Inteligencia denegocios versus analítica de negocios

11
Prof. Luis Joyanes Aguilar
INTELIGENCIA DE NEGOCIOS (BI) Y
ANALÍTICA DE NEGOCIOS (BA)
Herramientas y aplicaciones:
Un enfoque en R. Conferencia subida a
www.slideshare.net/joyanes
CENTRO DE INNOVACIÓN Y DESARROLLO TECNOLÒGICO (CIDT)
21 de agosto, 2015

© Luis Joyanes Aguilar
Pereira, Colombia
21 de agosto de, 2015
TECNOLOGÍAS DE IMPACTO 2015
q 1.Cloud computing. Inteligencia de negocios en la
nube
q 2. Big data. Analítica de macrodatos o grandes
volúmenes de datos.
q 3. Social media. Inteligencia de negocios social
q 4. Movilidad
q 5. Internet de las cosas, Ciudades inteligentes,
Gamification, Drones…
q 6. Tecnologías innovadoras: “llevables o ponibles,
conectables” (wearables), gafas, pulseras,
relojes… inteligentes, SmartTV, resolución 4H….
Página –2–

Pereira, Colombia
HYPE CYCLE DE GARTNER 2013. Agosto 2013
http://www.gartner.com/newsroom/id/2575515
Página –3–

Pereira, Colombia
HYPE CYCLE DE GARTNER 2015. Agosto 2015
http://www.gartner.com/newsroom/id/3114217
Página –4–

Pereira, Colombia
BUSINESS INTELLIGENCE
q “ Inteligencia de Negocio se refiere al proceso de
q convertir datos en conocimiento y conocimiento en
q acciones para crear la ventaja competitiva del
q negocio “ The Data Warehousing Institute
Página –5–

Pereira, Colombia
Concepto de Inteligencia de Negocio
q Business Intelligence:
q No es una tecnología
q Es un conjunto de sistemas de información que
trabajan de forma coordinada.
q Sistemas de almacenamiento de datos (data
q warehouse)
q Sistemas de almacenamiento de grandes
volúmenes de datos (big data)
q Sistemas de minería de datos (data mining)
Página –6–

Pereira, Colombia
Concepto de Inteligencia de Negocios
q Herramientas de procesamiento analítico de datos
q (OLAP)
q Herramientas de consulta y reporte (informes) de
datos: querying y reporting.
q Tableros de control o de información (dashboards)
q Cuadros de mando integrado (balanced scorecards)
q Herramientas de descubrimiento de datos
q Herramientas de visualización de datos
q Sistemas inteligentes de conocimiento
Página –7–

Pereira, Colombia
Definiciones de BI
Página –8–

Pereira, Colombia
Tendencias BI para 2012 (revista CIO.COM)
q http://www.cio.com.au/article/421700/
top_six_bi_trends_2012/
q Mobile Business Intelligence (MBI)
q BI in the Cloud
q Analytics
q In-memory analytics
q The Agile approach to BI
q Big Data
Página –9–

Pereira, Colombia
TENDENCIAS 2015 EN BI DE TABLEAU
q Las 10 tendencias principales de la inteligencia de
negocios para 2015 según tableau
q 1. La gerencia se transforma
q Tal como el escenario de la inteligencia de negocios
cambió con la incorporación de los datos de autoservicio,
también debe cambiar la gerencia. Los enfoques simples,
como resguardar todos los datos empresariales o
prescindir de procesos por completo, ya no funcionarán.
Las organizaciones comenzarán a investigar en qué
consiste la gerencia en un mundo de análisis de
autoservicio.
Página –10–

Pereira, Colombia
10 TENDENCIAS 2015 EN BI DE TABLEAU
q 2. La inteligencia social es una ventaja
competitiva
q En 2014, las organizaciones comenzaron a analizar los
datos de redes sociales seriamente. En 2015, aquellos con
una ventaja competitiva comenzarán a aprovechar sus
capacidades. Seguir conversaciones a gran escala en las
redes sociales permitirá a las empresas enterarse cuando
comience a cobrar notoriedad algún tema y saber de qué
hablan sus clientes. Los análisis sociales abrirán las
puertas a la optimización receptiva de productos.
Página –11–

Pereira, Colombia
q 3. Los análisis emergen en toda la
organización
q Los analistas de datos actuales suelen ser gerentes de
operaciones, ejecutivos de la cadena de suministro o,
incluso, vendedores. Las tecnologías nuevas, que son más
fáciles de usar y proporcionan análisis basados en
navegación, les permiten a las personas resolver dudas de
negocios ad hoc. Las empresas que reconocen esto como
una ventaja estratégica empezarán a proporcionar datos,
herramientas y capacitación a sus analistas para ayudarlos a
desempeñar sus tareas.
Página –12–

Pereira, Colombia
q 4. Las comunidades se distinguen
q La integración de TI ya no es un concepto, es una
realidad. La gente usa productos que disfruta, y el
software de análisis no es la excepción. Las empresas que
ofrecen productos que inspiran y conceden capacidades
comienzan a ver cómo prosperan
la comunidades. Además, los posibles clientes verán el
estado de las comunidades
q de productos como evidencia importante en mercados
colmados.
Página –13–

Pereira, Colombia
q 5. Todo converge
q Durante los últimos 10 años se produjeron muchísimas
innovaciones en el espacio de datos. Esto condujo a
entornos mixtos integrados por una gran variedad de
elementos, desde almacenamiento de datos hasta análisis
y aplicaciones de negocios. Ya no se volverá a la era de
los sistemas monolíticos. Sin embargo, las organizaciones
se están cansando de los inicios de sesión múltiples y los
procesos burdos para trasladar y gestionar datos. La
integración veloz con interfaces simples se convertirá en
la norma.
Página –14–

Pereira, Colombia
q 6. Los análisis en la nube ya no son solo para datos
en la nube
q En 2015, se registrarán los primeros usos importantes de
análisis en la nube para datos locales. Hasta ahora, los
análisis en la nube se usaron principalmente con datos en
aplicaciones de nube.
q En 2015, las empresas comenzarán a elegir la nube
cuando tenga sentido para sus casos de negocios y no
solo cuando los datos se encuentren allí́.
Página –15–

Pereira, Colombia
q 7. Las conversaciones con datos reemplazan los
dashboards estáticos
q Estamos entrando en una era en la que los datos son tan
interactivos que se pueden convertir en la base de una
conversación. Ahora que la gente cuenta con
herramientas de análisis de alta velocidad, pueden
analizar datos rápidamente, combinar datos y rediseñar
análisis para crear nuevas perspectivas. A raíz de estas
conversaciones con datos, las organizaciones tendrán una
comprensión más profunda de ellos.
Página –16–

Pereira, Colombia
q 8. Los datos y el periodismo se unen por completo
[periodismo de datos]
q La aparición deVox y la creciente popularidad de sitios
como fivethirtyeight.com obligarán a más salas de
redacción a integrar análisis de datos en sus contenidos
en línea. Esta tendencia se trasladará del público a las
organizaciones e impulsará a las empresas que no
aprovechan los análisis a modernizarse.
Página –17–

Pereira, Colombia
q 9. La tecnología móvil evoluciona
q Los trabajadores pasan cada vez menos tiempo en sus
escritorios. Sin embargo, eso no significa que deban
contar con menos información basada en datos; de hecho,
necesitan más datos que nunca. Las soluciones móviles
para diversos análisis existen desde hace años y,
finalmente, están llegando a un nivel de evolución que
permite a los trabajadores hacer análisis simples cuando
están fuera de la oficina. Además, la gran demanda de
tecnología móvil obligó a los proveedores a ofrecer
interfaces más simples e intuitivas en todos sus
productos.
Página –18–

Pereira, Colombia
q 10. Comienzan a aparecer los análisis
inteligentes
q Los avances en el modelado gráfico e intuitivo permitirán
a los usuarios profesionales usar análisis de predicción sin
necesidad de extensas consultas a expertos ni secuencias
de comando.A medida que los análisis de autoservicio se
hagan más convencionales, las tareas como los
pronósticos y las predicciones se volverán más comunes y
mucho menos complicadas.
Página –19–

Pereira, Colombia
Cuadrante mágico de Gartner 2013, feb 2013
Página –20–

Pereira, Colombia
q Para la consultora una plataforma BI y Analytics de debe
cubrir tres categorías de capacidades como lo son:
q  a) integración, b) entrega de información y c)
análisis.
q Kurt Schlegel, Rita L. Sallam, Daniel Yuen, Joao
Tapadinhas (2013). Magic Quadrant for Business
Intelligence and Analytics Platforms en http://
www.gartner.com/technology/reprints.do?
id=1-1DYKLUU&ct=130206&st=sb#
Página –21–

Pereira, Colombia
Características de proveedoes C. M. Gartner
q 1. Integración
l  Infraestructura BI
l  Manejo de metadata
l  Herramientas de desarrollo
l  Colaboración
q 2. Entrega de información
l  Reporting
l  Cuadros de mando
l  Consultas Ad hoc
l  Integración con Microsoft Office
l  Búsqueda basada en BI
l  Mobile BI
Página –22–

Pereira, Colombia
Características de proveedores C. M.
Gartner
3. Análisis
o  Procesamiento analítico on-line (OLAP)
o  Visualización interactiva
o  Modelos predictivos y Data Mining
o  Scorecards
Página –23–

Pereira, Colombia
Capacidades de las plataformas BI-
Analytics
Página –24–

Pereira, Colombia
q Descripción del Cuadrante:
q 1) las líderes son vendedores que son fuertes en la
amplitud y profundidad de las capacidades de sus
plataformas BI y pueden suministrar consultoría a las
organizaciones de tal manera que puedan tener constante
soporte en su estrategia BI. Las plataformas de los
pequeños vendedores tales como Tableau, QlikTech y
Tibco Spotfire adolecen de criterio y capacidad
geográfica, así estrategia vertical en sus plataformas BI.
Aún así son líderes debido a la fortaleza de sus mercados,
capacidad de marketing y la simplicidad de sus
arquitecturas,
Página –25–

Pereira, Colombia
q 2) Por otro lado, se tienen a las empresas
retadoras, las cuales se están ubicando con éxito en el
mercado a pesar de que están limitadas a casos
específicos y sistemas técnicos concretos, además de
deficiencias en la integración estratégica de sus
productos, marketing, canales de ventas y presencia
geográfica,
Página –26–

