sistema contable

Nuevas tecnologías

el papel del profesional contable está cambiando en los últimos años, ya que se le están asignando responsabilidades en la planificación estratégica

y en el uso de los sistemas de información de la empresa en los niveles tácticos y estratégicos. en este sentido, es preciso que amplíe sus

conocimientos en el campo de los sistemas de información empresariales y domine las herramientas que procesan datos contables y financieros

El papel estratégico del sistema contable

con las tecnologías dela información

pd

José Aurelio Medina Garrido

Universidad de Cádiz

Sixto Jesús Arjonilla Domínguez

Freescale Semiconductor, Inc.

Tradicionalmente, los profesionales con-tables se han centrado principalmente en llevar la contabilidad, las finanzas y la fiscalidad de las organizaciones bajo una premisa básica de cumplimiento de

obligaciones legales y fiscales. Cuando este objetivo instrumental se ha ampliado para cu-brir necesidades adicionales de gestión, se ha requerido que el responsable de contabilidad y finanzas dé también soporte a otras áreas de la organización, pero habitualmente per-maneciendo ligado a tareas de nivel operativo. Algunas de las áreas a las que se ha tenido que dar soporte son las de logística y almacén, comercial, recursos humanos, o compras, por mencionar algunas. Todas ellas requieren en mayor o menor medida, algún tipo de acceso a los datos almacenados en las aplicaciones con-tables y suministran, a su vez, informaciones de salida que son procesadas e incorporadas a la base de datos de contabilidad. Las tecnologías de la información han jugado aquí un papel destacado al facilitar la captura, procesamiento, acceso y transmisión de la información gra-cias al desarrollo de tecnologías tan conocidas como son las redes locales de ordenadores (LAN, Local Area Network) o las aplicaciones de planificación de recursos (ERP, Enterprise Resource Planning), que integran las diferentes aplicaciones que procesan los datos del nivel operativo en las distintas áreas de la organiza-ción, facilitando así la coordinación de procesos de negocio cuyas tareas cruzan distintos depar-tamentos (Alsène, 2007).

Sin embargo, gran parte de los profesiona-les contables comienzan a ser requeridos para algo más que un mero apoyo a las operacio-nes de la empresa. Se les demanda que parti-cipen en la toma de decisiones tácticas y es-tratégicas (Ma y Tayles, 2009) y que suministren la información interna necesaria para ello

(Brown, 2009). Esto es debido a que la conta-bilidad de gestión ha demostrado ser un instru-mento eficaz para apoyar la formulación e im-plantación de la estrategia (Ma y Tayles, 2009). Además, los avances tecnológicos, y sofistica-das técnicas de análisis a ellos asociados, per-miten que la información contable sea una pie-za clave en la mejora de la toma de decisiones (Petravick, 1999). Esto ha implicado una cre-ciente demanda de información de gestión en sus más diversas formas y requerida casi siempre con urgencia. De este modo, los ex-pertos en contabilidad y finanzas soportan ahora nuevas responsabilidades para las que no todos están preparados. En este sentido, el papel del profesional de la contabilidad ha cambiado en muchas organizaciones pasando de ser meramente operativo a ser táctico o, incluso, estratégico (Aver y Cadez, 2009).

FicHa reSUmen

autor: José Aurelio Medina Garrido y Sixto Jesús Arjonilla Domínguez título: El papel estratégico del sistema contable con las tecnologías de la información Fuente: Partida Doble, núm. 217, páginas 10 a 23, enero 2010localización: PD 10.01.01resumen: Las organizaciones se percatan cada vez más del potencial de la información contable para proporcionar información vital para la correcta toma de decisiones a nivel táctico y estratégico. Gracias a las tecnologías, la información procesada por los Sistemas de Información Contable (SIC) es automáticamente integrada, junto a la proveniente de otros sistemas y fuentes de datos, en diferentes sistemas de soporte a las decisiones. Esto confiere un papel estratégico a los SIC y, en muchas ocasiones, al profesional contable que los domina. A lo largo de este artículo, se analizarán los más importantes sistemas de soporte a la decisión alimentados por los SIC con el objetivo de clarificar conceptos.palabras clave: NuevasTecnologías. Sistemas de información. Tecnologías de la información.abstract: Organisations are increasingly aware that accounting information can potentially provide vital information for making the right decisions at both the tactical and strategic levels. Thanks to information technology, the information processed by Accounting Information Systems (AISs) is automatically integrated, along with information from other systems and data sources, into a number of decision support systems. This gives the AIS – and frequently also the accountant capable of using such systems – a strategic role. This article examines the most important decision support systems fed by AISs with the aim of clarifying concepts. Keywords: New Technologies. Information systems. Information technology.

pág

11www.partidadoble.es

nuevas tecnologías nº 217 enero 2010

pág

12pd

Los contables que participan en la gestión empresarial deben ser conscientes de las va-riables claves que afectan al éxito de su nego-cio, proporcionar información para la toma de decisiones y aprender a explotar adecuada-mente los nuevos sistemas de información que dan soporte a dichas decisiones.

el caoS de loS SiStemaS de inFormación empreSarialeS

Comprender cuáles son los sistemas de soporte a las decisiones más importantes y para qué se usan es ahora una asignatura pendiente para muchos. Se abre lo que parece una caja de Pandora de terminologías técni-

cas y anglosajonas que sumen a muchos en la más profunda confusión. Y sin embargo, la prensa de divulgación, incluso la no especiali-zada en temas empresariales, las usa con na-turalidad, aunque no siempre con claridad ni exactitud. Se entremezclan, sin imponer nin-gún criterio de clasificación, sistemas que dan soporte a las actividades y procesos, con los que permiten la función de control y con aque-llos que dan soporte a la gestión, planificación y toma de decisiones empresarial. Para ayu-dar en la organización de estos conceptos tan heterogéneos, la Tabla 1 hace una enumera-ción no exhaustiva de los sistemas de informa-ción más relevantes y sus aplicaciones en las organizaciones (Arjonilla y Medina, 2009).

ta B l a 1

SiStemaS de inFormación empreSarialeSSiStemaS de inFormación empreSarialeS

Sistemas de soporte a las actividades

Soporte al componente físico de la actividad

– Fabricación Integrada por Ordenador (CIM) • Diseño Asistido por Ordenador (CAD) • Ingeniería Asistida por Ordenador (CAE) • Fabricación Asistida por Ordenador (CAM)

Soporte al tratamiento de la información en las actividades

– Sistemas para el Procesamiento Electrónico de Datos (EDP)– Sistemas de Automatización de Oficina (OAS)

