Componentes y Fases de la inteligencia de Negocios.
Componentes
Fuentes de datos:
Son las fuentes de donde se obtiene datos para el análisis. Pueden incluir
CRM (Customer Relationship Management
data lakes.
redes sociales, archivos planos
Sistemas ERP (Enterprise Resource Planing
Extracción, transformación y carga de datos (ETL):
Es el proceso de extraer los datos de las fuentes, transformarlos y cargarlos en un almacén de datos o data warehouse.
Esto implica realizar tareas de limpieza, integración, normalización y enriquecimiento de los datos para que estén listos para el análisis.
Almacén de datos (Data Warehouse):
El data warehouse almacena los datos históricos y consolidados de diferentes fuentes, proporcionando un entorno estructurado y de alto rendimiento para el análisis.
Herramientas de análisis y visualización:
Son las aplicaciones y plataformas utilizadas para explorar y analizar los datos, Estas herramientas proporcionan funcionalidades como
consultas.
generación de informes.
creación de gráficos
visualizaciones interactivas
Ayuda a los usuarios a comprender y obtener información valiosa de los datos.
Distribución de la información:
Es el proceso de poner a disposición los resultados del análisis de datos a los usuarios y partes interesadas
Implica:
La publicacion de informes
La distribución de tableros de control interactivos
Integración de la inteligencia de negocios en otras app empresariales
Fases
Definición de requisitos:
Fase inicial que implica comprender las necesidades de negocio y determinar los objetivos de análisis
Extracción y transformación de datos:
Se extraen datos relevantes dichos datos pueden provenir de diferentes sistemas y fuentes de información
Incluye tareas como:
Limpieza
Integracion.
Normalizacion y enriquecimiento de datos.
Almacenamiento de datos:
El almacén de datos proporciona una estructura centralizada y optimizada para el análisis, donde los datos históricos y consolidados se organizan de manera eficiente.
Análisis de datos:
En esta fase, se aplican técnicas y herramientas de análisis de datos para obtener información valiosa
Incluye
Se utilizan técnicas estadísticas, minería de datos, aprendizaje automático, etc.
análisis descriptivos para comprender lo que ha sucedido en el pasado
análisis predictivos para predecir eventos futuros y análisis prescriptivos para recomendar acciones y decisiones
Presentación y visualización de datos:
se presentan los resultados del análisis de datos de manera visual y comprensible
Distribución y uso de la información:
Se utilizan tablas, gráficos, cuadros de mando (dashboards) y otras representaciones visuales para comunicar la información
los resultados y las visualizaciones de datos se distribuyen y comparten con los usuarios y partes interesadas relevantes
Implica
implicar la generación automatizada de informes, la distribución de tableros de control interactivos
la integración de la inteligencia de negocios en otras aplicaciones empresariales o la programación de alertas y notificaciones.