Tema 1 Introducción a la Inteligencia de Negocio

Transcripción

1 Tema 1 Introducción a la Inteligencia de Negocio Inteligencia de Negocio Grado en Ingeniería Informática Gabriel Navarro (gnavarro@ugr.es)

2 Objetivos Entender el concepto de Inteligencia de Negocio Conocer los elementos más importantes en el diseño de una sistema de Inteligencia de Negocio Conocer los retos importantes en el área de la IN Identificar tecnologías informáticas que son necesarias para el desarrollo de herramientas de IN Concienciarse de la necesidad de utilizar técnicas de procesamiento analítico dirigidas por los datos en el seno de una organización empresarial Conocer el concepto de Big Data y el paradigma MapReduce

3 Índice Concepto de Inteligencia de Negocio Arquitectura de un sistema de Business Intelligence Importancia de la Inteligencia de Negocio Retos de la Inteligencia de Negocio Business Analytics Mobile Business Intelligence Cloud Business Intelligence Big Data

4

5 Qué es Inteligencia de Negocio? Con la aparición de internet, los negocios del siglo XXI se realizan bajo un entorno digital (e-economy) y la información es el activo más valioso de la empresa Problemas: Cada área de la empresa maneja sus fuentes de datos El volumen es considerable La información en las organizaciones está aumentando rápidamente, así como, las decisiones críticas del negocio; el problema es la actitud de las empresas para utilizar estos datos. Gartner Group

6 Qué es Inteligencia de Negocio? Normalmente, datos desestructurados y heterogéneos

7 Qué es Inteligencia de Negocio? Se necesita dar solución: Integración de esos datos Obtener información valiosa Desechar/Filtrar Analizar Visualización Compartir a los miembros de la empresa Ayuda a las decisiones De forma rápida!

8 Qué es Inteligencia de Negocio? Nace así el concepto de Inteligencia de Negocio No es una tecnología Es un conjunto de sistemas de información que trabajan de forma coordinada Sistemas de almacenamiento de datos (data warehouse) Sistemas de minería de datos (data mining) Herramientas de procesamiento analítico de datos (OLAP) Sistemas de administración de conocimiento (KBS) Herramientas de consulta y reporte de datos Tableros de información (Dashboards) Sistemas de ayuda a la decisión

9 Qué es Inteligencia de Negocio? No hay una definición precisa Para los vendedores de software a segment of information technology that comprises software systems that enable finding, storing, organising and supplying data; when incorporated into an information system, it enables company to utilise real-time analysis of information (Information Technology Toolbox) software that enables business users to see and use large amounts of complex data (e.g. multidimensional analysis, query tools, data mining tools) (SDG Computing )

10 Qué es Inteligencia de Negocio? No hay una definición precisa Para los vendedores de software a category of applications and technologies for gathering, storing, analysing, reporting on and providing access to data to help enterprise users make better business decisions (C0gnos) BI helps corporations transform their operational data into actionable information; helps meet query reporting and advanced analytical needs (MycroStrategy) a set of concepts and methods to improve business decision making by using fact-based support systems (Gartner Group)

11 Qué es Inteligencia de Negocio?

12 Business Analytics Business Analytics is the subset of BI based on statistics, prediction, and optimization

13 Qué es Inteligencia de Negocio? Inteligencia de Negocio se refiere al proceso de convertir datos en conocimiento y conocimiento en acciones para crear ventaja competitiva en el negocio The Data Warehousing Institute Aggregate Data Present Data Enrich Data Inform a Decision Database, Data Mart, Data Warehouse, ETL Tools, Integration Tools Reporting Tools, Dashboards, Static Reports, Mobile Reporting, OLAP Cubes Add Context to Create Information, Descriptive Statistics, Benchmarks, Variance to Plan or LY Decisions are Fact-based and Data-driven