Soporte en la coordinación de los procesos de negocio

– Sistemas de Planificación de Recursos (ERP)– Sistemas de Workflow– Sistemas de gestión y automatización de procesos (BPM)

Sistemas de gestión de relaciones interorganizativas

– Intercambio electrónico de datos (EDI)– Sistemas de gestión de relaciones con el cliente (CRM)– Sistemas de gestión de la cadena de suministros (SCM)– Aplicaciones de comercio electrónico

Sistemas de soporte a la toma de decisiones

Soporte a las decisiones operativas

– Sistemas para el Procesamiento Electrónico de Datos (EDP)– Sistemas de Planificación de Recursos (ERP)– Sistemas de Automatización de Oficina (OAS)– Sistemas expertos (ES)

Soporte a las decisiones tácticas

– Sistemas de Información para la Gestión (MIS)– Sistemas para el Soporte de las Decisiones (DSS)– Sistemas para el Soporte de las Decisiones en Grupo

(GDSS)

Soporte a las decisiones estratégicas

– Sistemas de Información para Ejecutivos (EIS)– Sistemas de Inteligencia empresarial (BI) • Data Warehouses (DW) • Data Mining • Sistemas de Procesamiento Analítico en Línea (OLAP)

Sistemas de soporte al control

– Consultas e informes de sistemas de soporte a las decisiones (ERP, MIS, etc.)– Sistemas de Cuadro de Mando Integral (CMI)– Sistemas de control de los procesos de negocio (BAM)

El papel estratégico del sistema contable con las tecnologías de la información

pág

13pd www.partidadoble.es

De entre los sistemas recogidos en la Tabla 1, este artículo se centra en los principales siste-mas de soporte a las decisiones y, dentro de éstos, en aquellos cuyo nexo común es el de incorporar y transformar datos e información procedentes de las aplicaciones contables y otras aplicaciones transaccionales del nivel operativo, para apoyar las decisiones en todos los niveles jerárquicos de la organización. Los Sistemas para el Procesamiento Electrónico de Datos (EDP, Electronic Data Processing), entre los cuales destacan los Sistemas de Informa-ción Contable (SIC), suponen una importante aportación de datos a otros sistemas de infor-mación utilizados para la toma de decisiones tácticas como son los Sistemas para el Soporte de las Decisiones (DSS, Decision Support Sys-tems), utilizados para la planificación y toma de decisiones semiestructuradas, y los Sistemas de Información para la Gestión (MIS, Manage-ment Information Systems) útiles en la función de control departamental de nivel táctico. Ade-más, la alta dirección demanda cada vez más sistemas que apoyen la toma de decisiones es-tratégicas en la empresa. Aunque estos siste-mas necesitan en gran medida información del entorno, la información interna es también muy valiosa, fundamentalmente la procedente de los SIC. De este modo, la contabilidad se mues-tra vital para alimentar sistemas estratégicos complejos tales como los Sistemas de Informa-ción para Ejecutivos (EIS, Executive Informa-tion Systems), y otros sistemas orientados a la gestión del conocimiento como son los Siste-mas de Inteligencia Empresarial (BI, Business Intelligence) dentro de los cuales se enmarcan los Almacenes de Datos (DW, Data Ware-houses), las aplicaciones de exploración (DM, Data Mining) y los Sistemas de Procesamiento Analítico en Línea (OLAP, On-Line Analytical Processing), entre los más destacables.

Como se ha comentado, los SIC suminis-tran información valiosa que es integrada en distintos sistemas complejos de apoyo a la to-ma de decisiones. Esto hace que el profesio-nal de la contabilidad tenga una gran respon-sabilidad en la correcta gestión de los datos introducidos y que sea la persona idónea para la interpretación de las salidas informativas de estos sistemas. El papel del profesional conta-ble está cambiando drásticamente en los últi-mos años, ya que se le están asignando res-ponsabilidades en la planificación estratégica y en el uso de los sistemas de información de la empresa en los niveles tácticos y estratégi-cos (Remmen, 2009). En este sentido, es pre-

ciso que amplíe sus conocimientos en el cam-po de los sistemas de información empresariales y domine, al menos, aquellas herramientas que procesan y usan datos contables y financieros para el apoyo de la toma de deci-siones de la empresa. En ese sentido, los si-guientes apartados describen con detenimien-to cuáles son estos sistemas y para qué se usan.

SiStemaS para el proceSamiento electrónico de datoS

Los sistemas de procesamiento electróni-co de datos (EDP, Electronic Data Processing), también denominados sistemas de procesa-miento de transacciones, automatizan las tran-sacciones rutinarias, estructuradas y repetiti-vas de la empresa. En este sentido, se entiende por transacciones cualquier actividad referida a las operaciones de la organización tal como efectuar una compra, venta o fabricar un producto, que requiere ser documentada (en papel o digitalmente). Así, las facturas, los cheques, los recibos para los clientes, las ho-jas de ruta, las órdenes de trabajo, los partes de avería o las órdenes de compra, son ejem-plos de documentos de transacciones.

Ejemplos típicos de EDP son las aplicacio-nes de contabilidad, gestión de inventarios, pedidos, facturación o gestión de nóminas.

Debido a la relativa independencia de las actividades de la empresa (por ejemplo, el pro-cesamiento de nóminas no tiene ninguna rela-ción con la facturación), es normal que las em-presas cuenten con una gran variedad de sistemas EDP especializados e independien-tes; cada uno de ellos lleva asociado su propia base de datos.

Dado que la mayor parte de las actividades operativas básicas de la empresa son proce-sadas a través de sistemas EDP, éstos son una parte crítica del sistema de información de las organizaciones. Las bases de datos aso-ciadas a los sistemas EDP centralizan buena parte de los datos operativos de la empresa, constituyendo una fuente de datos fundamen-tal para la gestión, la planificación y la toma de decisiones.

Los EDP suministran una información útil para la toma de decisiones operativas y la for-ma en la que se suelen usar para tal fin es


pág

14pd

mediante la creación de informes (periódicos y discrecionales) y consultas puntuales a partir de los datos contenidos en el EDP. Ejemplos de estos serían, en una aplicación EDP de contabilidad, la preparación de un balance de sumas y saldo o la consulta del saldo de una cuenta de un cliente. También es posible pro-gramar avisos automáticos que promuevan una rápida decisión operativa. De esta forma, es el propio sistema EDP el que avisa cuando un efecto comercial ha vencido, un cliente lle-va demasiado tiempo sin pagar o se debe re-poner cierto producto en el almacén.

