Maestría en Supply Chain Management
Business Intelligence y CRMSesión 1 - 2
Prof.: Mg. Jorge A. Castillo Sánchez
Prof. Mg. Jorge A. Castillo Sánchez
Contenido:
Business Intelligence
Terminologías principales
Clasificación
2
Prof. Mg. Jorge A. Castillo Sánchez
El dilema de la información
8 de 10Directivos toman decisiones a partir de información incompleta en la que no confían plenamente.
53%No tiene acceso a la información necesaria para realizar su trabajo, a lo largo de la organización
Factores que soportan las principales Decisiones de Negocio
79 %
52 %
62 %
Analítica (BI)Experiencia Personal
Experiencia Colectiva
Directivos afirman que disponerde información predictiva les permitiría tomar mejores decisiones.
3 de 4
Fuente: IBM-Business Analytics and Optimization for the Intelligent Enterprise, Abril 2009.
3
1. La información en los negocios de hoy
Prof. Mg. Jorge A. Castillo Sánchez
Nuevas necesidades y formas de trabajar
Fuente: IBM-Business Analytics and Optimization for the Intelligent Enterprise, Abril 2009.
Sentir y Responder Predecir y Actuar
Instinto e IntuiciónEn tiempo real
Orientada a los hechos
Eficiencia Optimización
Expertos calificados en análisis
Por todos
Soporte a la decisión basado en el Back office
Punto de impactoApoyo a la Acción
Enfoque Tradicional Tendencia
1 de 3Los líderes empresariales toman con frecuencia decisiones críticas sin la información necesaria
1 de 2No tienen acceso a la información que necesitan
para realizar su trabajo
4 de 5Líderes empresariales ven la información como
ventaja competitiva
4
1. La información en los negocios de hoy
Prof. Mg. Jorge A. Castillo Sánchez
1. La información en los negocios de hoy
Características:– Sobreabundancia.– Carencia de integración– Carencia de profundidad necesaria para el análisis
5
¿De qué sirve entonces?
Integración
Plataforma de Business Intelligence = EXITO
Prof. Mg. Jorge A. Castillo Sánchez
1. La información en los negocios de hoy
Ejemplo 1:
-Compra de vinos en el supermercado
-Nuevo miembro de familia
-Encarte personalizado
Ejemplo 2:
- En el ámbito financiero
- Productos de acuerdo al momento de vida del cliente
Ejemplo 3:
-En una cadena de multicines
-Aprovechamiento de la capacidad instalada y dulcerías.
-Estrategia de fidelización.
6
“Business Intelligence permite desarrollar
estrategias focalizadas de
marketing, sobre la base del buen uso de
la información, es decir, aprender de la
información que dejan los clientes y convertir ese
aprendizaje en acciones”.
Prof. Mg. Jorge A. Castillo Sánchez
3. Definiendo Inteligencia de Negocios
“Business Intelligence es una herramienta crítica para el éxito y sobrevivencia de su organización hoy en día, no se trata solo de herramientas y tecnología, sino también de organización”.
Gartner Group
“BI se refiere al proceso de convertir datos en información, información en conocimiento y conocimiento en acciones o
estrategias para crear una ventaja competitiva en el negocio. En otras palabras es hacer las cosas diferentes.”
Jorge Castillo
8
Prof. Mg. Jorge A. Castillo Sánchez
Limitaciones de información de los sistemas de gestión, aplicaciones a medida e incluso los ERP más sofísticados
Gran rigidez a la hora de extraer datos
Necesidad de conocimientos técnicos
Largos tiempos de respuesta
Deterioro en el rendimiento de los sistemas de información
Falta de integración que implica islas de datos
Datos erróneos, obsoletos o incompletos
Problemas para adecuar la información a cada usuario
Ausencia de información histórica
9
BI
“Las soluciones de BI cubren este vacío de información a través de la creación de un nuevo repositorio de
datos o base de datos que agrupa a toda la información relevante para la gestión en la
organización”.
Prof. Mg. Jorge A. Castillo Sánchez
2. El valor de Business Intelligence en las organizaciones
“Los sistemas de Business Intelligence se basan en la integración y en la universalización de la información para dar
respuesta a las necesidades de las empresas”.
Deloitte & Touche
10
Prof. Mg. Jorge A. Castillo Sánchez
Ejemplos de datos e información por área de la empresa
11
Datos Información
Fuente: Rodriguez, 2004.
Prof. Mg. Jorge A. Castillo Sánchez
Ejemplo práctico de una solución de BI
Primero la agencia de viajes que carece del conocimiento necesario de su cliente, ocasionando un deterioro en la relación y la consiguiente pérdida.
Un año después. BI administrada con proactividad
12
Fidelización del cliente
Prof. Mg. Jorge A. Castillo Sánchez
Beneficios de la Inteligencia de Negocios
Detectar Riesgos e Identificar Oportunidades.
Mayor calidad, exactitud y disponibilidad de la información.
Flexibilidad de presentación, visualización y navegación.
Integración de información interna y externa.
Fortalecimiento de las capacidades analíticas y de planificación.
Incremento de ventas a través de un mejor conocimiento y entendimiento de las necesidades de los Clientes.
Mejora y estrecha las relaciones con los clientes (B2C).
Desde el punto de vista de costes empresariales:
Disminución de los costes de preparación de reportes y su difusión.
Disminución costes de errores humanos en cálculo.
Decremento del Coste en la toma de decisión.
Minimiza Costes de interpretación de la información
14
Prof. Mg. Jorge A. Castillo Sánchez
“Nuestros Clientes esperan siempre que seamos capaces no solo de venderles nuestros productos y servicios, sino que seamos líderes de opinión en los temas que a ellos les conciernen, y por lo tanto, nosotros debemos ser capaces de transmitirles a través de nuestros puntos de contacto con ellos; este conocimiento y nuestra visión de los problemas.