Pereira, Colombia
q 3) Las visionarias son vendedores que tienen una
fuerte visión sobre la importancia de hacer llegar al
usuario una plataforma BI-Analytics lo suficientemente
abierta y flexible fácilmente integrada a los procesos de la
organización, además de profundizar en áreas específicas.
No obstante, presentan brechas en cuanto a la amplitud
de funcionalidades que muchas veces los usuarios
requieren a su paso. Su fortaleza aún así está en su
vocación innovadora, 4) Las empresas enfocadas
en nichos son aquellas que lo hacen bien en un
segmento específico del mercado de plataformas
Página –27–

Pereira, Colombia
C. M. de Gartner 2014. BI y Analytics
Página –28–

Pereira, Colombia
C. M. de Gartner 2014. BI y Analytics
q Jaspersoft y Pentaho, se mantienen en su cuadrante de
jugadores de nicho, desplazándose más hacia arriba y a la
derecha.
q SAP, SAS, Qlikview, IBM, MicroStrategy y Microsoft
se mantienen en el mismo cuadrante de líderes.
q Tableau y Tibco Spotfire, que entraron el año pasado,
sigen en el cuadrante de líderes. Tableau ahora con más
valoración en “integridad de la visión”.
q GoodData, que debutó el año pasado en el cuadrante de
jugadores de nicho, se desplaza considerablemente hacia
el centro.
q Alteryx y Panorama, se desplazan al cuadrante de
visionarios.
q  Página –29–

Pereira, Colombia
Cuadrante mágico de Gartner de BI y
analytics
q Tibco Spotfire, que entró el año 2013, se mueve hacia
abajo, jugando más a Visionario que a Líder.
q GoodData, se aleja del centro y se posiciona en
jugadores de nicho.
q Alteryx y Panorama, bajan en habilidad de ejecutar y
permanecen en el cuadrante de Visionarios.
Página –30–

Pereira, Colombia
analytics, 2015
Página –31–

Pereira, Colombia
analytics
q  Si comparamos con la del año 2014, tenemos que:
q Pentaho se mantienen en su cuadrante de jugadores de
nicho, desplazándose más hacia abajo. Jaspersoft
desaparece del cuadrante.
q SAP, SAS, Qlikview, IBM, MicroStrategy, Oracle y
Microsoft se mantienen en el mismo cuadrante de
líderes, moviendose un poco hacia abajo y a la izquierda.
q Dejando a Tableau más arriba, que se separa del resto.
Página –32–

Pereira, Colombia
Cuadrante Mágico para Plataformas de
Business Intelligence y Analytics (2015)
q Hoy como todos los años, Gartner libera el Cuadrante
Mágico para Plataformas de Business Intelligence y
Analytics, que en inglés es conocido como Magic
Quadrant for Business Intelligence and Analytics
Platforms. Recordar que desde el año 2013, este
cuadrante incluye la palabra “Analytics”.
Página –33–

Pereira, Colombia
Cuadrante mágico de Gartner 2015 de
plataformas de analítica avanzada
Página –34–

Pereira, Colombia
Cuadrante mágico de Gartner de
Plataformas de Analítica avanzada 2014
Página –35–

Pereira, Colombia
Plataformas de Analítica avanzada
q Las plataformas de analítica avanzada siempre han sido
herramientas construídas para estadisticos y científicos de
datos. Pero en su reporte más reciente Gartner observó
que estas herramientas van “dirigidas cada vez más a
analistas de negocios y ‘científicos de datos ciudadanos'”.
Así, las clasificaciones de Gartner en sus bien conocidas
categorías de “totalidad de visión” y “capacidad de
ejecución” ahora se mueven tanto en “facilidad de uso”
como en ofrecer numerosos y novedosos algoritmos
analíticos.
Página –36–

Pereira, Colombia
Magic Quadrant para Plataformas de
Analítica Avanzada
q No es sorpresa que el de este año esté encabezado por
SAS, el líder perenne de esta categoría. Pero restando
fuerza a las fortalezas de SAS, incluyendo “la pila
[analítica] más amplia de la industria”, altas calificaciones
de productos y “un alto nivel de lealtad de los clientes”,
Gartner advirtió que la “complejidad de la curva de
aprendizaje para los productos de SAS es una inquietud
para usuarios no expertos”.
Página –37–

Pereira, Colombia
q El cuadrante de “Líderes” de Gartner incluye a SAS, IBM,
Knime y RapidMiner por segundo año consecutivo. El
mayor cambio en el cuadrante de “Visionarios” tiene a
Microsoft, Alteryx y Alpine Data Labs ascendiendo puestos
y a la derecha.
q La salida de Microsoft de la clasificación de “jugador de
nicho” del 2014 está vinculada al lanzamiento del servicio
Azure Machine Learning (Azure ML), que el proveedor
hiciera el año pasado.
Página –38–

Pereira, Colombia
q Aunque el servicio aún se encontraba en fase beta
durante la reseña de Gartner, Azure ML promete “una
integración a fondo con R”, el popular lenguaje analítico
predictivo, y “soluciones de un ecosistema completo de
terceros” que dan soporte a Azure, según indicó Gartner.
La firma de analistas no se vio impresionada con la
actualización 2014 de Microsoft SQL Server Analysis
Services que, como sus predecesores, carece de
“amplitud, profundidad y facilidad de uso en comparación
con soluciones de los Líderes”.
Página –39–

Pereira, Colombia
q De acuerdo con el reporte, “Gartner define la analítica
avanzada como el análisis de todo tipo de datos usando
métodos cuantitativos sofisticados (por ejemplo,
estadística, minería de datos descriptivos y predictivos,
simulación y optimización) para producir conocimientos
que los enfoques tradicionales de inteligencia de negocio
(BI) – como consultas y reportes – es poco probable que
descubran”.
Página –40–

Pereira, Colombia
q Recientes iniciativas de analítica avanzada de SAS
aprovechan dos tendencias entre los clientes: un creciente
deseo por acercar la analítica a los datos, y una creciente
mayor demanda de analítica avanzada que no requiera
científicos de datos entrenados. Para abordar lo primero,
SAS ha trasladado su procesamiento en la gran
infraestructura de datos distribuidos de Hadoop para
varios productos, incluyendo SAS Visual Analytics, y
SAS In-Memory Statistics para Hadoop. Y a medida
que la demanda de habilidades científicas de datos supera
la oferta, las empresas buscan la analítica suficientemente
simple para profesionales de negocios. Con interfaces
altamente gráficas, de point-and-click, SAS Visual
Analytics y SAS Visual Statistics abordan esta necesidad.
Página –41–

Pereira, Colombia
Definición de business intelligence y BA
q Inteligencia de negocios abarca una
variedad de herramientas y métodos que
pueden ayudar a las organizaciones para
tomar mejores decisiones analizando sus
datos.
q Analítica de datos cae bajo la influencia de
BI
Los big data si se utilizan con el propósito
de analítica tambien caen bajo el paraguas
de BI.
Página –42–

Pereira, Colombia
Business Analytics según SAP
q Business Analytics es “la práctica iterativa, la
exploración metódica de datos en una empresa u
organización con énfasis en el análisis estadístico…para la
toma de decisiones basada en los datos“. Y luego definen
a Business Intelligence como “las aplicaciones y
tecnologías para la recolección, almacenamiento, análisis
y acceso a los datos para ayudar a una empresa u
organización a tomar mejores decisiones de negocios“.
q Business Analytics hace un uso extensivo de los datos,
análisis estadístico, modelos explicativos y predictivos
para impulsar la toma de decisiones. En cambio,
Business Intelligence está más ligada a la generación
de los datos e información para apoyar el mismo proceso
Página –43–

Pereira, Colombia
BI versus BA
q Business Intelligence
q ¿Qué sucedió ?
q ¿Cúando ?
q ¿Quién ?
q ¿Cuántos ?
q Business analytics
q ¿Por qué sucedió ?
q ¿Ocurrirá otra vez ?
q ¿Qué pasaría si cambiamos X ?
q ¿Qué otras cosas dicen los datos, que nunca se nos
ocurrió preguntar?
Página –44–

Pereira, Colombia
BI versus BA
q Son métodos y herramientas conectadas entre sí.
La BI proporciona un medio de “amasar” datos
para encontrar información, principalmente, a
traves de consultas y preguntas, informes y
procesamiento analítico en línea.
q Mientras que la analítica de negocio toma ventaja
de los datos estadísticos y cuantigativos para el
modelado predicitivo y exploratorio.
q La situación actual es el volumen considerable de
información no estructurada que exige
herramientas de analítica diferentes.
Página –45–

Pereira, Colombia
BUSINESS INTELLIGENCE versus BUSINESS
ANALYTICS (Analytics)
q Business Analytics (Analytics) es un
subconjunto de BI basada en estadística,
analítica predictiva y optimización.
q BA, proporciona la información necesaria
para tomar una actitud proactiva en la
gestión del futuro de su negocio.
Página –46–

Pereira, Colombia
Analítica: tipos de de analítica
q  Analítica descriptiva ¿Qué ha pasado?
q  Analítica de diagnóstico ¿porqué ha
sucedido, ocurrió?
q  Analítica predictiva ¿qué sucederá?
q  Analítica prescriptiva ¿Cómo podemos hace
qué suceda?
Página –47–

Pereira, Colombia
BUSINESS INTELLIGENCE
q  Business Intelligence se refiere al proceso de convertir datos
en conocimiento y conocimiento en acciones para crear la
ventaja competitiva del negocio “. The Data Warehousing
Institute
Página –48–

Pereira, Colombia
Componentes (Herramientas) de un
sistema de BI… diferentes modelos
q Datawarehouse 2.0 (manipulación de datos
no estructurados y almacenes de datos
tradicionales)
q Business Inteligence 2.0
l  Herramientas avanzadas de la Web
l  Web 2.0
ü Herramientas Web 2.0 y Web Semántica
ü Herramientas colaborativas, Groupware y
Workflow,…
l  Manipulación de datos no estructurados
l  …
Página –49–

