- Resumen
- ¿Qué es el Business
Intelligence? - ¿Cómo elegir una
aplicación Business Intelligence? - ¿Por qué fallan
muchos proyectos Business Intelligence? - Los sistemas OLAP. Consejos
para su correcto uso
Son muchos los proyectos
Business
Intelligence o Data Warehouse
que concluyen con fracaso. Entendido éste como un 'no
cumplimiento de las expectativas': coste, plazos de entrega,
utilidad,
calidad de los
datos,
usabilidad por los usuarios, implicación de la
compañía, contribución a los resultados,
etc…
Aquí se intentan explicar algunas claves, basadas
en experiencias reales, que nos permitan abordar con éxito
una implantación de este tipo.
1. ¿Qué
es el Business Intelligence?
Para poder
conseguir este objetivo,
primero es preciso conocer que es el Business Intelligence o
Inteligencia
de Negocio:
Desafortunadamente, este término no tiene nada
que ver con el índice de inteligencia medio de las
personas que trabajan en un determinado negocio. De hecho,
(BI) tiene que
ver con los datos y aplicaciones de un negocio para entenderse
mejor.
Semejante a la inteligencia militar, que procura
entender al enemigo, la inteligencia de negocio versa sobre todo
alrededor de si mismo.
Específicamente, los sistemas de
la inteligencia de negocio se basan en crear
modelos
informáticos de negocio de modo que pueda funcionar
más eficientemente.
El almacenamiento de
los datos está en la base de los procesos de la
inteligencia de negocio. En el mundo de ETL, la
inteligencia de negocio se refiere generalmente al espacio entero
de los sistemas de la base de datos, del software, del análisis, y de la evaluación
del usuario que pretende entender y evaluar un negocio.
Hay generalmente unos o más usos analíticos del
software (por ejemplo, Business Objects, Cognos, o
Microstrategy
).
Los sistemas del BI se diferencian de sistemas operacionales en
que están optimizados para preguntar y divulgar sobre
datos.
Esto significa típicamente que, en un
Datawarehouse, los datos están
desnormalizados para apoyar preguntas de
alto rendimiento, mientras que los sistemas operacionales
generalmente se normalizan completamente para apoyar integridad
de referencia y para insertar datos continuamente.
Los procesos de ETL que cargan sistemas del BI tienen
que traducir del sistema operacional normalizado a
desnormalizado.
Y, típicamente, tienen fallos severos de
funcionamiento debido a que no deben degradar el funcionamiento
de los sistemas operacionales, y no deben prohibir el acceso al
almacén.
Por eso surge el Business Intelligence, basado en nuevas estructuras de
análisis, básicamente multidimensional, en
contraste con el relacional.
2.
¿Cómo elegir una aplicación Business
Intelligence?
Lo primero que puedo decir es que tenemos que
identificar cuales son las necesidades y el tipo de herramienta
que se busca: análisis, reporting, base de datos,
OLAP, etc…
De momento, os voy a dejar con unas pinceladas, según mi
criterio, de los principales factores (sin orden de importancia)
a tener en cuenta cuando elegimos una herramienta
Business Intelligence:
1) La Plataforma: No es lo mismo estar atados
a Microsoft, o
poder trabajar en Unix, o
tener una estrategia Open
Source Linux. Lo mismo
aplica al hardware.
Algunos fabricantes son restrictivos.
2) El Curriculum
del vendedor: Es muy útil conocer el tipo de
implementaciones que se han hecho, si se han realizado en
tiempo, si
se utilizan, la satisfacción de usuarios, etc…
3) El tamaño del cubo: Es
imprescindible hacer un análisis previo de la amplitud
de la información a almacenar. Algunas
aplicaciones pueden 'explotar' llegado cierto nivel.
4) La velocidad de
consulta: Los usuarios siempre quieren velocidad en
sus consultas. Y si 20 segundos de espera es mucho,
quizás haya que buscar otra herramienta.
5) Servicios de soporte y ayuda a nivel
mundial: Tenemos que tener la seguridad de
que si algo falla en la aplicación ( y fallará,
esto es seguro) podamos
resolverla en el menor tiempo posible.
6) Evaluaciones de analistas: Gartner, IDC
saben de que hablan… y suelen ser objetivos.
No está de más fijarse en sus 'cuadrantes'.
7) El ecosistema
del vendedor (consultores, partners, acuerdos,
comunidad de
desarrolladores…).
8) Base instalada de usuarios. Si hay de mi
sector mucho mejor. Si puedo hablar con ellos y ver la
herramienta en vivo, todavía mejor.
9) Graphical User Interface (GUI). Hay que
recordar que hablamos de una herramienta para usuarios finales
y si a éstos no les gusta, no la utilizarán y
será dinero
tirado.
10) El precio: No tiene por qué ser lo
más importante….. pero… es importante!!!
11) Integración con otras herramientas: Ninguna herramienta
funciona como una isla aislada del resto. Lo mismo que una empresa, si
creas islas, crearás incomunicación.
3. ¿Por
qué fallan muchos proyectos Business
Intelligence?