La Administración de nuestros conocimientos, como así también la capacidad de entregarlo adecuadamente a quién lo necesite, nos potenciará como Firma e individualmente a cada uno de los Profesionales que lo entrega – La tarea no es fácil, pero requiere la adopción de nuevos estándares y formas de operar ....."
16
Reflexión:
Prof. Mg. Jorge A. Castillo Sánchez
“La predominancia de requerimientos de mano de obra especialista, de nuevas tecnologías en computación y telecomunicaciones y el acelerado paso del cambio han iniciado una dramática transformación en la manera en que las compañías compiten en el mercado.
En la era Post-Industrial el éxito de las firmas se relaciona más con sus activos intelectuales que con sus activos físicos o recursos naturales”.
ESTAMOS EN LA “ERA DE LA INFORMACIÓN”
17
Reflexión:
Prof. Mg. Jorge A. Castillo Sánchez
Las
personas
son y serán el
principal
Activo de las
compañías del
Futuro
“…ya no son tus manos ..es tu mente”
“En el futuro, las empresas más exitosas serán aquellas que
aprendan a explotar el conocimiento de las personas…”
Lou Gerstner , ex-Presidente de IBM
Aparece el concepto del “Knowledge Worker”
Prof. Mg. Jorge A. Castillo Sánchez
“El Knowledge Management procura obtener el conocimiento residente en la mente de las
personas, distribuirlo y tenerlo a disposición del resto de la organización en el momento
adecuado, para usarlo y potenciarlo - individual o grupalmente - con el fin de crear valor para sus clientes, aumentar su eficiencia y administrar el
riesgo”
¿Qué es Knowledge Management?
Prof. Mg. Jorge A. Castillo Sánchez
El conocimiento sólo puede residir dentro de un conocedor, una persona determinada que lo interioriza racional o irracionalmente.
Lo importante es hacer que el conocimiento adquirido sea “Independiente de las Personas”
Conocimiento
ExperienciaEducación
VivenciaSentidos
Percepción
Knowledge
Prof. Mg. Jorge A. Castillo Sánchez
Panorama de la Administración del Conocimiento
La KM se ha convertido en un asunto primordial en muchas empresas grandes a medida que los gerentes se han percatado de que una parte importante del valor de sus empresas depende
de la capacidad de las mismas para crear y administrar el conocimiento.
Algunos estudios han determinado que una parte sustancial del valor de mercado de una empresa se relaciona con sus activos
intangibles, de los cuales el conocimiento es un componente fundamental, junto con la marca, el renombre y los procesos de
negocios únicos.
Prof. Mg. Jorge A. Castillo Sánchez
Conocimiento Explícito o Estructurado es representado en documentos, bases de datos, productos y procesos.
“Este es conocimiento que puede ser codificado y compartido en un lenguaje sistemático formal.”
Conocimiento Tácito o no Estructurado es más dependiente de la acción, contexto y experiencia personal, lo cual lo dificulta para formalizar y comunicar.
“Es a menudo descrito como lo que nosotros sabemos, pero no podemos explicar.”
Conocimiento Caracterizado como Explícito y Tácito
Prof. Mg. Jorge A. Castillo Sánchez
TecnologíaTecnología
Tecnologías Tecnologías “e-e”“e-e”
ProcesosProcesos
PersonasPersonasCuáles son los
Pilares de la
Administración del
Conocimiento ?
Prof. Mg. Jorge A. Castillo Sánchez
Cadena de valor de la administración del conocimiento
Sistemas de Administración del Conocimiento
Actividades de los Sistemas de InformaciónAdquisiciónDescubrimiento del conocimientoMinería de datosRedes neuronalesAlgoritmos genéticosEstaciones de trabajo del conocimientoRedes de conocimiento experto
AlmacenamientoSistemas de administración de documentosBases de datos de conocimientoSistemas expertos
DiseminaciónPortales de intranetsEnvió de informes por correo electrónicoMotores de búsquedaColaboración
AplicaciónSistemas de apoyo a la toma de decisionesAplicaciones empresarial
Actividades administrativas y organizativasCultura del conocimientoComunidades de prácticaRedes personalesPrácticas/rutinas organizacionales
Rutinas organizacionalesCultura organizacional
CapacitaciónRedes InformalesCultura organizacional
Nuevos procesos de negocio basados en TINuevos productos y serviciosNuevos mercados
Adquisición de datos e información
Recopilación
Almacenamiento
Diseminación
Cadena de Valor del Negocio del Conocimiento
Retroalimentación
Prof. Mg. Jorge A. Castillo Sánchez
Store
Cliente
Equipo
Compañía
Insfraestructura adecuada (Tecnología e-e, Cultura y Organización
Deploy
Crear Valor
Aprendizaje
Reco
lectar
Input
Más Valor
Repositorios, PowerPacks
Base de datos (Informac.
y discusión)
Contact lists,
Otras Bases de Datos
Repositorios, PowerPacks
Base de datos (Informac.
y discusión)
Contact lists,
Otras Bases de DatosConoc. Externo
Cliente experiencia
Conoc. Externo
Cliente experiencia
Mejoramiento material
Existente. Actualizaciones.