Aunque el procesamiento de las transac-ciones en un sistema EDP cualquiera no siem-pre requiere a un trabajador cualificado, el uso de un EDP para la toma de decisiones debería realizarse por usuarios cualificados y con co-nocimientos de los procesos de negocio de la empresa. En el caso específico de una aplica-ción EDP de contabilidad esto es especial-mente importante. Aunque se confíe el proce-samiento de los datos e información contable a personal poco cualificado, la preparación del profesional que lo usa para la toma de decisio-nes es crucial.

El potencial de los EDP, y concretamente de las aplicaciones de contabilidad, va más allá de su uso en el nivel operativo. La esencia de la contabilidad es la de recolectar, almace-nar e informar de todos los eventos económi-cos y financieros y dar soporte a las necesida-des de información de la empresa, constru-yéndose un completo sistema de información alrededor de los datos y no de las aplicaciones que los generaron (Hannon, 2005). Las tran-sacciones procesadas por estos sistemas son una fuente inapreciable de información inter-na, histórica y actual de la actividad de la em-presa, que nutre a otros sistemas complejos

que dan soporte a la toma de decisiones en los niveles tácti-cos y estratégicos (Petravick, 1999). En este sentido, todos los sistemas de soporte a las decisiones que se describen en los siguientes apartados in-corporan, en sus respectivas bases de datos, datos proce-dentes de los EDPs (además de otras fuentes internas y ex-ternas de información) y, espe-cialmente, procedente de la contabilidad y la facturación de la empresa.

SiStemaS de planiFicación de recUrSoS (erp)

La naturaleza, organización y detalle de la información procesada por los sistemas de in-formación contable, financiero, y otros EDPs que dan soporte a las actividades en el nivel operativo suelen resultar adecuados para sus fines. Por ejemplo, es común que los datos so-bre clientes estén almacenados en diversas bases de datos transaccionales relacionadas con diferentes áreas de la empresa. En este sentido, el sistema de marketing contiene in-formación sobre las promociones que se les han enviado, el sistema de recepción de pedi-dos almacena los pedidos que han realizado, y el sistema contable registra el detalle de los cobros pendientes de pago. Como se observa, los datos sobre clientes están desperdigados a lo largo de diferentes sistemas transacciona-les de la empresa y, comúnmente, en distintos departamentos. Dada esta falta de integración de los datos procedentes de múltiples fuentes, no se suele tener una visión completa del pro-ceso que va desde la promoción hasta el co-bro de las ventas (Petravick, 1999).

Con el objeto de que todos los “recursos de información” de la empresa estén disponi-bles para quien los necesite, muchas empre-sas están implantando aplicaciones que auto-matizan los procesos internos y gestionan las cadenas de producción de información. Estos tipos de aplicaciones reciben el nombre gené-rico de sistemas de Planificación de Recursos (ERP, Enterprise Resource Planning). Un ERP es un software de gestión compuesto por dife-rentes módulos que ofrecen soluciones dise-ñadas para dar soporte a múltiples procesos de negocio. Puede contener módulos para la gestión de producción, gestión de clientes, compras, cuentas a pagar y cobrar, contabili-dad general, facturación, gestión de inventa-rio, recursos humanos, nóminas o cualquier otra función que se tenga que desarrollar den-tro de la empresa.

La eficacia de los sistemas EDP y ERP co-mo apoyo a la toma de decisiones se ve poten-ciada cuando son operados por usuarios cua-lificados y con conocimientos de los procesos de negocio de la empresa. Por ejemplo, si la entrada de pedidos en una empresa comercial es realizada por personal con formación en marketing, en lugar de por simples teleopera-dores sin cualificación, podrán tomar decisio-nes en tiempo real y sugerirle al cliente pro-


pág


ductos sustitutivos, opciones de gama superior u ofertas promocionales en el caso de que el producto solicitado por el cliente no estuviera en existencia, evitando perder muchas ventas. Como se refleja en el ejemplo, la utilización de sistemas EDP y ERP como apoyo a la toma de decisiones hace que los trabajadores del nú-cleo de operaciones se involucren más en la consecución de los objetivos organizativos y sean más productivos.

SiStemaS de inFormación para la GeStión (miS)

Los directores funcionales de los distintos departamentos de la empresa (nivel táctico) necesitan información sobre los estados de los proyectos y sobre el rendimiento de sus respectivos departamentos para planificar la asignación de recursos y controlar el correcto desarrollo de las operaciones. Esta informa-ción deberá ser selectiva, referida a las varia-bles de control clave para dichos departa-mentos y estar resumida (el exceso y detalle de la información puede bloquear decisiones eficientes). En relación a esto último, también se requiere que la información sea desagre-

gable, bajo criterios predefinidos, permitiendo buscar las causas de desviaciones respecto a lo previsto.

Los sistemas de información que se desa-rrollan para ayudar en esta labor reciben el nombre de Sistemas de Información para la Gestión (MIS, Management Information Sys-tems) (Burstein y Holsapple, 2008).

Debido a que cada departamento de la em-presa tiene requerimientos diferenciados de in-formación, existirán, tal y como ocurre con los EDP, distintos MIS aplicados a soportar dichas necesidades específicas, cada uno con su pro-pia base de datos independiente. Se pueden identificar, entre los más habituales, los MIS de marketing, de producción, financiero y de recur-sos humanos, que apoyarán la toma de decisio-nes tácticas en sus respectivas áreas. En la Tabla 2 se resumen las características principa-les de los MIS más comunes.

Como queda reflejado, la decisión a to-mar, por ejemplo, por un responsable de marketing sobre qué recursos asignar a un determinado programa de ventas se basará

ta B l a 2

entradaS Y tipoS de deciSión de loS miS FUncionaleS mÁS comUneSentradaS Y tipoS de deciSión de loS miS FUncionaleS mÁS comUneS

entradas de información a la base de datos del miS

decisiones que apoyaedp/erp otros subsistemas

específicos

Subsistema de inteligencia (vigilancia

del entorno)

miS

de

mar

keti

ng

Información contable sobre ventas

Subsistema de investigación de marketing (datos prospectivos sobre clientes)

Información sobre la competencia

Decisiones sobre las variables de marketing mix: producto, distribución, promoción, personal de ventas, publicidad, y precio

miS

de

pro

du

cció

n Información contable de costes y estado físico de la producción

Subsistema de ingeniería industrial (información de organización industrial de la producción)

