Principales productos de la Inteligencia de Negocios

Cuadros de Mando Integrales (CMI)

El cuadro de Mando Integral (CMI), también conocido como Balanced Scorecard (BSC) o
dashboard, es una herramienta de control empresarial que permite establecer y monitorizar los
objetivos de una empresa y de sus diferentes áreas o unidades.
También se puede considerar como una aplicación que ayuda a una compañía a expresar los
objetivos e iniciativas necesarias para cumplir con su estrategia, mostrando de forma continuada
cuando la empresa y los empleados alcanzan los resultados definidos en su plan estratégico.
Diferencia con otras herramientas de Business Intelligence
El Cuadro de Mando Integral se diferencia de otras herramientas de Business Intelligence, como
los Sistemas de Soporte a la Decisión (DSS) o los Sistemas de Información Ejecutiva (EIS), en
que está más orientados al seguimiento de indicadores que al análisis minucioso de información.
Por otro lado, es muy común que un CMI sea controlado por la dirección general de una
compañía, frente a otras herramientas de Business Intelligence más enfocadas a a la dirección
departamental. El CMI requiere, por tanto, que los directivos analicen el mercado y la estrategia
para construir un modelo de negocio que refleje las interrelaciones entre los diferentes
componentes de la empresa (plan estratégico). Una vez que lo han construido, los responsables
de la organización utilizan este modelo como mapa para seleccionar los indicadores del CMI.
Tipos de Cuadros de Mando
El Cuadro de Mando Operativo (CMO), es una herramienta de control enfocada al seguimiento
de variables operativas, es decir, variables pertenecientes a áreas o departamentos específicos de
la empresa. La periodicidad de los CMO puede ser diaria, semanal o mensual, y está centrada en
indicadores que generalmente representan procesos, por lo que su implantación y puesta en
marcha es más sencilla y rápida. Un CMO debería estar siempre ligado a un DSS (Sistema de
Soporte a Decisiones) para indagar en profundidad sobre los datos.
El Cuadro de Mando Integral (CMI), por el contrario, representa la ejecución de la estrategia de
una compañía desde el punto de vista de la Dirección General (lo que hace que ésta deba estar
plenamente involucrada en todas sus fases, desde la definición a la implantación). Existen
diferentes tipos de cuadros de mando integral, si bien los más utilizados son los que se basan en
la metodología de Kaplan & Norton. La principales características de esta metodología son que
utilizan tanto indicadores financieros como no financieros, y que los objetivos estratégicos se
organizan en cuatro áreas o perspectivas: financiera, cliente, interna y aprendizaje/crecimiento.
• La perspectiva financiera incorpora la visión de los accionistas y mide la creación de
valor de la empresa. Responde a la pregunta: ¿Qué indicadores tienen que ir bien para
que los esfuerzos de la empresa realmente se transformen en valor? Esta perspectiva
valora uno de los objetivos más relevantes de organizaciones con ánimo de lucro, que es,
precisamente, crear valor para la sociedad.
• La perspectiva del cliente refleja el posicionamiento de la empresa en el mercado o, más
concretamente, en los segmentos de mercado donde quiere competir. Por ejemplo, si una
empresa sigue una estrategia de costes es muy posible que la clave de su éxito dependa de
una cuota de mercado alta y unos precios más bajos que la competencia. Dos indicadores
que reflejan este posicionamiento son la cuota de mercado y un índice que compare los
precios de la empresa con los de la competencia.
 • La perspectiva interna recoge indicadores de procesos internos que son críticos para el
posicionamiento en el mercado y para llevar la estrategia a buen puerto. En el caso de la
empresa que compite en coste, posiblemente los indicadores de productividad, calidad e
innovación de procesos sean importantes. El éxito en estas dimensiones no sólo afecta a
la perspectiva interna, sino también a la financiera, por el impacto que tienen sobre las
rúbricas de gasto.
• La perspectiva de aprendizaje y crecimiento es la última que se plantea en este modelo de
CMI. Para cualquier estrategia, los recursos materiales y las personas son la clave del
éxito. Pero sin un modelo de negocio apropiado, muchas veces es difícil apreciar la
importancia de invertir, y en épocas de crisis lo primero que se recorta es precisamente la
fuente primaria de creación de valor: se recortan inversiones en la mejora y el desarrollo
de los recursos.
Pese a que estas cuatro son las perspectivas más genéricas, no son "obligatorias". Por ejemplo,
una empresa de fabricación de ropa deportiva tiene, además de la perspectiva de clientes, una
perspectiva de consumidores. Para esta empresa son tan importantes sus distribuidores como sus
clientes finales.
Una vez que se tienen claros los objetivos de cada perspectiva, es necesario definir los
indicadores que se utilizan para realizar su seguimiento. Para ello, debemos tener en cuenta
varios criterios: el primero es que el número de indicadores no supere los siete por perspectiva, y
si son menos, mejor. La razón es que demasiados indicadores difuminan el mensaje que
comunica el CMI y, como resultado, los esfuerzos se dispersan intentando perseguir demasiados
objetivos al mismo tiempo. Puede ser recomendable durante el diseño empezar con una lista más
extensa de indicadores. Pero es necesario un proceso de síntesis para disponer de toda la fuerza
de esta herramienta.
No obstante, la aportación que ha convertido al CMI en una de las herramientas más
significativas de los últimos años es que se cimienta en un modelo de negocio. El éxito de su
implantación radica en que el equipo de dirección se involucre y dedique tiempo al desarrollo de
su propio modelo de negocio.