A veces nos sorprende que con el desarrollo al
que han llegado muchas herramientas, el uso de
metodologías contrastadas y el mayor nivel de conocimiento
de técnicos y usuarios, se produzcan tantos desastres en
la implementación de soluciones
Business Intelligence, en términos de exceso de coste
sobre el previsto, no utilización por parte de los
usuarios, no cumplir con las expectativas, información
errónea, etc…
En base a mi experiencia os voy a comentar cuales son
algunos de los principales
fallos:
1) Muchos Data Warehouses crecen en tamaño de forma
desproporcionada porque los técnicos no consiguen decir
'no' a las 'excesivas' demandas de los usuarios.
2) Se prefiere realizar el proyecto con
gente de la propia empresa, cuando
éstos no tienen ni tiempo, ni conocimientos para poder
abarcarlo.
3) Se fijan unas fechas de entrada en producción del sistema poco realistas,
que provoca nuevas fechas y más retrasos.
4) El presupuesto
destinado para el proyecto es escaso en comparación con
el grado de complejidad que se quiere desarrollar.
5) La selección del software y hardware a veces
se realiza siguiendo criterios de acuerdos generales o
compromisos, antes que puramente técnicos.
6) Antes del proyecto, no se realizan benchmarks o 'pruebas de
concepto'
para determinar la viabilidad.
7) Los datos de origen no están limpios. Duplicidades,
errores, carácteres erróneos.. implican un
proceso ETL
más costoso, mayor tamáño de la Base de
datos y peor rendimiento.
8) El sponsor del proyecto no ejerce como tal durante el mismo.
No 'baja a la
tierra'.
9) Mala elección de los consultores y excesiva
rotación entre ellos.
10) Escasa involucración de los usuarios finales que les
lleva a sentir cierta frustracción con los resultados
obtenidos.
11) Caer en el error de 'en informática todo se puede hacer' y
empezar con customizaciones, escribir código fuera de las funcionalidades
standard.
12) No alinear el proyecto dentro de una estrategia de
negocio.
Existen muchos más factores que pueden hacer
fallar un proyecto Business Intelligence, pero
éstos pueden hacer literalmente
'tumbarlo', no conseguir más proyectos para los
consultores, mala imagen del
producto y
riesgos
internos para el director de informática y otros
sponsors.
4. Los
sistemas OLAP. Consejos para su correcto uso.
Vamos a suponer que hemos realizado un
análisis detallado de las necesidades de la
empresa, se ha hablado con todos los interlocutores y
usuarios, hemos identificado las necesidades de reporing y
acceso, y finalmente, tenemos claro el modelo (que
variables,
formulas, dimensiones..) vamos a incluir.
Es en este momento cuando nos planteamos la pregunta
clave: ¿Qué
método de
almcenamiento vamos a utilizar?
Podemos tener todos los datos en nuestro sistema
transaccional, que permite montarlo más rápido,
pero puede ser menos eficiente. O podemos precalcular la
información para que ésta se obtenga de forma
rápida y exacta.
Es una decisión muy importante, porque puede
implicar mayor coste de mantenimiento
y de licencias.
Es aquí donde conviene aclarar estos
acrónimos:
OLAP
es online analytical processing.
Se trata de una forma de almacenar la información
en una Base de Datos que permita realizar de forma más
efectiva las queries. Es una definición abreviada, claro
está, la realidad es más compleja.
MOLAP: Multidimensional OLAP. Tanto los datos
fuente como los datos agregados o precalculados residen en el
mismo formato multidimensional.
Optimiza las queries, pero requiere más espacio
de disco y diferente software.
El primer punto esta dejando ser un problema: el espacio
de disco cada vez es más barato.
ROLAP: Relational OLAP. Tanto los datos
precalculados y agregados como los datos fuente residen en la
misma base de datos relacional.
Si el DataWarehouse es
muy grande o se necesita rapidez por parte de los usuarios puede
ser un problema.
HOLAP: Hybrid OLAP: Es una combinación de
los dos anteriores. Los datos agregados y precalculados se
almacenan en estructuras multidimensionales y los de menor nievel
de detalle en el relacional.
Requiere un buen trabajo de
análisis para identificar cada tipo de dato.
Desde un punto de vista práctico me
gustaría añadir algunas otras
características de un sistema OLAP:
– Debe ser rápido. No debe transcurrir mucho
tiempo entre la necesidad de información y el
resultado.
– Debe tener un lenguaje
funcional y de negocio.
– Debe ser de manejo sencillo, con wizards y
templates.
– Debe poder integrar API.
– Debe tener potentes posibilidades gráficas.
– Debe utilizar mapas de
forma habitual.
– Posibilidad de almacenar y compartir los informes y
cálculos creados por los usuarios.
– La
administración la deben llevar los usuarios, no
IT.
– El tiempo de implementación (proyecto) debe
ser muy corto.
– Deber generar respuestas medibles para la toma de
decisiones.
– Tenemos que ser capaces de obtner ROI con las
aplicaciones OLAP.
Como resumen final se puede decir los tres principales
aspectos a cuidar son la elección de las personas que
usaran las herramientas, de quienes llevan el mando en el
proyecto y de los consultores externos.
Además de todo ésto, el sistema debe estar
dentro de una estrategia de negocio clara a medio y largo plazo,
para evitar soluciones parche y gastos
innecesarios.
Emilio Arias
Director de la empresa de
consultoría en Business
Intelligence,
Stratebi
Business Solutions y del portal sobre
Inteligencia Empresarial, Todo
BI.
Stratebi Business Solutions
Portal Todo BI (Business Intelligence en español)
Paseo de la Castellana, 164, 1º (28046 Madrid)