Business Intelligent Roadmap

1. Business Intelligent Roadmap Ricardo Pérez

2. Business Intelligent • Business Intelligent no es un producto ni un sistema. • Es una arquitectura y una colección de aplicaciones y bases de datos integradas y orientadas al soporte de decisiones que provee un acceso fácil a los datos del negocio.

3. Business Intelligent facilita • Análisis multidimensional (como por ejemplo OLAP). • Data Mining. • Análisis del negocio. • Predicciones a partir de análisis. • Consulta, reportes y gráficos de los datos. • Administración del conocimiento.

4. Características de los proyectos de BI • Las aplicaciones de BI están mayormente orientadas por las oportunidades de negocio, más que por las necesidades del negocio. • Las aplicaciones de BI implementan una estrategia inter-organizacional en lugar de una orientada a departamentos aislados. • Los requerimientos de BI son mayormente de información más que requerimientos funcionales • El análisis de los proyectos de BI enfatizan el análisis del negocio más que el análisis del sistema. Y el análisis es la actividad más importante en el desarrollo de un proyecto de BI.

5. Problemas Comunes • Dificultades para entender la complejidad de los proyectos de BI. • Ausencia de Representantes del negocio. • Falta de análisis del negocio y actividades no estandarizadas • No apreciación del impacto que tiene la información basura sobre la rentabilidad del negocio. • Deficiente manejo del proyecto.

6. Pasos a Seguir

7. Paso 1. Justificación • Se define el problema ó la oportunidad del negocio y una solución de BI es propuesta. • Cada aplicación de BI debe justificar los costos y debe definir claramente los beneficios de resolver el problema del negocio o de aprovechar la oportunidad del negocio.

8. Determine las motivaciones • Identifique las motivaciones, las estrategias, las metas del negocio y los objetivos de la aplicación de BI. • Asegúrese que los objetivos de la aplicación de BI soporten las metas estratégicas del negocio.

9. Analice el negocio • Necesidades de Información • Tipos de fuentes de datos • Datos Operacionales • Datos Privados • Datos Externos • Calidad de las fuentes de datos

10. Análisis costo-beneficio • Incremento de los ingresos • Incremento de las ganancias • Incremento en la satisfacción del cliente • Reducción de los gastos • Incremento en laparticipación en elmercado

11. Determine el Riesgo • La tecnología usada para la implementación del negocio. • La complejidad de las capacidades y procesos a ser implementados. • La integración entre varios componentes y datos. • La organización y su soporte tanto financiero como moral. • Las capacidades del equipo de trabajo, su actitud y el nivel de acuerdo entre ellos. • La inversión financiera en términos del ROI

12. Paso 2. Evaluación de la infraestructura de la empresa • Infraestructura técnica: incluye hardware, software, middleware, DBMS, sistemas operativos, componentes de red, repositorios de metadatos, entre otros. • Infraestructura no técnica: incluye los estándares de los metadatos y del nombrado de los datos, el modelo lógico de los datos, metodología, guías, procedimientos de testeo, procedimientos para el control de problemas y la resolución de disputas, entre otros.

13. Evaluación de la Infraestructura Técnica • Esta evaluación debe determinar la escalabilidad y limitaciones del hardware, el middleware, los DBMS y las demás herramientas de la aplicación. • La importancia de este paso radica en que la tecnología avanza muy rápido, y si no se esta actualizado ni se aprovechan las nuevas y características, pueden tornar la aplicación de BI en un dinosaurio extinto en muy corto tiempo.

14. Evaluación de la Infraestructura No Técnica • Usualmente se busca reducir el riesgo, dividiendo un problema complejo en partes más pequeñas y manejables. Sin embargo este punto de vista tiene un serio inconveniente cuando se aplica sin una infraestructura no técnica.Una organización necesita crear una infraestructura no técnica para prevenir que el entorno de BI se vuelva fragmentado al igual que los tradicionales entornos de soporte de decisiones, desde el cual las preguntas inter-organizacionales no pueden ser contestadas.

15. Paso 3. Planeación del Proyecto • Los proyectos de BI son extremadamente dinámicos. Cambios en el alcance del proyecto, el equipo de trabajo, el presupuesto, la tecnología y los representantes del negocio pueden impactar en gran medida el buen termino de un proyecto. Por tal razón la planeación del proyecto debe ser detallada y los progresos deben ser monitoreados y reportados.