14 Qué es Inteligencia de Negocio? La Inteligencia de Negocio (Business Intelligence) permite a las empresas tomar decisiones inteligentes basadas en datos Aggregate Data Present Data Enrich Data Inform a Decision Database, Data Mart, Data Warehouse, ETL Tools, Integration Tools Reporting Tools, Dashboards, Static Reports, Mobile Reporting, OLAP Cubes Add Context to Create Information, Descriptive Statistics, Benchmarks, Variance to Plan or LY Decisions are Fact-based and Data-driven

15 Cómo de importante es IN?

16 Cómo de importante es IN? Conocimiento objetivo Ahorro tiempo y dinero Mayor y mejor accesibilidad a la información Facilidad en el manejo de la información Resultados fiables y a la medida Nuevas oportunidades de negocio Esto no es sólo para grandes empresas!

17 Cómo de importante es IN? Alex ' Sandy' Pentland, director del programa de emprendedores del 'Media Lab' del Massachusetts Institute of Technology (MIT)

18 Cómo de importante es IN? Se puede llegar a generar empleos en España durante el periodo (Centre for Economics and Business Research (CEBR),2010) En 2015, Gartner predice que 4,4 millones de empleos serán creados en torno a big data (Gartner 2013) The answer is no, there aren t enough data scientists, not even close (Alex Pentland)

19 Arquitectura de un sistema de IN

20 Arquitectura de un sistema de IN Sistemas Multidimensionales 3º Grado Informática

21 Arquitectura de un sistema de IN Visualización de los indicadores empresariales: Cumplimiento Evaluación Eficiencia Alertas

22 Arquitectura de un sistema de IN OnLine Analytical Processing: Análisis Multidimensional

23 Arquitectura de un sistema de IN Business Analytics: Análisis de tendencias Estadísticas Predicción

24 Arquitectura de un sistema de IN

25 Retos de la IN Recordemos que

26 Business Analytics Fases: Analítica descriptiva (Descriptive analytics) Logra un profundo conocimiento a partir de datos históricos con informes, cuadros de mando, agrupación, etc. Analítica predictiva (Predictive analytics) Diseño y uso de modelos predictivos a partir de técnicas de aprendizaje automática/minería de datos Analítica prescriptiva/perceptiva (Prescriptive analytics) Sugiere opciones de decisión acerca de la manera de aprovechar una oportunidad de futuro o mitigar un riesgo futuro y muestra las consecuencias de cada decisión

27 Business Analytics In-memory Analytics Las herramientas de analítica en memoria permiten la consulta y el análisis de los datos desde la RAM del ordenador, lo que se traduce en una simple y rápida exploración de datos y aplicaciones analíticas (no se utiliza el almacenamiento físico en disco) Servidores que procesan 25 GB por segundo. El ratio coste/procesamiento está reduciéndose considerablemente

28 Retos de la IN Recordemos que

29 Mobile Business Intelligence MBI es la posibilidad de acceder a/interaccionar con datos relacionados con la Inteligencia de Negocio como métricas, dashboards, etc, a través de un dispositivo móvil Se desarrolla a partir del 2000 BlackBerry, Symbian Algo incómodo Revolución móvil a partir del iphone en 2007 Presente: Conexión a través de navegador o como app

30 Mobile Business Intelligence Por qué MBI? Todo el mundo tiene un dispositivo móvil

31 Mobile Business Intelligence Por qué MBI? Son los dispositivos predominantes

32 Mobile Business Intelligence Por qué MBI? Además de mayor disponibilidad

33 Mobile Business Intelligence Por qué MBI? Está reemplazando al resto

34 Mobile Business Intelligence Por qué MBI? Hoy más que nunca es importante que los administradores y ejecutivos tengan un acceso rápido y seguro desde el móvil a los últimos datos de rendimiento de la empresa cuando y donde lo necesiten

