En la actualidad la mayor parte de las empresas y organizaciones basan sus actividades en herramientas de gestión que almacenan la información transaccional en bases de datos relacionales. Estos formatos son muy adecuados para manejar registros individuales, es decir, crear, buscar o editar un presupuesto, un pedido, albarán o factura.

Sin embargo, a la hora de analizar los datos disponibles y usarlos para mejorar la toma de decisiones este formato no es muy conveniente porque las búsquedas sobre un volumen importante de datos son muy lentas.

En algunas empresas nos encontramos situaciones en las que algunos usuarios se quejan de la lentitud del sistema, que viene producida por las búsquedas que realizan otros usuarios y que se llevan a cabo directamente sobre la base de datos relacional del sistema transaccional para exportar datos a una hoja de cálculo.

Para evitar estos problemas y aumentar la rápidez y la potencia del sistema de análisis conviene usar herramientas de Business Intelligence que optimizan la información disponible antes de ponerla a disposición del usuario y que crean su propio conjunto de datos en lugar de atacar a la fuente principal.

La mayoría de las soluciones disponibles en el mercado obligan a montar un Data Warehouse (DWH), es decir, un almacén de datos intermedio que recoge y almacena los datos desde las fuentes originales.

Esto puede resultar muy interesante para empresas grandes, que disponen de un departamento de IT y mueven grandes volúmenes de datos, pero para las empresas pequeñas suele suponer un handicap, al tener que realizar inversiones adicionales para montar y mantener el servidor de datos (DWH).

ETLUna de las pocas herramientas que no necesita un DWH intermedio, siendo capaz de atacar directamente a las fuentes originales de datos y realizar en un solo paso el pr (extracción, transformación y carga) es Qlikview, que en los últimos años se ha posicionado como uno de los líderes del mercado de Business Intelligence.

Qlikview emplea una tecnología patentada de nube de datos asociativa, que permite optimizar los datos, almacenando cada datos una sola vez y asociándolo a cada uno de los registros que lo contiene.

Para implementar un sistema de inteligencia de negocios hay que reflexionar sobre dos apartados:

  1. Los datos sobre los que vamos a trabajar
  2. La forma en cómo nos interesa ver esos datos para que el análisis nos permita una toma rápida de decisiones

Para el primer paso tenemos que diseñar y construir el modelo de datos, identificando todas las fuentes de datos necesarias y los campos que vamos a utilizar.
En la segunda parte diseñaremos la interfaz de usuario, con los elementos de análisis necesarios (tablas, gráficos, indicadores), los informes que vaya a usar el usuario de negocio y con las alertas necesarias.

Analizar los datosAnalizar los datos

Por lo tanto, para implementar un sistema de análisis de los datos en tu empresa, es fundamental un proceso de reflexión, en el que se consulte con los usuarios de negocio en primer lugar, para identificar sus necesidades y ofrecerle las soluciones más adecuadas en cada caso.