8 por100 para el año 2011, progresión

que seguirá en alza hasta alcanzarun 8,9 por 100 en 2015 (gráfico7). Este porcentaje se sitúa ligera-mente por encima de las previsio-nes establecidas para el total delmundo por parte de Gartner (Sa-llam et al., 2011), donde se esta-blece una estimación de creci-miento anual medio del 7,7 por100 hasta 2014 para el conjuntode componentes del marco BI.

En un estudio liderado por laUniversidad de Sevilla (2009)sobre un conjunto de 108 empre-sas andaluzas con sistemas degestión avanzados se determinóque los sistemas operacionalesERP (42,6 por 100) presentabanuna implantación más amplia que

los sistemas de inteligencia de ne-gocio (17,6 por 100). Este datorefleja una realidad en las inversio-nes en TI por parte de las empre-sas españolas. Inicialmente se re-alizan inversiones en sistemas desoporte a las actividades organiza-tivas que permitan sostener lasoperaciones de las organizacio-nes. Posteriormente, cuando lasorganizaciones perciben la nece-sidad de contar con informaciónde calidad para apoyar los proce-sos de toma de decisiones, seponen en marcha las iniciativaspara dotar a las entidades de sis-temas de inteligencia de negocios.

Por otra parte, IDC (2011a) encolaboración con SAS ha realiza-



GRÁFICO 8FUNCIONALIDADES DE ANALÍTICA EMPRESARIAL DEMANDADAS POR DEPARTAMENTOS(Escala 1-5)

Fuente: Adaptado de IDC (2011).


do un estudio sobre inteligenciade negocio entre las 100 princi-pales empresas españolas. En elgráfico 8 se muestran las princi-pales necesidades que tienen lascompañías españolas con rela-ción a los procesos de analíticaempresarial (business analytics,BA). Los resultados se presentanpor áreas funcionales. Asimismo,este estudio detectó que la prin-cipal capacidad técnica deman-dada por las diferentes unidadeses la integridad y consistencia delos datos, faceta que se vinculacon una de las necesidades ante-riormente anticipadas que con-ducen al desarrollo de BI entre lasorganizaciones. En una encuestaa ejecutivos de empresas líderesde países desarrollados y emer-gentes, Oxford Economics y SAPencontraron que la inteligenciaempresarial servirá sobre todopara entender mejor a los clientesde las empresas que la implanteny mejorará la toma de decisionesestratégicas (Oxford Economics,2011).

Presentamos en el gráfico 9los principales fabricantes mun-diales de plataformas de BI. Co -mo puede verse, están clasifica-dos con base en dos criterioscomo son la facilidad de ejecu-ción y la amplitud de la visiónque tienen las soluciones de BIofertadas. Este cuadro constituyeel denominado cuadrante mági-co de Gartner para plataformasde BI (Sallam et al., 2011). El ejedenominado «facilidad de ejecu-ción» hace referencia a la capaci-dad y/o éxito que tienen estasempresas a la hora de convertirsu visión en realidad en el merca-do. Por lo que respecta a la «am-plitud de la visión», hace referen-cia al potencial que tienen estasempresas de explotar las oportu-nidades existentes en el mercadoa la hora de crear valor para losclientes y generar oportunidadespara ellos mismos.

Aunque el gráfico representala situación a nivel mundial, en élaparecen recogidas muchas em-presas que operan en España,como son Information Builders,IBM Cognos, Microsoft BI , Microstrategy, Oracle, SAP y SAS, entre otras. Otras compa -ñías que operan en España y quetienen una presencia significativaen el mercado de BI son Apesoft,Atlas BI, Bingo Intelligence y Qlikview. Asimismo, existen tresempresas que destacan en elmercado de open source BI; nos referimos a Actuate/BIRT,Pentaho y Jaspersoft.

En esta línea, el anteriormen-te mencionado estudio de IDC(2011a) abordó las principalesherramientas de analítica em -

presarial realizando un análisispor proveedor de software (grá-fico 10). Entre el conjunto de en-cuestados, SAS se presentó comola herramienta más implantada, seguida por SAP y Oracle. En elapartado de otros se encuentranaplicaciones de Microsoft, IBM-SPSS, Matlab y otros paquetes estadísticos tales como STATA, R,etcétera.