35 Mobile Business Intelligence Enormes ventajas: El personal y la administración nunca se desconecta de las herramientas que les permiten tomar decisiones de negocio Las aplicaciones empresariales móviles se han convertido en una parte vital de la mayoría de las organizaciones. El aumento en la madurez y la adopción de la tecnología móvil ha creado una mano de obra que depende del acceso instantáneo a la información La Inteligencia de Negocio no es una excepción

36 Mobile Business Intelligence Procesos de negocios factibles de ser gestionados desde aplicaciones en el Móvil Compras CRM/Gestión de ventas Contabilidad y finanzas Gestión de proyectos Desarrollo de aplicaciones Análisis de Datos

37 Mobile Business Intelligence Top 10 app of MBI Comparison of MBI apps

38 Mobile Business Intelligence No sólo para negocios

39 Retos de la IN Recordemos que

40 Cloud Business Intelligence Cloud Computing es un paradigma que permite ofrecer servicios de computación a través de Internet Wikipedia Tres capas: Software as a Service (sagemath) Platform as a Service (Google App Engine) Hardware as a Service (Amazon Web Services)

41 Cloud Business Intelligence Por qué CBI? Porque existe esa posibilidad. Las herramientas WEB están reemplazando el escritorio

42 Cloud Business Intelligence Por qué CBI? Por el coste El consumo de energía de un Centro de Proceso de Datos (CPD) supone un alto coste para cualquier empresa/institución El uso de los medios de cómputo suele ser inferior al 20% de la capacidad Jeff Bezos (CEO de Amazon, Chief Executive Officer): Si no generas tu electricidad por qué generas tu propia computación?

43 Cloud Business Intelligence Por qué CBI? La externalización de la informática Los recursos tanto de hardware como de software se pueden ajustar a la necesidad de la empresa/cliente Rapidez en implementación y desarrollo Seguridad, varias copias de seguridad Actualizaciones automáticas

44 Cloud Business Intelligence

45 Cloud Business Intelligence Mejoras de CBI Privacidad. La información expuesta a terceros Seguridad. Puede ser interceptada por el camino Dependencia del proveedor de internet Falta de software especializado

46 Cloud Business Intelligence Cloud cambiará los negocios Petición de información y consultas personalizadas Se puede acceder a documentos que contienen sólo datos relevantes, proporciona acceso a datos más específicos o informes ad hoc en segundos Un amplio acceso. Los empleados y clientes de toda a organización pueden obtener informes totalmente actualizados desde varias ubicaciones. Flexibilidad sin precedentes. Acceso en cualquier lugar con una conexión a internet.

47 Cloud Business Intelligence Cloud cambiará los negocios Programación automatizada. Se informes para crear y ejecutar automáticamente nunca debo olvidar que debo un informe de nuevo! Simplicidad en la presentación de informes. Los usuarios finales no tienen que instalar ningún software especial o aprender una nueva interfaz. Simplemente acceder a informes a través de su herramienta WEB de elección. Una flexible y potente interfaz de diseño. Se obtiene acceso sencillo a los datos a través de asistentes y funcionalidad de arrastrar y soltar, minimizando la curva de aprendizaje.

48 Cloud Business Intelligence Procesos de negocios factibles de ser gestionados desde aplicaciones en la nube: Nóminas Recursos humanos Compras CRM/Gestión de ventas Contabilidad y finanzas Gestión de proyectos Desarrollo de aplicaciones Análisis de Datos

49 Cloud Business Intelligence Herramientas comerciales Software as a Service (SaaS) para BI Pentaho ( COMSCI ( FPX ( RIGHT90 ( SPS ( VFA ( ColdLight-Neuron ( Datameer (

50

51 Qué es Big Data? No hay una definición estándar de Big Data Es una colección de datos grande, complejos, muy difícil de procesar a través de herramientas de gestión y procesamiento de datos tradicionales Son datos cuyo volumen, diversidad y complejidad requieren nueva arquitectura, técnicas, algoritmos y análisis para gestionar y extraer valor y conocimiento oculto en ellos