Lo anterior puede ser
Reflejado en un CRM
Lo anterior puede ser
Reflejado en un CRM
El proceso de la “Gestión del Conocimiento”
Prof. Mg. Jorge A. Castillo Sánchez
Tres iniciativas para ayudar a las organizaciones a tomar decisiones inteligentes
Advanced Analytics Decision Support
Los sistemas de soporte a la toma de decisiones que facilitan el conocimiento y ayudan a traducirlo en acción
Facilitar conocimiento-acción
Data Simplification
Las metodologías, ambientes de datos y
herramientas que lleven a la
confiabilidad de la información, agilidad y eliminen redundancia
Crear una fuente de información confiable
Strategic Information DevelopmentLos cambios estratégicos necesarios para obtener una organización informada y orientada a la acción
Preparar la organización
26
Prof. Mg. Jorge A. Castillo Sánchez
Analytics Landscape
Degree of Complexity
Com
petit
ive
Adv
anta
ge
Standard Reporting
Ad hoc reporting
Query/drill down
Alerts
Simulation
Forecasting
Predictive modeling
Optimization
What exactly is the problem?
What will happen next if ?
What if these trends continue?
What could happen…. ?
What actions are needed?
How many, how often, where?
What happened?
Stochastic Optimization
Based on: Competing on Analytics, Davenport and Harris, 2007
Descriptive
Prescriptive
Predictive
How can we achieve the best outcome?
How can we achieve the best outcome including the effects of variability?
Prof. Mg. Jorge A. Castillo Sánchez
Analytics Landscape
Degree of Complexity
Com
petit
ive
Adv
anta
ge
Standard Reporting
Ad hoc reporting
Query/drill down
Alerts
Simulation
Forecasting
Predictive modeling
Optimization
What exactly is the problem?
What will happen next if ?
What if these trends continue?
What could happen…. ?
What actions are needed?
How many, how often, where?
What happened?
Stochastic Optimization
Based on: Competing on Analytics, Davenport and Harris, 2007
Descriptive
Prescriptive
Predictive
How can we achieve the best outcome?
How can we achieve the best outcome including the effects of variability?
DIOSDIOS
FAMSFAMSCOBRACOBRA
Prof. Mg. Jorge A. Castillo Sánchez
Analytics Landscape
Degree of Complexity
Com
petit
ive
Adv
anta
ge
Standard Reporting
Ad hoc reporting
Query/drill down
Alerts
Simulation
Forecasting
Predictive modeling
Optimization
What exactly is the problem?
What will happen next if ?
What if these trends continue?
What could happen…. ?
What actions are needed?
How many, how often, where?
What happened?
Stochastic Optimization
Based on: Competing on Analytics, Davenport and Harris, 2007
Descriptive
Prescriptive
Predictive
How can we achieve the best outcome?
How can we achieve the best outcome including the effects of variability?
Advanced Analytics & OptimizationAdvanced Analytics & Optimization
DIOSDIOS
FAMSFAMSCOBRACOBRA
Prof. Mg. Jorge A. Castillo Sánchez
Contenido:
Business Intelligence
Terminologías principales
Clasificación
31
Prof. Mg. Jorge A. Castillo Sánchez
1. Operational Data Base
Base de datos orientadas a manejas datos de detalle diseñados para satisfacer las necesidades de los procesos, a veces muy complejos, de las empresas.
Esta vista detallada se refleja en la disposición de datos en la base de datos.
Los datos son altamente normalizados a fin de evitar la redundancia de datos y el “doble mantenimiento”.
33
Prof. Mg. Jorge A. Castillo Sánchez
2. Data Warehouse
Un Data Warehouse o Almacén de Datos es una Base de Datos donde la data es recolectada con el propósito de ser analizada
34
Prof. Mg. Jorge A. Castillo Sánchez
3. OLTP
Los sistemas utilizados para recoger datos operativos se conocen como OLTP (On-Line Transaction Processing).
35
Prof. Mg. Jorge A. Castillo Sánchez
4. Data Mart
Los principales objetivos de un Data Mart pueden ser definidas como:
Almacenamiento de información pre-agregada.
Proporcionar un acceso rápido a la información para las necesidades específicas de análisis o grupo de usuarios.
Representa a la interfaz de usuario final ver y los datos del almacén de datos.
36
Prof. Mg. Jorge A. Castillo Sánchez
5. External Data Source
El “External Data” es data que no puede ser encontrada en el sistema del OLTP pero que es requerida para mejorar la calidad de la información en el “Data Warehouse”.
37
Prof. Mg. Jorge A. Castillo Sánchez
6. OLAP
On-Line Analytical Processing (OLAP) es una categoría de software.
La funcionalidad OLAP es caracterizada por el dinámico análisis multi-dimensional de los datos consolidados de la empresa, soportando el análisis del usuario final y actividades de navegación como:
Cálculo y modelización aplicada a través de las dimensiones, a través de las jerarquías y/o a través de los miembros.
Análisis de tendencias durante períodos de tiempo secuenciales.
Drill-down a niveles más profundos de la consolidación.
Rotación de nuevas comparaciones dimensionales en el área de visualización
Análisis de datos históricos y proyectados en varios "what-if" escenarios de modelo de datos. Esto se logra mediante el uso de un servidor OLAP.
38
Prof. Mg. Jorge A. Castillo Sánchez
7. OLAP Server
Un servidor OLAP es una de alta capacidad, multi-usuario del motor de manipulación de datos diseñada específicamente para apoyar y operar sobre múltiples dimensiones de estructuras de datos.
Dado el estado actual de la tecnología y la exigencia del usuario final de los tiempos de respuesta consistente y rápida, puesta en escena de los datos multi-dimensionales en el servidor OLAP es a menudo el método preferido.
39
Prof. Mg. Jorge A. Castillo Sánchez
8. Metadata Los metadatos son el tipo de información
que describe los datos almacenados en una base de datos. Incluye información tal como:
Una descripción de las tablas y campos en el almacén de datos, incluyendo los tipos de datos y el rango de valores aceptables.