Sistemas de Soporte a la Decisión (DSS)

Un Sistema de Soporte a la Decisión (DSS) es una herramienta de Business Intelligence

enfocada al análisis de los datos de una organización.
En principio, puede parecer que el análisis de datos es un proceso sencillo, y fácil de conseguir
mediante una aplicación hecha a medida o un ERP sofisticado. Sin embargo, no es así: estas
aplicaciones suelen disponer de una serie de informes predefinidos en los que presentan la
información de manera estática, pero no permiten profundizar en los datos, navegar entre ellos,
manejarlos desde distintas perspectivas.
El DSS es una de las herramientas más emblemáticas del Business Intelligence ya que, entre
otras propiedades, permiten resolver gran parte de las limitaciones de los programas de gestión.
Estas son algunas de sus características principales:
• Informes dinámicos, flexibles e interactivos, de manera que el usuario no tenga que
ceñirse a los listados predefinidos que se configuraron en el momento de la implantación,
y que no siempre responden a sus dudas reales.
• No requiere conocimientos técnicos. Un usuario no técnico puede crear nuevos gráficos e
informes y navegar entre ellos, haciendo drag&drop o drill through. Por tanto, para
 examinar la información disponible o crear nuevas métricas no es imprescindible buscar
auxilio en el departamento de informática.
• Rapidez en el tiempo de respuesta, ya que la base de datos subyacente suele ser un
datawarehouse corporativo o un datamart, con modelos de datos en estrella o copo de
nieve. Este tipo de bases de datos están optimizadas para el análisis de grandes
volúmenes de información (vease ánalisis OLTP-OLAP).
• Integración entre todos los sistemas/departamentos de la compañía. El proceso de ETL
previo a la implantación de un Sistema de Soporte a la Decisión garantiza la calidad y la
integración de los datos entre las diferentes unidades de la empresa. Existe lo que se
llama: integridad referencial absoluta.
• Cada usuario dispone de información adecuada a su perfil. No se trata de que todo el
mundo tenga acceso a toda la información, sino de que tenga acceso a la información que
necesita para que su trabajo sea lo más eficiente posible.
• Disponibilidad de información histórica. En estos sistemas está a la orden del día
comparar los datos actuales con información de otros períodos históricos de la compañía,
con el fin de analizar tendencias, fijar la evolución de parámetros de negocio... etc.
Diferencia con otras herramientas de Business Intelligence
El principal objetivo de los Sistemas de Soporte a Decisiones es, a diferencia de otras
herramientas como los Cuadros de Mando (CMI) o los Sistemas de Información Ejecutiva (EIS),
explotar al máximo la información residente en una base de datos corporativa (datawarehouse o
datamart), mostrando informes muy dinámicos y con gran potencial de navegación, pero siempre
con una interfaz gráfica amigable, vistosa y sencilla.
Otra diferencia fundamental radica en los usuarios a los que están destinadas las plataformas
DSS: cualquier nivel gerencial dentro de una organización, tanto para situaciones estructuradas
como no estructuradas. (En este sentido, por ejemplo, los CMI están más orientados a la alta
dirección).
Por último, destacar que los DSS suelen requerir (aunque no es imprescindible) un motor OLAP
subyacente, que facilite el análisis casi ilimitado de los datos para hallar las causas raices de los
problemas/pormenores de la compañía.
Tipos de Sistemas de Soporte a Decisiones
• Sistemas de información gerencial (MIS). Los sistemas de información gerencial (MIS,
Management Information Systems), también llamados Sistemas de Información
Administrativa (AIS) dan soporte a un espectro más amplio de tareas organizacionales,
encontrándose a medio camino entre un DSS tradicional y una aplicación CRM/ERP
implantada en la misma compañía.
• Sistemas de información ejecutiva (EIS). Los sistemas de información ejecutiva (EIS,
Executive Information System) son el tipo de DSS que más se suele emplear en Business
Intelligence, ya que proveen a los gerentes de un acceso sencillo a información interna y
externa de su compañía, y que es relevante para sus factores clave de éxito.
• Sistemas expertos basados en inteligencia artificial (SSEE). Los sistemas expertos,
también llamados sistemas basados en conocimiento, utilizan redes neuronales para
simular el conocimiento de un experto y utilizarlo de forma efectiva para resolver un
problema concreto. Este concepto está muy relacionado con el datamining.
• Sistemas de apoyo a decisiones de grupo (GDSS). Un sistema de apoyo a decisiones en
grupos (GDSS, Group Decision Support Systems) es "un sistema basado en
computadoras que apoya a grupos de personas que tienen una tarea (u objetivo) común, y
 que sirve como interfaz con un entorno compartido". El supuesto en que se basa el GDSS
es que si se mejoran las comunicaciones se pueden mejorar las decisiones.

