Anlisis de los Modelos de Inteligencia de Negocios basados en Big Data en las Pymes del Ecuador

 

Analysis of Business Intelligence Models based on Big Data in SMEs in Ecuador

 

 

Erick Marino Garca Merino[1]

emgarcia.est@uteg.edu.ec

Mary Janeth Garca Merino[2]

mjgarcia.est@uteg.edu.ec

 

Fecha de presentacin: septiembre 2017 Fecha de aceptacin: noviembre 2017

 

RESUMEN

 

En el campo tecnolgico, la explosin de los datos ha revolucionado el mundo empresarial. La presente investigacin estudia los modelos de inteligencia de negocios que extraen estos datos para crear valor a travs de la identificacin de las herramientas tecnolgicas de Big Data y descripcin de los factores que influyen en la implementacin de inteligencia de negocios, para que se aprovechen las herramientas de anlisis Big Data enfocadas en la inteligencia de negocios que permitan mejora en la toma de decisiones y por ende la obtencin de ventaja competitiva a partir de la informacin. Este artculo servir de gua para que el estado de arte y el estudio estadstico se utilicen como referencia para futuras investigaciones relacionadas a estos tpicos.

 

Palabras clave: Big Data, Inteligencia de Negocios, NoSQL, Software de Cdigo Abierto.

 

ABSTRACT

In the technological field, the explosion of data has revolutionized the business world. The present research studies business intelligence models that extract this data to create value through the identification of the technological tools of Big Data and description of the factors that influence in the implementation of business intelligence, so that they take advantage of the tools of Big Data analysis focused on the Business Intelligence that allow improvement in the decision making and therefore obtaining competitive advantage from information. This article will use of guide for that state of art and statistical study use as a reference for future research related these topics.

 

Key words: Big Data, Business Intelligence, NoSQL, Open Source Software

 

DESARROLLO

En la actualidad las empresas enfrentan un gran desafo al descubrir conocimiento en la infinidad de datos, para esto las herramientas tradicionales quedan en obsolescencia; es entonces cuando surge Big Data que se define como una estrategia para analizar grandes volmenes de datos estructurados, no estructurados o semi-estructurados provenientes de fuentes exgenas con el fin de extraer valor para las empresas. (Umaquinga, Peluffo, Alvarado, & Cabrera, 2016)

 

Big Data se caracteriza por tres trminos conocidos como las 3 Vs: 1) Volumen, se refiere a la enorme cantidad de datos, 2) Velocidad, se refiere a la rapidez con la que se producen los datos; y, 3) Variedad, se refiere a los diversos contenidos disponibles en diferentes formatos digitales; para las empresas Big Data no solo hace referencia a los datos sino al uso de nuevas herramientas, tcnicas y tecnologas alternativas a las tradicionales en busca de informacin til para crear valor. (Tabares & Hernndez, 2014)

Las herramientas de inteligencia de negocios interactan con Big Data para extraer datos de cualquier fuente exgena, analizar estos datos para obtener informacin que luego se convertir en conocimiento til para la empresa que coadyuve a la toma de decisiones con el objetivo de suministrar respuestas en tiempo real. (Lpez Garca, 2013)

 

Big Data es una nueva generacin de tecnologas que disea arquitecturas para extraer valor econmico de un gran volumen de datos, de una amplia variedad de formatos, con una rauda velocidad de captura, almacenamiento, anlisis y descubrimiento de conocimiento; que resulta para las empresas en una oportunidad basadas en las ahora citadas 4 Vs de Big Data: valor, volumen, variedad y velocidad. (Morales, Aguilar, & Marn, 2016)

 

Sin lugar a duda crear valor a partir de Big Data significa eficiencia en los procesos y disminucin de costos, la alternativa es otra tendencia conocida como Cloud Computing, que es un modelo para optimizar los recursos informticos (software, hardware, almacenamiento, Data Base, entre otros); estas soluciones de inteligentes residen en servidores remotos a travs de internet. (Pozo Cadena J.C, 2016).