Una descripción similar de tablas y campos en las bases de datos fuente, con una asignación de campos, desde la fuente hasta el depósito.
Una descripción de cómo los datos se ha transformado, incluidas las fórmulas, formatos, conversión de moneda, y la agregación de tiempo.
Cualquier otra información que se necesita para apoyar y administrar el funcionamiento del almacén de datos.
40
Prof. Mg. Jorge A. Castillo Sánchez
9. Drill-down
Drill-down se puede definir como la capacidad de navegar a través de la información, siguiendo una estructura jerárquica.
41
Prof. Mg. Jorge A. Castillo Sánchez
10. Base de Datos Operacional vs Informacional
La principal diferencia entre las bases de datos operacionales y de información es la frecuencia de actualización:
Alto número de transacciones cada hora.
Siempre "al día", y representa una imagen de la situación actual del negocio.
Estables a lo largo de un período de tiempo.
Se puede observar como los datos históricos.
42
Prof. Mg. Jorge A. Castillo Sánchez
11. Data Mining
La minería de datos es el proceso de extraer información válida y útil, desconocida anteriormente, y comprensible de los datos y utilizarla para tomar decisiones de negocio.
43
Prof. Mg. Jorge A. Castillo Sánchez44
Proceso de minería de datos – resumen:
Data
Warehouse
Selected
Data
Transformed
Data
Discovered Information
Assimilated Knowledge
Data Enhancement Model Refinement
Applied
Knowledge
Data Preparation Process Data Mining Process Deployment
Requerimientos del negocio
Y=f(x,z) AB
Measurement
Solution Assessment
Embedded
OLAP & Reports
Process (SOA)
RT Scoring
Self-Service
Non-Embedded
External App.
External Actions
Select
Explore
Understand
Transform
Aggregate
Calculations
Mine
Model
Interpret
Insights
Validate
Evaluate
Feedback
Text Analytics
Data Mining / Business Analysts
• Collaborate with business users to develop models
• Define information (variables) for mining models
• Create, test, and validate mining models
• Create solutions (applications) for business users
Business Users
• Create, refresh and execute
mining models as part of their
daily business activities
Prof. Mg. Jorge A. Castillo Sánchez45
Ejemplo: Warehouse Architecture
DB2 Warehouse
EDW & ODS
Enterprise ETL Tools (e.g. DataStage)
Data Marts
SQL Warehousing (SQLW)(In-Database Transformations)
Web Applications, Operational Systems, ERPs
Data Mining Engine
Modeling ResultsScoring
Workload M
anagement
Cubing Services
SQL
In-Memory Cubes
XMLA
MDX
SQL
Mining Data
OLAP Metadata
MQTs
Optimization
Advisor
Prof. Mg. Jorge A. Castillo Sánchez46
¿Qué es Minería de Datos?
Predicción
Asociaciones
y
Secuencias
Clasificación
Agrupación
Discover distinct behavioral-demographic groups (e.g., Customer, Providers, Stores)
Descubrir grupos objetivosDetectar desviacionesIdentificar prospectos
Predict response (Yes/No answers)
Classify outcomes (churn, attrition, fraud, failure type, etc.)
Descubrir afinidades (eventos, ingresos, productos, etc.)
Identificar el siguiente evento más parecido, acción, etc.
Detectar desviaciones
Predecir probabilidad de respuesta (0,1)
Predecir probabilidad de ingresos
Predecir expectativas de gastos, costos, utilización, etc.
“Minería de datos es el arte y ciencia de descubrir información significativa y patrones a
lo largo de la base de datos para soportar las decisiones de negocio”
Prof. Mg. Jorge A. Castillo Sánchez
Contenido:
Business Intelligence
Terminologías principales
Clasificación
47
Prof. Mg. Jorge A. Castillo Sánchez
• Identificar y priorizar oportunidades de mejora.
• Gestionar el cambio en procesos y operaciones para mejorar el análisis.
• Implementar sistemas de gestión para mantener el control y alcanzar objetivos.
• Gobernabilidad de datos.
• Generar reportes con resultados del negocio.
• Automatizar scorecards y dashboards.
• Crear herramientas de planeamiento, presupuesto y forecasting.
• Análisis del negocio.
• Aplicar análisis avanzado para obtener modelos descriptivos y predictivos.
• Integrar algoritmos y tecnologías de optimización a los procesos y operaciones.
• Modelos de Visualización.
• Simulación
• Asegurar la confiabilidad de los datos cuando se los requieran y permitir su obtención fácilmente.
• Proveer una plataforma de información eficiente y consolidada.
• Integración, gobernabilidad de los datos, calidad y Optimización.
• Administrar documentos y registros.
• Manejar contenido estructurado y sin estructurar.
• Gestionar archivos digitales.
• Proveer simplicidad a workflows complejos.