Información sobre proveedores y sindicatos

Decisiones sobre planificación, gestión, calidad y coste de la producción e inventario

miS

fi

nan

cier

o Información económica y financiera procedente de la contabilidad

Subsistema de auditoría interna (ratios económicos y financieros)

Información del entorno financiero

Decisiones sobre gestión de fondos (excedentes o déficits) y de control presupuestario

miS

de

recu

rso

s h

um

ano

s

Información contable del coste del personal e información cualitativa sobre el personal

Subsistema de investigación de recursos humanos (habilidades requeridas para realizar las tareas y habilidades realmente poseídas por el personal)

Información sobre el mercado laboral, proveedores de personal y legislación a considerar

Decisiones sobre planificación, gestión (reclutamiento, retribución, seguridad y relaciones laborales), organización y control del personal

Fuente: Adaptado de Arjonilla y Medina (2009).


pág

16pd

en los datos agregados de ventas que pro-porciona el sistema contable de la empresa. Sin embargo, la decisión se basará sólo “parcialmente” en esta información, ya que también tendrá en cuenta otras fuentes de información como pueden ser las prospec-ciones de ventas suministradas por el siste-ma de investigación de marketing del MIS o las previsibles actuaciones de la competen-cia que han sido registradas en el subsiste-ma de inteligencia.

Los MIS también cumplen la función de consolidar información verticalmente. Es el caso típico, por ejemplo, del control presu-puestario, donde el MIS financiero proporcio-na informes de seguimiento comparando lo presupuestado frente a lo realmente realiza-do en un determinado período, permitiendo obtener información agregada a nivel de sec-ción, departamento, división, etc. De esta for-ma, el MIS garantiza que cada unidad sólo reciba la información con el nivel de detalle requerido para cumplir con sus responsabili-dades organizativas.

En cuanto a las salidas de un MIS, éstas suelen organizar los datos en tablas agrega-das que permiten al decisor ir desagregando dichos datos para mejorar la toma de decisio-nes. Esto permitiría detectar, por ejemplo, que una desviación de los objetivos de ventas tiene su origen en cierta sucursal de la em-presa, agente comercial, línea de producto o área geográfica. Es también común que el sistema proporcione algunas representacio-nes gráficas de los datos para facilitar las comparaciones.

SiStemaS para el Soporte de laS deciSioneS (dSS)

Los directivos se ven muchas veces obli-gados a tomar decisiones en situaciones de gran incertidumbre. En este contexto la infor-mación de un MIS no es útil ya que es estruc-turada, y aplican reglas de decisión previa-mente definidas.

Los sistemas para el soporte de la deci-sión (DSS, Decision Support Systems) apo-yan la toma de decisiones que plantean una incertidumbre moderada o alta en todos los niveles de dirección, especialmente en el ni-vel táctico.

Los DSS son una evolución de los MIS. La diferencia entre ambos es que los MIS resuel-ven problemas estructurados, aportándole al decisor la información que éste necesita; mien-tras que los DSS, al contar con la capacidad adicional de construcción de modelos de re-presentación o simulación, permiten explorar escenarios alternativos y buscar correlaciones ocultas entre datos.

Los DSS constan de una base de datos, que se nutre de datos internos de la contabili-dad y otros sistemas transaccionales del nivel operativo, así como datos externos de diver-sas fuentes. Además, incluyen un software de consulta y un software de generación de mo-delos. El software de consulta tiene la capaci-dad de generar información de salida que puede ser visualizada o impresa en forma de texto o de representación gráfica. El software de generación de modelos permite construir modelos de simulación. Estos modelos reali-zan una abstracción de la realidad y la repre-sentan matemáticamente, permitiendo pro-yectar al futuro las consecuencias de las decisiones.

Es también habitual que los DSS cuenten con un motor de Procesamiento Analítico en Línea (OLAP, On-Line Analytical Processing) que facilite el análisis de los datos desde va-rias perspectivas. El sistema OLAP se descri-be en un apartado posterior.

Los DSS son sistemas evolutivos en me-jora continua (Gráfico 1). Estos sistemas na-cen cuando se identifica un problema (o una oportunidad) y se crea un prototipo de aplica-ción que lo modelice y ayude a resolver dicho problema. Para ello se utilizan generadores

Los sistemas para el soporte

de la decisión apoyan la toma de

decisiones que plantean una

incertidumbre moderada o alta en

todos los niveles de dirección,

especialmente en el nivel táctico

«

»


pág


flexibles de DSS. Se puede hacer uso un software específico para la construcción de DSS o, incluso, una simple hoja de cálculo. Tras introducir los datos que necesita el mo-delo de simulación DSS creado, se obtiene un resultado previsto para la variable o varia-bles objeto del modelo (por ejemplo, una pre-visión de tesorería disponible al final del ejer-cicio). El modelo permite interactuar para probar y evaluar diferentes alternativas (por ejemplo, se podría analizar cómo varía la te-sorería disponible prevista si aumenta el pla-zo medio de cobro a clientes). A continua-ción, se ha de seleccionar el resultado más adecuado, entre las alternativas disponibles. Finalmente, se usa dicho sistema en la em-presa de forma continua y se va mejorando el prototipo DSS hasta desarrollar un sistema satisfactorio para la resolución de este tipo de problemas.

Los sistemas de soporte para las decisio-nes DSS también pueden proveer apoyo a la toma de decisiones en grupo. Es común que algunas de estas decisiones requieran la opinión experta, la legitimidad jerárquica o la creatividad e innovación de un grupo multi-disciplinar de personas. La hipótesis de par-tida es que si se mejora la comunicación se pueden mejorar las decisiones. Si se le su-man a las capacidades de análisis de infor-mación del DSS las requeridas capacidades de comunicación para las decisiones en gru-po, se tendría un tipo especial de DSS deno-minado sistemas de soporte a la decisión en grupo (GDSS, Group Decision Support Sys-tems). Por tanto, el GDSS apoya con siste-mas de comunicación a grupos de personas que tienen una tarea común, y sirve para construir un entorno virtual compartido (Burstein y Holsapple, 2008; Lagroue, 2007; Holsapple y Whinston 2000). En este senti-do, los GDSS apoyan la realización de acti-vidades y la toma de decisiones en grupo con independencia de que exista separación espacial o temporal entre sus miembros. El software usado para ello (correo electrónico, foros de discusión, conferencia asistida por ordenador, videoconferencia, audioconfe-rencia, aplicaciones de mensajería electróni-ca instantánea, telefonía basada en ordena-dor VoIP, etc.) recibe el nombre genérico de groupware. Algunas de las aplicaciones co-merciales más conocidas que se usan para este fin son Skype (www.skype.com), Ne-tMeeting (www.microsoft.com), Microsoft Office Live Meeting (office.microsoft.com),

Windows Messenger (www.microsoft.com), o Yahoo Messenger (es.messenger.yahoo.com), entre otros.