Pereira, Colombia
Componentes principales de BI
q Los componentes principales de un sistema de BI son:
q Data Warehouse (con los datos fuente)
q Analítica de Negocios (colección de
herramientas para manipulación, minado y
análisis de los datos en los almacenes de datos)
q Business Performance Management (BPM,
monitorización y análisis del desempeño –
rendimiento)
q Interfaz de usuario (tales como “dashboard”…
tableros de mando o cuadros electrónicos)
Página –50–

Pereira, Colombia
Herramientas de BI
q Reporting (KPIs, métricas)
q Sistemas de Monitoreo/Alertas
q Cuadros de Mando, tableros de control,
tableros de información (Dashboards)
q Cuadros de mando integral,. Scorecards
q OLAP (Cubos, Slice & Dice, Drilling)
q Consultas Adhoc / Querys
q Herramientas de visualización
q Herramientas de descubimiento
q …
Página –51–

Pereira, Colombia
RETOS DE BI EN 2015 y ANALYTICS
q BI en la nube
q BI móvil
q Analítica predictiva
q Analítica de sentimientos
q Big data
q BI social
q BI colaborativo
q BI “en memoria” y “NoSQL”
q BI embebido … las apps de software como servicio
soportan cada días más funcionalidades de BI
Página –52–

Pereira, Colombia
Chapter 3 53
Proceso del ciclo de vida de los datos

Pereira, Colombia
Página –54–Página –54–
Arquitectura de alto nivel de BI

Pereira, Colombia
ARQUITECTURA DE UN SISTEMA DE BI
Página –55–

Pereira, Colombia
PROCESO ETL
Página –56–

Pereira, Colombia
PROCESO ETL
Página –57–

Pereira, Colombia
Análisis multidimensional
Página –58–

Pereira, Colombia
Business analytics (minería de datos)
Página –59–

Pereira, Colombia
Página –60–
COMPONENTES DE UN SISTEMA DE BI
q DATA WAREHOUSING (Almacén de datos)
l  Flujo de datos desde los sistemas operacionales (p.e. CRM, ERP)
a un DW que es una base de datos especial o depósito de datos
que han sido preparados para aplicaciones de toma de
decisiones, en el rango de informes y consultas simples
(reporting y quering) a optimizaciones complejas
l  El DW se construye con metodologías, principalmente
metadatos y ETL
l  Los data mars , son depósitos o repositorios de un tema
específico o departamental (p.e. marketing)
l  Los almacenes de datos y sus variantes son el elemento
fundamental de cualquier sistema de BI. Los DW incluyen datos
actuales e históricos de modo que puedan ser utilizados para
proporcionar apoyo a decisiones en tiempo real
Página –60–

Pereira, Colombia
ESTRUCTURA Y COMPONENTES DE UN
SISTEMA DE BI
q ANALÍTICA DE NEGOCIOS (OLAP, online analytical
processing). Herramientas de software que
permiten a los usuarios crear informes y consultas
bajo demanda y gestionar análisis de datos.
q Existen muchas herramientas de software para los
usuarios para crear bajo demanda, informes,
consultas y análisis de datos. P.e. los usuarios
pueden analizar diferentes dimensiones y
tendencias de los datos.
q Los usuarios de negocios pueden utilizar
herramientas de análisis de tendencias y gráficos
para identificar el desempeño del negocio.
Página –61–

Pereira, Colombia
Página –62–
SISTEMA DE BI
q OLAP
l  Los usuarios pueden analizar diferentes
dimensiones de datos multidimensionales, tales
como series de tiempo y vistas de análisis de
tendencias
l  Los usuarios pueden identificar tendencias de
rendimientos o prestaciones
l  Para manejar un BA (Analítica de negocios) se
necesita software de interactividad que se
denomina middleware para acceder al DW. Es
considerado infraestructura y es una interfaz del
usuario del sistema
Página –62–

Pereira, Colombia
SISTEMA DE BI
q Los usuarios finales pueden trabajar con una gran variedad
de herramientas y técnicas de BI:
q Reporting y Queries. Informes estáticos y dinámicos, todos
los tipos de consultas, descubrimiento de información, vistas
multidimensionales,…
q Analítica avanzada. Modelos estadísticos, financieros,
matemáticos, … que se usan en el análisis de datos y de
información.
q Minería datos, de texto y Web. La DM es el proceso de
búsqueda de relaciones desconocidas o no evidentes, o
información en grandes bases de datos y almacenes de
datos, utilizando herramientas inteligentes, tales como
computación neuronal o métodos estadísticos avanzados.
Página –63–

Pereira, Colombia
Página –64–
SISTEMA DE BI
q Minería de datos (data minig)
l  Es una clase de análisis de información de una base de datos que
examina patrones ocultos en un grupo de datos que se pueden
utilizar para predecir comportamientos futuros
l  El término se utiliza principalmente para describir el software que
presenta datos de nuevas maneras ya que no sólo cambia la
presentación sino que realmente descubre relaciones
desconocidas con anterioridad entre los datos- Este conocimiento
se aplica a conseguir objetivos específicos del negocio
l  Estas herramientas se utilizan para reemplazar la inteligencia
humana explorando (minando) en grandes masas de datoss para
descubrir nuevas correlaciones , patrones y tendencias utilizando
tecnologías de reconocimiento de patrones y estadística avanzada
Página –64–

Pereira, Colombia
Página –65–
SISTEMA DE BI
q BPM (Business Performance Management)
l  El componente se basa en la metodología de los cuadros de mando
integral (balanced scorecard) que es un marco de trabajo para
definir, implementar y gestiona la estrategia de negocios de una
empresa enlazando objetivos con medidas basadas en datos
objetivos.
l  Es un método para enlazar métricas de alto nivel, tales como
información financiera creada por el CFO (Chief Financial
Officer).BPM utiliza reporting y queries del análisis de datos de BI.
l  El objetivo de BPM es optimizar el rendimiento o prestaciones
(desempeño) globales de una organización
l  BPM incluye normalmente dashboards (tableros) que proporcionan
una visión de las prestaciones corporativas con presentaciones
gráficas, similares a los cuadros de mando de los automóviles
Página –65–

Pereira, Colombia
SISTEMA DE BI
q INTERFACES DE USUARIO: Tableros de mando
(dashboard) y otras herramientas de comunicación
(broadcasting).
q Los cuadros o tableros de mando organizan y presentan
información de un modo que sea más fácil de leer.
Presenta medidas del desempeño corporativo (KPI, Key
Performance Indicators) , tendencias y excepciones.
q Véase busineesobject.com. Se presentan gráficos,
cartas, diagramas y tablas que muestrran el desempeño
vreal vs métricas deseadas para visualizar el estado real
de la organización. Otras herramientas son portales
corporativos, herramientas de visualización,etc.
Página –66–

Pereira, Colombia
Componentes principales de BI
q El entorno de almacenamiento de datos
(data warehousing) es, principalmente,
responsabilidad de la plantilla técnica,
mientras que el entorno analítico (también
conocido como analítica de negocios) es el
campo de los usuarios del negocio.
q Cualquier usuario se puede conectar al sistema
vía una interfaz de usuario – p.e un navegador- y
los directivos ejecutivos utilizan los componentes
de BPM y tableros de mando (dashboard)
Página –67–

Pereira, Colombia
Interfaces de usuario
q Los dashboards son interfaces de usuario
interactivo.
Herramientas de visualización. Existen muchas
herramientas de visualización que van en el rango
desde presentaciones en cubos multidimensionales
hasta herramientas de realidad virtual.
q Cuadros de mando (scorecards). Cuadros de
mando integral (balanced scorecards)
q Tecnologías tales como GIS (Sistemas de
Información Geográfica) se utilizan en visualización .
Página –68–

Pereira, Colombia
Los beneficios de los sistemas de BI
q Los directores, ejecutivos, …. (managers)
necesitan la información correcta en el momento
correcto y en el lugar correcto para trabajar de
modo eficiente y más inteligente. Es el mantra de
los enfoques modernos d BI.
q Los principales beneficios de BI residen en el hecho
de proporcionar información precisa cuando se
necesita, incluyendo una visión en tiempo real de
los detalles del desempeño corporativo.
q Esta información es decisiva para todo tipo de
decisiones, planificación estratégicos y la
supervivencia de la empresa.
Página –69–

Pereira, Colombia
Valor del negocio de aplicaciones analíticas
de BI (Teradata)
q Aplicaciones analíticas
Segmentación de clientes
Propensión para comprar
Rentabilidad del cliente
Detección de fraudes
Desgaste/descontento de los clientes
Optimización del canal
Página –70–

Pereira, Colombia
de BI (Teradata)
q Temas importantes del negocio
l  ¿Qué segmentos de mercados pueden afectar
negativamente a mis clientes y cuales son sus
características?
l  ¿Qué clientes son más idóneos para responder a
mi promoción?
l  ¿Cómo puedo detectar las transacciones
propensas al fraude?
l  ¿Qué clientes corren el riesgo de abandonar
nuestra empresa?
l  ¿Cuál es el mejor canal para llegara mis clientes
en cada segment?
Página –71–

Pereira, Colombia
de BI (Teradata)
q Valor de negocio
l  Personalizar relaciones con los clientes para
comprobar la satisfacción y retención del cliente
l  Incrementar la fidelidad del cliente. Incrementar
rentabilidad de la campaña centrándose en
aquellos clientes más propensos a comprar.
l  Detectar fraudes y tomar acciones inmediatas para
minimizar los costes.
l  Prevenir pérdidas de clientes de alto valor y evitar
también a los clientes de bajo valor
l  Interactuar con los clientes basados en sus
preferencias y en la necesidad de gestionar costes
Página –72–

Pereira, Colombia
Beneficios importantes
q Ahorro de tiempos
q Mejorar las estrategias de negocios
q Mejora en las tomas de decisiones tácticas
q Más procesos eficientes
q Ahorro de costes
q Mejora de relaciones entre clientes y socios
q Informes más precisos y más rápidos
q Mejora en la toma de decisiones
q Mejora en los servicios de clientes
q Aumento de ingresos.
Página –73–

Pereira, Colombia
Herramientas y aplicaciones de BI
q Microsoft:
q Power BI
q Power Query
q Power Pivot
q Power Map
q IBM
q IBM SPSS Modeler (técnicas de modelado predictivo/
modelado para la segmentación y perfilado con
herramientas de IBM/pronósticos y tendencias )
Página –74–