Estrategia
Inteligencia de Negocios &
Gestión de la Medición
Análisis y Optimización
Avanzada
Gestión de la Información de la
Empresa
Gestión del Contenido de la
empresa
• FileNet
• Digital assets and Rights management
• InfoSphere (Data Warehouse, MDM, Data Quality, ETL)
• Modelos de Industria
• Smart Analytics
• Cognos• Banking Business
Performance Dashboard (asset)
• Smart Analytics
• BAO Roadmap
• BAO Jumpstart
• SPSS
• iLog
• COBRA (asset)
Servicios
Descripción
Soluciones estratégicas
Business Analytics and Optimization (BAO):
48
Prof. Mg. Jorge A. Castillo Sánchez
Overall Organization Average Results
012345
1
2
3
4
5
6
Target Current - Internal Perception
Strategic Intelligence and Alignment Profile
0
1
2
3
4
5
1.1 Internal and external information is available to support strategydevelopment. Examples of internal information include KPIs, pricing
and sales data, and resource capacity. Examples of externalinformation include competitor data, macroeconomic fact
1.2 Insight is derived from internal and external intelligence usinganalytics.
1.3 The development of strategic options and scenarios is supportedby analytics.
1.4 Assessment of shareholder (policyholder) value impact issupported by analytics.
1.5 Assessment of risk is supported by analytics.
1.6 Assessment of real options is supported by analytics.
1.7 Information triggers and thresholds are established to facilitatestrategic reviews and progress towards achieving strategic
objectives
2.1 Strategy is continuously aligned with key performance measuresthat are cascaded to the individual and team levels.
2.2 Analytics are available to monitor individual and team contributionto strategy providing a clear line of sight.
2.3 Employee understanding of strategy is known using analytics.
Target
Current - Internal Perception
Organization Management Profile
0
1
2
3
4
5
1.1 Leaders play a role in providing clear direct ion t o achieve company st rat egies and t ranslat ing
st rat egies into object ives and KPIs
1.2 Leaders’ act ions are congruent wit h the direct ion t hey provide t o their st aff 1.3 Leaders develop and fost er a culture of collaborat ion within and out side t he organisat ion to
collaborat ively improve business performance
1.4 Leaders collaborate with one another to st ay on the same page.
2.1 Int egrat ing mechanisms (e.g., communit ies of pract ice, ad hoc t eams) exist t o enable cross-
department collaborat ion t o deliver business int elligence
2.2 St aff have t he aut horit y to t ake act ion and collaborate across department s to enhance business
intelligence
2.3 Roles and t heir object ives are defined
2.4 Core business int elligence needs are understood by role
2.5 Organisat ion st ructure facilit at es the cascade of business int elligence through mult iple lines of
report ing linked t o business performance
2.6 The organisat ion is agile – has t riggers in place and can realign it self t o mat ch with changes in t he
environment
3.1 Leaders regard business int elligence/ analyt ic informat ion as a st rat egic asset
3.2 Leadership support s IT/ business collaborat ion to provide business int elligence as key enabler
3.3 A business int elligence P MO exist s wit h bot h an IT and Business Process represent at ion. PMO is
owner/account able for t racking and realising t he benefit s of business int elligence relat ed investment
act ivit ies
3.4 IT investment decisions are made based on business performance management and st rat egic goals
3.5 Organisat ion policies and pract ices are in place to support long-t erm viabilit y of t he PMO
4.1 Formal incent ives exist t o support accessing and using analyt ical informat ion t o perform jobs (and
ult imat ely support corporat e st rat egy) 4.2 Informal incent ives exist t o support accessing and using analyt ical informat ion to perform jobs (and
ult imat ely support corporat e st rat egy) 4.3 Reward/ sanct ion processes operate to support st rat egy and are t imely
4.4 Appraisal processes for S t rat egic planning, budget ing and performance give consist ent direct ion
5.1 Hiring goals are aligned with int egrat ed informat ion sharing
5.2 Recruitment processes support informat ion sharing
5.3 Retent ion st rat egies are linked to knowledge sharing goals
6.1 The organisat ion react s posit ively to major change
6.2 Past change init iat ives have been posit ive learning experiences (e .g., ERP, DW, port als)
6.3 Many skilled change agent s exist in the organisat ion t o lead and manage change
6.4 The organisat ion has an open at t it ude for providing informat ion to employees
6.5 Organisat ional communicat ions are t ied to st rat egy achievement wit h feedback channels and
measurable result s
6.6 The organisat ion cult ure support s quick act ions based on business int elligence to support the
corporate st rat egy
7.1 Staff who use business int elligence informat ion have t he t raining they need to fulfil t heir assigned
responsibilit ies (e .g., analyt ical methods, performance management process)
7.2 St aff who provide business int elligence informat ion services have the t raining t hey need to fulfil
t heir assigned responsibilit ies (e.g., archit ecture development , facilit at ion of requirement s)
7.3 Company has the ability to adapt and/ or augment learning programs to meet business needs by role
7.4 Learning needs are ident ified to achieve business performance goals by role
7.5 Training makes users job ready by focusing on bot h the systems for accessing business int elligence
and the processes and decision making relat ed t o that int elligence
7+A5.6 Learning mechanisms are accessible, t imely and available on a just -in-t ime basis
Target
Current - Internal Perception
Performance Management Profile
0
1
2
3
4
51.1 Are the main business measures linked to strategy and stakeholder requirements?
1.2 What is the mix of financial and non- financial measures?
1.3 What is the mix of leading and lagging indicators?
1.4 How are the measures selected?
1.5 How well are the interrelationships between measures understood and managed?
1.6 How are targets developed?
1.7 How often are metrics evaluated?
1.8 How is the ownership of the performance management defined?
2.1 How effectively are measures which capture the requirements of the business cascadedthrough the organisation to business processes?
2.2 How effectively are measures which capture the requirements of the business cascadedthrough the organisation to business functions / departments?
2.3 How effectively are measures which capture the requirements of the business cascadedthrough the organisation to individuals and teams?
2.4 How many measures (of all types and at all levels) are used? 3.1 How mature is process management within the business?
3.2 How flexible and responsive are planning and budgeting processes?
3.3 How integrated are planning and budgeting processes?
3.4 How do performance review processes operate (business / business unit level)?
3.5 How do performance review processes – including the appraisal process – operate(individual/team level)? Is behaviour on the ground – operation of procedures, performance
levels achieved, attitudes manifested – in line with the needs of the business?