SiStemaS de inFormación para eJecUtiVoS (eiS)

Un Sistema de Información para Ejecuti-vos (EIS, Executive Information Systems) es un software que proporciona a los altos direc-tivos información útil para la planificación, gestión y control estratégicos de la empresa (Fitzgerald, 1991). Para ello, reúnen informa-ción relevante sobre el desempeño general de la empresa (sintetizada, por ejemplo, en un Cuadro de Mando Integral) y de su entor-no (por ejemplo, sobre el sector industrial donde opera la empresa, los competidores o las innovaciones tecnológicas de interés para la empresa) (Rainer y Watson, 1995). Esta mayor atención hacia al entorno, además de hacia los datos internos de la empresa, es consecuencia del carácter estratégico de las decisiones ejecutivas que apoya. Los EIS fa-cilitan a los ejecutivos información de impor-tancia estratégica para la toma de decisiones de alto nivel, facilitan el seguimiento y control de los procesos de negocio y de las acciones estratégicas en curso. Los MIS y DSS antes descritos están, en cambio, más orientados a soportar decisiones de carácter táctico, es decir, a nivel de departamentos funcionales.

Un software EIS se programa para que al-macene, de forma automática y personaliza-da, la información que necesita el ejecutivo en su ordenador personal, creando una nueva base de datos específica para el EIS. Gracias a él, el ejecutivo tiene a su disposición el esta-do de los indicadores claves del negocio de

G r Á F i c o 1

deSarrollo eVolUtiVo del dSS

Identificación y descripción delproblema u oportunidad

Construcción del modelo DSS(prototipo evolutivo)

Uso del modelo para obteneralternativas y seleccionar una

Reformular el problema o elmodelo y volver a empezar


pág

18pd

forma consolidada en tiempo real, contando con la posibilidad de analizar con detalle aque-llos que no estén cumpliendo con las expecta-tivas establecidas y determinar el plan de ac-ción más adecuado.

La base de datos particular del EIS se nutre con datos procedentes: (1) de las bases de da-tos internas de la empresa, principalmente con-tables y financieras (bien directamente como EDP o bien integradas en un ERP o agregadas a un MIS); (2) de los buzones de correo electró-nico, estructurando filtros por palabras claves, asuntos del mensaje, etc.; (3) de aplicaciones tales como las agendas electrónicas, y otras de automatización de las tareas de oficina (bases de datos documentales, hojas de cálculo, etc.); y (4) de datos e información externa (se podría automatizar que se extrajeran datos automáti-camente de bases de datos externas, por ejem-plo, de una base de datos de clasificación de solvencia empresarial; o que salten alarmas si una página web concreta ha variado, por ejem-plo la web de un competidor).

Gracias al EIS, los ejecutivos seleccionan sus consultas por medio de menús, y el siste-ma les proporciona la información solicitada de manera agregada en forma de tablas, gráfi-cos o de informes escritos. Además, permite a usuarios con perfil no técnico construir nuevos informes y navegar de forma más libre por los datos de la compañía. En este aspecto, se di-ferencian radicalmente de los MIS, cuyos in-formes de salida estaban predefinidos y bien estructurados. También suelen incluir alertas e informes basados en excepción (dónde solo se resaltan aquellas variables que se desvían

de lo previsto), así como históricos y análisis de tendencias.

Como se mencionó, los EIS son fundamen-tales para el control estratégico de una organi-zación, incorporando una visualización de la información del negocio estructurada a modo de Cuadro de Mando Integral (siguiéndose la metodología de Balanced Scorecard impulsada por Kaplan y Norton, 1997) u otro modelo estra-tégico de indicadores que emplee la empresa. Cuando un EIS se asocia a un sistema de indi-cadores estratégicos, como los mencionados, les añaden el valor de poder indagar en profun-didad desagregando los datos visualizados y detectar las causas de sus desviaciones (Hype-rion, 2006; Cognos, 2006). Por ejemplo, bajo la visión del Cuadro de Mando Integral y el Mapa Estratégico de Kaplan y Norton (2004), se po-dría definir que uno de los objetivos a controlar es la satisfacción del cliente. El indicador que la mide podría ser un algoritmo del número de re-clamaciones, la tasa media de recompra y la tasa media de uso del servicio postventa. Ante una eventual desviación en dicho indicador, el EIS debería permitir descubrir cuál de los tres componentes del indicador no marcha bien e, incluso, en qué sucursal de la compañía se está generando la desviación.

Como se ha comentado, tradicionalmente, los EIS se han diseñado de forma individuali-zada para adaptarse al perfil de un ejecutivo determinado, por lo que siempre han sido difí-ciles de integrar con otros sistemas. Hoy en día, la tendencia es la de construir cada vez más EIS de ámbito organizativo y no indivi-dual. Por esta razón, se está empezando a traducir el acrónimo EIS como Enterprise In-formation System (Sistema de Información Empresarial).

Aunque un EIS se puede desarrollar di-rectamente, según las necesidades de cierto ejecutivo o de la organización, cada vez más se le está considerando como una herramien-ta de Inteligencia Empresarial. Esto es así gracias al incremento de su potencial en el soporte a las decisiones estratégicas cuando se construye sobre un Data Warehouse (Grá-fico 2). Estas bases de datos, que tienen una orientación de negocio en lugar de operativa, aglutinan toda la información clave de la or-ganización, unificando y depurando las distin-tas bases de datos operativas de la compa-ñía. A continuación, se analizarán con mayor detalle.

Los EIS son fundamentales

para el control estratégico de una

organización, incorporando una

visualización de la información del

negocio, estructurada a modo de

Cuadro de Mando Integral

«

»


pág


SiStemaS de inteliGencia empreSarial (Bi)

La capacidad de la empresa para tomar decisiones de negocio correctas y a tiempo es una de las claves de éxito empresarial. Sin embargo, los sistemas de información tradicio-nales (EDP y ERP) utilizados en el nivel opera-tivo, como es el caso de los sistemas conta-bles y financieros, suelen presentar una estructura muy inflexible para este fin (Burns, 2003). Estos sistemas están optimizados para manejar datos operativos, pero no para gene-rar conocimiento a partir del análisis de esos datos ni para apoyar directamente la toma de decisiones de negocio del nivel estratégico.