Finalmente, entre los escasosinformes que aportan informa-ción sobre la situación de BI enEspaña destacamos dos estudios.Por un lado, The BI Survey 10publicado por Business Applica-tion Research Centre (BARC,2011). Por el otro, el European BI Tools Forecast, 2011-2015: BIStarts to Go Mainstream, desarro-



254

GRÁFICO 9CUADRANTE MÁGICO DE PLATAFORMAS DE BI

Fuente: Adaptado de Sallam et al. (2011).


llado por IDC (2011b). Aunqueson estudios bastante amplios einteresantes, proporcionan unainformación limitada sobre elmercado español y están enfoca-dos fundamentalmente al merca-do de profesionales del sector.

IX. TENDENCIAS EN LOS SISTEMAS DE INTELIGENCIA DE NEGOCIO

El universo de la inteligenciade negocio está siempre en cons-tante cambio. Este dinamismoproviene tanto del propio de -sarrollo tecnológico como de loscambios que se producen en lasnecesidades y formas de trabajarde las organizaciones. Por nues-tra parte, avanzamos las siguien-tes tendencias vinculadas con elentorno BI.

1) BI omnipresente o la demo-cratización de la información(Conesa y Curto, 2010; Watson,2009). Muchas empresas tienencomo meta desplegar sus aplica-ciones BI entre una mayor base

de usuarios, llegando a la demo-cratización de la informaciónpara apoyar la toma de decisio-nes. De este modo, se apoyan losprocesos de toma de decisionesestratégicos, tácticos y tambiénoperativos. Asimismo, esta difu-sión tiene sentido desde el mo-mento que tan solo el 28 por 100de los potenciales usuarios de BIusan actualmente este tipo desistema de información (Richard-son, 2011). Este despliegue de BIllega al extremo de que algunasorganizaciones cuentan comousuarios a proveedores, distribui-dores y clientes.

2) BI operacional y datos entiempo real (Conesa y Curto,2010; Watson, 2009). Los siste-mas BI se habían enfocado hastamuy recientemente solo en el usode datos históricos. Sin embargo,esta situación ha cambiado conla aparición de tecnología quepermite capturar, almacenar yusar datos en tiempo real. Deesta forma, las operaciones pre-sentes no solo pueden ser moni-torizadas sino también puedenser influidas por la información

que se obtiene de los datos entiempo real (Anderson-Lehmanet al., 2004).

3) Big Data y escalabilidad (Co-nesa y Curto, 2010; Watson,2009). El crecimiento despropor-cionado de datos provenientes delamplio entorno tecnológico hallevado a la aparición del conceptoBig Data. Este es entendido comoel «tratamiento y análisis de enor-mes repositorios de datos, tandesproporcionadamente grandesque resulta imposible tratarlos con las herramientas de bases dedatos y analíticas convencionales»(Dans, 2011). Paralelamente seobservan continuos avances tantoen hardware como en softwareque afectan a la escalabilidad delos sistemas BI, es decir, a la capa-cidad que tienen estos sistemaspara gestionar mayores cantida-des de datos, con un mayor nú-mero de usuarios, con consultas yanálisis más complejos, sin que seproduzca una merma en el rendi-miento del sistema.

4) Computación en la nube(cloud computing) (Conesa yCurto, 2010; Evelson, 2011;Kern, 2011). En el ámbito de BInos referimos a la oferta de ser-vicios ofrecidos por medio de in-ternet por parte de un proveedorde servicios con alta escalabili-dad. Esta oferta se hace cada vezmás amplia así como más utiliza-da por parte de las empresas.

5) BI móvil (Evelson, 2011;Kern, 2011; Sallam et al., 2011).Esta tendencia se orienta a per-mitir el acceso desde dispositivosmóviles a las aplicaciones presen-tes en los sistemas BI. SegúnGartner Group, en 2013 el 33por 100 de la funcionalidad de BIserá consumida vía dispositivosmóviles (Richardson, 2011).

6) Social media (Conesa y Cur -to, 2010; Kern, 2011). Las redes



GRÁFICO 10MERCADO DE HERRAMIENTAS DE ANALÍTICA EMPRESARIAL POR PROVEEDOR DE SOFTWARE

Fuente: Adaptado de IDC (2011).


sociales como fuentes de datosde los sistemas BI y el uso deestas por parte de los directivos yusuarios.

Por nuestra parte, asumiendolas tendencias anteriormente ex-puestas, nos vamos a concen-trar en una tendencia de futuroque creemos clave para la mejo-ra de los procesos de decisionesen las organizaciones. Nos re -ferimos a la integración de lossistemas BI con la gestión delconocimiento.