3.6 Is the cost of performance management commensurate with the risks managed?
5.1 Is corrective action taken when it is needed and at the level it is needed, to keep thecompany on track?
5.2 Are performance management initiatives linked clearly enough to specific strategic goals?
Target
Current - Internal Perception
Dimensions under assessment
1. Strategic intelligence & Alignment
2. Organisation Management/Governance
3. Performance Measurement
4. Financial Management
5. Information Management
6. Technical Infrastructure
Financial Management Profile
0
1
2
3
4
5
1.1 P r of itabi lity ana lys is is per f or med on the or ganizat ion as a whole as wel l as by pr of it center s def ined as bus ines s units ,
depar tments , pr oducts , cus tomer s , etc . (SM, P M)
1.2 Cas h in-f lows and out-f lows ar e well documented and under s tood, over a ll cas h management of the or ganiza tion is pr edic table
and eas ily compar ed with plan. (P M)
1.3 Shar eholder s a r e well under s tood, dr iver s to s har eholder value ar e under s tood, documented, updated and dr ive the
oper a tions of the or ganization (abil ity to meet ear nings ta r ge ts / f or ecas ts ). Key s har eholder s metr ics a r e def ined, monitor ed
and pr ovided
1.4 Cos t ana lys is is per f or med cons is tently, appr opr iate tools , knowledge of capacity, dr iver s of cos t, act ivi ty bas ed cos ting,
cos t/ unit ana lys is , us e of cos ting tools a r e a ll applied wher e appr opr ia te . (P M)
1.5 T ax analytics a r e r eadily avai lable . Analys is of or ganiza tional tax i s s ues is per f or med pr oactive ly, planning occur s f or
changes , a lte r na tive s cenar ios ar e cons ider ed f or the bes t tax pos ition, given leve l of acceptable or ganiza tional r is k (SM, P M)
1.6 T he or ganiza tion ac tively manages debt and equity thr ough the us e of ana lytics .
2.1 T he or ganiza tion has the ability to identi f y and captur e da ta and inf or mat ion r e la ting to events / pr oces s es that impact cos t
and per f or mance. (IM)
2.2 Inves tment of or ganizational f unds is per f or med utiliz ing inf or mation r e la ted to or ganiza tion r is k pr of ile ; ana lys es is
continuous ly r eviewed f or r is k r a ting, per f or mance and taxable s ta tus . (SM, P M)
2.3 An analys is of cycle and pr oces s outs our c ing is per f or med r egular ly utiliz ing exter na l cos t es timates and inter na l cos t
actua ls . (SM)
2.4 Inf or mation exis ts to monitor and manage a ll or ganizational as s ets to ens ur e appr opr iate utiliza tion and minimize lif ecycle
cos ts . (P M)
3.1 Acces s to f inancia l r epor ting inf or mation is immedia te , ta ilor ed by us er and ans wer s al l f undamenta l ques tions . Repor ting is
per f or med in numer ous ways inc luding or ganiza tion wide with dr il l down capabilit ies , aga ins t plan and budget and geogr aphica ll
3.2 Data is cons olida ted (data war ehous e ), comes f r om one or a f ew s our ces , s our ce is tr ans par ent, e lec tr onic del iver y s ys tem,
us er f r iendly. (IM, IT)
3.3 Key per f or mance indica tor analytics ar e def ined, de ter mined and monitor ed. Compar is on is made to plan, budget and bes t
pr ac tice . (SM, P M)
4.1 Inf or mation f r om the planning and budgeting pr oces s es is integr a ted, f lexible and r es pons ive . Or ganiza tional input and data
is r eadi ly available , wher e neces s ar y. (P M, OM)
4.2 Acces s to planning and budgeting inf or mat ion is automatic and immedia te ens ur ing tha t the amount of time s pent pr epar ing and
negotia ting de ta iled oper a tional and capita l budgets is minimal. (P M, IM)
4.3 Str ong as s umptions ar e util ized bas ed on adequate da ta , under s tanding of bus ines s dr iver s , high vis ibil ity of s a les f or ecas ts
and commitments . (SM)
5.1 Inf or mation to under s tand and plan or ganizat ion wide r is ks is ava ilable and cons is tently moni tor ed. (SM)
5.2 Hedging analys is is per f or med wher e neces s ar y and wher e it incr eas es the over all va lue of the or ganization
6.1 Inf or mation r equir ed f or the s tr a tegic planning pr oces s is ava ilable and eas ily acces s ible ; the plan i s communica ted
thr oughout the or ganiza tion and tr ans lated into oper a tional plans . (SM)
6.2 Fully integr ated s tr a tegic planning, f or ecas t ing and oper a tional planning s ys tems . Us e of automated s ys tems s ingle da ta
s our ce. Bas ed on cons is tent as s umptions . (SM)
6.3 Continuous monitor ing of pr ogr es s aga ins t planned tar gets . Rewar d s ys tems f or except ional achievements . (SM, P M, OM)
7.1 Financia l ana lytics r e lat ing to oper a tional planning and as s es s ment automat ica lly incor por a te c r itica l da ta and inf or mation
elements which ar e outcomes of Supply Chain analytics per f or med.
Target
Current - Internal Perception
Information Management Profile
0
1
2
3
4
5
1.1 The d ata is clean, hig h q uality, and reliab le (technically accurate, co mp lete, co ns is tent ,
uniq ue / d emo ns t rates referential integ rity, verifiab le, and valid ) 1.2 The d ata is relevant , t imely, and accurate acco rd ing to the Org anizat io n’s b us iness
and o p erat io nal rules . 1.3 Data acro ss the enterp rise is g o verned b y co ns is tent s tand ard s and d efinit io ns .