Para superar estas limitaciones, surgen los sistemas de inteligencia empresarial. Se deno-mina Inteligencia Empresarial o Inteligencia de Negocios (BI, Business Intelligence) al conjun-to de tecnologías, estrategias y herramientas orientadas a la creación de conocimiento y a la toma de decisiones de los directivos mediante el análisis de datos existentes en la empresa.

Las tecnologías de BI filtran y transforman da-tos de los sistemas transaccionales operati-vos, así como otros datos internos y externos menos estructurados, en información más es-tructurada y con una visión de negocios. Las nuevas bases de datos creadas por un siste-ma BI, denominadas “almacén de datos” (DW, Data Warehouse), podrán consultarse directa-mente o analizarse con otras aplicaciones de BI para convertirse en conocimiento útil para la toma de decisiones sobre el negocio. De este modo, se integra y optimiza la información dis-ponible en la organización.

El DW almacena datos extraídos de los sistemas del nivel operativo (principalmente de las bases de datos asociadas a los siste-mas EDP y ERP, entre los que destacan los sistemas contables y financieros) y de bases de datos externas, sobre los que previamente se ha realizado una transformación mediante técnicas de “extracción, transformación y car-ga” de datos con el objeto de depurarlos, ho-mogeneizarlos y consolidarlos. Los datos al-bergados en el DW se explotan mediante

G r a F i c o 2

arQUitectUra lóGica de inteliGencia empreSarial (Bi)

Fuente: Adaptado de Arjonilla y Medina (2009).Fuente: Adaptado de Arjonilla y Medina (2009).

HERRAMIENTASDATA MINING

HERRAMIENTASDSS/EIS

HERRAMIENTASOLAP

HERRAMIENTAS DECONSULTAS E INFORMES

carGa DE DATOS

tranSFormación DE DATOS

eXtracción DE DATOS

DATAWAREHOUSE

Fuentes de datos internas: sistemas contablesy financieros, otros EDP, ERP, CRM, etc.

Fuentes de datosexternas

DECISOR

➡

➡

➡


pág

20pd

herramientas que asisten el análisis y la pre-sentación de los datos: aplicaciones de “mine-ría de datos” (data mining), aplicaciones OLAP, aplicaciones de consulta y de generación de informes. El DW también permite la construc-ción de soluciones BI más completas, por ejemplo, incorporando sistemas DSS o EIS que acceden directamente a los datos almace-nados en el DW, o de forma indirecta, apoyán-dose en las capacidades analíticas de las he-rramientas de data mining y OLAP (Fernán-dez-Medina, et al., 2007, Wrembel, 2009). El Gráfico 2 representa la lógica de esta arquitec-tura.

Los siguientes subapartados de esta sec-ción describen con algo más de detalle los conceptos de DW, data mining y OLAP que se han mencionado.

Data Warehouse (DW)

Se denomina “almacén de datos” (DW, Da-ta Warehouse) a la solución tecnológica que permite almacenar en un único lugar todos los datos útiles para la toma de decisiones tácti-cas y estratégicas (Saunder, 2009). Un DW es una colección de datos orientados al negocio, agregados, permanentes e históricos, organi-zados para apoyar a distintos sistemas de so-porte a las decisiones (Inmon, 2002). Estas características los diferencian claramente de los sistemas transaccionales tradicionales (EDP, ERP o CRM), cuyos datos son volátiles, actuales, operativos y no agregados, estando generalmente organizados por departamentos funcionales.

El funcionamiento del DW se representó previamente en el Gráfico 2. La carga de datos en el DW se realiza mediante extracciones pe-riódicas procedentes de las bases de datos internas de la empresa y otras fuentes de in-formación externas. Los datos extraídos su-fren una transformación automática antes de cargarlos en el DW para depurarlos, homoge-neizarlos y consolidarlos, organizándolos se-gún los grandes temas de interés para la toma de decisiones de negocio a nivel táctico y, so-bre todo, estratégico. Este proceso de “cons-trucción” del DW se conoce, por sus siglas en inglés, como proceso ETL (Extract, Transform and Load, es decir, Extracción, Transforma-ción y Carga) (Saunder, 2009; Fernández-Me-dina, et al., 2007). La transformación y reorga-nización de los datos permitiría, por ejemplo, que todos los datos disponibles sobre clientes se consolidaran en una única tabla del DW. De esta forma, las peticiones de información agre-gada sobre clientes serán más fáciles y rápi-das de responder dado que todos los datos se encontrarán centralizados para su análisis.

Gracias al desarrollo del DW, es posible te-ner una visión global de toda la información re-levante de la empresa coherente con los con-ceptos de negocio manejados por los directivos (organizados temáticamente, por ejemplo, por cliente, área geográfica, producto, sucursal y cualquier otro criterio que la dirección decida). Además, evita las costosas extracciones ma-nuales de datos de los distintos subsistemas de información cuando se desea obtener un infor-me puntual que no estaba predefinido. Por últi-mo, un DW establece una infraestructura co-mún de datos que usan los sistemas de soporte a las decisiones (como se puede observar en el Gráfico 2), en lugar de que cada uno de estos sistemas tenga que desarrollar su propia base de datos independientemente (Arjonilla y Medi-na, 2009). Por tanto, el DW es una base de da-tos nuclear sobre la que funcionan las distintas herramientas de inteligencia de negocios (BI) con las que cuenta la empresa.

Data Mining (DM)

La información almacenada en un DW de-be explorarse con el fin de comprender su sig-nificado, descubrir relaciones entre los datos o deducir pautas de comportamiento y perfiles de los consumidores que pudieran ser comer-cialmente útiles. Por ejemplo, las empresas estarán interesadas en conocer las pautas de comportamiento de los consumidores (Wong y


pág


Chung, 2008), o el contenido de la cesta de la compra tipo, para adaptar mejor su oferta a la clientela y promover ventas futuras. Podría ser interesante detectar pautas de comportamien-tos normales para diferenciarlas de comporta-mientos anómalos o extraños que podrían sig-nificar oportunidades de negocio si se seg- menta ese tipo de consumidor diferenciado o incluso, por ejemplo, un uso fraudulento de una tarjeta de crédito cuando se compara di-cho uso con el patrón de comportamiento que venía desarrollando su legítimo propietario.