52 Qué es Big Data?

53 Qué es Big Data?

54 Cinco V s de Big Data Crecimiento exponencial del VOLUMEN de datos generados/almacenados

55 Cinco V s de Big Data Los datos se generan muy rápido y necesitan ser procesados rápidamente (VELOCIDAD) Online Data Analytics Decisiones tardías, oportunidades perdidas

56 Cinco V s de Big Data

57 Cinco V s de Big Data VARIEDAD Varios formatos y estructuras: texto, numéricos, imágenes, audio, video, secuencias, series temporales Una sola aplicación puede generar muchos tipos de datos

58 Cinco V s de Big Data VERACIDAD

59 Cinco V s de Big Data VALOR

60 Qué es Big Data? Big Data es cualquier característica que represente un reto para las funcionalidades de un sistema

61 Quién genera Big Data? Redes sociales y multimedia Dispositivos móviles Instrumentos científicos Redes de sensores El progreso y la innovación ya no se ven obstaculizados por la capacidad de recopilar datos, sino por la capacidad gestionar analizar sintetizar visualizar y de gestionar, analizar, sintetizar, visualizar, descubrir el conocimiento de los datos recopilados de manera oportuna y en una forma escalable

62 Aplicaciones

63 Web crawling and indexing Ante la cantidad de páginas contenidas en la Web: Cómo resolver una consulta de un usuario? Cómo resolver una consulta de forma eficiente? Cómo resolver una consulta de forma efectiva?

64 MapReduce Paradigma de programación distribuida Utilizado con éxito por Google Originalmente propuesto en J. Dean and S. Ghemawat, MapReduce: Simplied Data Processing on Large Clusters, OSDI'04 para resolver problemas de Álgebra Lineal Sigue la metodología Divide-y-Venderás Consiste en aplicar dos fases Map, dividir el problema -resuelto por una máquina- Reduce, mezclar las soluciones parciales

65 MapReduce

66 MapReduce

67 MapReduce Ventaja frente a los modelos distribuidos clásicos: modelo de El programación paralela de datos de MapReduce oculta la complejidad de la distribución y tolerancia a fallos Claves de su filosofía: escalable: se olvidan los problemas de hardware más barato: se ahorran costes en hardware, programación y administración MapReduce no es adecuado para todos los problemas, pero cuando funciona, puede ahorrar mucho tiempo

68 Hadoop Hadoop es una implementación en código abierto del paradigma MapReduce

69 Desafíos de Big Data Requisitos de rendimiento para los algoritmos Tradicionalmente, los algoritmos "eficientes se ejecutan en tiempo polinomial (pequeño) en espacio lineal Para grandes conjuntos de datos, los algoritmos eficientes deben ejecutarse en el tiempo lineal o incluso sublineal deben utilizar hasta espacio polilogarítmico (logn) 2 Requisitos de limpieza Ruido y datos distorsionados Necesidad de métodos automáticos de limpieza Eliminar duplicados Evaluación de la calidad

70 Desafíos de Big Data Big Data 1.0: Transactional Three stages of Big Data Transactional data analysis has been done since the beginning of the databases. The difference is that now transactional data is much bigger and requires a whole set of new technologies. Financial Services, IT, Retail,

71 Desafíos de Big Data Big Data 2.0: Networked Three stages of Big Data Networked data has appeared with the beginning of the web and much of the Google early success was due to its ability to leverage web links with its PageRank algorithm. Probably almost all large data sets have some network aspects - people Networks as the case of Facebook or LinkedIn, networks of documents, such as the Web, biological networks for DNA analysis, etc.

72 Desafíos de Big Data Big Data 3.0: Intelligent This would be a combination of data, with huge knowledge bases and a very large collection of algorithms, perhaps reaching the level of true Artificial Intelligence Google Now IBM Watson technology Three stages of Big Data