Sistemas de Información Ejecutiva (EIS)

Un Sistema de Información para Ejecutivos o Sistema de Información Ejecutiva es una

herramienta software, basada en un DSS, que provee a los gerentes de un acceso sencillo a
información interna y externa de su compañía, y que es relevante para sus factores clave de éxito.
La finalidad principal es que el ejecutivo tenga a su disposición un panorama completo del
estado de los indicadores de negocio que le afectan al instante, manteniendo también la
posibilidad de analizar con detalle aquellos que no estén cumpliendo con las expectativas
establecidas, para determinar el plan de acción más adecuado.
De forma más pragmática, se puede definir un EIS como una aplicación informática que muestra
informes y listados (query & reporting) de las diferentes áreas de negocio, de forma consolidada,
para facilitar la monitorización de la empresa o de una unidad de la misma.
El EIS se caracteriza por ofrecer al ejecutivo un acceso rápido y efectivo a la información
compartida, utilizando interfaces gráficas visuales e intuitivas. Suele incluir alertas e informes
basados en excepción, así como históricos y análisis de tendencias. También es frecuente que
permita la domiciliación por correo de los informes más relevantes.
A través de esta solución se puede contar con un resumen del comportamiento de una
organización o área específica, y poder compararla a través del tiempo. Es posible, además,
ajustar la visión de la información a la teoría de Balanced Scorecard o Cuadro de Mando Integral
impulsada por Norton y Kaplan, o bien a cualquier modelo estratégico de indicadores que
maneje la compañía.

Componentes de origen de datos

Datamart

Datamart es una base de datos departamental, especializada en el almacenamiento de los datos de

un área de negocio específica. Se caracteriza por disponer la estructura óptima de datos para
analizar la información al detalle desde todas las perspectivas que afecten a los procesos de dicho
departamento. Un datamart puede ser alimentado desde los datos de un datawarehouse, o integrar
por si mismo un compendio de distintas fuentes de información.
Por tanto, para crear el datamart de un área funcional de la empresa es preciso encontrar la
estructura óptima para el análisis de su información, estructura que puede estar montada sobre
una base de datos OLTP, como el propio datawarehouse, o sobre una base de datos OLAP. La
designación de una u otra dependerá de los datos, los requisitos y las características específicas
de cada departamento. De esta forma se pueden plantear dos tipos de datamarts:
Datamart OLAP
Se basan en los populares cubos OLAP, que se construyen agregando, según los requisitos de
cada área o departamento, las dimensiones y los indicadores necesarios de cada cubo relacional.
El modo de creación, explotación y mantenimiento de los cubos OLAP es muy heterogéneo, en
función de la herramienta final que se utilice.
Datamart OLTP
Pueden basarse en un simple extracto del datawarehouse, no obstante, lo común es introducir
mejoras en su rendimiento (las agregaciones y los filtrados suelen ser las operaciones más
usuales) aprovechando las características particulares de cada área de la empresa. Las estructuras
más comunes en este sentido son las tablas report, que vienen a ser fact-tables reducidas (que
agregan las dimensiones oportunas), y las vistas materializadas, que se construyen con la misma
estructura que las anteriores, pero con el objetivo de explotar la reescritura de queries (aunque
sólo es posibles en algunos SGBD avanzados, como Oracle).
Los datamarts que están dotados con estas estructuras óptimas de análisis presentan las
siguientes ventajas:
• Poco volumen de datos.
• Mayor rapidez de consulta.
• Consultas SQL y/o MDX sencillas.
• Validación directa de la información.
• Facilidad para la historización de los datos.