1. La integración de los sistemas businessintelligence y gestión del conocimiento. Unatendencia de futuro

Dado que vivimos en unaépo ca caracterizada por la eco-nomía basada en el conocimien-to, la gestión del conocimientose ha convertido en un tema nu-clear en la dirección estratégicade las organizaciones. Cada vezmás, el entorno en el que semueven las empresas exige demayores dosis de competitividady de decisiones más rápidas, máscomplejas y de mayor calidad.Por tanto, en la actualidad, el de-venir de las organizaciones va adepender en gran medida deltipo de información y/o conoci-miento que obtenga. Conse-cuentemente, es casi unánime laidea de que el principal activo deuna compañía recae en el «saberhacer», lo que incluye diversostipos de información «útil» sobreaspectos tales como: los deseosde los clientes, las carencias delmercado, las empresas que ope-ran en el mercado y su clasifica-ción, etc. No resulta extraño,pues, el hecho de que uno de loscomponentes críticos para eléxito de las empresas está en lacapacidad de aprovechar (apa-lancar) todo el conocimiento e

información disponible en unaorganización. Sin duda, desarro-llos tecnológicos como los co-mentados anteriormente hancontribuido a que las organi -zaciones sean cada vez más ca-paces de crear, almacenar y dis-tribuir datos e información comonunca habían imaginado. De he -cho, uno de los principales pro-blemas que tienen actualmentelos directivos es precisamente elde gestionar, por un lado, el «ex-ceso» de información y, por otrolado, la «necesidad» de conoci-miento, dado el entorno en elque se desenvuelven las organi-zaciones. En consecuencia, lasempresas están tratando de bus-car soluciones para evitar la satu-ración de información y po derextraer el conocimiento que ne-cesitan todos los integrantes dela organización. En este aspecto,los sistemas BI y la gestión del co-nocimiento (GC) han dado muybuenos resultados. Ambos con-ceptos parecen haberse desarro-llado en los últimos años casi deforma paralela. Generalmente seutilizan los sistemas BI para ex -traer el conocimiento del caos dedatos de la organización, mien-tras que la GC busca que el co-nocimiento se comparta de laforma más eficiente posible.Ambos han sido igualmente va-liosos a la hora de facilitar latoma de decisiones y, por tanto,de cara a mejorar los resultadosorganizativos. Actualmente, losdos elementos son indispensa-bles para las organizaciones. Sinembargo, aunque ambos usan elconocimiento para la toma dedecisiones, existe bastante confu-sión a la hora de diferenciarlos yrelacionarlos (Herschel y Jones,2005). Muchos investigadoresconsideran BI y GC como dos ele-mentos bien diferenciados y sonmuy pocos los que establecen lasposibles relaciones existentesentre BI y GC (Herschel y Yer-mish, 2009).

Los sistemas BI, como ya diji-mos, se han comenzado a gene-ralizar cuando los directivos delas empresas han percibido ycomprendido el valor que gene-ran en comparación al coste y esfuerzo que suponen. Los BIpermiten a las organizacionesconseguir excelentes resultadosen la medida que el trabajo delos usuarios se minimiza conside-rablemente cuando han de bus-car información y conocimientoy estos lo obtienen de forma re-levante y precisa. Por su parte, laGC surge a partir del desarrollode la economía basada en el co-nocimiento. A diferencia de lossistemas BI, supone aquella es-trategia que permite crear un en-torno donde el conocimiento sepueda gestionar a través de losprocesos habituales de creación,transmisión, aplicación y protec-ción (Gold, Malhotra y Segars,2001). De esta forma, el personalde una organización consigue el conocimiento exacto que ne-cesita, en el momento que loprecisa, con el objetivo claro demejorar el rendimiento organiza-cional.

Los sistemas BI parten de losdatos, datos que pasan posterior-mente a convertirse en informa-ción y después en conocimiento.Los sistemas BI son capaces deanalizar cualquier fuente de da -tos. La GC se centra en dirigir losprocesos que hacen uso del co-nocimiento, el cual puede teneruna naturaleza explícita (docu-mentos, bases de datos, etc.) y/otácita (experiencias, percepcio-nes, etc.). La característica funda-mental del conocimiento explíci-to es su capacidad de sertransmitido y transformado. Elconocimiento tácito, por el con-trario, se relaciona más con la ex-periencia y la habilidad, y por elloes mucho más difícil de ser codi-ficado y compartido. Sin embar-go, el conocimiento tácito es



256


algo fundamental en la toma dedecisiones directivas, lo cual lohace muy valioso, pero tambiénimplica un mayor esfuerzo en sugestión.