 

El trmino inteligencia ha sido usado por los investigadores para referirse a la inteligencia artificial. En el mundo empresarial y las comunidades de TI este trmino se refiere a la Inteligencia de Negocios. Entonces, Big Data y BI describen el conjunto de datos y tcnicas de anlisis muy complejas que requieren de herramientas avanzadas y nicas de almacenamiento de datos, gestin, anlisis y visualizacin de informacin til para la toma de decisiones empresariales. (Chen, Chiang, & Storey., 2012)

 

La explosin masiva de datos imperfectos, complejos y no estructurados provenientes de archivos de textos, audios, videos y dems obtenidos de la web 2.0; hace que nuevas herramientas avanzadas con caractersticas no relacionales conocidas como NoSQL, que describen una extensa variedad de tecnologas alternativas a las tradicionales para la captura, almacenamiento y anlisis de datos como una de la herramientas ms utilizadas por Big Data. (Tabares & Hernndez, 2014)

 

Las herramientas disponibles para la gestin del volumen, velocidad y variedad de los datos se han perfeccionado durante los ltimos aos. En general estas tecnologas no son excesivamente caras, y muchas de ellas se encuentran en software open source; tal como Hadoop, que es un framework que combina hardware y software de cdigo abierto para el anlisis de los datos; pero, estas tecnologas son relativamente nuevas y requieren de habilidades del personal del departamento de TI para integrar esta estrategia de anlisis de Big Data. (Andrew, Brynjolfsson, & Davenport, 2012)

 

Son muchas las definiciones que coinciden sobre los modelos de inteligencia de negocios y sus grandes beneficios para las pymes y es que permite aprovechar el almacenamiento de grandes volumen de datos proporcionados por los sistemas de informacin como CRM, ERP, Etc. para transformarlos en informacin relevante para la generacin del conocimiento en la toma decisiones en tiempo real a travs de una fcil explotacin. (Jaime & Soriano., 2015) Tambin se lo podra definir segn Howard Dresden (1989) como conjuntos de conceptos y mtodos para mejorar las decisiones de negocio mediante el uso de sistemas de soporte basados en hechos.

 

Los modelos de inteligencia de negocios presentan caractersticas relevantes de grandes expectativas que son fciles de manejar tambin le permiten al usuario final un mayor entendimiento de la informacin a travs de los mtodos visuales, actualmente la mayora de las organizaciones y empresas poseen y generan diariamente una enorme cantidad de datos imposibles de analizar a simple vista. (Vanessa & Santiago, 2014), a eso se suma la navegabilidad profunda de la informacin de acuerdo a los parmetros que se desea indagar permitiendo identificar las reas conflictivas con tiempo suficiente para corregirlas. (Schiff, 2011)

 

Para poder obtener un mayor beneficio de la Inteligencia de Negocios se debe cumplir con ciertos criterios de herramientas que incluyen mtodos, tcnicas, anlisis y proyecciones cada una de ellas tiles dependiendo de las necesidades del usuario y del negocio (Mndez del Ro & Ro, 2006), los sistemas de inteligencia de negocio se componen en dos procesos: la integracin (data warehouse) y el anlisis de datos (OLAP).

Bajo esta perspectiva se profundiza cada una de las herramientas sealadas anteriormente tomando como punto de partida el data warehouse, y herramientas analticas como el OLAP (On Line Analitycal Process), tambin se abarca consultas predefinidas denominadas reporting, cuadros de mando o EIS (Executive Information System).

 

El alto nivel competitivo del mercado actual obligo a las organizaciones a buscar nuevas estrategias de gestin para hacer frente a la avalancha de datos y la necesidad de su captura y del respectivo anlisis y es que el mayor logro de este tipo de visin es la toma de decisiones en todos los niveles las cuales se disean en base a tareas, creando escenarios interactivos que ayudan a la mejora continua.

 

Es as que nace el termino Data Warehouse y Data Mart como una base de datos donde se integra informacin depurada de las organizaciones para (Pozo Casanova, 2013) dicha informacin debe ser homognea y fiable, los datos histricos que ah se almacenan permiten detectar tendencias, patrones de comportamiento de los cuales se generan ideas, el anlisis de estos datos tambin ayuda a tomar decisiones ms acertadas que permiten un anlisis desde diferentes perspectivas. (Fernndez Espinosa, 2016)

 

En este argumento tambin se considera al data marts como una base de datos departamental que contiene datos e informacin enfocada a las necesidades especficas de un departamento, dicha informacin puede provenir del Data Warehouse o de bases relacionales, (Pozo Casanova, 2013) este debe contener una estructura ptima de las diferentes perspectivas que pueden afectar a los procesos por rea.