1.4 Data is cap tured at a s ing le p o int and p ro p ag ated in a co ntro lled manner.
1.5 Ap p ro p riate d ata s teward ship and acco untab ility is in p lace.
1.6 Data is o rg anized b y sub ject matter ap p ro p riate to b us iness ' analyt ic need s .
1.7 Ro le-b ased d ata security and access co nt ro l is enfo rced .
1.8 Ap p ro p riate and reliab le to o ls are used to co llect and manag e d ata.
1.9 M etad ata is co llected , s to red , and integ rated into o verall info rmatio n architecture fo r
t imely, accurate, and meaning ful acces s b y all users .
1.10 Metad ata is p resented to and used b y b us ines s and techno lo g y us ers in o ng o ing
d ecis io n s up p o rt
2 .1 Enterp rise d ata mo d el framewo rk is in p lace and us ed to g uid e d ata integ rat io n and
allo w fo r future enhancements in o p erat io nal and tact ical d ata usag e
2 .2 Data s t rateg y has b een clearly d efined and co mmunicated
2 .3 Trans act io ns fro m integ rated and d is p arate sys tems are co llected and trans fo rmed
co ns is tent with co rp o rate d ata s tand ard s and b us ines s s t rateg y
2 .4 The info rmat io n co llected is relevant to the co mp any’s b us iness need s and is
availab le thro ug h views as d riven b y b us iness need s 2 .5 The d ata is (o r can b e) integ rated and co ns is tent b ased o n the o rg anizat io n's
b us ines s rule.2 .6 The o rg anizat io n p ro vid es incent ives fo r sp ecific effo rt s to co nfo rm to d ata
s t rateg y and s tand ard s .3 .1 M echanism exis ts to d eliver ro le-b ased info rmat io n to end users .
3 .2 The reso urces ap p lied cap ture and trans fo rm d ata p ert inent to the co mp any’s
b us ines s need s into valuab le info rmat io n as sets
3 .3 The feed b ack lo o p cap tures ad eq uate his to ry to ut ilize emb ed d ed analyt ic
cap ab ilit ies
3 .4 The d ata s t ructure allo ws fo r the maximizat io n o f meaning ful ad -ho c, inves t ig at ive
analyt ic cap ab ilit ies
3 .5 Ded icated and trained help d esk p ro vid e user sup p o rt in a t imely manner.
3 .6 M anag ement info rmat io n is relevant , t imely, and accurate.
3 .7 M anag ement info rmatio n s ys tems are efficient and effect ive.
4 .1 Temp lates and Accelerato rs are used to s p eed up imp lementat io ns
4 .2 The IT d ep artment has s taff with the req uis ite skill levels in the us e and d elivery o f
analyt ical to o ls .
4 .3 Exis t ing s ys tems are flexib le eno ug h to s up p o rt the imp lementat io n o f new functio ns
and cap ab ilit ies
4 .4 Org anizat io n and s ys tems p ro vid es s up p o rt to inco rp o rate new and ad ho c d ata into
exis t ing s tructures .
5.1 Feed b ack ap p ro ach is d evelo p ed to co mmunicate analyt ic result s to d ata p ro vid ers ,
o p erat io nal s ys tems and d ecis io n sup p o rt
5.2 Feed b ack lo o p is integ rated into the info rmatio n architecture
5.3 Feed b ack p ro ces s is auto mated thro ug h us e o f ap p ro p riate and reliab le sched uling
and d ata t rans fer to o ls , s tand ard s and p ro cesses
6 .1 M aintain a current invento ry o f s ys tems and p ro jects und erway
6 .2 Plan fo r new d evelo p ment and the d evelo p ment o f s ys tem enhancements
6 .3 Plan fo r the int ro d uctio n o f new infras t ructure and architecture.
6 .4 M aintain an o verall info rmat io n s t rateg y as a co mp rehens ive ap p ro ach fo r meet ing
b us ines s req uirements .
Target
Current - Internal Perception
Technological Infrastructure Profile
0
1
2
3
4
5
1.1 Internal and external sources are used to integrate and enrich
data available from transaction systems 1.2 A framew ork is developed for integrating the various
infrastructure components to effectively and eff iciently deliver
business information to the users 1.3 Data modelling and meta data management tools and standards
provide consistent integration across all systems
1.4 EAI and ETL tools are available and effectively used for data
collection, transformation, and integration
1.5 Data quality management tools and procedures are effectively
employed
1.6 Appropriate tools are used to support business rule
implementation to derive metrics and complex calculated attrbutes
such as customer lifetime value.
2.1 Tools to support OLAP capabilities are in place.
2.2 Managed Query Environment exists.
2.3 Effective Report Generators exist.
2.4 Tools that provide Data Mining capabilities are in place.
3.1 System is adequately scalable, available, stable, and reliable.
3.2 Job and system monitoring processes are automated to
maximize utilization of systems and resources
3.3 Presentation, distribution and feedback processes are
automated to maximize utilization of systems and resources
3.4 Appropriate data security tools and encryption technologies are
used
3.5 Global and consistent automation standards are used
3.6 Data usage is monitored in order to maintain optimal system
performance.