En el cuadro n.o 3 resumimoscómo se relacionan los sistemasBI y la GC, cuáles son las diferen-cias entre ellos y cómo puedenllegar a integrarse.

A la vista del cuadro n.o 3, re-sulta patente que las empresasvan a tener que confiar mástanto en los sistemas BI como enlos de GC, al objeto de conseguirque sus organizaciones tomendecisiones cada vez más informa-das. Aunque con objetivos comu-nes, BI y GC presentan diferen-cias. Así, BI se está ocupando entransformar los datos en infor-

mación y después en conoci-miento, mientras la GC buscamás la transferencia de conoci-miento y los modos de crear eseconocimiento. Creemos que la in-tegración de BI y GC ha de plas-marse en soluciones tecnológicasque en el futuro han de ser cadavez más eficaces.

En esta dirección se entiendela tendencia apuntada por di -versos estudios internacionales(Dresner Advisory Serv ices ,2011) de integrar las aplicacio-nes de BI con herramientas paraapoyar la toma de decisiones engrupo. De este modo, la combi-nación de la inteligencia de ne-gocio con las capacidades delsoftware social y de colabora-ción permitirá a los decisoresidentificar y reunir a las personas

adecuadas, con la informaciónnecesaria y las herramientas detoma de decisiones apropiadaspara analizar la información, dis-cutir los problemas y cuestiones,desarrollar y valorar los razona-mientos de los miembros delgrupo, generar y valorar alterna-tivas, y llegar a acuerdos sobrelos cursos de acción a tomar (Sallam, 2011).

X. CONCLUSIONES

Los directivos de las empresas,y cada vez un mayor número deempleados, se enfrentan a unacreciente tensión a la hora deadoptar las decisiones que lescompeten, debido a la mayor in-certidumbre que rodea a estasdecisiones. Los sistemas que se



CUADRO N.º 3

RELACIÓN ENTRE LOS SISTEMAS DE INTELIGENCIA DE NEGOCIO (BI) Y LA GESTIÓN DEL CONOCIMIENTO (CG)

Relación BI y GC — Los sistemas BI facilitan la GC. La tecnología BI facilita el proceso de creación de conocimiento. BI es una he-rramienta de la GC.

— BI y GC aportan valor al proceso de toma de decisiones. Mejoran el conocimiento disponible, la comprensióna la hora de tomar decisiones y el propio proceso de tomarlas.

— BI y GC necesitan de una cultura específica basada en el liderazgo, la intención de compartir, confianza, y elestar abierto a cosas nuevas.

Diferencias BI y GC — Tratan con diferentes tipos de conocimiento. BI trabaja con conocimiento explícito y GC trabaja con ambostipos (tácito y explícito).

— Se centran en diferentes fases de la GC. BI convierte datos en información y después en conocimiento quefinalmente es útil a los usuarios finales que lo necesitan. El foco está en la captación de conocimiento. La GCse centra en cualquier proceso en el que el conocimiento esté presente. No necesariamente utiliza herra-mientas digitales, también utiliza la interacción personal para ello.

— Usan tecnologías diferentes. BI emplea todo tipo de tecnologías que analizan datos sobre el negocio, comopueden ser: OLAP, data mining, data warehouse y análisis estadístico.

— GC utiliza otro tipo de software como puede ser: gestión documental, análisis de contenidos web, portal deconocimiento de la empresa, recuperación de información, e-learning, etcétera.

— Trabajan con usuarios de diferentes niveles en la organización. Aunque el uso de BI se está extendiendo,buena parte de BI aporta conocimiento fundamentalmente a los directivos para su toma de decisiones. LaGC abarca a todo el personal de la organización desde los directivos a la masa de empleados en su totalidad.

Integración BI y GC — Tienen el objetivo común de promover el aprendizaje, la toma de decisiones y el entendimiento sobre todolo referente al conocimiento.

— BI toma los datos, los transforma en información, luego en conocimiento que utiliza la GC para contribuir ala mejora tanto de los procesos de negocios como de la toma de decisiones de la organización.

— Tanto BI como GC necesitan de un conocimiento específico para funcionar.— Hay 3 niveles de integración: 1) Integrar los informes que se generan. 2) Integrar los datos de los sistemas

de la GC con los procesos de BI. 3) Integrar los sistemas mediante la distribución y reutilización de los modelosde análisis de BI con un sistema de GC.