 

Procesamiento analtico en lnea (OLAP del ingls On-Line Analytical Processing) tambin conocido como Cubos OLAP, entrega datos resumidos de grandes Bases de Datos o Sistemas Transaccionales en Lnea (OLTP) para facilitar consultas a estructuras multidimensionales, las bsquedas son ms complejas y ms rpidas, una vez creado el cubo (Pozo Cadena J.C, 2016) estable el enfoque que est pasando a explorar por qu est pasando, (Sarango Salazar, 2014) hace hincapi que es un apoyo para la realizacin de la inteligencia competitiva, se debe aplicar tcnicas de bsqueda inteligentes como la minera de la web y la minera de textos. (Parrilla, 2014)

 

RESULTADOS

Se ha realizado una revisin de los diversos estudios en cuanto al uso de la inteligencia de negocios en las Pymes del Ecuador, y es que a pesar de las dificultades econmicas que enfrentan los pases de Amrica Latina, segn la segunda encuesta anual sobre Pequeas Empresas y Tecnologa realizada por (International Brother, 2016) en Ecuador el 30% de las Pymes encuestadas menciona a las redes sociales como una herramienta empresarial clave para aumentar sus ingresos y productividad.

Fuente: Ministerio de Telecomunicacin y de la Sociedad de la informacin

Elaboracin: Autores

 

Tambin se toma como referencia el informe anual en formato SPSS ( Ministerio de Telecomunicin y de la Sociedad de la Informacin, 2017), para el respectivo anlisis estadstico bajo este criterio se determina la existencia de empresas en el Ecuador los resultados son los siguientes: el 1 % est conformado por microempresas, el 26 % representa empresas grandes, el 24 % se encuentran en el rango de Mediana empresa tipo B, el 8% medianas empresas tipo A, y las pequeas empresas representado por el 41%.

 

 

 

Del anlisis estadstico de la base datos SPSS proporcionada por MINTEL, se identifica que el 25,3% de las pequeas empresas si invierten en TIC, tambin que la mediana empresa tipo A y B especfica que el 40,8% y el 46,9% Si invierten en TIC respectivamente. Adems se puede describir que la brecha de la inversin en TIC se incrementa a medida de cada categora aumenta.

 

 

 

Del anlisis estadstico de la base datos SPSS proporcionada por MINTEL, es importante definir el porcentaje de las empresas que cuenta con especialistas en TIC, aproximadamente el 13% de las pequeas empresas cuentan con personal especialistas en tecnologas, las medianas empresas tipo A y B aproximadamente del 26,5% y 34,8% si cuentan con personal con conocimientos en TIC respectivamente. Adems se puede deducir que a mediad que la empresa va creciendo aumenta el porcentaje de personal especialistas en TIC.

 

 

 

Del anlisis estadstico de la base datos SPSS proporcionada por MINTEL, se deduce que la aplicacin de software open source es muy poca, los porcentajes de las empresas que utilizan la aplicacin de cdigo abierto para el procesamiento de informacin de tipo ERP o CRM; el 5,4% de las pequeas empresas utilizan aplicaciones de cdigo abierto, tambin el 12,5% y el 13,6% utiliza algn software de cdigo abierto en la Mediana empresa A y B respectivamente. A pesar que la PYMES tienen grandes expectativas para utilizar Business Intelligence, existen muchas barreras que las limitan, esto se evidencia en este anlisis, Siendo lo econmico uno de los factores ms importantes.

 

 

Del anlisis estadstico de la base datos SPSS proporcionada por MINTEL, se puede evidenciar que la mitad de las PYMES utiliza las redes sociales como un canal de comunicacin.

 

CONCLUSIONES

 En la presente investigacin se fundament en el estado de arte los principales elementos de Big Data (Las 3 Vs): Volumen, Velocidad y Variedad; y aadiendo una cuarta V que coadyuve a la extraccin de Valor a travs de las herramientas de Inteligencia de Negocios de la reciente explosin de datos provenientes de fuentes tradicionales y no tradicionales tal como de la Web Social.

 

 

Big Data per se no es Inteligencia de negocios, tambin comprende las tcnicas, mtodos, procedimientos, herramientas y tecnologas tradicionales (Data Warehouse, Data Mart, OLAP, entre otras), que se complementan con las no tradicionales o tecnologas NoSQL para el descubrimiento de conocimiento til para las empresas.