Datawarehouse

Un Datawarehouse es una base de datos corporativa que se caracteriza por integrar y depurar
información de una o más fuentes distintas, para luego procesarla permitiendo su análisis desde
infinidad de perspectivas y con grandes velocidades de respuesta. La creación de un
datawarehouse representa en la mayoría de las ocasiones el primer paso, desde el punto de vista
técnico, para implantar una solución completa y fiable de Business Intelligence.
La ventaja principal de este tipo de bases de datos radica en las estructuras en las que se
almacena la información (modelos de tablas en estrella, en copo de nieve, cubos relacionales...
etc). Este tipo de persistencia de la información es homogénea y fiable, y permite la consulta y el
tratamiento jerarquizado de la misma (siempre en un entorno diferente a los sistemas
operacionales).
El término Datawarehouse fue acuñado por primera vez por Bill Inmon, y se traduce literalmente
como almacén de datos. No obstante, y como cabe suponer, es mucho más que eso. Según
definió el propio Bill Inmon, un datawarehouse se caracteriza por ser:
• Integrado: los datos almacenados en el datawarehouse deben integrarse en una estructura
consistente, por lo que las inconsistencias existentes entre los diversos sistemas
operacionales deben ser eliminadas. La información suele estructurarse también en
distintos niveles de detalle para adecuarse a las distintas necesidades de los usuarios.
• Temático: sólo los datos necesarios para el proceso de generación del conocimiento del
negocio se integran desde el entorno operacional. Los datos se organizan por temas para
facilitar su acceso y entendimiento por parte de los usuarios finales. Por ejemplo, todos
los datos sobre clientes pueden ser consolidados en una única tabla del datawarehouse.
De esta forma, las peticiones de información sobre clientes serán más fáciles de
responder dado que toda la información reside en el mismo lugar.
• Histórico: el tiempo es parte implícita de la información contenida en un datawarehouse.
En los sistemas operacionales, los datos siempre reflejan el estado de la actividad del
negocio en el momento presente. Por el contrario, la información almacenada en el
datawarehouse sirve, entre otras cosas, para realizar análisis de tendencias. Por lo tanto,
el datawarehouse se carga con los distintos valores que toma una variable en el tiempo
para permitir comparaciones.
 • No volátil: el almacén de información de un datawarehouse existe para ser leído, pero no
modificado. La información es por tanto permanente, significando la actualización del
datawarehouse la incorporación de los últimos valores que tomaron las distintas variables
contenidas en él sin ningún tipo de acción sobre lo que ya existía.
Otra característica del datawarehouse es que contiene metadatos, es decir, datos sobre los datos.
Los metadatos permiten saber la procedencia de la información, su periodicidad de refresco, su
fiabilidad, forma de cálculo... etc.
Los metadatos serán los que permiten simplificar y automatizar la obtención de la información
desde los sistemas operacionales a los sistemas informacionales.
Los objetivos que deben cumplir los metadatos, según el colectivo al que va dirigido, son:
• Dar soporte al usuario final, ayudándola a acceder al datawarehouse con su propio
lenguaje de negocio, indicando qué información hay y qué significado tiene. Ayudar a
construir consultas, informes y análisis, mediante herramientas de Business Intelligence
como DSS, EIS o CMI.
• Dar soporte a los responsables técnicos del datawarehouse en aspectos de auditoría,
gestión de la información histórica, administración del datawarehouse, elaboración de
programas de extracción de la información, especificación de las interfaces para la
realimentación a los sistemas operacionales de los resultados obtenidos... etc.
Por último, destacar que para comprender íntegramente el concepto de datawarehouse, es
importante entender cual es el proceso de construcción del mismo, denominado ETL
(Extracción, Transformación y Carga), a partir de los sistemas operaciones de una compañía:
• Extracción: obtención de información de las distintas fuentes tanto internas como
externas.
• Transformación: filtrado, limpieza, depuración, homogeneización y agrupación de la
información.
• Carga: organización y actualización de los datos y los metadatos en la base de datos.
Una de las claves del éxito en la construcción de un datawarehouse es el desarrollo de forma
gradual, seleccionando a un departamento usuario como piloto y expandiendo progresivamente
el almacén de datos a los demás usuarios. Por ello es importante elegir este usuario inicial o
piloto, siendo importante que sea un departamento con pocos usuarios, en el que la necesidad de
este tipo de sistemas es muy alta y se puedan obtener y medir resultados a corto plazo.
Principales aportaciones de un datawarehouse
• Proporciona una herramienta para la toma de decisiones en cualquier área funcional,
basándose en información integrada y global del negocio.
• Facilita la aplicación de técnicas estadísticas de análisis y modelización para encontrar
relaciones ocultas entre los datos del almacén; obteniendo un valor añadido para el
negocio de dicha información.
• Proporciona la capacidad de aprender de los datos del pasado y de predecir situaciones
futuras en diversos escenarios.
• Simplifica dentro de la empresa la implantación de sistemas de gestión integral de la
relación con el cliente.
• Supone una optimización tecnológica y económica en entornos de Centro de
Información, estadística o de generación de informes con retornos de la inversión
espectaculares.