Pereira, Colombia
Herramientas de Bi
q SAS
q SAS Enterprise Miner (modelado predictivo)
q Segmentación y perfilado
q Reglas de asociación
q Pronosticos y tendencias
q Modelos automáticos y evaluación de modelos
Página –75–

7676
UNIVERSIDAD TECNOLÓGICA
DE PEREIRA
Bases de datos NoSQL y
en memoria (in-memory)
Pereira, 21 agosto de 2015

Pereira, Colombia
Categorías de bases de datos
ƒq  Distintos tipos de bases de datos, para distintos tipos de necesidades.
q  Bases de datos transaccionales/relacionales: para almacenar
información crítica del negocio, con origen en las aplicaciones de
siempre (CRM, ERP, sistemas legacy, …)
q NoSQL: para capturar de manera segura y escalable, grandes
volúmenes de información continua generados por eventos.
q In-memory: Procesamiento completo en memoria máquina
q  Analíticas: para permitir a múltiples usuarios contestar rápidamente
preguntas de negocio que requieran de grandes volúmenes de
información.
q  Hadoop (HDFS & Hive): para almacenar y procesar grandes
volúmenes de información estructurada o semi-estructurada.
q  Big Data
Página –77–

Pereira, Colombia
Bases de datos
q In-Memory (en-memoria)
l SAP Hana
l Oracle
l IBM solidDB
l Microsoft
q Relacional
l  Sistemas RDBMS (SGBDR). Oracle, IBM, Microsoft…
l  Transeferencia de datos entre Hadoop y bases de datos
relacionales
q Legacy (jerárquicas, en red… primeras relacionales…)
Página –78–

Pereira, Colombia
BASES DE DATOS NoSQL,
conceptos generales
•  NoSQL – es un término utilizado para describir un
subconjunto de bases de datos que difiere de las
bases de datos tradicionales (RDBMS). Entre otras:
–  No tienen schemas, no permiten JOINs, no intentan
garantizar ACID y escalan horizontalmente
•  El término fue acuñado en 1998 por Carlo Strozzi y
resucitado en 2009 por Eric Evans
– El propio Evans sugiere mejor referirse a
esta familia de BBDD como de nueva
generación, enfocadas a “Big Data”
Página –79–

Pereira, Colombia
conceptos generales
q NoSQL – "not only SQL” – es una categoría
general de sistemas de gestión de bases de datos
que difiere de modelo relacionales clásicos
(RDBMS) en diferente aspectos:
l  Estos datastores no requieren esquemas de
información fijas
l  Evitan las operaciones JOIN y escalan horizontalmente
q De hecho, tanto las bases de datos NoSQL como
las relacionales son tipos de Almacenamiento
Estructurado
Página –80–

Pereira, Colombia
conceptos generales
q La principal diferencia radica en cómo se
guardan los datos :
l  En una RDBMS tendríamos que partir la información en
diferentes tablas y luego usar un lenguaje de programación
en la parte servidor para transformar estos datos en
objetos de la vida real.
l  En NoSQL, simplemente se guardan los datos:
ü NoSQL es libre de schemas, no se diseñan las
tablas y su estructura por adelantado
q  NoSQL no es una herramienta universal
l  Si los datos son relacionales, quedarse con la RDBMS sería
la opción correcta
Página –81–

Pereira, Colombia
RDBMS vs. NoSQL
q Las bases de datos relacionales tradicionales nos
permiten definir la estructura de un esquema que
demanda reglas rígidas y garantizan ACID:
l  Atomicity
l  Consistency
l  Isolation
l  Durability
q Las aplicaciones web modernas presentan desafíos
muy distintos a las que presentan los sistemas
empresariales tradicionales (e.j. sistemas
bancarios):

Pereira, Colombia
RDBMS vs. NoSQL
l Datos a escala web
l Alta frecuencia de lecturas y escrituras
l Cambios de esquema de datos frecuentes
l Las aplicaciones sociales (no bancarias) no
necesitan el mismo nivel de ACID
q Algunas de las opciones de NoSQL
actualmente disponibles son:
Cassandra, MongoDB, Jackrabbit ,
CouchDB, BigTable y Dynamo
Página –83–

Pereira, Colombia
¿Por qué necesitamos NoSQL?
q Las BBDD relacionales ofrecen bajo
rendimiento ante ciertas aplicaciones
intensivas de datos:
l Indexación de un gran número de documentos
l Servir páginas en sites de mucho tráfico
l Envío de datos de streaming

Pereira, Colombia
¿Por qué necesitamos NoSQL?
q Las RDBMS están optimizadas para pequeñas
pero frecuentes transacciones de lectura/escritura
o largas transacciones con pocos acceso de
escritura.
q NoSQL puede dar servicio a grandes cargas de
lectura/escritura:
l  Digg mantiene 3 TB de green badges
(marcadores que indican las historias votadas
por otros en una red social)
l  Facebook que tiene que realizar búsqueda en
bandejas de mensajes de más de 50 TB
Página –85–

Pereira, Colombia
Arquitectura de las BBDD NoSQL
q A menudo ofrecen sólo garantías de consistencia
débiles, como por ejemplo eventual consistency, o
transacciones restringidas a elementos de datos
simples
q Emplean una arquitectura distribuida, donde los
datos se guardan de modo redundante en distintos
servidores, a menudo usando tablas hash distribuidas
q Suelen ofrecer estructuras de datos sencillas
como arrays asociativos o almacenes de pares clave-
valor

Pereira, Colombia
¿Qué tipo de BBDD elijo?
q Algunas respuestas pueden encontrarse en:
l  35+ Use Cases For Choosing Your Next NoSQL
Database
ü http://highscalability.com/blog/
2011/6/20/35-use-cases-for-choosing-your-
next-nosql-database.html
l  Five Reasons to Use NoSQL
ü http://facility9.com/2010/09/five-reasons-
to-use-nosql/
q Las más populares son: Cassandra, CouchDB,
MongoDB, Riak, Neo4j

Pereira, Colombia
BASES DE DATOS RELACIONALES
(RECORDATORIO)
q La mayoría de las bases de datos cumplen con las
propiedades ACID (atomicity, consistency,
isolation, durability). Estas propiedades garantizan un
comportamiento de las base de datos relacionales y el mejor de los
argumentos para su utilización.
Página –88–

Pereira, Colombia
BASES DE DATOS RELACIONALES (ACID)
Página –89–

Pereira, Colombia
NoSQL or not NoSQL?
q  Los principales problemas de NoSQL son:
l  Su complejidad:
ü  Instalación
ü  Consultas (comprender bien MapReduce)
ü  Los modelos de datos usados
l  Su falta de madurez
q  ¿Dónde usarlas?
l  Datos sociales
l  Procesado de datos (Hadoop)
l  Búsqueda (Lucene)
l  Caching (Memcache)
l  Data Warehousing
q  ¿Qué problema quieres resolver?
l  Transacciones
l  Grandes volúmenes de datos (Exabytes)
l  Estructura de los datos

Pereira, Colombia
BASES DE DATOS NoSQL
q Las bases de datos no-relacionales son comúnmente
llamadas bases de datos NoSQL ya que la gran mayoría
de ellas comparte el hecho de no utilizar el lenguaje SQL
para realizar las consultas
q Es una definición controvertida, aunque la definición más
aceptada es “Not only SQL”.
q Una de las características de las bases de datos no
relacionales es que la mayoría de ellas no utilizan
esquemas de datos rígidos como las bases de datos
relacionales. Esto hace que estas bases de datos también
se les llame “Schema-less” o “Schema-free
(“almacenamiento des-estructurado”).
Página –91–

Pereira, Colombia
TIPOS DE BBDD NoSQL
q Tipos y clasificación de bases de datos NoSQL
q Existen unos 150 tipos de bases de datos NoSQL con
diferente arquitectura de datos (basado en documento, en
clave/valor, en objetos, en grafos, en columnas, etc).
Entre las más conocidas destacan Cassandra, Hadoop,
MongoDB, CouchDB o Redis. Gigantes como Oracle
también disponen de una implementación NoSQL .
Página –92–

Pereira, Colombia
Taxonomía de Bases de datos NoSQL
q Los principales tipos de BBDD de acuerdo con su
implementación son los siguientes:
q – Almacenes de Clave-Valor
q – Almacenes de Familia de Columnas
(columnares)
q – Almacenes de documentos (orientadas a
documentos)
q – Almacenes de Grafos (orientadas a
grafos)
q - Otras …Cachés de memoria
Página –93–

Pereira, Colombia
TIPOS DE BBDD NoSQL
Página –94–

Pereira, Colombia
TIPOS DE BBDD NoSQL
Página –95–

Pereira, Colombia
Integración con Big Data. FUENTE: datalytics.com
Página –96–

Pereira, Colombia
Integración con Big Data. FUENTE: datalytics.com
Página –97–

9898
IINT
Analítica de datos
(Analytics-Business Analytics)

Pereira, Colombia
Analítica avanzada
q Gartner defines advanced analytics as, "the analysis of all
kinds of data using sophisticated quantitative methods
(for example, statistics, descriptive and predictive data
mining, simulation and optimization) to produce insights
that traditional approaches to business intelligence (BI) —
such as query and reporting — are unlikely to discover."
Página –99–

Pereira, Colombia
PROCESO DE ANALÍTICA
q Almacén y minería de datos
q Considerado por muchas compañías como la fuente
primaria de su información estructurada, data warehouse
es una colección de datos históricos, que incluyen la copia
de las transacciones de datos específicamente
estructurados para la consulta y el análisis. Tal como lo
indica su nombre, es el almacén de los datos
estructurados.
q Una vez que esa información está guardada y organizada
en el data warehouse, se usa el data mining para
explorarla y clasificarla, en busca de patrones
Página –100–

Pereira, Colombia
PROCESO DE ANALÍTICA
q “Data mining es un conjunto de técnicas de
extracción de datos, para detectar patrones de
comportamiento a través de algoritmos
matemáticos”,
q Adicionalmente, sobre la minería de datos se
puede ejecutar un conjunto de técnicas para
realizar análisis predictivos y de tendencias; este
método se conoce como analítica de datos
(data analytics).
Página –101–