Target
Current - Internal Perception
BI Capability Model Modelo de Procesos
Arquitectura de Referencia
Metrics Scorecards Performance Dashboards
Business Insight
Data Integration Data Repositories
Dat
a In
fras
truc
ture
EnterpriseAlignment &
Adoption
Data Delivery
Learning &CompetencyDevelopment
Strategy & Planning Change Management
BIGovernance
DataStewardship
BIProgram
Management
Market Insightand Growth
Financial Insight forProfit and cost reduction
Customer Insight forRelationship Development
Data Quality & IntegrityData Acquisition
Performance Analysis Business Trend Analysis Business Modeling & Analytics
Estructura Organizacional
2003 2004
Q2 Q3 Q4 Q1 Q2 Q3 Q4
PSFTMarketing
Integração CTI
Transferir Clientes para Apropriados Ptos de Contato
Integração Portal
PSFT Sales
Catálogo deProdutos na WEB
PSFT Order
Capture
PSFTMarketing
CRM Analítico
PSFT Support
Disponibilizar Auto-Atendimento
RevisãoProcessos
2003 2004
Q2 Q3 Q4 Q1 Q2 Q3 Q4
PSFTMarketing
Integração CTI
Transferir Clientes para Apropriados Ptos de Contato
Integração Portal
PSFT Sales
Catálogo deProdutos na WEB
PSFT Order
Capture
PSFTMarketing
CRM Analítico
PSFT Support
Disponibilizar Auto-Atendimento
RevisãoProcessos
Roadmap de Iniciativas
Alcanzar los objetivos del negocio en forma acelerada a un menor costo y riesgo.
Implementar mejoras en la identificación de la información y en la forma de actuar.
Identificar, valorar y priorizar oportunidades de mejora.
49
EstrategiaObjetivos
Prof. Mg. Jorge A. Castillo Sánchez
Business Intelligence & Performance ManagementObjetivos
Mejorar rendimiento empresarial a través del acceso a información útil y precisa, lo que permite a las organizaciones convertir sus estrategias en planes y previsiones.
Habilitar reportes y tableros de control, como así también herramientas de planeamiento, presupuestación y proyección para dar soporte a la toma de decisiones.
50
Prof. Mg. Jorge A. Castillo Sánchez
Beneficiar la eficiencia operativa mediante la aplicación de modelos matemáticos, simulación y análisis de datos.
Emplear motores de análisis avanzado, minería de datos y modelos estadísticos para optimizar procesos específicos de negocio.
Capturado
Detectado
Inferido
Análisis Descriptivo
Análisis Predictivo
Sofisticación del análisis
Análisis Prescriptivo
Datos estructurados y sin estructurar… …transformados en Información… …impulsan el análisis avanzado.
Advanced Analytics & OptimizationObjetivos
51
Prof. Mg. Jorge A. Castillo Sánchez
WarehouseWarehouse
Calidad de datosCalidad de datosMDMMDMMDMMDM
Sistemas fuentesSistemas fuentesSistemas fuentesSistemas fuentes
ReportesReportes
CubosCubos
Enterprise Information ManagementObjetivos
Aplicar métodos y tecnologías para la definición de la arquitectura de información adecuada, asegurando la calidad de los datos.
Proveer herramientas para la extracción, transformación, circulación, almacenamiento, integración de los datos.
Gestionar datos maestros para contar con una visión única de los elementos claves del negocio.
52
Prof. Mg. Jorge A. Castillo Sánchez
Global Name Recognition
WarehouseWarehouse
Business Analytics
InfoSphere Information
Server
ETLETL
Data QualityData QualityCommon Meta Data
Common Meta Data
InfoSphere Industry Models
InfoSphere Warehouse
CubingCubing
InfoSphere MDM Server
Information Services Director
Data Synchronization
Replication Server
Classic Event Publisher
Classic Federation
Federation Change Data Capture
Operational Source SystemsStructured/ Unstructured Data
Operational Applications
GlobalName
Recognition
Master Master DataData
Smart Analytics
System
Plataformas
Z, P y X
Enterprise Information ManagementOverview
53
Prof. Mg. Jorge A. Castillo Sánchez
Provee servicios, tecnologías y procesos para gestionar los contenidos no estructurados.
Incluye las técnicas y sistemas que permiten el acceso global y manejo de activos digitales para compartir la información entre la empresa y sus clientes, proveedores, empleados, etc.
Habilita un entorno colaborativo para maximizar la eficiencia.
Enterprise Content ManagementObjetivos
Procesos Análisis ColaboraciónReglasContenido
54
Prof. Mg. Jorge A. Castillo Sánchez
The BAO Reference Architecture Overview
Master Data Management
SourcesData Integration
Access
Hardware & Software Platforms
Network Connectivity, Protocols & Access Middleware
Data Quality
Metadata
Data Repositories
Operational Data Stores
Data Warehouses
Staging Areas
Data Marts
BIPM
Web Browser
Portals
Devices
Web Services
Enterprise
Unstructured
Informational
External
Clean Staging
Extract / Subscribe
Initial Staging
Data Quality(Technical/Business)
Transforms
Load-Ready Publish
Load/Publish
Information Governance
Reporting
Planning, Forecasting, Budgeting
Scorecards
AdvancedAnalytics
Analysis
ContentManagement
Document Management
Federation
Simulation
Optimization & Rules
Management
Visualization
PredictiveAnalytics
Business Assessment
DataMining
DataGathering
Dashboards
Query
Monitoring Web
Content Ingestion
Taxonomy Management
Master Data
Reference Data
Content Stores
Text Analytics
Records Management
Content Services
Reference Data
Management
Master Data Inventory
Master Data Assessment
Master Data Preparation
Master Data Domain
Definition
Master Data Affinity & Workflow Master
ContentManagement
Business Process Management / Workflow
55
Prof. Mg. Jorge A. Castillo Sánchez
Business Analytics and Optimization (BAO)
Demo BAO:
http://www-01.ibm.com/software/data/business-analytics-optimization/bao.html
Video Business Analytics:
http://www.youtube.com/user/Consulting#p/u/29/WPxGuEUJ-zw
56