La inteligencia de negocios (BI) es una colección de tecnologías de apoyo a las decisiones de la empresa destinadas a permitir que los trabajadores del conocimiento, tales como ejecutivos, gerentes y analistas tomen mejores decisiones más rápido. En las últimas dos décadas se ha visto un crecimiento explosivo, tanto en el número de productos y servicios ofrecidos como en la adopción de estas tecnologías por parte de la industria. Este crecimiento ha sido impulsado por la reducción del costo de adquirir y almacenar grandes cantidades de datos procedentes de fuentes tales como transacciones de los clientes de la banca, el comercio minorista, así como en los negocios electrónicos, etiquetas RFID para el seguimiento del inventario, correo electrónico, registros de consultas para sitios web, blogs y comentarios de productos.
Actualmente las empresas recogen datos con una granularidad más fina, que es por lo tanto de volumen mucho mayor. Las empresas están aprovechando sus activos de datos mediante el despliegue de agresividad y la experimentación con técnicas más sofisticadas de análisis de datos para tomar decisiones de negocio y ofrecer nuevas funcionalidades, tales como ofertas y servicios personalizados a los clientes.
Hoy en día es difícil encontrar una empresa exitosa que no haya aprovechado la tecnología de BI para su negocio.
Por ejemplo, la tecnología BI se utiliza en la fabricación para su envíos y la atención al cliente, en el comercio minorista para la creación de perfiles de usuario para apuntar cupones de alimentos durante la compra, en los servicios financieros para el análisis de reclamos y detección de fraudes, en el transporte para la gestión de la flota, en materia de telecomunicaciones para identificar las razones por la pérdida de clientes, en los servicios públicos para el análisis de uso de energía y la atención médica para el análisis de los resultados.
Los datos sobre los que se llevan a cabo tareas de BI a menudo proviene de diferentes fuentes, por lo general a partir de múltiples bases de datos operacionales en todos los departamentos dentro de la organización, así como de proveedores externos. Diferentes fuentes contienen datos de diversa calidad, utilizar representaciones inconsistentes, códigos y formatos, que tienen que ser reconciliadas.
Así, los problemas de integración, la limpieza, y la normalización de los datos en preparación para las tareas de BI puede ser bastante desafiante.
La carga de datos eficiente es imprescindible para el BI. Esto hace que la carga de datos eficiente y escalable y capacidades de actualización sean imperativas para la empresa de BI. Estas tecnologías back-end para la preparación de los datos de BI se conocen colectivamente como la extracción, transformación y carga (ETL). Cada vez hay más necesidad de apoyar las tareas de BI en tiempo real, esto es, tomar decisiones de negocio basadas en los datos operativos en sí.
Motores especializados conocidos como de procesamiento de eventos complejos (CEP) de los motores que han surgido para apoyar a estos escenarios.
El paisaje de BI en la investigación y la industria es vibrante en la actualidad. La adquisición de datos es más fácil y almacenes de datos grandes con 10s a 100s de terabytes o más de los datos relacionales se están convirtiendo en común.
Los datos de texto también están siendo explotados como una fuente valiosa para la inteligencia.
Los cambios en la tecnología de hardware, tales como la disminución de los costos de la memoria principal están afectando a cómo el back-end de los grandes almacenes de datos ha sido diseñado.
Por último, existe una demanda creciente para entregar experiencias interactivas de BI en dispositivos móviles para los trabajadores del conocimiento de hoy en día. Hay amplias oportunidades para que las aplicaciones de BI sean ricas, interactiva y estén en la próxima generación de dispositivos móviles. De este modo, el software de Business Intelligence tiene muchos retos emocionantes y oportunidades técnicas que tenemos por delante que seguirán para reformar su paisaje.