Fuente: Adaptado de Weidong et al. (2010).


han desarrollado a lo largo deltiempo han suministrado bastan-te información que ha permitidoreducir en gran medida ese ries-go inherente a la toma de deci-siones empresariales, pero hancarecido de la integración nece-saria para proporcionar la infor-mación y el conocimiento que lasempresas necesitan. La inteligen-cia de negocio (BI) constituye eseintento integrador de los diferen-tes sistemas de información quehan surgido y que están surgien-do, con el propósito de convertirlos datos en información y estaen conocimiento útil para laadopción de decisiones. En todocaso, no se ha de olvidar que lainformación y el conocimientoson medios para alcanzar un fin,es decir, son recursos que la em-presa utiliza para proporcionarvalor a sus clientes, mediante lamejora de los productos y losprocesos de negocio. Solamentecuando los sistemas de informa-ción se vinculan con esos proce-sos básicos, su impacto sobre elrendimiento de la empresa es sig-nificativo.

La información disponiblesobre la implementación de lossistemas de inteligencia de nego-cio en las empresas, y en particu-lar en las empresas españolas, esescasa, pero pone de manifiestoel incipiente desarrollo que estánteniendo y las notables pers -pectivas de crecimiento en el in-mediato futuro. Se trata de unacuestión estratégica que, en mu-chos casos, se encuentra aún ensus primeras etapas de implanta-ción, y las empresas son reacias aproporcionar información al res-pecto. Es un tema de máxima relevancia para dominar la cre-ciente complejidad a la que seenfrentan los directivos. Cierta-mente, por muy desarrolladosque estén los sistemas, incluso losderivados de la inteligencia arti -ficial, la decisión empresarial

implica la asunción de un riesgo,inherente a la propia naturalezadel trabajo directivo, que serámayor o menor dependiendo delasunto a decidir. Sin embargo, elde sarrollo de información y cono-cimiento pertinente y oportunoen relación con la situación dedecisión facilita la elección porparte de los individuos y hace po-sible la asunción de compromisosy riesgos que pueden generarren dimientos superiores a las em -presas.

El presente artículo ha preten-dido proporcionar una visión general de la integración de losdiferentes sistemas de informa-ción que supone la inteligenciade negocio. Los cuatro compo-nentes básicos que la conforman—el almacenamiento de datos, laanalítica empresarial, los sistemasde gestión del rendimiento y losinterfaces de usuarios— adquie-ren todo su potencial cuando sein tegran en un todo coherente y coordinado. El compromiso de laempresa a la hora de implantarlos sistemas de inteligencia denegocio determina su grado de desarrollo, desde la utilización de unas pocas aplicaciones hastalograr una transformación de laorganización en su conjunto. Serequieren más estudios que ana-licen los beneficios e impactos de los sistemas de inteligencia denegocio, pero los pocos existen-tes ponen de manifiesto la im-portancia de estos en la mejorade la eficiencia de los procesos in-ternos y, posteriormente, en elrendimiento organizativo. Laetapa actual en el desarrollo delos sistemas de información su-pone el intento por parte de lasempresas de generar y aplicar elconocimiento que haga posiblela adopción de decisiones efica-ces que permitan alcanzar unaventaja frente a los competido-res; una ventaja que cada vez esmenos sostenible, debido al

mayor dinamismo del entorno, yque exige a las empresas un es-fuerzo de renovación y desarrollopermanente de sus capacidadesbásicas.

NOTA

(1) El término «datos semiestructurados»se emplea para todos los datos que no enca-jan en los ficheros relacionales o planos, comoes el caso de los estructurados.

BIBLIOGRAFÍA

ABUKARI, K., y JOB, V. (2003), «Business intelli-gence in action», CMA Management,77(1): 15-18.

ACKOFF, R. L. (1967), «Management misinfor-mation systems», Management Science,14: B147-B156.

ANDERSON-LEHMAN, R.; WATSON, H. J.; WIXOM, B.H., y HOFFER, J. A. (2004), «ContinentalAirlines flies high with real-time businessintelligence», MIS Quarterly Executive, 3:163-176.

AVERWEG, U., y ROLDÁN, J. L. (2006), «Executiveinformation system implementation in organisations in South Africa and Spain:A comparative analysis», Computer Stan-dards & Interfaces, 58: 625-634.