16. Definición del Proyecto • Metas y objetivos • Alcance (lo que se espera del proyecto) • Riesgos • Reglas (Constraints) • Asunciones • Procedimientos para el control de cambios • Procedimientos para el control de problemas

17. Creando el Proyecto • Crear una lista de las actividades, tares y sub-tareas • Estimar el tiempo requerido para estas actividades, tareas y sub-tareas • Asignar recursos a las actividades, tareas y sub-tareas • Determinar la dependencia entre las tareas • Determinar la dependencia entre los recursos • Determinar el camino critico basado en las dependencias • Crear el plan detallado del proyecto.

18. Paso 4. Definición de los Requerimientos del Proyecto • Determinar el alcance del proyecto es una de las más difíciles tareas. El deseo por tener todo al instante es difícil de evitar, pero evitar ese deseo es el aspecto más importante al momento de negociar los requerimientos para cada etapa.Los equipos de desarrollo deben esperar que los requerimientos cambien a medida que las personas conocen las posibilidades y limitaciones de la tecnología de BI.

19. Requerimientos Generales del Negocio • Las estrategias de mercadeo usualmente impulsan las iniciativas de BI en las organizaciones debido al constante reto de mantenerse con la competencia y conservar la participación en el mercado.En un sentido muy amplio es el marketing el que enfoca el esfuerzo en adquirir más conocimiento acerca del negocio, en particular acerca de los clientes.

20. Requerimientos en la Calidad de los Datos • La calidad de los datos puede ser discutida por medio de entrevistas. Las preguntas a realizar estan enmarcadas en tres categorías: • Calidad de los datos existentes: Cada entrevistado puede tener su propio punto de vista acerca de lo que esta limpio y lo que no lo esta. • Calidad deseada de los datos: “Knowledge workers” son típicamente más tolerantes a trabajar con información basura que los ejecutivos del negocio. • Priorización en la limpieza de los datos: La información critica e importante debe ser separada de los datos insignificantes.

21. Requerimientos específicos del Proyecto • Los requerimientos del sistemas deben ser dados en términos del negocio, y deben describir el problema del negocio a ser resuelto como también el criterio a aceptación de a aplicación de BI. • Recuerde: Una lista precompilada de deseos en cuanto a elementos de datos y una lista de seudo-reportes NO es una definición de requerimientos.

22. Paso 5. Análisis de los datos • El mayor reto para todos los proyectos de BI, es la calidad de la fuente de datos. Malos hábitos desarrollados por décadas son difíciles de romper, y los daños resultado de malos hábitos son muy costosos, requieren tiempo y son tediosos para buscar y corregir.Adicionalmente, en el pasado el análisis de datos se enfocaba en una sola vista del negocio y nunca se consolidaba con las otras vista de la organización.Este paso toma un porcentaje importante del tiempo asignado al proyecto entero.

23. Top-Down Logical Data Modeling • La técnica más efectiva para descubrir y documentar la vista entera de los datos inter-organizacionales es el modelado Entidad-Relación, también conocido como Modelo Lógico de Datos. • Si la organización sigue la buena práctica de crear modelos lógicos para cada una de las unidades operacionales y los une todos ellos (con el tiempo) en un modelo lógico empresarial, el esfuerzo dedicado al desarrollo de un proyecto de BI puede ser significativamente reducido. Esto permitiría al equipo del proyecto aumentar la velocidad de entrega de información importante a las personas del negocio.

24. Modelo Lógico Empresarial

25. Bottom-Up Source Data Analysis • El análisis de datos no puede detenerse después del modelado lógico top-down porque usualmente la fuente de datos no sigue las reglas y políticas del negocio capturadas durante las sesione de modelado.Si el análisis bottom-up no se realizara, los problemas de datos y las violaciones a las reglas del negocio se descubrirían solo hasta que el proceso de ETL fuera implementado.

26. Riesgos de no realizar un Análisis de Datos • El análisis de datos involucra el modelado lógico de los datos, la arqueología de datos (el proceso de encontrar malos datos) y la limpieza de datos.Usualmente cuando se mide el éxito de un aplicación de BI en función de la velocidad en lugar de la calidad, se ven las labores de análisis de datos como una perdida de tiempo y esto conlleva a que en lugar de eliminar los actuales problemas de datos, los combinen todos en la aplicación de BI. • Este paso es el mayor diferenciador entre los sistemas tradicionales y uno inter-organizacional.El análisis de datos fuerza a los consumidores y a los dueños de los datos a reconstruir una vista inter-organizacional, limpiando su costoso caos de datos.