Pereira, Colombia
ANALÍTICA DE DATOS
q El Análisis de Datos (Data Analysis, o DA) es
la ciencia que examina datos en bruto con
el propósito de sacar conclusiones sobre la
información.
q  El análisis de datos se usa en varias industrias para
permitir que las compañías y las organizaciones tomen
mejores decisiones empresariales y también es usado en
las ciencias para verificar o reprobar modelos o teorías
existentes.
q 
Página –102–

Pereira, Colombia
ANALÍTICA DE DATOS
q El análisis de datos se usa para describirlo todo, desde el
procesamiento analítico en línea (OLAP, por sus siglas en
inglés) hasta el análisis CRM en centros de llamadas. Los
bancos y las compañías de tarjetas de crédito, por
ejemplo, analizan los retiros y los patrones de gasto para
prevenir el fraude o robo de identidad. Las compañías de
comercio electrónico (Ecommerce) examinan el tráfico en
el sitio web o los patrones de navegación para determinar
qué clientes son más o menos propensos a comprar un
cierto producto o servicio, basándose en compras previas
o patrones de visualización.
Página –103–

Pereira, Colombia
ANALÍTICA DE DATOS
q El análisis de datos moderno normalmente usa tableros de
información que se basan en flujos de datos en tiempo
real. El llamado análisis en tiempo real implica análisis e
informes dinámicos basados en los datos que introducidos
en un sistema un minuto antes del tiempo actual de uso.
q El análisis de 'grandes datos' es el proceso de examinar
grandes cantidades de datos de una variedad de tipos (big
data) para descubrir patrones ocultos, correlaciones
desconocidas y otra información útil. Tal información
puede proporcionar ventajas competitivas a través de
organizaciones rivales y resultar en beneficios para el
negocio, tales como el marketing más efectivo y mayores
ingresos.
Página –104–

Pereira, Colombia
ANALÍTICA DE DATOS
q El objetivo principal del análisis de datos grandes es
ayudar a las empresas a tomar mejores decisiones de
negocios al permitir a los científicos y otros usuarios de
datos analizar grandes volúmenes de datos
transaccionales, así como otras fuentes de datos que
puedan haber quedado sin explotar por la inteligencia de
negocio convencional (BI) programas.
q Estas fuentes de datos pueden incluir registros del
servidor web y datos de seguimiento de clics en internet,
informes de actividades sociales, medios de comunicación,
teléfonos móviles registros detallados de llamadas y la
información captada por los sensores.
Página –105–

Pereira, Colombia
ANALÍTICA DE DATOS
q What Is Data Analytics?
q Data analytics (DA) involves processes and activities
designed to obtain and evaluate data to extract useful
information. The results of DA may be used to identify
areas of key risk, fraud, errors or misuse; improve
business efficiencies; verify process effectiveness; and
influence business decisions.
q There are many issues to consider when starting a new
DA program, including maximizing the return on
investment (ROI), complying with project budgets,
managing false positives, and ensuring the protection and
confidentiality of the source data and results.
Página –106–

Pereira, Colombia
ANÁLISIS DE DATOS MULTIDIMENSIONAL
q Una vez que los datos han sido capturados y organizados
en data warehouses y data marts, se quedan
disponibles para análisis futuros utilizando herramientas
de inteligencia de negocios
q Las herramientas de inteligencia de negocios incluyen
software para consulta y reportes (informes) en bases de
datos, herramientas para análisis de datos
multidimensional (procesamiento analítico en línea) y
herramientas para minería de datos.
Página –107–

Pereira, Colombia
PANEL DE INTELIGENCIA DE NEGOCIOS
q Un panel de BI es una herramienta de visualización de
datos que muestra el estado actual de las métricas e
indicadores claves de rendimiento (KPIs) para una
empresa. Los paneles consolidan y ordenan números,
métricas y a veces hasta marcadores de rendimiento en
una sola pantalla. Pueden ser hechos para una función
específica y mostrar las mediciones que se desean
mostrar para un solo punto de vista o departamento. La
característica esencial de un panel de BI es que el
producto incluye una interfaz personalizable y la habilidad
de extraer datos en tiempo real de múltiples fuentes.
Página –108–

Pereira, Colombia
PANEL DE INTELIGENCIA DE NEGOCIOS
q Oracle y Microsoft están entre los proveedores de paneles
de inteligencia empresarial. Los paneles de BI pueden
también ser creados por otras aplicaciones empresariales,
como Excel. Los paneles de BI son llamados también a
veces paneles empresariales.
q El análisis de datos no es algo nuevo. Desde hace años,
las empresas tratan de aprovechar la información que
reciben de sus usuarios, canales, proveedores, etc. con el
fin de tomar mejores decisiones de negocios. Sin
embargo, la cantidad, calidad, formato y fuentes de la
información se han ido transformando en los últimos
años, y las herramientas para analizarla se han ido
adaptando a estos cambios.
Página –109–

Pereira, Colombia
BI vs BAD
Difference between ‘Business Intelligence’ and ‘Business
Analytics’ and not many in the industry understand that.
Monitoring and tracking metrics/KPIs in the form of
reports/dashboards is ‘Business Intelligence’, but making
meaningful sense of these metrics, co-relating them with
other factors that influence them, understanding the
trends and using statistical algorithms to predict
outcomes is where the bang for the buck is…and that is
‘Business Analytics’
By - smartdatacollective.com
Página –110–

Pereira, Colombia
Intelligence vs. Analytics
Traditional BI
ü Standard reports and dashboards
ü Ad hoc reports – Current performance
ü Query Drill down
ü Cube analysis – Slice and dice
ü Alerts
Vs.
Business Analytics
ü Statistical Analysis
ü Forecasting
ü Predictive modeling
ü Optimization
Página –111–

Pereira, Colombia
Analytics
Página –112–

Pereira, Colombia
Inteligencia de negocio analítica
Analytics (Business Analytics). It uses algorithms to
search for patterns and explanations. It looks at historical data to
predict future activity for better business decision making.
“Organisations using analytics are more than twice as likely to
substantially outperform their competitive peers” MIT Sloan
Management report and IBM Institute for Business Value (http://
sloanreview.mit.edu/reports/analytics-advantage/).

n  The three biggest trends surrounding analytics the industry is
likely to see are: Optimisation—the combination of business rules
for optimised decision management; consumable analytics—the
visual presentation of increasingly complex data; and new data
analytics—the analysis of new types of data, such as social
media, location information, etc.
q  http://www.cio.com.au/article/421700/top_six_bi_trends_2012/
Página –113–

Pereira, Colombia
Analytics (Business Analytics)
q El análisis descriptivo responde a las preguntas
¿qué pasó y por qué sucedió?
q El análisis predictivo responde a la pregunta
¿qué va a pasar?.
q Análisis perceptivo responde a la pregunta ¿por
qué va a pasar?
q 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.
Página –114–

Pereira, Colombia
Analytics (Business Analytics)

El análisis predictivo responde a la pregunta ¿qué va a pasar?.
Centraremos en el “análisis predictivo” los próximos
temas
Página –115–

Pereira, Colombia
Una solución de Inteligencia de Negocio completa permite:
1.  Observar: ¿qué está ocurriendo?
2.  Comprender: ¿por qué ocurre?
3.  Predecir: ¿qué ocurriría?
4.  Colaborar: ¿qué debería hacer el equipo?
5.  Decidir: ¿qué camino se debe seguir?
Las soluciones actuales integran múltiples tecnologías
Página –116–

Pereira, Colombia
ANALÍTICA DE NEGOCIOS (Analytics)
q Analítica descriptiva (Descriptive analytics): Logra un
profundo conocimiento a partir de datos históricos con
informes, cuadros de mando, agrupación, etc.
q Analítica predictiva (Predictive analytics): Diseño y uso de
modelos predictivos a partir de técnicas de aprendizaje
automática/minería de datos.
q 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.
q Analítica de diagnóstico (de descubrimiento). ¿Porqué ha
sucedido?
Página –117–

Pereira, Colombia
Business Analytics (Analytics)
q Es un término comercial, definido por diferentes
proveedores de soluciones de inteligencia de negocios y
de sistemas de información para referirse a las
herramientas y técnicas para analizar y entender los
datos.
q Se compone de herramientas de procesamiento analítico
en línea (OLAP), herramientas estadísticas, minería de
datos, etc.
q La analítica de negocios implica el uso de modelos y datos
para mejora el desempeño de una organización o su
posición competitiva. En analítica de negocios el foco está
en el uso de modelos incluso aunque estén
profundamente internos al sistemas.
Página –118–

Pereira, Colombia
q Los modelos analíticos se utilizan para realizar análisis de
datos. Incluyen modelos estadísticos, modelos de gestión
científica, algoritmos de minería de datos, modelos
financieros, etc.
q A veces se integran con otros modelos, tales como
modelos de planificación estratégica.
q Los modelos de analítica de negocios (incluyendo analítica
predictiva) abarcar numerosos modelos analíticos.
Página –119–

Pereira, Colombia
q Se necesita entender no solo QUÉ está pasando,
sino CUÁNDO, DÓNDE, QUIÉN Y PORQUÉ.
q Solución a los requerimientos de información con
OPORTUNIDAD
q Escalar, contribuir y compartir a todos los tipos de
usuarios en la organización
q Se necesita información y conocimiento a partir de
los datos de la empresa.
Página –120–

Pereira, Colombia
ANALÍTICA DE DATOS (Analytics)
q El análisis descriptivo responde a las preguntas ¿qué
pasó y por qué sucedió?
q El análisis predictivo responde a la pregunta
¿qué va a pasar?.
q Análisis perceptivo responde a la pregunta ¿por qué va
a pasar? 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
Página –121–

Pereira, Colombia
Analítica predictiva
q El término analítica predictiva describe el método de
analítica de negocios de predicción o previsión de
problemas y oportunidades en lugar de simplemente de
emitir informes (reportes) a medida que se producen.
q La analítica predictiva utiliza predicciones avanzadas y
modelos de simulación.
q Forecasting (predicción) es la predicción del futro. Esta
forma de analítica predictiva es esencial para la
construcción y manipulación de modelos, ya que cuando
una decisión se implementa los resultados normalmente
ocurren en el futuro
Página –122–

Pereira, Colombia
Analítica predictiva
q La analítica predictiva utiliza técnicas de minería de datos,
datos históricos y suposiciones sobre futuras condiciones
para predecir resultados de eventos, tales como la
probabilidad de que un cliente responderá a una oferta o
compra de un producto específico.
Página –123–