AZEVEDO, A., y SANTOS, M. F. (2009), «Businessintelligence: State of the art, trends, andopen issues», 1st International Confe -rence on Knowledge Management andInformation Sharing (KMIS 2009) Pro-ceedings, Madeira, Portugal, 6-8 Oc -tober: 296-300.

BARC (2011), The BI survey 10. The customerverdict [en línea]. Disponible en: http://www.bi-survey.com/.

BITTERER, A. (2010), The BI(G) discrepancy:Theory and practice of business in-telligence, Gartner Insight, 2 Aug, ID:G00176038.

BOSE, R. (2009), «Advanced analytics: Oppor-tunities and challenges», Industrial Ma -nagement & Data Systems, 109: 155-172.

BPM STANDARDS GROUP (2005), Performancemanagement industry leaders form bpmstandards group, Press release [en línea].Disponible en: http://www.bpmpartners.com/documents/press032504.pdf.

BUCHER, T., y GERICKE, A. (2009), «Process-centric business intelligence», BusinessProcess Management Journal, 15: 408-429.

BURNS, M. (2005), «Business intelligence survey», CA Magazine, 138(5): 18.



258


CLARK, T. D. JR.; JONES, M. C., y ARMSTRONG, C.P. (2007), «The dynamic structure ofmanagement support systems: Theorydevelopment, research focus, and direction», MIS Quarterly, 31: 579-615.

CONESA CARALT, J., y CURTO DÍAZ, J. (2010), In-troducción al Business Intelligence, UOC(Universitat Oberta de Catalunya), Barce-lona.

CURTO, J. (2011), «Buscando la toma de deci-siones eficiente», Information Builders International Summit 2011, Madrid, 6 deoctubre.

DANS, E. (2011), «Big Data: una pequeña in-troducción», El Blog de Enrique Dans[en línea]. Disponible en: http://www.enriquedans.com/2011/10/big-data-una-pequena-introduccion.html.

DAVENPORT, T. (2006), «Competing on analytics», Harvard Business Review, 84:98-107.

DRESNER ADVISORY SERVICES (2011), Wisdom ofcrowds business intelligence marketstudyTM. Study findings and analysis report. Dresner Advisory Services, LLC.

ECKERSON, W. (2006), Performance dash-boards, Wiley, Hoboken, NJ.

ELBASHIR, M., y WILLIAMS, S. (2007), «BI Impact:The assimilation of business intelligenceinto core business processes», Business Intelligence Journal, 12: 45-54.

ELBASHIR, M. Z.; COLLIER, P. A., y DAVERN, M. J.(2008), «Measur ing the effects of business intel l igence systems: Therelationship between business processand organizat ional performance», International Journal of AccountingInformation Systems, 9: 135-153.

EVELSON, B. (2011), Top 10 BI Predictions for2012, Information management [enl ínea]. Disponible en: http:/ /www.information-management.com/blogs/B I -mobi le -c loud-DBMS-b ig-data-Evelson-10021526-1.html.

GARTNER EXP (2010), Gartner EXP worldwidesurvey of nearly 1600 CIOs shows ITbudgets in 2010 to be at 2009 levels,Press release [en línea]. Disponible en:www.gartner.com/it/page.jsp?id=1283413.

GOLD, A. H.; MALHOTRA, A., y SEGARS, A. H.(2001), «Knowledge management: An organizational capabilities perspective»,Journal of Management Information Systems, 18: 185-214.

GÓMEZ VIEITES, A., y SUÁREZ REY, C. (2009), Sis-temas de información. Herramientasprácticas para la gestión empresarial,3.a ed., RA-ma, Madrid.

GONZALES, M. (2011), «Success factors for businessintel l igence and data warehousing

maturity and competitive advantage»,Business Intelligence Journal, 16(1): 22-29.

GOODHUE, D. L.; WIXOM, B. H., y WATSON, H. J.(2002), «Realizing business benefitsthrough CRM: Hitting the right target inthe right way», MIS Quarterly Executive,1: 79-94.

HANNULA, M., y PIRTTIMAKI, V. (2003), «Businessintelligence empirical study on the top 50Finnish companies», Journal of AmericanAcademy of Business, 2: 593-601.

HERSCHEL, R., y JONES, N. E. (2005), «Knowledgemanagement and business intelligence:The importance of integration», Journalof Knowledge Management , 9(4) : 45-55.

HERSCHEL, R., y YERMISH, I. (2009), «Knowledgemanagement in business intelligence»,en KING, W. R., Annals of Information Systems, Springer, 4: 131-143.