Al conjunto de herramientas que le permiten al usuario acceder a los datos contenidos en el DW y analizarlos para extraer conocimiento, se las conoce como data mining o minería de da-tos. Los data mining son un software que ac-túan de forma “inteligente” y automática apli-cando diversas técnicas sobre un DW (Yoon, 1999) para detectar relaciones poco obvias en-tre los datos, cambios en las tendencias de los datos, y patrones de comportamientos norma-les y anómalos (Fallad, et al., 1996). Cuando este sistema detecta alguna relación, compor-tamiento o tendencia de interés, alerta al usua-rio del sistema para que evalúe si es una infor-mación útil y, por tanto, un conocimiento valioso que se puede usar para algo. Así, el data mi-ning proporciona la capacidad de aprender de los datos del pasado y de predecir situaciones y comportamientos futuros.

Los data mining aplican técnicas tales co-mo: (1) técnicas estadísticas (correlaciones, regresiones, etc.), para descubrir relaciones entre datos (por ejemplo, que el consumo de cierto tipo de producto está correlacionado con la edad de los consumidores, con la época del año, o con otro producto complementario); (2) redes neuronales, que emulan el aprendizaje de las neuronas humanas en el reconocimien-to de patrones para clasificar y predecir con modelos que representan la realidad (por ejemplo, a partir de unas variables de entrada intentan construir un modelo que dé como re-sultado ciertas variables de salida observadas en la realidad); (3) análisis discriminante y ár-boles de decisión, para extraer perfiles de comportamiento (por ejemplo, determinar las características de clientes que hayan respon-dido a un mailing); (4) algoritmos genéticos, que aplican optimización combinatoria emu-lando los procesos evolutivos de la naturaleza para que sólo sobreviva el modelo evolutivo que mejor explica un fenómeno; y (5) otras técnicas para realizar clasificaciones no super-

visadas, detectar desviaciones, visualizar grá-ficamente modelos o relaciones, etc.

Los data mining actúan de manera similar a como lo haría un experto, no dejando inicia-tiva al usuario para que éste elija los elemen-tos que quiere observar o analizar, ni para se-leccionar las técnicas a aplicar en dicho análisis. El propio sistema toma la iniciativa, descubriendo asociaciones entre datos y emi-tiendo hipótesis, que contrasta metodológica-mente. Esta forma de funcionar permite en-contrar información oculta que un experto no podría llegar a encontrar porque se encuentra fuera de sus expectativas.

Sistemas de Procesamiento Analítico en Línea (OLAP)

Los sistemas de Procesamiento Analítico en Línea (OLAP, On-Line Analytical Proces-sing), son herramientas orientadas a examinar de manera interactiva, rápida y flexible gran-des cantidades de datos desde varias pers-pectivas (dimensiones del negocio), con el objetivo de extraer algún tipo de información útil para el decisor táctico y estratégico.

Los sistemas OLAP operan sobre estructuras de datos multidimensionales (Peng, et al., 2007), también denominadas cubos, hipercubos o cubos multidimensionales OLAP. Algunos ejemplos de dimensiones son: producto, geografía, cliente, mercado, vendedor, período de tiempo, etc. Sea, por ejemplo, el caso de un cubo OLAP desarrolla-do con tres dimensiones (ventas, periodo de tiem-po y mercado), tal y como se refleja en el Gráfico 3. El directivo podrá combinar y filtrar dichas di-mensiones en la forma que le parezca para reali-zar la consulta de los datos que interesan para la decisión (Petravick, 1999). Por ejemplo, podría

Al conjunto de herramientas que

permiten al usuario acceder a los

datos contenidos en el DW y

analizarlos para extraer conocimiento,

se las conoce como data mining o

minería de datos

«

»


pág

22pd

consultar las ventas de cierto producto (dimensión “ventas”) en un mes concreto (dimensión “periodo de tiempo”) que ha realizado alguna de las sucur-sales de la empresa (dimensión “mercado”). Esto permite cubrir las necesidades de directivos muy distintos sin necesidad de programar a la medida un informe estándar para cada tipo de consulta, como obligaban otros tipos de sistemas de sopor-te a la toma de decisiones. Así, el director de ven-tas podría estar interesado en saber cuánto se ha vendido del producto P en el periodo de tiempo T y en el mercado M; mientras que el director finan-ciero podría saber, consultando la misma base de datos OLAP, cuáles fueron las ventas totales en el periodo de tiempo T’, considerando todos los pro-ductos y mercados de la empresa (Gráfico 3).

Obviamente, las tres dimensiones del ejem-plo anterior se podrían ampliar con dimensiones nuevas tales como agente comercial, cobros pendientes, ventas financiadas, plazos de entre-ga, etc. Pudiéndose obtener una información mucho más rica, diferenciada y flexible por parte de directivos con diferentes responsabilidades.

En cuanto al uso que se hace de este tipo de sistemas y su ubicación dentro del conjunto de he-rramientas de inteligencia de los negocios es co-

mún, como se representa en el Gráfico 2, que se sitúen entre un DW y algún sistema de apoyo a la toma de decisiones, habitualmente un DSS o EIS. El sistema OLAP se alimentaría de los datos del DW o DM (Wrembel, 2009) suministrando, a su vez, datos al DSS o EIS. Además, el decisor tam-bién puede realizar consultas directas en el siste-ma OLAP, sin necesidad de usar otros sistemas.

Los sistemas de soporte a las decisiones que usan datos contables reorganizados en bases de datos multidimensionales de este tipo proporcio-nan al usuario del sistema una información de ne-gocio a la medida de sus necesidades (Achor, 2002; Pendse, 2004).

conclUSioneS

Las nuevas tecnologías de la información han demostrado ser muy útiles para la mejora de la efi-ciencia de la práctica contable y financiera en el nivel operativo. Así, por ejemplo, los denominados Sistemas de Información Contable (SIC), permiten procesar los resultados relativos a bancos, factura-ción, cartera, inventarios, nómina o análisis finan-ciero de forma automatizada y eficiente. Sin em-bargo, la cada vez mayor integración de los SIC con el resto de los sistemas de información en la organización, facilitada por esas mismas tecnolo-gías de la información, y la creciente necesidad de las organizaciones modernas de explotar la infor-mación de la que disponen como “recurso” compe-titivo, hace que los sistemas de información que dan soporte a la contabilidad y a la gestión financie-ra se utilicen de forma cada vez más frecuente co-mo fuentes de datos que alimentan a sistemas de soporte a la planificación, gestión, toma de decisio-nes y control en los niveles tácticos y estratégicos de la organización. De hecho, como se ha descrito a lo largo de este trabajo, la mayor parte de los sistemas que dan soporte a las decisiones necesi-tan de la información interna que suministran los sistemas contables y financieros.