27. Paso 6. Project Prototyping • El análisis de las entregas funcionales, que usualmente se denomina análisis de sistemas, es mejor logrado a través de prototipos lo que permite combinarlo con el diseño de la aplicación.Con las nuevas herramientas y lenguajes de programación es posible que los desarrolladores aprueben o desaprueben un concepto o una idea.Además por medio de los prototipos se permite a las personas del negocio los limites de la tecnología, lo que les da la oportunidad de ajustar sus requerimientos y expectativas.

28. Paso 7. Análisis del repositorio de Metadatos • Al disponerse de mas herramientas se tienen también mas metadatos adicionales a los metadatos del negocio. Los metadatos técnicos deben ser mapeados a los metadatos del negocio y todos estos metadatos deben ser almacenados en un repositorio de metadatos.

29. Paso 8. Diseño de la Base de Datos • Una o mas de las bases de datos deben ser almacenadas en su forma agregada, esto depende del tipo de reportes que necesite la comunidad del negocio. No todos los reportes son estratégicos y no todos ellos son multidimensionales.

30. Paso 9. Diseño del ETL • El proceso de ETL es el más complicado de todo el proyecto de BI y a la vez el menos glamoroso.

31. Paso 10. Diseño del Repositorio de Metadatos • Si el repositorio de los metados es licenciado, puede implicar que debe ser extendido con características que fueron definidas en el meta modelo lógico pero que no son proveídas por el producto. • Si el repositorio de los metadatos se construye, se debe decidir si el diseño se basará en el modelo entidad-relación o si será orientado a objetos. En cualquiera de los casos, el diseño tiene que cumplir con los requerimientos del meta modelo lógico.

32. Paso 11. Desarrollo del ETL • Existen muchas herramientas disponibles para realizar el proceso de ETL, unas mas complicadas que otras, dependiendo de los requerimientos en la transformación y limpieza de los datos. • Según el análisis de los datos (paso 5) y el diseño del ETL (paso 9), una herramienta ETL puede o no ser la mejor opción.En cualquier caso, se requiere frecuentemente preprocesar los datos y escribir extensiones para complementar las capacidades de las herramientas ETL.

33. Paso 12. Desarrollo de la Aplicación • Una vez que el desarrollo de prototipos ha cumplido con los requerimientos técnicos, comienza el verdadero desarrollo de una aplicación para acceder y analizar. • Desarrollar una aplicación puede ser simplemente finalizar un prototipo operacional o puede implicar un desarrollo que envuelva herramientas de acceso y análisis más robustas. • En cualquier caso, el desarrollo de la aplicación de Front-End puede ser realizado en paralelo con el desarrollo del ETL y el repositorio de metadatos.

34. Paso 13. Minería de Datos • Muchas organizaciones no usan su entorno de BI al máximo. Usualmente las aplicaciones están limitadas a un limitado número de reportes pre-escritos de los cuales muchos son solo reemplazos de los viejos reportes. • La verdadera ganancia viene de la información que esta escondida en los datos de la organización, que puede ser descubierta solo usando herramientas de bases de datos.

35. Paso 14. Desarrollo del Repositorio de Metadata • Si la decisión tomado fue la de desarrollar el repositorio de metadatos, entonces otro equipo es encargado de dicho desarrollo, lo que lo convierte en un sub-proyecto de considerable tamaño dentro de todo el proyecto de BI.

36. Paso 15. Implementación • Una vez que los equipos han terminado y probado todos los componentes de la aplicación de BI, se planea un entrenamiento para las personas del negocio que usarán la aplicación de BI y el repositorio de metadatos. Las funciones de soporte comienzan, lo que incluye help-desk, mantenimiento de las bases de datos, programación y puesta en marcha de los procesos batch de ETL, monitoreo del performance y el tuning de la base de datos.

37. Paso 16. Evaluación de producto final • Con el concepto del lanzamiento de una aplicación, es muy importante beneficiarse de las lecciones aprendidas de los proyectos anteriores.Cualquier deadline no alcanzado, sobre costos, las disputas y la resolución de las mismas, deben ser analizadas para hacer los respectivos ajustes antes que una nueva versión sea lanzada. Cualquier herramienta, técnica, guía y/o proceso que no fuera útil, debe ser reevaluado y ajustado o posiblemente descartado.

38. Tomado del libro Business Intelligence Roadmap: The Complete Project Lifecycle for Decision-Support Applications Larissa T. Moss, Shaku Atre Publisher: Addison Wesley Pub Date: February 28, 2003 ISBN: 0-201-78420-3 Pages: 576