HOU, C.-K., y PAPAMICHAIL, K. N. (2010), «Theimpact of integrating enterprise resourceplanning systems with business intelligencesystems on decision-making performance:An empirical study of the semiconductorindustry», International Journal of Technology, Policy and Management, 10:201-226.

HUBER, G. P. (1984), «The nature and design of post-industrial organizations», Management Science, 30: 928-951.

IBM COGNOS (2011), «Case studies for businessintelligence and financial performancemanagement: Banco Pastor, S.A.» [enlínea]. Disponible en: http://www.01.ibm.com/software/success/cssdb.nsf/cs/KJON-8NQQYG?OpenDocument&Site=cognos&cty=en_us.

IDC (2011a), Estudio business analytics en España 2011, IDC, Madrid.

— (2011b), European BI Tools Forecast,2011-2015: BI Starts to Go Mainstream,2011-2015, IDC, Madrid.

INFORMATION BUILDERS (2011a), «CECA» [enl ínea]. Disponible en: http:/ /www.informationbuilders.es/clientes/PDFs_Clientes/CECA.pdf.

— (2011b), «RENFE» [en línea]. Disponible en:http://www.informationbuilders.es/clientes/PDFs_Clientes/Renfe.pdf.

KAPLAN, R. S., y NORTON, D. P. (1997), El cuadrode mando integral, Gestión 2000, Barce-lona.

— (2004), Mapas estratégicos: Convirtiendolos activos intangibles en resultados tan-gibles, Gestión 2000, Barcelona.

KERN, J. (2011), «IDC predicts 2012 surge formobile, cloud», Information management[en línea]. Disponible en: http://www.i n f o r m a t i o n - m a n a g e m e n t . c o m /

news/cloud-mobile-IT-spending-IDC-emerging-markets-10021592-1.html.

LINDERMAN, K.; SCHROEDER, R. G.; ZAHEER, S., y CHOO, A. S. (2003), «Six sigma: A goal-theoretic perspective», Journal ofOperations Management, 21: 193-203.

LUFTMAN, J., y ZADEH, H. S. (2011), «Key information technology and management issues 2010-11: An international study»,Journal of Information Technology, 26:193-204.

MORRIS, H. (2003), «The financial impact ofbusiness analytics: Build vs. buy», DM Review, 13(1): 40-41.

NEGASH, S. (2004), «Business intelligence»,Communications of the Association forInformation Systems, 13: 177-195.

NEGASH, S., y GRAY, P. (2003), «Business intelli gence», Proceedings of the NinthAmericas Conference on Information Systems, pp. 3190-3199.

OXFORD ECONOMICS (2011), La nueva economíadigital. Cómo va a transformar los nego-cios, Oxford Economics, UK.

PIRTTIMAKI, V.; LONNQVIST, A., y KARJALUOTO, A.(2006), «Measurement of business intelli gence in a Finnish telecommunicationscompany», The Electronic Journal ofKnowledge Management, 4(1): 83-90.

POPOVIC, A.; TURK, T., y JAKLIC, J. (2010), «Conceptual model of business value of business inte l l igence systems», Management, 15: 5-30.

POURSHAHID, A.; RICHARDS, G., y AMYOT, D.(2011), «Toward a goal-or iented, business intelligence decision-makingframework», en BABIN, G.; STANOEVSKA-SLABEVA, K., y KROPF, P., MCETECH 2011,LNBIP 78, pp. 100-115.

POWER, D. J. (2007), A Brief History of DecisionSupport Systems, version 4.0 [en línea].Disponible en: http://DSSResources.COM/history/dsshistory.html.

QUINN, K. (2009), How business intelligenceshould work. The connection betweenstrategic, analytical, and operational initiatives, White paper, Information Builders.

RANJAN, J. (2008), «Business justification with business intelligence», VINE: Thejournal of information and knowledgemanagement systems, 38: 461-475.

RICHARDSON, J. (2011), The Consumerization ofBI: Emerging Technologies to Watch in2011, Gartner, Inc.

ROBBINS, J. (2009), «The return on corporateperformance management», Business Intelligence Journal, 14: 8-13.

ROLDÁN SALGUEIRO, J. L. (2001), «Ejecutivos, organizaciones y sociedad post-industrial:




Un análisis del papel de las tecnologías dela información», Revista de Humanidades,12: 231-247.