En este sentido, este trabajo se ha centrado en mostrar cuál es el abanico de herramientas tecno-lógicas que puede dar soporte a la toma de decisio-nes y que confieren una importancia táctica, y mu-chas veces estratégica, a la más importante fuente de información de las organizaciones, esto es, a la procedente del procesamiento automático de la contabilidad y de otros sistemas transaccionales similares que funcionan a nivel operativo.

Este papel estratégico conferido al SIC se hace efectivo, por extensión, al profesional de

G r a F i c o 3

eStrUctUra mUltidimenSional Y conSUltaS de loS datoS de Un Un SiStema olap

Fuente: Arjonilla y Medina (2009).

Vent

asVe

ntas

P P'Ve

ntas

Vent

asMercados

Mercados

MercadosMercadosM M'

Tiempo

Tiempo

T T'

dimensiones de labase de datos

consulta del director de ventas

Base de datosmultidimensional

consulta deldirector financiero

Tiempo

Tiempo


pd www.partidadoble.es

la contabilidad y de las finanzas, lo que implica que éste deba asumir su papel y participar en la gestión de los sistemas de información y en la planificación estratégica de su empresa (Remmen, 2009). Su experiencia y juicio pro-fesional resultan insustituibles, además de que es posiblemente el más legitimado profesio-nalmente para ocupar este papel estratégico (Aver y Cadez, 2009). Esto sin duda supone un desafío, puesto que su educación reglada no tiene por qué haberle formado en sistemas y tecnologías de la información. La solución a este dilema no exige sin embargo que el profe-sional de la contabilidad y las finanzas domine el mundo de los sistemas de información con la profundidad que lo haría un profesional de las tecnologías de la información, pero sí es preciso que cuente con los conocimientos que

le habiliten para participar eficazmente en la definición, planificación, implantación y audito-ría de los sistemas de información de carácter estratégico que se implanten en su organiza-ción. Esto no sólo es posible, sino que ya está ocurriendo. Por ejemplo, el primer estudio so-bre la “Función de Auditoría Interna de Siste-mas de Información en España” llevado a ca-bo en 2006 por KPMG, la Asociación de Auditores de Sistemas (Capítulo de Madrid de ISACA), el Instituto de Auditores Internos (IAI) y representantes de las principales empresas españolas, mostró que en la auditoria de los sistemas de información de las organizaciones participan en prácticamente igual proporción, ingenieros informáticos, 34%, y economistas, 33%, a pesar de que esta labor comportan un gran componente técnico. ✽

Alsène, E. (2007): ERP systems and the coordination of the enter-prise. Business Process Management Journal, 13(3), 417-432.

Anchor, T. (2002): Using online analytical processing Tools. The CPA Journal, (March), 64.

Arjonilla Domínguez, S.J.; Medina Garrido, J.A. (2009): La gestión de los sistemas de información en la empresa. Tercera edición. Edi-torial Pirámide, Madrid.

Aver, B.; Cadez, S. (2009). Management accountants’ participation in strategic management processes: A cross-industry compari-son. Journal for East European Management Studies, 14(3), 310-322.

Brown, I. (2009): The strategic accountant. Intheblack, 79(4), 10-11.

Burns, M. (2003): Under one roof. CA Magazine, 136(9), 14.

Burstein, F.; Holsapple, C. (2008): New horizons at the core of in-formation systems: decision support system advances. Information Systems and eBusiness Management, 6(2), 109-115.

Cognos Inc. (2006): Dashbouards and Scorecards. Cognos Inc. Burlington, MA.

Fayyad, U.; Piatetsky-Shapiro; G.; Smyth, P. (1996): From data mining to knowledge discovery: An overview. In Advances in Knowl-edge Discovery and Data Mining, pp.1-34. MIT Press.

Fernández-Medina, E.; Trujillo, J.; Piattini, M. (2007): Model-driv-en multidimensional modelling of secure data warehouses. European Journal of Information Systems: Including a Special Section on the Information Systems, 16(4), 374-389.

Fitzgerald, G. (1991): Executive Information Systems and their De-velopment: A research Study. Oxford Institute of Information Man-agement Research, Paper RDP91/4, Templeton College, Oxford.

Hannon, NJ (2005). Making Data the Center of Your Information System. Strategic Finance, 87(4), 55-56,61.

Holsapple C.W.; Whinston A.B. (2000): Decision support systems: A knowledge-based approach. West Publishing Company. Minneap-olis: St Paul.

Hyperion Solutions Corporation (2006): Dashboard and Score-cards. Hyperion Solutions Corporation, Santa Clara, CA.

Inmon, H. (2002): Building the Data Warehouse. Third edition. John Wiley & Sons. USA.

Kaplan, R.S.; Norton, D.P. (1997): Cuadro de mando integral (The Balanced Scorecard), Gestión 2000.

Kaplan, R.S.; Norton, D.P. (2004): Mapas estratégicos. Ediciones Gestión 2000, Barcelona.

Lagroue III, H.J. (2007): The effectiveness of group decision sup-port systems for internal audits. Internal Auditing, 22(4), 32-36,38-39.

Ma, Y.; Tayles, M. (2009): On the emergence of strategic manage-ment accounting: an institutional perspective. Accounting and Busi-ness Research, 39(5), 473-495.

Pendse, N. (2004): Drilling into OLAP benefits. DM Review, (March), 10-24.

Peng, J.; Viator, R.E.; Buchheit, s. (2007): An Experimental Study of Multidimensional Hierarchical Accounting Data: Drill-Down Paths Can Influence Economic Decisions. Journal of Information Systems, 21(2), 69-86.

Petravick, S (1999). Doing more with data. The CPA Journal, 69(7), 64-67.

Rainer, R.K.; Watson, H.J. (1995): The Keys to Executive Informa-tion System Success. Journal of Management Information Systems, 12 (2), 83-98.

Remmen, D. (2009): My Convoluted Career Path. Strategic Finance, 90(10), 64.

Saunders, T. (2009): Cooking up a Data Warehouse. Business Intel-ligence Journal, 14(2), 16-22.

Wong, J.; Chung, P. (2008): Retaining Passenger Loyalty through Data Mining: A Case Study of Taiwanese Airlines. Transportation Journal, 47(1), 17-29.

Wrembel, R. (2009): A Survey of Managing the Evolution of Data Warehouses. International Journal of Data Warehousing and Mining, 5(2), 24-56.

Yoon, Y. (1999): Discovering knowledge in corporate databas-es. Information Systems Management, 16(2), 64-71.

BIBLIOGRAFÍA

pág

23

sistema contable

Documents