Pereira, Colombia
Analítica en memoria (big data)
q In-memory Analytics Las herramientas
de “analítica en memoria” permiten la
consulta y el análisis de los datos desde la
RAM del computador, lo que se traduce en
una simple y rápida exploración de datos y
aplicaciones analíticas (no se utiliza el
almacenamiento físico en disco).
Página –124–

125125
DE PEREIRA
Analítica social

Pereira, Colombia
Problemas en la medición social
q 1. Medición externa.
q En analítica web estamos acostumbrados a medir y
analizar los datos que obtenemos de nuestro sitio web, sin
embargo cuando hablamos de medición social, la
medición se produce en plataformas de terceros y
dependemos de la información que éstos nos faciliten. En
muchos casos implementar la huella de herramientas de
analítica web no está permitido o no es materialmente
posible (por ejemplo el caso de Twitter) o imposible
(como ocurre en el caso de foros o blogs de terceros).
Página –126–

Pereira, Colombia
q 2.Dispersión de la información.
q Hablamos de plataformas diferentes, donde nos
encontramos con métricas diferentes y en las que los
contenidos generados por los usuarios tienen un formato
diferente y por tanto no se cuantifican de la misma forma.
No podemos decir que un “RT” en Twitter sea lo mismo
que un “share” en Facebook y que un “repin” en
Pinterest… ¿O sí? Es común ver que muchas veces por
hacer el dato más manejable se asume que son lo mismo.
Página –127–

Pereira, Colombia
q 3. Dependemos de la semántica.
q La tecnología usada por la mayoría de herramientas está
basada en la indexación de palabras claves, por lo que
encontramos limitaciones en la identificación de
subjetividades en el lenguaje como la ironía o los dobles
sentidos. En general, las herramientas que identifican el
sentimiento entenderían un gracias, como el del tweet de
ejemplo, como positivo, cuando realmente podría
significar todo lo contrario.
Página –128–

Pereira, Colombia
q 4.Fuera de control.
q Las personas son las que tienen la última palabra y serán
ellas las que decidan dónde, cuándo y de qué manera se
crean o se comparten los contenidos. Al final, aunque a
nosotros nos resulte más fácil medir la actividad en el
blog, y por mucho que queramos concentrar ahí nuestra
comunidad, si ésta prefiere volcar sus opiniones en
Facebook o en cualquier otro foro, tendremos que
adaptarnos a esa plataforma, tanto en relación a la
información que nos proporcione como de los mecanismos
para poder disponer de ella.
Página –129–

Pereira, Colombia
q Algunas de estas plataformas cuentan con API abierta,
por lo que no sólo dependemos de la información que
pongan a disposición nuestra, sino también de las
condiciones de uso de esta. Un ejemplo de ello lo hemos
tenido recientemente con Twitter, quien siempre ha
puesto a disposición de desarrolladores su API, sin
embargo, los términos de uso de esta han ido pasando de
menos o más restrictivos con el paso del tiempo.
Página –130–

Pereira, Colombia
q 5.Falta de estandarización.
q Aunque existen tímidos intentos (como la Teoría de las
4Rs del IAB) por la estandarización de métricas e insights,
lo cierto es que todavía no existe unanimidad en el sector.
De la misma forma que cuando hablamos en el ámbito de
la medición web de la métrica visitas, se entiende de
forma general el concepto al que se hace referencia, a
pesar de que existan diferencias en la medición
dependiendo de con qué herramienta se realice, no ocurre
lo mismo cuando hablamos de alcance en medios sociales.
Por ejemplo, el alcance tal como lo entiende Facebook no
es el mismo que podríamos calcular en Twitter, en un blog
o en un foro.
Página –131–

Pereira, Colombia
¿Qué es Social Analytics?
q Definition - What does Social Media Analytics
(SMA) mean?
q Social media analytics (SMA) refers to the approach of
collecting data from social media sites and blogs and
evaluating that data to make business decisions. This
process goes beyond the usual monitoring or a basic analysis
of retweets or "likes" to develop an in-depth idea of the
social consumer
q Social media is a good medium to understand real-time
consumer choices, intentions and sentiments. The most
prevalent application of social media analytics is to get to
know the customer base on a more emotional level to help
better target customer service and marketing.
Página –132–

Pereira, Colombia
q Analytics is a powerful tool for discovering
customer sentiment from millions of online
sources. Businesses are using the power of
social media to gain a better understanding
of their markets
Página –133–

Pereira, Colombia
q Social media analytics*
q Measuring + Analyzing + Interpreting
interactions and associations between
people, topics and ideas. Social media
analytics is a powerful tool for uncovering
customer sentiment dispersed across
countless online sources. The analytics
allow marketers to identify sentiment and
identify trends in order to accommodate the
customer better
q *Wikipedia
Página –134–

Pereira, Colombia
Analítica Social
q Fases del proceso de Analítica Social de empresas de
Social Media (Social Business):
q Descubrir
q Analizar
q Participar
q Facilitar
q Gestionar
Página –135–

Pereira, Colombia
Analítica Social (Social Analytics)
q Es la disciplina que ayuda a las compañías a
analizar, calcular y explicar el rendimiento de
las iniciativas de Social Media (Medios sociales)
en el contexto de objetivos empresariales
específicos.
q El análisis social es un método para que las
empresas entiendan los efectos de sus
esfuerzos en Social Media.
q El análisis social (es una disciplina empresarial)
le capacita con datos necesarias para tomar
decisiones fundadas.
Página –136–

Pereira, Colombia
q Las tecnologías de análisis para Social Media
cambian y evoluciona rápidamente. Asegúrese de
desarrollar los requisitos empresariales clave y
de tomarse su tiempo para encontrar
proveedores que cumplan sus necesidades,
porque cambiar de proveedor puede resultar
costos
q Las métricas para Social Media deben tener
significado que se revelará presentando las
métricas en el contexto de lo que representan y
de lo que significan para su organización.
Página –137–

Pereira, Colombia
q Tipos de métricas importantes para el éxito
de cualquier programa de análisis.
q Métricas fundamentales
q Métricas de valor empresarial
q Métricas de resultados (PKI)
q Métricas de recuento
Página –138–

Pereira, Colombia
SOCIALIZAR LA EMPRESA
q Incorporar los Social Media a la empresa de
forma global.
q Las inversiones en 2011-2012 y siguientes
han ido creciendo y seguirán creciendo.
q Las personas que gestionan los Medios
Sociales necesitan buscar proactivamente y
hablar con los departamentos de recursos
humanos y los equipos de servicio al cliente
cpra que tengan lugar las conexiones
Página –139–

Pereira, Colombia
q Los pasos para la socialización de la empresa son:
q Escuchar
q Colaborar
q Comprometerse
q Facilitar
q Aprender
q Se requieren métricas que signifiquen
algo para la empresa.
Página –140–

Pereira, Colombia
q Métricas de Social media idóneas para
directivos.
q Ingresos. Los esfuerzos de Social Media realizados
tienen impactos en los ingresos y el balance final de su
organización. Los analistas deben identificar actividades
que logren ingresos. Hacer un cuadro de actividades para
Social Media
q Participación en el mercado. Evaluar la
oportunidad en el mercado. Considerar la inteligencia
competitiva.
q Satisfacción. Conseguir que los clientes estén
satisfechos.. Conseguir un índice de satisfacción.
Página –141–

Pereira, Colombia
Tecnologías de Medios Sociales
q Herramientas de descubrimiento (búsqueda social). Casos
de Bing y Google. Casos de buscadores Facebook y
Twitter
q Tecnologías de análisis (analítica social). Analíticas social
es la disciplina que ayuda a las compañías a medir,
evaluar y explicar el resultado de las iniciativas sociales en
el contexto de objetivos específicos del negocio.
q Plataformas de participación (participación/flujo de
trabajo)
q Herramientas de alojamiento y facilitación (plataformas
sociales)
q Soluciones de gestión social
q TECNOLOGÍAS A UTILIZAR
Página –142–

Pereira, Colombia
Tecnologías de Medios Sociales
q Elección del proveedor de analítica social
l  Configurar la herramienta de analítica social
l  Trabajar con métricas
l  Utilizar filtros de análisis
l  Utilizar las funciones más importantes
l  Introducir y extraer datos de las herramientas
l  Evaluar las necesidades
l  Seleccionar un proveedor de analítica social: trucos y consejos
l  Solicitar una demostración
l  Considerar la configuración, la formación y la asistencia
l  Formular las preguntas adecuadas
l  Consideraciones a largo plazo
Página –143–

Pereira, Colombia
Análisis del tráfico de redes sociales
q Análisis de la actividad en Facebook. En Google Analytics
no se puede registrar la actividad que se produce dentro
de la página de Facebook de la empresa u organización,
sin embargo, esta rede social incluye una sección de
estadísticas (Me gusta, alcance, personas hablando de
e…) que son de gran ayuda.
q Los datos son generales, no se pueden segmentar y el
periodo de tiempo a analizar no puede exceder de 89 días
q Las estadísticas proporcionan información sobre:
Página –144–

Pereira, Colombia
Análisis del tráfico de redes sociales
q Perfil de los visitantes o usuarios a los que se ha llegado:
sexo, edad, país, ciudad e idioma.
q Procedencia de las visitas
q Frecuencia de las visitas
q Visitas
q Visitantes únicos
q Alcance o usuarios a los que se llega
q Número de interacciones de los usuarios
Página –145–

Pereira, Colombia
MÉTRICAS DE SOCIAL MEDIA PARA líderes
empresariales, DEPARTAMENTOS LEGALES
Y PERSONAL de RR. HH.
Métricas para ejecutivos
Impacto de ingresos
Participación en el mercado
Satisfacción
Métricas para abogados
Métricas para profesionales de recursos humanos:
Infracciones de la política; Avisos de
conducta; reclutamiento social
Página –146–

Pereira, Colombia
MÉTRICAS PARA SOCIAL MEDIA, Ventas,
Servicios, CRM Social
q Métricas para ventas
l Referencias sociales
l Clientes potenciales sociales
l Coste por cliente potencial social
l Porcentaje de clientes potenciales cualificados
l Porcentaje de clientes potenciales cerrados
l Cliente potencial para contactos cercanos
l Valor del cliente social
l Porcentaje de ganancia social
Página –147–