 Del anlisis descriptivo se deduce que las herramientas open source en conjunto con las redes sociales aplicando anlisis Big Data proporcionarn informacin relevante para el estudio de patrones, comportamiento de los usuarios o potenciales clientes.

De este artculo se deriva la investigacin: los factores que inciden en el uso de Cloud Computing como herramienta de B. I. en las Pymes del Ecuador.

 

REFERENCIAS BIBLIOGRFICAS

1. Umaquinga, A. C., Peluffo, D. H., Alvarado, J. C., & Cabrera, M. V. (2016). Estudio descriptivo de tcnicas aplicadas en herramientas Open Source y comerciales para visualizacin de informacin de Big Data.

2. Tabares, L. F., & Hernndez, J. F. (2014). Big Data Analytics: Oportunidades, Retos y Tendencias.

3. Lpez Garca. (2013). Anlisis de las posibilidades de uso de Big Data en las organizaciones. Master s Teshis.

4. Morales, M. D., Aguilar, L. J., & Marn, L. M. (2016). Los desafos del marketing en la era del big data. Revista e-Ciencias de la Informacin.

5. Pozo Cadena J.C. (2016). Diseo de un sistema de informacin, bajo un enfoque de inteligencia de negocios, para el proceso de toma de decisiones. Caso: Empresa Diafoot. Master's thesis, Universidad Andina Simn Bolvar, Sede Ecuador.

6. Chen, H., Chiang, R. H., & Storey., V. C. (2012). Business intelligence and analytics: From big data to big impact. MIS quarterly. 36(4).

7. Andrew, M., Brynjolfsson, E., & Davenport, T. H. (2012). Big data: the management revolution. Harvard business review, 90(10), 60-68. 8. Jaime, O., & Soriano., F. (2015). studio de la inteligencia de negocios en las redes sociales ms utilizadas. Revista Cientfica y Tecnolgica UPSE, 2(2).

9. Vanessa, C. A., & Santiago, J. C. (2014). Determinacin de la lnea de base para la aplicacin de BI en el Ecuador dentro de un programa para el uso de tecnologas de avanzada en la administracin pblica y privada. Tesis Grado.

10. Schiff, M. A. (2011). Business Intelligence: Una gua para medianas empresas. Liderazgo de ideas de SAP.

11. Mndez del Ro, L., & Ro, L. M. (2006). Mas alla del Business Intellegente: 16 experiencias de exito. Barcelona: Ediciones gestin 2000. doi:9788496612105

12. Pozo Casanova, P. S. (2013). istema basado en inteligencia de negocios para el almacn de msica Karlita de la ciudad de Tulcn. Bachelor's thesis.

13. Fernndez Espinosa, M. E. (2016). Fernndez Espinosa, Mara Elizabeth. Business Intelligence en la nube caso de estudio: empresa de fabricacin de alimentos. Master's thesis, PUCE.

14. Sarango Salazar, M. E. (2014). La inteligencia de negocios como una herramienta de apoyo para la toma de decisiones, aplicacin a un caso de estudio. aster's thesis, Universidad Andina Simn Bolvar, Sede Ecuador.

15. Parrilla, J. M. (2014). Como hacer inteligente su negocio: Business Intelligente a su alcance (Primera ed.). Mexico: Grupo Editorial Patria.

16. International Brother. (2016). Pequeas empresas en la regin se sienten optimistas en el ao 2016. Visin Tecnolgica Pymes.

17. Ministerio de Telecomunicion y de la Sociedad de la Informacion. (2017). Indicadores y Estadisticas. Estadistico, Ecuador. Recuperado el 11 de Septiembre de 2017.

 

 

 

 

 



[1] Docente de la Universidad Tecnolgica Empresarial de Guayaquil (UTEG) Guayaquil- Ecuador

[2] Docente de la Universidad Tecnolgica Empresarial de Guayaquil (UTEG) Guayaquil- Ecuador

Enlaces refback

  • No hay ningún enlace refback.


Dirección: Urdesa Central, Guayacanes 520 y la 5ta. Guayaquil - Ecuador | PBX ADMISIONES: (593) 4 6052450 PBX: (593) 4 6020400
Copyright © 2017 Universidad Tecnológica Empresarial de Guayaquil. Todos los Derechos Reservados.