ROLDÁN, J. L., y LEAL, A. (2003), «Executive information systems in Spain: A study of current practices and comparativeanalysis», en MORA, M.; FORGIONNE, G. A.,y GUPTA, J. N., Decision making supportsystems: Achievements and challengesfor the new decade , Idea Group Publishing, Hershey, PA, pp. 287-304.

SALLAM, R. L.; RICHARDSON, J.; HAGERTY, J., y HOST-MANN, B. (2011), Magic Quadrant forBusiness Intelligence Platforms, GartnerRAS Core Research Note G00210036 [en línea]. Disponible en: http://www.ga r tne r . com/ t e chno logy /med i a -products/reprints/oracle/article180/article180.html.

SAP (2004), «Hojiblanca» [en línea]. Dispo -nible en: http://www.sap.com/spain/company/Customers / success /pdf /Hojiblanca.pdf.

—(2008), «Lacasa» [en línea]. Disponible en:http://www.sap.com/spain/company/Customers/success/pdf/SS_Lacasa.pdf.

S IMON, H. (1977), The new sc ience of management decision, Prentice-Hall,Englewood Cliffs, NJ.

SMITH, D., y CROSSLAND, M. (2008), «Realizingthe value of business intelligence», en AVISON, D; KASPER, G. M.; PERNICI, B.; RAMOS,I., y ROODE, D., Advances in Information Systems Research, Educat ion and Practice, IFIP International Federation

for Infor mation Processing, vol. 274,Springer, Boston, pp. 163-174.

SUTCLIFF, M. (2004), «Beyond ROI...; Justifyinga business intelligence initiative», DM Review, 14(1): 44.

TURBAN, E., y ARONSON, J. E. (2001), Decisionsupport systems and intelligent systems,Prentice Hall, 6.a ed., Upper Saddle River, NJ.

TURBAN, E.; SHARDA, R.; ARONSON, J. E., y KING,D. (2008), Business intel l igence: A managerial approach, Pearson PrenticeHall, Upper Saddle River, NJ.

TURBAN, E.; SHARDA, R., y DELEN, D. (2011), Decision support and business intelligencesystems, Prentice Hall, 9.a ed., Upper Saddle River, NJ.

TURBAN, E., y VOLONINO, L. (2010), Informationtechnology for management. Transformingorganizations in the digital economy,John Wiley & Sons, Inc., Hoboken, NJ.

UNIVERSIDAD DE SEVILLA (2009), «Proyecto de Ex-celencia P06-SEJ-01994: Tecnologías ysistemas de información: un estudio de suinfluencia y aplicación a la gestión del co-nocimiento», Junta de Andalucía (PlanAndaluz de Investigación).

WATSON, H. J. (2009), «Tutorial: Business intelligence – past, present, and future»,Communications of the Association forInformation Systems, 25: 487-510.

WATSON, H. J.; ABRAHAM, D. L.; CHEN, D.; PRESTON, D., y THOMAS, D. (2004), «Datawarehousing ROI: Justifying and assessing

a data warehouse», Business IntelligenceJournal, 9: 6-17.

WATSON, H. J.; GOODHUE, D. L., y WIXOM, B. H.(2002), «The benefits of data warehousing:Why some organizat ions real ize exceptional payoffs», Information andManagement, 39: 491-502.

WEIDONG, Z.; WEIHUI, D., y KUNLONG, Y. (2010),«The relationship of business intelligenceand knowledge management», The 2ndIEEE Internat ional Conference on Information Management and Engimeer-ing (ICIME), 26-29.

WHITE, D. (2011), Agile BI. Three Steps to Analytic Heaven, Aberdeen Group, April.

WILLAMS, S. (2004), «Assessing BI readiness: A key to BI ROI», Business IntelligenceJournal, 9(3): 15-23.

WILLIAMS, S., y WILLIAMS, N. (2006), The profitimpact of business intelligence, MorganKaufmann, San Francisco.

WIXOM, B., y WATSON, H. (2010), «The BI-basedorganization», International Journal ofBusiness Intelligence Research, 1: 13-21.

WHITTEN, J. L.; BENTLEY, L. D., y BARLOW, V. M.(1996), Análisis y diseño de sistemas deinformación, Irwin, Burr Ridge, IL.

WU, J. (2000), «Business intelligence: Calculatingthe ROI for business intel l igence», Information Management (July 13) [enl ínea]. Disponible en: http:/ /www.information-management.com/news/2487-1.html.



260


los sistemas de inteligencia de negocio como soporte …

Documents