Pereira, Colombia
MÉTRICAS PARA SOCIAL MEDIA, Ventas,
Servicios, CRM Social
q Métricas para servicio al cliente
l Consultas sociales
l Consultas por categoría
l Tasa de resolución
l Tiempo de resolución
l Porcentaje de clientes satisfechos
l Ingresos por consulta de servicio
l Ahorro de coste por consulta
l Tasa de renovación por clientes sociales
Página –148–

Pereira, Colombia
MÉTRICAS PARA CRM Social
q Clientes de porcentaje social
q Canales más eficaces
q Tasa de respuesta de campaña de CRM
q Tasa de conversión de campaña de CRM
q Defensores activos
q Influencia de defensores
q Impacto de defensores
q Intensidad de la lealtad
q Valor del cliente por segmento
q Valor de la vida del cliente social
Página –149–

Pereira, Colombia
MÉTRICAS PARA RELACIONES
PÚBLICAS Y PARA MARKETING
q Menciones sociales
q Participación de una marca en el mercado
q Alcance de la conversión
q Citas de prensa influyentes
q Citas de prensa perjudiciales
q Tiempo de repuesta de desastre de RP
q Porcentaje de recuperación de desastre
q Menciones de la persona de influencia
q Clientes potenciales / referencias de RP
q -------------
q Visibilidad, conciencia de marca, efectividad de la campaña,
opinión de la marca, etc.
Página –150–

151151
DE PEREIRA
lenguaje R

Pereira, Colombia
REFERENCIAS DE R*
1.  Garderener, Mark. The Statical Programming
Language. Wiley/Wrox, 2012.
2.  Toomey, Dam. R for Data Science, Birmingham:
Packt Publishing, 2015 (diciembre 2014)
3.  Prajapati, Vignesh. Big Data Analytic with R y
Hadoop. Birmingham: Packt Publishing, 2013.
4.  Gerrard, Paul y Radia, Johnson. Mastering
Scientifc Computing. Birmingham: Packt
Publishing, 2015.
Página –152–

Pereira, Colombia
Ranking IEEE. The 2015 Top Ten, julio 2015
Programming Languages
Página –153–

Pereira, Colombia
Lenguaje R*
q R is more than just a computer program; it is a
statistical programming environment and
language.
q R is free and open source and is therefore available
to everyone with a computer. It is very powerful and
flexible, but it is also unlike most of the computer
programs you are likely used to. You have to type
commands directly into the program to make it work for
you. Because of this, and its complexity, R can be hard to
get a grip on.
q Es intérprete-interpretado
Página –154–

Pereira, Colombia
INSTALACIÓN DE R
1.  INSTALACIÓN DE R
www.r-project.org /clic en CRAN mirror (selección SO)…
Ayuda, tutoriales…
http://cran.r-project.org.
http:// cran.r-project.org, click on Download R for
Linux, and then click on ubuntu to get the most up-to-date
instructions to install R on Ubuntu. To install R on Windows,
click on Download R for Windows, and then click on base
for the download link and installation instructions. For Mac OS
users, click on Download R for (Mac) OS X for the
download links and installation instructions.
Página –155–

Pereira, Colombia
INSTALACIÓN DE RStudio
q To download RStudio, which is an
integrated development environment
that provides a powerful user
interface that makes learning R easier
and fun. The main limitation of RStudio is
that it has difficulty loading very large
datasets.
Página –156–

Pereira, Colombia
INSTALACIÓN DE RStudio
You may also want to download RStudio, which is an
integrated development environment that provides a
powerful user interface that makes learning R easier and
fun. The main limitation of RStudio is that it has difficulty
loading very large datasets.
5. INSTALACIÓN DE RStudio
www.rstudio.com/ide/download/desktop
RStudio is a set of integrated tools designed to help you be
more productive with R. It includes a console, syntax-
highlighting editor that supports direct code execution, as
well as tools for plotting, history, debugging and workspace
management
Página –157–

Pereira, Colombia
Lenguaje R*
q R is more than just a program that does
statistics. It is a sophisticated computer
language and environment for statistical
computing and graphics. R is available from the R-
Project for Statistical Computing website
q  (www.r-project.org), and following is some of its
introductory material
Página –158–

Pereira, Colombia
Lenguaje R*
q R is an open-source (GPL) statistical environment modeled
after S and S-Plus. The S language was developed in the late
1980s at AT&T labs.
The R project was started by Robert Gentleman and
Ross Ihaka (hence the name, R)
of the Statistics Department of the University of Auckland
in 1995.
q It has quickly gained a widespread audience. It is currently
maintained by the R core-development team, a hard-working,
international team of volunteer developers. The R project
webpage is the main site for information on R. At this site are
directions for obtaining the software, accompanying packages,
and other sources of documentation.
Página –159–

Pereira, Colombia
Lenguaje R*
q R is a powerful statistical program but it is first
and foremost a programming language.
q Many routines have been written for R by
people all over the world and made freely
available from the R project website as
“packages.”
q However, the basic installation (for Linux,
Windows or Mac) contains a powerful set of tools
for most purposes.
Página –160–

Pereira, Colombia
Lenguaje R*
q Because R is a computer language, it
functions slightly differently from
most of the programs that users are
familiar with. You have to type in
commands, which are evaluated by
the program and then executed.
Página –161–

Pereira, Colombia
Lenguaje R*
q R can deal with a huge variety of mathematical and
statistical tasks, and many users find that the basic
installation of the program does everything they need.
q  However, many specialized routines have been written by
other users and these libraries of additional tools are
available from the R website. If you need to undertake a
particular type of analysis, there is a very good chance
that someone before you also wanted to do that very
thing and has written a package that you can download to
allow you to do it.
Página –162–

Pereira, Colombia
Lenguaje R*
q R is open source, which means that it is continually
being reviewed and improved. R runs on most
computers—installations are available for
Windows, Macintosh, and Linux. It also has good
interoperability, so if you work on one computer
and switch to another you can take your work with
you.
q R handles complex statistical approaches as easily as
more simple ones. Therefore once you know the basics of
the R language, you can tackle complex analyses as easily
as simple ones (as usual it is the interpretation of results
that can be the really hard bit).
Página –163–

Pereira, Colombia
Lenguaje R*
q R is an open source software package to perform statistical
analysis on data. R is a programming language used by data
scientist statisticians and others who need to make statistical
analysis of data and glean key insights from data using
mechanisms, such as regression, clustering, classification, and
text analysis.
q R is registered under GNU (General Public License).
It was developed by Ross Ihaka and Robert Gentleman at the
University of Auckland, New Zealand, which is currently handled
by the R Development Core Team. It can be considered as a
different implementation of S, developed by Johan Chambers at
Bell Labs. There are some important differences, but a lot of the
code written in S can be unaltered using the R interpreter engine.
Página –164–

Pereira, Colombia
Lenguaje R*
q  R provides a wide variety of statistical, machine learning (linear and
nonlinear modeling, classic statistical tests, time-series analysis,
classification, clustering)
and graphical techniques, and is highly extensible. R has various built-in
as well as extended functions for statistical, machine learning, and
visualization tasks such as:
q Data extraction
q Data cleaning
q Data loading
q Data transformation
q Statistical analysis
q Predictive modeling
q Data visualization
Página –165–

Pereira, Colombia
Lenguaje R*
q R is one of the most popular open source statistical
analysis packages available on the market today.
q It is crossplatform, has a very wide community
support, and a large and ever-growing user
community who are adding new packages every
day. With its growing list of packages, R can
now connect with other data stores, such as
MySQL, SQLite, MongoDB, and Hadoop for
data storage activities.
Página –166–

167167
DE PEREIRA
BIBLIOGRAFÍA y REFERENCIAS

Pereira, Colombia
COMPUTACIÓN EN LA NUBE (JOYANES)
Página –168–

169169
ESTADO DEL ARTE DE
CLOUD COMPUTING
COMPUTACIÓN
EN LA NUBE
La nueva era de la
computación

Pereira, Colombia
Página –170–

Pereira, Colombia
BIG DATA (JOYANES)
Página –171–

Pereira, Colombia
BIBLIOGRAFÍA BÁSICA
q JOYANES, Luis (2014). Curso de Inteligencia de
negocios. Campus virtual UPSAM, Madrid.
q JOYANES, Luis (2015). Inteligencia de negocios. Un
enfoque móvil, en la nube y en big data. Barcelona:
Marcombo; México DF: Alfaomega
q TURBAN, Efraim, SHARDA, Ramesh, DELEN, Dursun
Decision Support and Business Intelligence Systems.
Ninth edition. New Jersey: Pearson/Prentice-Hall
q JOYANES, Luis (2013). Big Data. El análisis de los
grandes volúmenes de datos. Barcelona: Marcombo;
México DF: Alfaomega.

Pereira, Colombia
REFERENCIAS DE R*
1.  Garderener, Mark. The Statical Programming Language.
Wiley/Wrox, 2012.
2.  Toomey, Dam. R for Data Science, Birmingham: Packt
Publishing, 2015 (diciembre 2014)
3.  Prajapati, Vignesh. Big Data Analytic with R y Hadoop.
Birmingham: Packt Publishing, 2013.
4.  Gerrard, Paul y Radia, Johnson. Mastering Scientifc
Computing. Birmingham: Packt Publishing, 2013.
Página –174–

Pereira, Colombia
REFERENCIAS WEB
q Mobile
BI
is
on
the
move.

h#p://www.informa0on-‐management.com/news/mobile-‐bi-‐
infrastructure-‐data-‐quality-‐adop0on-‐cio-‐gartner-‐10022807-‐1.html

q LITEBI:
Business
Intelligence
in
the
Cloud.

http://www.youtube.com/watch?v=5hxtZsyx_6w
q La
inteligencia
de
negocio
y
su
potencial
en
Redes
Sociales

http://www.youtube.com/watch?v=yAgJjcVEwlo
q Observatorio
de
Redes
Sociales
2012.

http://tcanalysis.com/blog/posts/infografia-4-c2-aa-oleada-observatorio-
de-redes-sociales
q  Informe de Gartner sobre Big Data (Gartner 2013)
http://www.gartner.com/technology/topics/big-data.jsp
q 

Página –175–

Pereira, Colombia
Referencias Web
q Teradata.com
q Datawarehouse.com
q Bitpipe.com
q Teradatauniversitynetwork.com
q www.wiley.com/college/turban
q www.teradatastudentnerwork.com
q Teradata Magazine, Volume 6, number 2
q DM Review
q MIS Quaterly
q Journal of Data Warehousing
q IBM Systems Journal
Página –176–

Pereira, Colombia
Directorio de BI
q Business Intelligence Product Directory
http://media.techtarget.com/searchDataManagement/
downloads/SDMBIDirectory2009.pdf
q The Data Warehousing Institute
www.tdwi.org
q Teradata University Network
www.teradata.universitynetwork.com
q Bex Systems (bez.com)
q IT Tiilbox Business Intelligence Knowledge Base
(businessintelligence.itttoolbox.com)
Página –177–

Pereira, Colombia
Directorio de BI
q Datawarehousing.com (datawarehusing.com)
q Business Intelligence and Data Warehousing
Insight Portal) (datawarehousingonline.com)
q DM Review (demreview.com)
q DSS Resources (dssresources.com)
q AISWorldNet (isworld.com)
q Teradata Magazine (teradatamagazine.com)
q Teradata University Network
(teradatastudentnetwork)
Página –178–

Pereira, Colombia
Recursos académicos
q The Teradata University Network (TUN)
Connection
l  teradataybuniversitynetwork.com
q Página web de Efraim Turban
l  prenhall.com/turban
q Harvard Business School Case Collection
l  hbsp.harvard.edu/b01/en/academic/
edu_home.jhtml

Pereira, Colombia
Revistas y periódicos
q Decision Support Systems
q CIO Insight (cioinsight.com)
q Technology Evaluation (technologyevaluation.com)
q Baseline Magazine (baselinemag.com)
q Business Intelligence Journal (tdwi.org)
q Advisor (advisor.com)
q Oracle Magazine (oracle.com)
q IBM Systems Journal (ibm.com)
q Intelligence Enterprise (intelligenceenterprise.com)
q Business 2.0 (business20.com)

Pereira, Colombia
Periódicos y revistas
q CIO (cio.com) ; CIO Insights (cioinsights.com)
q Computerworld (computerworld.com)
q Decision Support Systems (elservier.com)
q eWeek (eweek.com); InforWeek (iinfoweek.com)
q InfoWorld (infoworld.com)
Internet Week (internetweek.com)
q Management Information Systems Quaterly (MIS Quaterly)
(misq.org).
q Technology Evaluation (technologyevaluation.com)
q Intelligent Enterprise (intelligententerpise.com)
q AIIM (takingaiim.com)
Página –181–

Pereira, Colombia
REFERENCIAS WEB
q Mobile
BI
is
on
the
move.

h#p://www.informa0on-‐management.com/news/mobile-‐bi-‐
infrastructure-‐data-‐quality-‐adop0on-‐cio-‐gartner-‐10022807-‐1.html

q LITEBI:
Business
Intelligence
in
the
Cloud.

h#p://www.youtube.com/watch?v=5hxtZsyx_6w

q La
inteligencia
de
negocio
y
su
potencial
en
Redes
Sociales

h#p://www.youtube.com/watch?v=yAgJjcVEwlo

q Observatorio
de
Redes
Sociales
2012.

h#p://tcanalysis.com/blog/posts/infograﬁa-‐4-‐c2-‐aa-‐oleada-‐observatorio-‐de-‐
redes-‐sociales

Página –182–

Pereira, Colombia
BIBLIOGRAFÍA BÁSICA
q JOYANES, Luis (2014). Curso de Inteligencia de
negocios. Campus virtual UPSAM, Madrid.
q JOYANES, Luis (2015). Inteligencia de negocios. Un
enfoque móvil, en la nube, big data e Internet de las
cosas. Barcelona: Marcombo; México DF: Alfaomega
q TURBAN, Efraim, SHARDA, Ramesh, DELEN, Dursun
Decision Support and Business Intelligence Systems.
Ninth edition. New Jersey: Pearson/Prentice-Hall
q JOYANES, Luis (2013). Big Data. El análisis de los
grandes volúmenes de datos. Barcelona: Marcombo;
México DF: Alfaomega.

Pereira, Colombia
Página –184–
MUCHAS GRACIAS
Portal tecnológico y de conocimiento
(Ed.McGraw-Hill)
www.mhe.es/joyanes
www.joyanes.es
luis.joyanes@upsam.net /.es
www.alfaomega.com.mx
@luisjoyanes
www.facebook.com/joyanesluis
gissic.wordpress.com
UNIVERSIDAD PONTIFICIA DE SALAMANCA

185185
DE PEREIRA
Apéndice
Herramientas de analítica
social

Pereira, Colombia
Herramientas de analítica social
q Análisis de la competencia y oportunidades.
q Google Trends
q Google Insights for Search
q DoubleClick Ad Planner
q Compete
q Reputación online
q SocialMention
q Brandwatch
q Radian6
q UberVU
q Google Alerts
Página –186–

Pereira, Colombia
Herramientas de analítica social
q Twitter
q TweetReach
q TwitterCounter
q Klout
q SocialBro
q Twitalyzer
Página –187–

Pereira, Colombia
Herramientas de tiempo real insights de
Google
q AdWords Keyword Tool
q Correlate
q What do you love?
q Google Blog Search
q Youtube Trends Dashboard
q YouTube Comment Search
q Google Search (More Tools)
Página –188–

Pereira, Colombia
Herramientas para Facebook
q Open Facebook Search. Buscador
q Facebook Grader (facebook.grader.com). Monitorización
de influencia. Ayuda a medir el poder, la autoridad y el
alcance de un usuario en Facebook.
q FamGager (fangager.com). Monitorización de
comunidad. Servicio que analiza cualquier página en
Facebook y ofrece información de valor sobre las visitas,
me gustas, comentarios y usuarios más activos dentro del
último, mes, semana o dia.
q Facebook Lexicon (facebook.com/lexicom)
q Herramienta de seguimiento de tendencias a través de
conceptos clave que muestra el número de
conversaciones disponibles,.
Página –189–

Pereira, Colombia
Herramientas para Facebook
q It´s Trending (itstrending.com)
q Se trata de un servicio que permite conocer los detalles
del contenido más compartido en Facebook. En su página
principal ofrece diferentes columnas que incluyen los
temas candentes y varias opciones para conocer lo más
compartido según diferentes temáticas.
q Social Page Evaluator (evaluator.vitrue.com).
Efectúa una estimación del ROI generado por una página
web. Ideal para obtener un análisis aproximado de
previsiones o proyecciones basadas en un determinado
proyecto social donde intervenga una página en Facebook
q Conversocial (profiler.conversocial.com). Realiza
comparativas de los seguidores y la actividad de una
página Facebook Página –190–

Pereira, Colombia
Herramientas para Twitter
q Twitter Analyzer (twitteranalyzer.com). Datos,
estadísticas
q Hastags (hastags.com).. Evolución de un hastag en un
peridodo de tiempo
q Xefer (xefer.com/twitter). Datos estadísticos de modo
gráfico (diferencia entre tweets, reweets y conversaciones
q Topsy (Analytics.topsy.com). Analiza menciones de
términos o dominio
q Trendsmap (trendsmap.com). Analisis de temas y
tendencias
q Twitter Search (search.twitter.com). Buscador
Página –191–

Pereira, Colombia
q Locafollow (locafollow.com). Buscador por nombre,
ubicación, biografía…
q Tweepz (tweepz.com). Buscador de términos (nombre,
ubicación)
q Klout (klout.com). Analiza la influencia del usuario de una
cuenta Twitter.
q Follow Friday (followfriday.com). Sitio basado en las
recomendaciones que se hacen a través de Twitter
mediante #FF o #FollowFriday
q Soy Follower (soyfollower.com). Directorio temático,
directorio de cuentas de Twitter que las clasifica por la
temática en que se especializan sus contenidos
habituales,.
Página –192–

Pereira, Colombia
q Formulists (formulists.com). Generar listas que guardará
en nuestra propia cuenta de acuerdo a unos parámetros
que previamente le indiquemos.
q TwitterGrader( twittergrader.com)
q Medición de influencias. Mide el nivel de influencia que
tiene un usario en twitter según tres párametros: fuerza,
alcance y autoridad.
q Trendistic (trendistic.com)
q Monitorización. Herramienta especializada en analizar
tendencias en Twitter sobre temas concretos. Basta con
introducir la palabra o frase en la casilla de búsqueda y
pulsar el botón Show Trends.
Página –193–

Pereira, Colombia
Herramientas de analítica web
q Twitter
q TweetReach
q TwitterCounter
q Klout
q SocialBro
q Twitalyzer
Página –194–

Pereira, Colombia
Herramientas de tiempo real insights de
Google
q AdWords Keyword Tool
q Correlate
q What do you love?
q Google Blog Search
q Youtube Trends Dashboard
q YouTube Comment Search
q Google Search (More Tools)
Página –195–

Pereira, Colombia
http://www.atinternet.com/es/
producto/social-analytics/
q Monitorización de redes sociales
q Mida y gestione su reputación online
q El boca a boca (buzz) repercute en la estrategia de
marketing, ya sea como causa o consecuencia.
Monitorizar el marketing viral es un desafío clave par alas
compañías para controlar y mejorar como es percibida su
marca online.
q BuzzWatcher mide en tiempo real la actividad en todos
los soportes web 2.0 (blogs, redes so-ciales,
plataformas de intercambio de vídeos y microblogging,
flujos RSS…).
Página –196–

Pereira, Colombia
Caso de estudio de Social Analytics
q Principales características
q  Monitorización completa de su ámbito de
influencia
•  Mida la visibilidad y el impacto de sus
conversaciones
•  Herramientas de productividad y colaboración
•  Segmentación al vuelo: combine filtros de búsqueda
(monitorización, keywords, canales y categorías de
contenido del lenguaje) para centrar sus análisis en una
precisa selección de los datos.
Página –197–

Inteligencia denegocios versus analítica de negocios

Inteligencia denegocios versus analítica de negocios

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

En vedette

En vedette (20)

Similaire à Inteligencia denegocios versus analítica de negocios

Similaire à Inteligencia denegocios versus analítica de negocios (20)

Dernier

Dernier (20)

Inteligencia denegocios versus analítica de negocios